Узнайте, что такое искусственный интеллект, каковы его основные характеристики и разновидности и как он меняет нашу жизнь уже сегодня.
Что такое искусственный интеллект (ИИ)?
Искусственный интеллект – это имитация процессов человеческого интеллекта машинами, особенно компьютерными системами. Конкретные приложения ИИ включают экспертные системы, обработку естественного языка, распознавание речи и машинное зрение.
Как работает искусственный интеллект?
По мере того, как ажиотаж вокруг искусственного интеллекта ускоряется, поставщики пытаются рассказать о том, как они используют его в своих продуктах и услугах. Часто то, что они называют искусственным интеллектом, является просто компонентом технологии, например, машинного обучения.
Искусственный интеллект требует специализированного аппаратного и программного обеспечения для написания и обучения алгоритмов машинного обучения. Ни один язык программирования не является синонимом ИИ, но Python, R, Java, C++ и Julia имеют функции, популярные среди разработчиков ИИ.
В общем, системы искусственного интеллекта работают, поглощая большие объемы маркированных учебных данных, анализируя их на предмет корреляций и закономерностей и используя эти закономерности для прогнозирования будущих состояний.
ИНТЕРЕСНЫЕ ФАКТЫ ОБ ИСКУССТВЕННОМ ИНТЕЛЛЕКТЕ, О КОТОРЫХ ВЫ НЕ ЗНАЛИ
Таким образом, чат-бот, которому подают примеры текста, может научиться генерировать реалистичные коммуникации с людьми, или инструмент распознавания изображений может научиться идентифицировать и описывать объекты на изображениях, просматривая миллионы примеров. Новые, быстро совершенствующиеся методы генеративного ИИ могут создавать реалистичный текст, изображения, музыку и другие медиа.
Программирование ИИ фокусируется на когнитивных навыках, которые включают следующее:
- Обучение. Этот аспект программирования ИИ сосредотачивается на получении данных и создании правил для преобразования их в действенную информацию. Правила, называемые алгоритмами, предоставляют вычислительным устройствам пошаговые инструкции, как выполнить определенную задачу.
- Рассуждения. Этот аспект программирования ИИ фокусируется на выборе правильного алгоритма для достижения желаемого результата.
- Самокоррекция. Этот аспект программирования ИИ предназначен для постоянного совершенствования алгоритмов и обеспечения максимально точных результатов.
- Творчество. Этот аспект ИИ использует нейронные сети, системы, основанные на правилах, статистические методы и другие методы ИИ для создания новых изображений, нового текста, новой музыки и новых идей.
Различия между ИИ, машинным обучением и глубоким обучением
ИИ, машинное обучение и глубокое обучение – распространенные термины в корпоративных ИТ и иногда используются как взаимозаменяемые, особенно компаниями в своих маркетинговых материалах. Но между ними есть различия.
Термин “искусственный интеллект”, который появился в 1950-х годах, означает имитацию человеческого интеллекта с помощью машин. Он охватывает набор возможностей, который постоянно меняется с развитием новых технологий. Технологии, которые входят в сферу ИИ, включают машинное обучение и глубокое обучение.
Машинное обучение позволяет программному обеспечению более точно прогнозировать результаты, не будучи явно запрограммированным на это. Алгоритмы машинного обучения используют исторические данные в качестве входных для прогнозирования новых выходных значений.
Этот подход стал намного эффективнее с увеличением объемов данных, на которых можно обучаться. Глубокое обучение, подразделение машинного обучения, основано на нашем понимании того, как устроен мозг. Использование структуры искусственных нейронных сетей в глубоком обучении лежит в основе последних достижений в области искусственного интеллекта, включая самоуправляемые автомобили и ChatGPT.
Почему искусственный интеллект важен?
ИИ важен своим потенциалом изменить то, как мы живем, работаем и развлекаемся. Он эффективно используется в бизнесе для автоматизации задач, выполняемых людьми, включая обслуживание клиентов, генерацию лидов, выявление мошенничества и контроль качества.
В некоторых сферах ИИ может выполнять задачи гораздо лучше, чем человек. В частности, когда речь идет о повторяющихся задачах, ориентированных на детали, таких как анализ большого количества юридических документов для обеспечения правильного заполнения соответствующих полей, инструменты ИИ часто выполняют работу быстро и с относительно небольшим количеством ошибок.
5 ПРИМЕРОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ПОВСЕДНЕВНОЙ ЖИЗНИ
Благодаря огромным массивам данных, которые он может обрабатывать, искусственный интеллект также может предоставить предприятиям информацию об их деятельности, о которой они, возможно, даже не подозревали. Быстро растущая популяция генеративных инструментов искусственный интеллект будет иметь важное значение в различных сферах – от образования и маркетинга до дизайна продуктов.
Действительно, прогресс в технологиях искусственного интеллекта не только способствовал взрывному росту эффективности, но и открыл двери к совершенно новым бизнес-возможностям для некоторых крупных предприятий. До нынешней волны развития искусственного интеллекта было бы трудно представить себе использование компьютерного программного обеспечения для соединения пассажиров с такси, но Uber стал компанией из списка Fortune 500, сделав именно это.
ИИ стал центральным элементом многих крупнейших и самых успешных компаний современности, в том числе Alphabet, Apple, Microsoft и Meta, где технологии искусственного интеллекта используются для совершенствования операций и опережения конкурентов. Например, в дочерней компании Alphabet, Google, искусственный интеллект играет центральную роль в поисковой системе, самоуправляемых автомобилях Waymo и Google Brain, который изобрел архитектуру нейронной сети-трансформера, лежащую в основе недавних прорывов в обработке естественной речи.
Какие преимущества и недостатки искусственного интеллекта?
Технологии искусственных нейронных сетей и глубокого обучения быстро развиваются, прежде всего потому, что ИИ может обрабатывать большие объемы данных гораздо быстрее и делать прогнозы точнее, чем это возможно для человека.
В то время как огромный объем данных, создаваемых ежедневно, похоронил бы человека-исследователя, приложения ИИ, использующие машинное обучение, могут брать эти данные и быстро превращать их в информацию, пригодную для действий. На момент написания этой статьи основным недостатком ИИ является то, что обработка больших объемов данных, необходимых для программирования ИИ, стоит дорого.
Поскольку технологии искусственного интеллекта внедряются во все больше продуктов и услуг, организации также должны быть готовы к тому, что искусственный интеллект может создавать предвзятые и дискриминационные системы, намеренно или непреднамеренно.
Искусственный интеллект София – это большой обман?
Преимущества искусственного интеллекта
Ниже приведены некоторые преимущества ИИ.
- Хорошо справляется с работой, ориентированной на детали. ИИ оказался не хуже, если не лучше врачей в диагностике некоторых видов рака, в частности рака молочной железы и меланомы.
- Сокращение времени на выполнение задач, связанных с большими объемами данных. ИИ широко используется в отраслях, работающих с большими объемами данных, включая банковское дело и ценные бумаги, фармацевтику и страхование, чтобы сократить время, необходимое для анализа больших массивов данных. Например, финансовые службы регулярно используют ИИ для обработки кредитных заявок и выявления мошенничества.
- Экономия рабочей силы и повышение производительности. Примером здесь может служить использование автоматизации складов, которое выросло во время пандемии и, как ожидается, увеличится благодаря интеграции ИИ и машинного обучения.
- Обеспечивает стабильные результаты. Лучшие инструменты перевода с искусственным интеллектом обеспечивают высокий уровень согласованности, предлагая даже небольшим компаниям возможность общаться с клиентами на их родном языке.
- Повышение уровня удовлетворенности клиентов благодаря персонализации. ИИ может персонализировать контент, сообщения, рекламу, рекомендации и веб-сайты для отдельных клиентов.
- Виртуальные агенты с искусственным интеллектом всегда на связи. ИИ-программы не нуждаются в сне или перерывах, обеспечивая обслуживание 24/7.
Что такое искусственный интеллект в плане его недостатков
Ниже приведены некоторые недостатки искусственного интеллекта.
- Высокая стоимость.
- Требует глубоких технических знаний.
- Ограниченное предложение квалифицированных работников для создания инструментов ИИ.
- Отражает предвзятость своих учебных данных в масштабе.
- Отсутствие способности к обобщению от одной задачи к другой.
- Ликвидирует человеческие рабочие места, увеличивая уровень безработицы.
Сильный ИИ против слабого
ИИ можно разделить на слабый и сильный.
- Слабый ИИ, также известный как узкий ИИ, разработан и обучен для выполнения конкретной задачи. Промышленные роботы и виртуальные персональные ассистенты, такие как Siri от Apple, используют слабый ИИ.
- Сильный ИИ, также известный как искусственный общий интеллект (AGI), описывает программирование, которое может воспроизводить когнитивные способности человеческого мозга. Перед незнакомой задачей система сильного ИИ может использовать нечеткую логику, чтобы применить знания из одной области к другой и найти решение самостоятельно. Теоретически, сильная ИИ-программа должна быть способна пройти как тест Тьюринга, так и аргумент Китайской комнаты.
Какие существуют 4 типа искусственного интеллекта?
Мы узнали, что такое искусственный интеллект, но какие бывают его типы? Аренд Хинце, доцент кафедры интегративной биологии, компьютерных наук и инженерии в Университете штата Мичиган, объяснил, что ИИ можно разделить на четыре типа, начиная с интеллектуальных систем, ориентированных на конкретные задачи, которые широко используются сегодня, и заканчивая умными системами, которых пока не существует. Категории являются следующими.
- Тип 1: Реактивные машины. Эти системы искусственного интеллекта не имеют памяти и ориентированы на конкретные задачи. Примером является Deep Blue, шахматная программа IBM, которая победила Гарри Каспарова в 1990-х годах. Deep Blue может идентифицировать фигуры на шахматной доске и делать прогнозы, но из-за отсутствия памяти он не может использовать прошлый опыт для формирования будущего.
- Тип 2: Ограниченная память. Эти системы ИИ имеют память, поэтому они могут использовать прошлый опыт для принятия будущих решений. Некоторые функции принятия решений в беспилотных автомобилях устроены именно так.
- Тип 3: Теория разума. Теория разума – это термин из психологии. В применении к ИИ он означает, что система будет иметь социальный интеллект для понимания эмоций. Этот тип ИИ сможет делать выводы о намерениях человека и прогнозировать его поведение, что является необходимым навыком для того, чтобы системы ИИ стали неотъемлемыми членами человеческих коллективов.
- Тип 4: Самосознание. В этой категории ИИ-системы обладают чувством собственного достоинства, что наделяет их сознанием. Машины с самосознанием понимают собственное текущее состояние. Этот тип ИИ пока что не существует.
Какие есть примеры технологии ИИ и как она используется сегодня?
ИИ интегрирован во множество различных типов технологий. Вот семь примеров.
Автоматизация. В сочетании с технологиями искусственного интеллекта инструменты автоматизации могут расширить объем и типы выполняемых задач. Примером может служить роботизированная автоматизация процессов (RPA) – тип программного обеспечения, автоматизирующего повторяющиеся задачи по обработке данных на основе правил, которые традиционно выполнялись человеком.
В сочетании с машинным обучением и новыми инструментами искусственного интеллекта RPA может автоматизировать большую часть работы на предприятии, позволяя тактическим ботам RPA передавать информацию от искусственного интеллекта и реагировать на изменения в процессе.
Машинное обучение. Это наука о том, как заставить компьютер действовать без программирования. Глубокое обучение – это подмножество машинного обучения, которое очень просто можно представить как автоматизацию предиктивной аналитики. Существует три типа алгоритмов машинного обучения:
- Обучение под наблюдением. Наборы данных помечаются так, чтобы можно было выявить закономерности и использовать их для обозначения новых наборов данных.
- Неконтролируемое обучение. Наборы данных не маркируются и сортируются по сходству или различию.
- Обучение с подкреплением. Наборы данных не маркируются, но после выполнения действия или нескольких действий ИИ-система получает обратную связь.
Машинное зрение. Эта технология дает машине способность видеть. Машинное зрение фиксирует и анализирует визуальную информацию с помощью камеры, аналого-цифрового преобразования и цифровой обработки сигналов. Его часто сравнивают с человеческим зрением, но машинное зрение не связано с биологией и может быть запрограммировано, например, видеть сквозь стены.
Оно используется в широком спектре применений – от распознавания подписей до анализа медицинских изображений. Компьютерное зрение, которое сосредоточено на машинной обработке изображений, часто отождествляют с машинным зрением.
Обработка естественного языка (NLP). Это обработка человеческой речи компьютерной программой. Одним из старейших и самых известных примеров что такое искусственный интеллект в NLP является обнаружение спама, который смотрит на тему и текст электронного письма и решает, является ли он нежелательным. Современные подходы к НЛП основаны на машинном обучении. Задачи НЛП включают перевод текста, анализ настроения и распознавание речи.
Робототехника. Эта область инженерии сосредоточена на проектировании и производстве роботов. Роботов часто используют для выполнения задач, которые человеку трудно выполнять или выполнять последовательно. Например, роботы используются на сборочных линиях в производстве автомобилей или в NASA для перемещения крупных объектов в космосе. Исследователи также используют машинное обучение для создания роботов, которые могут взаимодействовать в социальной среде.
Самоуправляемые автомобили. Что такое искусственный интеллект в автомобилях? Автономные автомобили используют сочетание компьютерного зрения, распознавания изображений и глубокого обучения для создания автоматизированных навыков пилотирования транспортного средства, оставаясь в заданной полосе и избегая неожиданных препятствий, таких как пешеходы.
Генерация текста, изображений и звука. Генеративные методы ИИ, которые создают различные типы медиа из текстовых подсказок, широко применяются в бизнесе для создания, казалось бы, безграничного спектра типов контента – от фотореалистичного искусства до ответов на электронные письма и сценариев.
Какие сферы применения искусственного интеллекта?
Искусственный интеллект нашел свое применение на самых разных рынках. Вот 11 примеров.
Искусственный интеллект в здравоохранении. Наибольшая ставка делается на улучшение результатов лечения пациентов и снижение затрат. Компании применяют машинное обучение, чтобы ставить медицинские диагнозы лучше и быстрее, чем люди. Одна из самых известных технологий в сфере здравоохранения – IBM Watson. Он понимает естественную речь и может отвечать на заданные ему вопросы.
Система анализирует данные о пациенте и другие доступные источники информации, чтобы сформировать гипотезу, которую затем представляет в виде схемы оценки достоверности.
Другие применения ИИ включают использование виртуальных медицинских ассистентов и чат-ботов, которые помогают пациентам и клиентам медицинских учреждений находить медицинскую информацию, планировать встречи, понимать процесс выставления счетов и выполнять другие административные процессы. Разнообразные технологии ИИ также используются для прогнозирования, борьбы и понимания таких пандемий, как COVID-19.
Искусственный интеллект в бизнесе. Алгоритмы машинного обучения интегрируются в платформы аналитики и управления взаимоотношениями с клиентами (CRM), чтобы получить информацию о том, как лучше обслуживать клиентов. Чат-боты интегрируются на веб-сайты для предоставления немедленных услуг клиентам.
Ожидается, что быстрое развитие технологий генеративного ИИ, таких как ChatGPT, будет иметь далеко идущие последствия: ликвидация рабочих мест, революция в дизайне продуктов и разрушение бизнес-моделей.
Искусственный интеллект в образовании. ИИ может автоматизировать выставление оценок, давая преподавателям больше времени на другие задачи. Он может оценивать студентов и адаптироваться к их потребностям, помогая им работать в собственном темпе. Преподаватели с искусственным интеллектом могут оказывать дополнительную поддержку студентам, гарантируя, что они не будут отставать от графика.
Технология также может изменить то, где и как студенты учатся, возможно, даже заменив некоторых преподавателей. Как демонстрируют ChatGPT, Google Bard и другие крупные языковые модели, генеративный ИИ может помочь преподавателям создавать курсовые работы и другие учебные материалы, а также привлекать студентов новыми способами. Появление этих инструментов также заставляет педагогов переосмыслить домашние задания и тестирование студентов и пересмотреть политику в отношении плагиата.
Искусственный интеллект в финансах. ИИ в приложениях для личных финансов, таких как Intuit Mint или TurboTax, разрушает финансовые учреждения. Такие программы собирают персональные данные и предоставляют финансовые советы. Другие программы, такие как IBM Watson, были применены к процессу покупки жилья. Сегодня программное обеспечение с искусственным интеллектом выполняет большую часть торгов на Уолл-стрит.
Искусственный интеллект в юриспруденции. Процесс поиска – просеивание документов – в юриспруденции часто является непосильным для человека. Использование искусственного интеллекта для автоматизации трудоемких процессов в юридической отрасли экономит время и улучшает обслуживание клиентов. Юридические фирмы используют машинное обучение для описания данных и прогнозирования результатов, компьютерное зрение – для классификации и извлечения информации из документов, а НЛП – для интерпретации запросов на информацию.
Искусственный интеллект в сфере развлечений и медиа. Индустрия развлечений использует методы ИИ для таргетированной рекламы, рекомендаций контента, дистрибуции, выявления мошенничества, создания сценариев и съемок фильмов. Автоматизированная журналистика помогает редакциям оптимизировать рабочие процессы в СМИ, сокращая время, затраты и сложность.
Редакции используют искусственный интеллект для автоматизации рутинных задач, таких как ввод данных и корректура, а также для поиска тем и помощи в написании заголовков. Как журналистика может надежно использовать ChatGPT и другие генеративные ИИ для создания контента, остается открытым вопросом.
Искусственный интеллект в кодировании программного обеспечения и ИТ-процессах. Новые инструменты генеративного ИИ можно использовать для создания кода приложений на основе подсказок на естественном языке, но эти инструменты еще только начинают развиваться и вряд ли скоро заменят инженеров-программистов.
ИИ также используется для автоматизации многих ИТ-процессов, включая ввод данных, обнаружение мошенничества, обслуживание клиентов, а также прогнозирование технического обслуживания и безопасности.
Безопасность. ИИ и машинное обучение возглавляют список модных слов, которые поставщики решений для безопасности используют для продвижения своих продуктов на рынке, поэтому покупатели должны подходить к ним с осторожностью. Тем не менее, методы ИИ успешно применяются во многих аспектах кибербезопасности, включая обнаружение аномалий, решение проблемы ложноположительных срабатываний и проведение поведенческого анализа угроз.
Организации используют машинное обучение в программном обеспечении для управления информацией и событиями безопасности (SIEM) и смежных областях для обнаружения аномалий и выявления подозрительных действий, указывающих на угрозы. Анализируя данные и используя логику для выявления сходства с известным вредоносным кодом, ИИ может оповещать о новых и потенциальных атаках гораздо раньше, чем люди и предыдущие технологические итерации.
ИИ в производстве. Производство было в авангарде внедрения роботов в рабочий процесс. Например, промышленные роботы, которые в свое время были запрограммированы на выполнение отдельных задач и отделены от людей-работников, все чаще функционируют как коботы: Меньшие, многозадачные роботы, которые сотрудничают с людьми и берут на себя ответственность за большую часть работы на складах, фабричных цехах и других рабочих местах.
ИИ в банковской сфере. Банки уже давно изучают что такое искусственный интеллект и успешно используют чат-ботов для информирования клиентов об услугах и предложениях, а также для проведения транзакций, не требующих вмешательства человека. Виртуальные помощники с искусственным интеллектом используются для улучшения и сокращения расходов на соблюдение банковских правил.
Банковские организации используют ИИ для улучшения процесса принятия решений о выдаче кредитов, установления кредитных лимитов и определения инвестиционных возможностей.
ИИ на транспорте. Помимо фундаментальной роли ИИ в управлении автономными транспортными средствами, технологии ИИ применяются на транспорте для управления дорожным движением, прогнозирования задержек рейсов, а также для повышения безопасности и эффективности морских перевозок.
В цепочках поставок ИИ заменяет традиционные методы прогнозирования спроса и предсказания сбоев, и эта тенденция ускорилась после COVID-19, когда многие компании были застигнуты врасплох влиянием глобальной пандемии на спрос и предложение товаров.
Дополненный интеллект против искусственного интеллекта
Некоторые отраслевые эксперты утверждают, что термин “искусственный интеллект” слишком тесно связан с популярной культурой, что вызвало невероятные ожидания широкой общественности относительно того, как ИИ изменит рабочее место и жизнь в целом.
Они предложили использовать термин “дополненный интеллект”, чтобы различать системы искусственного интеллекта, которые действуют автономно – примерами популярной культуры являются “Гал 9000” и “Терминатор” – и инструменты искусственного интеллекта, которые поддерживают человека.
Дополненный интеллект. Некоторые исследователи и маркетологи надеются, что термин “дополненный интеллект”, который имеет более нейтральную коннотацию, поможет людям понять, что большинство внедрений ИИ будут слабыми и просто улучшат продукты и услуги.
Примеры включают автоматическое отображение важной информации в отчетах бизнес-аналитики или выделение важной информации в юридических документах.
Быстрое внедрение ChatGPT и Bard в различных отраслях промышленности свидетельствует о готовности использовать ИИ для поддержки принятия решений человеком.
Искусственный интеллект. Настоящий ИИ, или AGI, тесно связан с концепцией технологической сингулярности – будущим, где господствует искусственный суперинтеллект, который намного превосходит способность человеческого мозга понимать его или то, как он формирует нашу реальность. Это остается в области научной фантастики, хотя некоторые разработчики работают над этой проблемой.
Многие считают, что такие технологии, как квантовые вычисления, могут сыграть важную роль в превращении AGI в реальность, и что мы должны зарезервировать использование термина ИИ для этого вида общего интеллекта.
Этическое использование искусственного интеллекта
Хотя инструменты искусственного интеллекта предоставляют бизнесу целый ряд новых функциональных возможностей, использование ИИ также поднимает этические вопросы, поскольку, хорошо это или плохо, но система искусственного интеллекта закрепляет то, чему она уже научилась.
Это может быть проблематично, поскольку алгоритмы машинного обучения, которые лежат в основе многих самых современных инструментов искусственного интеллекта, настолько умны, насколько умны данные, которые они получают во время обучения. Поскольку человек выбирает, какие данные использовать для обучения ИИ-программы, потенциал предвзятости машинного обучения является неотъемлемым и должен тщательно отслеживаться.
Каждый, кто хочет использовать машинное обучение как часть реальных производственных систем, должен учитывать этику в процессе обучения ИИ и стараться избегать предвзятости. Это особенно актуально при использовании алгоритмов ИИ, которые по своей сути являются непонятными в приложениях глубокого обучения и генеративных соревновательных сетей (GAN).
Объясняемость является потенциальным камнем преткновения для использования ИИ в отраслях, которые работают в условиях строгих регуляторных требований. Например, финансовые учреждения в США работают по правилам, которые требуют от них объяснять свои решения о выдаче кредитов.
Однако, когда решение об отказе в кредите принимается с помощью ИИ-программирования, может быть трудно объяснить, как было принято такое решение, поскольку инструменты ИИ, используемые для принятия таких решений, работают, выискивая тонкие корреляции между тысячами переменных. Когда процесс принятия решений невозможно объяснить, программу можно назвать “черным ящиком” ИИ.
Подытоживая, можно сказать, что этические проблемы ИИ включают следующее:
- Предвзятость из-за неправильно обученных алгоритмов и человеческих предубеждений.
- Злоупотребление из-за подделок и фишинга.
- Юридические проблемы, в частности клевета на ИИ и нарушение авторских прав.
- Ликвидация рабочих мест из-за растущих возможностей ИИ.
- Беспокойство о конфиденциальности данных, особенно в банковской, медицинской и юридической сферах.
Управление и регулирование сферы искусственного интеллекта
Несмотря на потенциальные риски, пока существует немного нормативных актов, регулирующих что такое искусственный интеллект и его использование, а там, где законы существуют, они, как правило, касаются ИИ косвенно.
Например, как уже упоминалось ранее, американское законодательство о справедливом кредитовании требует от финансовых учреждений объяснять потенциальным клиентам кредитные решения. Это ограничивает степень, до которой кредиторы могут использовать алгоритмы глубокого обучения, которые по своей природе являются непрозрачными и не поддаются объяснению.
Общий регламент Европейского Союза о защите данных (GDPR) рассматривает вопросы регулирования ИИ. Строгие ограничения GDPR в отношении того, как предприятия могут использовать потребительские данные, уже ограничивают обучение и функциональность многих программ искусственного интеллекта, ориентированных на потребителя.
Политики в США еще не приняли законодательство об ИИ, но это может скоро измениться. “Проект билля о правах ИИ”, опубликованный в октябре 2022 года Управлением научно-технической политики Белого дома (OSTP), содержит рекомендации для бизнеса по внедрению этических систем ИИ. Торговая палата США также призвала к регулированию ИИ в отчете, опубликованном в марте 2023 года.
Разработка законов для регулирования что такое шучный инелект (ИИ) будет непростым делом, отчасти из-за того, что ИИ включает в себя множество технологий, которые компании используют для различных целей, а отчасти из-за того, что регулирование может повредить прогрессу и развитию ИИ.
Быстрая эволюция технологий ИИ является еще одним препятствием на пути к созданию полноценного регулирования ИИ, так же как и проблемы, связанные с недостаточной прозрачностью ИИ, что затрудняет понимание того, как алгоритмы достигают своих результатов.
Кроме того, технологические прорывы и новые приложения, такие как ChatGPT и Dall-E, могут мгновенно устареть, а действующие законы – устареть. И, конечно, законы, которые правительствам удается разработать для регулирования ИИ, не останавливают преступников от использования технологии со злонамеренными намерениями.
Этапы развития искусственного интеллекта с 1950 года до сегодняшнего дня.
ИИ имеет долгую и порой противоречивую историю, начиная с теста Тьюринга в 1950 году и заканчивая современными генеративными чат-ботами, такими как ChatGPT.
Какова история ИИ?
Концепция неодушевленных объектов, наделенных интеллектом, существует с древних времен. Греческий бог Гефест изображался в мифах как такой, что кует из золота слуг, похожих на роботов. В Древнем Египте инженеры строили статуи богов, которых оживляли жрецы. На протяжении веков мыслители от Аристотеля до испанского теолога 13 века Рамона Льюлля, Рене Декарта и Томаса Байеса использовали инструменты и логику своего времени, чтобы описать человеческие мыслительные процессы в виде символов, заложив основу для таких концепций ИИ, как представление общих знаний.
В конце 19-го и в первой половине 20-го веков появилась фундаментальная работа, которая привела к созданию современного компьютера. В 1836 году математик Кембриджского университета Чарльз Бэббидж и Августа Ада Кинг, графиня Лавлейс, изобрели первый проект программируемой машины.
1940s. Принстонский математик Джон фон Нейман разработал архитектуру компьютера с постоянной памятью – идея заключается в том, что компьютерная программа и данные, которые она обрабатывает, могут храниться в памяти компьютера. А Уоррен Маккалох и Уолтер Питтс заложили основу нейронных сетей.
1950s. С появлением современных компьютеров ученые смогли проверить свои идеи о машинном интеллекте. Один из методов определения наличия интеллекта у компьютера разработал британский математик и взломщик кодов времен Второй мировой войны Алан Тьюринг. Тест Тьюринга сосредотачивался на способности компьютера обмануть следователей, заставив их поверить, что его ответы на их вопросы были сделаны человеком.
Современная отрасль искусственного интеллекта широко цитируется как начавшаяся в этом году во время летней конференции в Дартмутском колледже. Спонсором конференции, организованной Агентством передовых оборонных исследовательских проектов (DARPA), выступили 10 выдающихся специалистов в этой области, среди которых пионеры ИИ Марвин Мински, Оливер Селфридж и Джон Маккарти, которому приписывают авторство термина “искусственный интеллект”.
Также присутствовали Аллен Ньюэлл, компьютерный ученый, и Герберт А. Саймон, экономист, политолог и когнитивный психолог. Они представили свою новаторскую разработку Logic Theorist – компьютерную программу, способную доказывать определенные математические теоремы, которую называют первой программой с искусственным интеллектом.
1950-е и 1960-е годы. После конференции в Дартмутском колледже лидеры молодой отрасли ИИ предсказали, что искусственный интеллект, эквивалентный человеческому мозгу, уже не за горами, что привлекло внимание правительства и индустрии.
И действительно, почти 20 лет хорошо финансируемых фундаментальных исследований привели к значительному прогрессу в области ИИ: например, в конце 1950-х Ньюэлл и Саймон опубликовали алгоритм General Problem Solver (GPS), который не решал сложных проблем, но заложил основы для разработки более совершенных когнитивных архитектур; а Маккарти разработал язык программирования ИИ Lisp, который используется и по сей день.
В середине 1960-х профессор Массачусетского технологического института Джозеф Вайзенбаум разработал ELIZA, раннюю программу НЛП, которая заложила основу для современных чат-ботов.
1970-е и 1980-е годы. Достижение искусственного всеобщего интеллекта оказалось недостижимым, а не неизбежным, на пути стали ограничения в компьютерной обработке и памяти, а также сложность проблемы. Правительство и корпорации отказались от поддержки исследований в области ИИ, что привело к периоду затишья, который длился с 1974 по 1980 год и стал известен как первая “зима ИИ”.
В 1980-х годах исследования методов глубокого обучения и внедрение экспертных систем Эдварда Фейгенбаума вызвали новую волну энтузиазма в области искусственного интеллекта, за которой последовало очередное сокращение государственного финансирования и поддержки со стороны индустрии. Вторая зима ИИ продолжалась до середины 1990-х годов.
1990s. Рост вычислительных мощностей и взрыв данных вызвали ренессанс ИИ в конце 1990-х годов, который подготовил почву для значительных достижений в области ИИ, которые мы наблюдаем сегодня.
Сочетание больших объемов данных и роста вычислительных мощностей способствовало прорыву в НЛП, компьютерном зрении, робототехнике, машинном обучении и глубоком обучении. В 1997 году, когда развитие ИИ ускорилось, Deep Blue от IBM победил российского гроссмейстера Гарри Каспарова, став первой компьютерной программой, обыгравшей чемпиона мира по шахматам.
2000s. Дальнейшее развитие машинного обучения, глубокого обучения, НЛП, распознавания речи и компьютерного зрения привело к появлению продуктов и услуг, которые сформировали наш образ жизни сегодня.
Среди них – запуск поисковой системы Google в 2000 году и запуск рекомендательной системы Amazon в 2001 году. Netflix разработал систему рекомендаций для фильмов, Facebook представил систему распознавания лиц, а Microsoft запустила систему распознавания речи для преобразования речи в текст. IBM запустила Watson, а Google – свою инициативу по беспилотному вождению Waymo.
2010s. Десятилетие между 2010 и 2020 годами ознаменовалось постоянным потоком разработок в сфере искусственного интеллекта. Среди них – запуск голосовых помощников Siri от Apple и Alexa от Amazon; победы IBM Watson на Jeopardy; беспилотные автомобили; разработка первой генеративной соревновательной сети; запуск TensorFlow, фреймворка глубокого обучения Google с открытым исходным кодом; основание исследовательской лаборатории OpenAI, разработчиков языковой модели GPT-3 и генератора изображений Dall-E; поражение чемпиона мира по игре в го Ли Седола от AlphaGo от Google DeepMind; внедрение систем на основе ИИ, которые с высокой степенью точности диагностируют онкозаболевания.
2020s. Текущее десятилетие ознаменовалось появлением генеративного ИИ – типа технологии искусственного интеллекта, способного создавать новый контент. Генеративный ИИ начинается с подсказки, которая может быть в виде текста, изображения, видео, дизайна, музыкальных нот или любых других данных, которые система ИИ может обработать. Затем различные алгоритмы ИИ возвращают новый контент в ответ на подсказку.
Контент может включать эссе, решения задач или реалистичные фейки, созданные на основе фотографий или аудиозаписей человека. Способности таких речевых моделей, как ChatGPT-3, Bard от Google и Megatron-Turing NLG от Microsoft, поразили мир, но технология все еще находится на ранних стадиях, о чем свидетельствует ее склонность к галлюцинациям или искажению ответов.
Что такое искусственный интеллект: Инструменты и сервисы
Инструменты и сервисы искусственного интеллекта развиваются быстрыми темпами. Текущие инновации в инструментах и сервисах ИИ можно проследить до нейронной сети AlexNet 2012 года, которая открыла новую эру высокопроизводительного ИИ, построенного на графических процессорах и больших массивах данных. Ключевым изменением стала возможность обучать нейронные сети на огромных объемах данных на нескольких ядрах графического процессора параллельно в более масштабируемый способ.
За последние несколько лет симбиоз открытий в области ИИ от Google, Microsoft и OpenAI и аппаратных инноваций от Nvidia позволил запускать все большие модели ИИ на большем количестве графических процессоров, что привело к кардинальному улучшению производительности и масштабируемости.
Сотрудничество между этими светочами ИИ имело решающее значение для недавнего успеха ChatGPT, не говоря уже о десятках других прорывных ИИ-сервисов. Вот краткий обзор важных инноваций в инструментах и сервисах искусственного интеллекта.
Google, например, стала лидером в поиске более эффективного процесса обучения ИИ на большом кластере обычных компьютеров с графическими процессорами. Это открыло путь к открытию трансформаторов, которые автоматизируют многие аспекты обучения ИИ на немаркированных данных.
Оптимизация аппаратного обеспечения. Не менее важно, что производители оборудования, такие как Nvidia, также оптимизируют микрокод для параллельной работы на нескольких ядрах графического процессора для самых популярных алгоритмов.
Nvidia утверждает, что сочетание более быстрого аппаратного обеспечения, более эффективных алгоритмов ИИ, точной настройки инструкций для GPU и лучшей интеграции с центром обработки данных приводит к улучшению производительности ИИ в миллион раз. Nvidia также сотрудничает со всеми провайдерами облачных центров, чтобы сделать эту возможность более доступной в качестве AI-as-a-Service через модели IaaS, SaaS и PaaS.
Генеративные предварительно обученные трансформаторы. За последние несколько лет стек искусственного интеллекта также стремительно эволюционировал. Раньше предприятиям приходилось обучать свои модели ИИ с нуля. Все больше поставщиков, таких как OpenAI, Nvidia, Microsoft, Google и другие, предлагают генеративные предварительно обученные трансформаторы (GPT), которые можно точно настроить под конкретную задачу при значительно меньших затратах, опыте и времени.
В то время как некоторые из крупнейших моделей стоят от 5 до 10 миллионов долларов за один запуск, предприятия могут доработать полученные модели за несколько тысяч долларов. Это сокращает время выхода на рынок и снижает риски.
Облачные сервисы ИИ. Среди самых больших препятствий, которые мешают предприятиям эффективно использовать искусственный интеллект в своем бизнесе, – задачи по инженерии данных и науке о данных, необходимые для интеграции возможностей искусственного интеллекта в существующие приложения или для разработки новых.
Все ведущие облачные провайдеры внедряют собственные брендированные сервисы искусственного интеллекта, чтобы упростить подготовку данных, разработку моделей и развертывание приложений. Среди лучших примеров – AWS AI Services, Google Cloud AI, платформа Microsoft Azure AI, AI-решения IBM и Oracle Cloud Infrastructure AI Services.
Передовые модели искусственного интеллекта как услуга. Ведущие разработчики моделей ИИ также предлагают самые современные модели ИИ на базе этих облачных сервисов. OpenAI имеет десятки обширных языковых моделей, оптимизированных для чата, NLP, генерации изображений и кода, которые предоставляются через Azure. Nvidia применила более облачный подход, продавая инфраструктуру ИИ и базовые модели, оптимизированные для работы с текстом, изображениями и медицинскими данными, доступные у всех облачных провайдеров. Сотни других игроков также предлагают модели, адаптированные для различных отраслей и случаев использования.
Источник: https://www.techtarget.com
