Краткое введение в мир искусственного интеллекта или гид по ИИ для чайников

В последнее время искусственный интеллект представляет собой горячую тему не только в Кремниевой долине, но и абсолютно везде. Мы видим, как разработчики рассказывают про очередного интеллектуального помощника в рамках своего приложения, или аналитический алгоритм для бизнеса, который многие тоже называют искусственным интеллектом. Растет количество университетских курсов, направленных на изучение этого направления. Причем термин ИИ неразрывно связан с машинным обучением, и оба этих направления приобрели особую популярность приблизительно с середины 2014 года.

Шум вокруг этого направления нарастает, а огромное количество информации сбивает с толку обывателей и обычных пользователей. В зависимости от того, что читать, может сложиться впечатление, что мы уже взяли курс на апокалиптический Скайнет или Матрицу. Другими словами, многие уверены, что сценарий Терминатора или Матрицы являются пророческими.

xxccdd

Должны ли мы реально беспокоиться и, что все это, вообще, значит?

С одной стороны, все люди, пользующиеся компьютерами и современными гаджетами понимают ценность машинного интеллекта, попробуем так назвать алгоритмы, по которым «мыслят» наши девайсы и их программы, а вот с другой стороны, многие напуганы апокалиптическими опасностями, о которых вещают такие светлые умы современности как Стивен Хокинг или Илон Маск.

Для того, чтобы лучше понять суть этого вопроса имеет смысл взглянуть назад и понять, как развивалось направление искусственного интеллекта. Этот небольшой экскурс в историю позволит всем непосвященным лучше понять это удивительное направление.

Искусственный интеллект, в качестве промышленного термина, зародился в 1956 году, за которым последовало несколько периодов подъемов и спадов. 1960 год можно назвать золотым временем 20-го века в исследованиях возможностей искусственного интеллекта при поддержке правительств западных стран, крупных университетов и бизнеса, выделявшего значительные суммы для ученых в надежде создать новый, дивный мир.

Но в середине семидесятых годов, когда стало понятно, что ИИ не реализовал, возложенных на него надежд, финансирование резко сократили и все исследования были минимизированы. Следующая волна интереса к ИИ начала расти в 1980-е годы по мере того, как компьютеры набирали популярность, но все опять через некоторое время сошло на нет.

Для того, чтобы понять, почему разработки ИИ потерпели неудачи в 20-м веке, стоит разобраться в том, что, на самом деле, представляет из себя ИИ. Длинных и сложных ответов очень много, мы постараемся дать простое и понятное определение: ИИ представляет собой направление на стыке различных технологий, которые, по сути, имеют дело с проблемой о том, как использовать данные (информацию) для принятия верного решения о чем-либо. Одним из основных составляющих ИИ является машинное обучение.

Попробуем разобраться доступным языком, что такое машинное обучение в общем смысле. По сути, это загрузка в компьютеры большого количества данных для их анализа, которые должны помочь прийти к каким-либо выводам. Когда камера на смартфоне автоматически определяет улыбку или приложение Shazam, прослушав 20 секунд песни, выдает ее название, все это результаты машинного обучения. То есть в базу данных было загружено такое количество информации, что алгоритм научился правильно сопоставлять входящий поток данных с имеющимся и делать правильные выводы. То есть машина анализирует огромные объемы информации и на их основе строит необходимые закономерности (паттерны).

Как мы с вами понимаем, обработка больших объемов данных, требует и серьезных вычислительных мощностей, которых, просто, не было в 1960-х годах. Именно поэтому все задумки того времени по развитию ИИ провалились. А вот в 1980-х мощности начали расти, но не было накоплено огромного количества данных для анализа.

Затем пришел Интернет. Он не только решил проблему вычислительных мощностей, открыв доступ к облачным технологиям, позволяющих подключить огромное количество компьютеров к выполняемой задаче, но еще и открыл доступ к огромному количеству информации. Объем данных, генерируемых Интернетом сегодня просто ошеломляющий, вот инфографика с примерами:

internet-data-explosion

Эти две вещи (вычислительные мощности и данные) играют ключевую роль для машинного обучения. Сегодня мы можем придать новый импульс для развития этого направления.

В итоге, сегодня многие боятся, что компьютеры начнут думать сами и, более того, могут прийти не к самым утешительным выводом относительно поведения человека. Подобные страхи вполне обоснованы: сегодня мы уже разрабатываем машинное обучение по принципу нейронных сетей, то есть по нашему собственному образу и подобию, так работает наш мозг. При помощи нейронного подхода, данные подаются и обрабатываются по значительно более сложной сети взаимосвязанных точек, которые уже работают аналогично ассоциативному мышлению человека. Это говорит о том, что компьютеры постепенно начинают выстраивать не только библиотеку моделей, паттернов и клише, но и начинают закладывать основу традиционного мышления (причинно-следственные связи и так далее).

Безусловно, машины сегодня могут распознать лицо человека, определить его пол, приблизительный возраст, расу и так далее, но он далек от реального понимания, что такое лицо. Человек, глядя на фотографию, может догадаться, что на ней изображена не просто женщина, а мать, по ее взгляду прочитать любовь или ненависть и так далее. Компьютеры этого пока не могут.

Для того, чтобы компьютеры стали, действительно, опасными, они должны научиться эмоциям, что пока изложить в алгоритме никто не смог.

При этом сегодня ИИ применяется в активных разработках автономного транспорта, мгновенных переводах с иностранных языков, мобильных помощниках в смартфонах и так далее. Все эти достижения делают нашу жизнь удобнее и лучше. Вот на этом и стоит фокусировать свое внимание сегодня.

Source: Marc Crouch
Поделиться:
2348
Комментарии
Подписаться на канал
Наверх