Искусственный интеллект развивается семимильными шагами — от грузовых дронов и Deep Blue* к автоматизации бизнеса и производства.
*Deep Blue - программа компании IBM, обыгравшая в 1996 году гроссмейстера Гарри Каспарова в шахматы.
Термины искусственный интеллект (Artificial Intelligence), машинное обучение (Machine Learning) и глубокое обучение (Deep Learning) используются бессистемно, как взаимозаменяемые. Но между ними важные различия. Разбираемся, что есть что.
Искусственный интеллект (Artificial Intelligence)
Искусственный интеллект — самое широкое понятие из тех, которые мы будем рассматривать сегодня. Его природа лежит в создании машины, способной самостоятельно подбирать из множества заданных алгоритмов подходящий. Простыми словами, искусственный интеллект должен имитировать деятельность человека. Более быстро и более качественно.
Чем больше информации нужно обрабатывать, тем выше спрос на искусственный интеллект. Исследование компании IBM пятилетней давности говорит, что за последние несколько лет было записано около 90% всех мировых данных. За каждые два года объем данных в мире увеличивается в десять раз. Благодаря прогрессу растет вычислительная мощность устройств. Теперь машина может обработать гигантское количество информации в короткий срок.
Рандомный опрос компании SpotHub показал, что 63% опрошенных не осознают повседневного значения и применения искусственного интеллекта. Но это вовсе не робот София, а привычный нам голосовой помощник Siri, Alexa и Cortana, сервис рекомендаций крупных интернет-магазинов вроде Amazon, система ранжирования YouTube, видеоигры, которые выстраивают стратегию в зависимости от поведения игроков. Искусственный интеллект может относиться к чему угодно — от компьютерных программ для игры в покер до торговли на бирже (торговые роботы или алгоритмическая торговля).
Три вида искусственного интеллекта
Ограниченный искусственный интеллект
Способен решать одну задачу: Программа Deep Blue, которая в 1996 году обыграла в шахматы Гарри Каспарова, или программа AlphaGo, в 2016 году обыгравшая чемпиона мира по Го Ли Седоля.
Общий искусственный интеллект
Приближен к уровню человеческого интеллекта и может выполнять множество разных задач: здесь системы автоматизации, автопилоты Tesla, распознавание котиков на фотографиях и рака у пациентов.
Сверхразумный искусственный интеллект
“Ваще стремная штука”. Тот искусственный интеллект, которого мы побаиваемся. Именно он может счесть человечество угрозой для планеты и устранить нас :)
Оксфордский профессор Ник Бостром описывает сверхразум, как “интеллект, который намного умнее, чем лучший человеческий мозг, практически во всех областях, в том числе в научном творчестве, общей мудрости и социальных навыках”.
Машинное обучение (Machine Learning)
“Машинное обучение — это всего лишь попытка сделать машину, которая учится на своем опыте. Сегодня мы предполагаем, что разработка таких машин — самый быстрый путь к созданию настоящего искусственного интеллекта.” - Грег Коррадо, технический директор исследовательского центра Google в Цюрихе
Machine Learning — новый инструмент, новый путь инженерии. С его помощью можно улучшать существующие и строить совершенно новые продукты, которые раньше были просто невозможны. Есть несколько методов машинного обучения, которые сегодня применяются на практике:
Обучение на примерах (Supervised Learning)
Если бы вы учились играть в шахматы, а за вашей спиной стоял бы гроссмейстер и нашептывал, как ходить.
Пример: Как развивалась автоматическая сортировка спама в вашей почте? Раньше программисты задавали определенные правила, например, если в тексте слово viagra написано с ненужными символами — это на 99 процентов спам. Теперь алгоритм для борьбы со спамом изучает архив писем, которые были помечены как спам и не спам. Он делает постоянно и постепенно становится более совершенным, определяет спам все точнее. Постепенное обучение на примерах — самый распространенный и точный способ машинного обучения.
Обучение с подкреплением (Reinforcement Learning)
Основывается на позитивном и негативном опыте. Из каждой ошибки программа выносит уроки.
На примере с шахматами: представьте, если бы вы учились играть, каждый раз проигрывали, но делали из этого выводы.
Метод спонтанного обучения или самообучение (Unsupervised Learning)
Обучение происходит без вмешательства со стороны. Машина производит анализ данных и выводит закономерности.
Человек владеет всеми тремя способами обучения. Машинное обучение сегодня базируется на первом методе, он уже неплохо внедрен и теперь делают попытки научить компьютер обучаться двумя другими способами.
Глубинное обучение (Deep learning)
“Иметь дело с простыми уравнениями — это одно, но как, например, определить, что изображено на картинке? Нужна намного более сложная математическая модель. И тут на помощь приходит Deep Learning — специфический тип машинного обучения.”
По сути, это искусственная нейронная сеть. Концепцию придумали еще в 1930-х, но важные математические расчеты для нее провели только в 1980-х. Главная особенность глубинного обучения в том, что оно основано не на одной функции, а на их множестве. То есть это более крутая и сложная версия машинного обучения.
Нейросети действительно имеют много общего с тем, как работает нейронная система мозга человека.
Мы получаем информацию благодаря взаимодействию гигантского количества нейронов — клеток, из которых состоит мозг. Каждая из них сама по себе не разумна. Но она взаимодействует с другими нейронами, основываясь на том, как они преобразуют входящий сигнал в исходящий. И совокупность поступающей информации преобразуется в выводы.
В нейронной сети Google аналог нейронов головного мозга - крошечные математические функции. Все они взаимодействуют между собой. Миллионы математических функций работают вместе, и чем лучше они “обучены”, тем мощнее система.
Метод глубинного обучения позволяет делать сумасшедшие вещи: подписывать фотографии, синтезировать искусство и даже выигрывать в непроходимые видеоигры.
--------------------
Подписывайтесь на TON - новости - самое крупное сообщество про блокчейн и криптовалюту Павла Дурова
----------------------
© Coin Post, 2017-2018. Все материалы данного сайта являются объектами авторского права. Запрещается копирование, распространение (в том числе, путем копирования на другие сайты и ресурсы в Интернете с указанием источника) или любое иное использование информации без предварительного согласия правообладателя.