Дізнайтеся, що таке штучний інтелект, які його основні характеристики та різновиди та як він змінює наше життя вже сьогодні.
Що таке штучний інтелект (ШІ)?
Штучний інтелект – це імітація процесів людського інтелекту машинами, особливо комп’ютерними системами. Конкретні застосування ШІ включають експертні системи, обробку природної мови, розпізнавання мови та машинний зір.
Як працює штучний інтелект?
У міру того, як ажіотаж навколо штучного інтелекту прискорюється, постачальники намагаються розповісти про те, як вони використовують його у своїх продуктах і послугах. Часто те, що вони називають штучним інтелектом, є просто компонентом технології, наприклад, машинного навчання.
Штучний інтелект вимагає наявності спеціалізованого апаратного та програмного забезпечення для написання та навчання алгоритмів машинного навчання. Жодна мова програмування не є синонімом ШІ, але Python, R, Java, C++ і Julia мають функції, популярні серед розробників ШІ.
Загалом, системи штучного інтелекту працюють, поглинаючи великі обсяги маркованих навчальних даних, аналізуючи їх на предмет кореляцій та закономірностей і використовуючи ці закономірності для прогнозування майбутніх станів.
Таким чином, чат-бот, якому подають приклади тексту, може навчитися генерувати реалістичні комунікації з людьми, або інструмент розпізнавання зображень може навчитися ідентифікувати та описувати об’єкти на зображеннях, переглядаючи мільйони прикладів. Нові, швидко вдосконалювані методи генеративного ШІ можуть створювати реалістичний текст, зображення, музику та інші медіа.
Програмування ШІ фокусується на когнітивних навичках, які включають наступне:
- Навчання. Цей аспект програмування ШІ зосереджується на отриманні даних і створенні правил для перетворення їх на дієву інформацію. Правила, які називаються алгоритмами, надають обчислювальним пристроям покрокові інструкції, як виконати певне завдання.
- Міркування. Цей аспект програмування ШІ фокусується на виборі правильного алгоритму для досягнення бажаного результату.
- Самокорекція. Цей аспект програмування АІ призначений для постійного вдосконалення алгоритмів і забезпечення максимально точних результатів.
- Творчість. Цей аспект ШІ використовує нейронні мережі, системи, засновані на правилах, статистичні методи та інші методи ШІ для створення нових зображень, нового тексту, нової музики та нових ідей.
Відмінності між ШІ, машинним навчанням і глибоким навчанням
ШІ, машинне навчання і глибоке навчання – поширені терміни в корпоративних ІТ і іноді використовуються як взаємозамінні, особливо компаніями в своїх маркетингових матеріалах. Але між ними є відмінності.
Термін “штучний інтелект”, який з’явився в 1950-х роках, означає імітацію людського інтелекту за допомогою машин. Він охоплює набір можливостей, що постійно змінюється з розвитком нових технологій. Технології, які входять до сфери ШІ, включають машинне навчання та глибоке навчання.
Машинне навчання дозволяє програмному забезпеченню більш точно прогнозувати результати, не будучи явно запрограмованим на це. Алгоритми машинного навчання використовують історичні дані як вхідні для прогнозування нових вихідних значень.
Цей підхід став набагато ефективнішим зі збільшенням обсягів даних, на яких можна навчатися. Глибоке навчання, підрозділ машинного навчання, базується на нашому розумінні того, як влаштований мозок. Використання структури штучних нейронних мереж у глибинному навчанні лежить в основі останніх досягнень у галузі штучного інтелекту, включаючи самокеровані автомобілі та ChatGPT.
Що таке ChatGPT? Штучний інтелект, який здивував світ
Чому штучний інтелект важливий?
ШІ важливий своїм потенціалом змінити те, як ми живемо, працюємо та розважаємося. Він ефективно використовується в бізнесі для автоматизації завдань, що виконуються людьми, включаючи обслуговування клієнтів, генерацію лідів, виявлення шахрайства та контроль якості.
У деяких сферах ШІ може виконувати завдання набагато краще, ніж людина. Зокрема, коли йдеться про повторювані завдання, орієнтовані на деталі, такі як аналіз великої кількості юридичних документів для забезпечення правильного заповнення відповідних полів, інструменти ШІ часто виконують роботу швидко і з відносно невеликою кількістю помилок.
Завдяки величезним масивам даних, які він може опрацьовувати, штучнй інтелект також може надати підприємствам інформацію про їхню діяльність, про яку вони, можливо, навіть не підозрювали. Швидко зростаюча популяція генеративних інструментів штучний інтелект матиме важливе значення в різних сферах – від освіти і маркетингу до дизайну продуктів.
Дійсно, прогрес у технологіях штучного інтелекту не лише сприяв вибуховому зростанню ефективності, але й відкрив двері до абсолютно нових бізнес-можливостей для деяких великих підприємств. До нинішньої хвилі розвитку штучного інтелекту було б важко уявити собі використання комп’ютерного програмного забезпечення для з’єднання пасажирів з таксі, але Uber став компанією зі списку Fortune 500, зробивши саме це.
Коли прийде справжній штучний інтелект? – прогноз технологічних лідерів
ШІ став центральним елементом багатьох найбільших і найуспішніших компаній сучасності, зокрема Alphabet, Apple, Microsoft і Meta, де технології штучного інтелекту використовуються для вдосконалення операцій і випередження конкурентів. Наприклад, у дочірній компанії Alphabet, Google, штучний інтелект відіграє центральну роль у пошуковій системі, самокерованих автомобілях Waymo та Google Brain, який винайшов архітектуру нейронної мережі-трансформера, що лежить в основі нещодавніх проривів в обробці природної мови.
Які переваги та недоліки штучного інтелекту?
Технології штучних нейронних мереж і глибокого навчання швидко розвиваються, насамперед тому, що ШІ може обробляти великі обсяги даних набагато швидше і робити прогнози точніше, ніж це можливо для людини.
У той час як величезний обсяг даних, що створюються щодня, поховав би людину-дослідника, додатки ШІ, що використовують машинне навчання, можуть брати ці дані і швидко перетворювати їх на інформацію, придатну для дій. На момент написання цієї статті основним недоліком ШІ є те, що обробка великих обсягів даних, необхідних для програмування ШІ, коштує дорого.
Оскільки технології штучного інтелекту впроваджуються у все більше продуктів і послуг, організації також повинні бути готові до того, що штучний інтелект може створювати упереджені та дискримінаційні системи, навмисно чи ненавмисно.
Школа майбутнього та штучний інтелект в освіті
Переваги штучного інтелекту
Нижче наведено деякі переваги ШІ.
- Добре справляється з роботою, орієнтованою на деталі. ШІ виявився не гіршим, якщо не кращим за лікарів у діагностиці деяких видів раку, зокрема раку молочної залози та меланоми.
- Скорочення часу на виконання завдань, пов’язаних з великими обсягами даних. ШІ широко використовується в галузях, що працюють з великими обсягами даних, включаючи банківську справу та цінні папери, фармацевтику і страхування, щоб скоротити час, необхідний для аналізу великих масивів даних. Наприклад, фінансові служби регулярно використовують ШІ для обробки кредитних заявок і виявлення шахрайства.
- Економія робочої сили та підвищення продуктивності. Прикладом тут може слугувати використання автоматизації складів, яке зросло під час пандемії і, як очікується, збільшиться завдяки інтеграції ШІ та машинного навчання.
- Забезпечує стабільні результати. Найкращі інструменти перекладу зі штучним інтелектом забезпечують високий рівень узгодженості, пропонуючи навіть невеликим компаніям можливість спілкуватися з клієнтами їхньою рідною мовою.
- Підвищення рівня задоволеності клієнтів завдяки персоналізації. ШІ може персоналізувати контент, повідомлення, рекламу, рекомендації та веб-сайти для окремих клієнтів.
- Віртуальні агенти зі штучним інтелектом завжди на зв’язку. ШІ-програми не потребують сну або перерв, забезпечуючи обслуговування 24/7.
Що таке штучний інтелект в плані його недоліків
Нижче наведено деякі недоліки штучного інтелекту.
- Висока вартість.
- Вимагає глибоких технічних знань.
- Обмежена пропозиція кваліфікованих працівників для створення інструментів ШІ.
- Відображає упередженість своїх навчальних даних у масштабі.
- Відсутність здатності до узагальнення від одного завдання до іншого.
- Ліквідує людські робочі місця, збільшуючи рівень безробіття.
Сильний ШІ проти слабкого
ШІ можна розділити на слабкий і сильний.
- Слабкий ШІ, також відомий як вузький ШІ, розроблений і навчений для виконання конкретного завдання. Промислові роботи та віртуальні персональні асистенти, такі як Siri від Apple, використовують слабкий ШІ.
- Сильний ШІ, також відомий як штучний загальний інтелект (AGI), описує програмування, яке може відтворювати когнітивні здібності людського мозку. Перед незнайомим завданням система сильного ШІ може використовувати нечітку логіку, щоб застосувати знання з однієї області до іншої і знайти рішення самостійно. Теоретично, сильна ШІ-програма повинна бути здатна пройти як тест Тюрінга, так і аргумент Китайської кімнати.
Які існують 4 типи штучного інтелекту?
Ми дізналися, що таке штучний інтелект, але які бувають його типи? Аренд Хінце, доцент кафедри інтегративної біології, комп’ютерних наук та інженерії в Університеті штату Мічиган, пояснив, що ШІ можна розділити на чотири типи, починаючи з інтелектуальних систем, орієнтованих на конкретні завдання, які широко використовуються сьогодні, і закінчуючи розумними системами, яких поки що не існує. Категорії є наступними.
Фільми про штучний інтелект: рейтинг топ-10
- Тип 1: Реактивні машини. Ці системи штучного інтелекту не мають пам’яті і орієнтовані на конкретні завдання. Прикладом є Deep Blue, шахова програма IBM, яка перемогла Гаррі Каспарова в 1990-х роках. Deep Blue може ідентифікувати фігури на шахівниці та робити прогнози, але через відсутність пам’яті вона не може використовувати минулий досвід для формування майбутнього.
- Тип 2: Обмежена пам’ять. Ці системи ШІ мають пам’ять, тому вони можуть використовувати минулий досвід для прийняття майбутніх рішень. Деякі функції прийняття рішень у безпілотних автомобілях влаштовані саме так.
- Тип 3: Теорія розуму. Теорія розуму – це термін з психології. У застосуванні до ШІ він означає, що система матиме соціальний інтелект для розуміння емоцій. Цей тип ШІ зможе робити висновки про наміри людини і прогнозувати її поведінку, що є необхідною навичкою для того, щоб системи ШІ стали невід’ємними членами людських колективів.
- Тип 4: Самосвідомість. У цій категорії ШІ-системи мають почуття власної гідності, що наділяє їх свідомістю. Машини з самосвідомістю розуміють власний поточний стан. Цей тип ШІ поки що не існує.
Які є приклади технології ШІ і як вона використовується сьогодні?
ШІ інтегрований у безліч різних типів технологій. Ось сім прикладів.
Автоматизація. У поєднанні з технологіями штучного інтелекту інструменти автоматизації можуть розширити обсяг і типи виконуваних завдань. Прикладом може слугувати роботизована автоматизація процесів (RPA) – тип програмного забезпечення, що автоматизує повторювані завдання з обробки даних на основі правил, які традиційно виконувалися людиною.
У поєднанні з машинним навчанням та новими інструментами штучного інтелекту RPA може автоматизувати більшу частину роботи на підприємстві, дозволяючи тактичним ботам RPA передавати інформацію від штучного інтелекту та реагувати на зміни в процесі.
Які найкращі книжки про штучний інтелект (ШІ)?
Машинне навчання. Це наука про те, як змусити комп’ютер діяти без програмування. Глибоке навчання – це підмножина машинного навчання, яку дуже просто можна уявити як автоматизацію предиктивної аналітики. Існує три типи алгоритмів машинного навчання:
- Навчання під наглядом. Набори даних позначаються так, щоб можна було виявити закономірності і використовувати їх для позначення нових наборів даних.
- Неконтрольоване навчання. Набори даних не маркуються і сортуються за схожістю або відмінністю.
- Навчання з підкріпленням. Набори даних не маркуються, але після виконання дії або декількох дій АІ-система отримує зворотний зв’язок.
Машинний зір. Ця технологія дає машині здатність бачити. Машинний зір фіксує та аналізує візуальну інформацію за допомогою камери, аналого-цифрового перетворення та цифрової обробки сигналів. Його часто порівнюють із людським зором, але машинний зір не пов’язаний з біологією і може бути запрограмований, наприклад, бачити крізь стіни.
Він використовується в широкому спектрі застосувань – від розпізнавання підписів до аналізу медичних зображень. Комп’ютерний зір, який зосереджений на машинній обробці зображень, часто ототожнюють з машинним зором.
Обробка природної мови (NLP). Це обробка людської мови комп’ютерною програмою. Одним із найстаріших і найвідоміших прикладів що таке штучний інтелект в NLP є виявлення спаму, який дивиться на тему і текст електронного листа і вирішує, чи є він небажаним. Сучасні підходи до NLP базуються на машинному навчанні. Завдання НЛП включають переклад тексту, аналіз настрою та розпізнавання мови.
Робототехніка. Ця галузь інженерії зосереджена на проектуванні та виробництві роботів. Роботів часто використовують для виконання завдань, які людині важко виконувати або виконувати послідовно. Наприклад, роботи використовуються на складальних лініях у виробництві автомобілів або в NASA для переміщення великих об’єктів у космосі. Дослідники також використовують машинне навчання для створення роботів, які можуть взаємодіяти в соціальному середовищі.
Самокеровані автомобілі. Що таке штучний інтелект в автомобілях? Автономні автомобілі використовують поєднання комп’ютерного зору, розпізнавання зображень і глибокого навчання для створення автоматизованих навичок пілотування транспортного засобу, залишаючись у заданій смузі і уникаючи несподіваних перешкод, таких як пішоходи.
Цікаві Факти Про Штучний Інтелект, Які Ви Не Знали
Генерація тексту, зображень і звуку. Генеративні методи ШІ, які створюють різні типи медіа з текстових підказок, широко застосовуються в бізнесі для створення, здавалося б, безмежного спектру типів контенту – від фотореалістичного мистецтва до відповідей на електронні листи та сценаріїв.
Які сфери застосування штучного інтелекту?
Штучний інтелект знайшов своє застосування на найрізноманітніших ринках. Ось 11 прикладів.
Штучний інтелект в охороні здоров’я. Найбільша ставка робиться на поліпшення результатів лікування пацієнтів і зниження витрат. Компанії застосовують машинне навчання, щоб ставити медичні діагнози краще і швидше, ніж люди. Одна з найвідоміших технологій у сфері охорони здоров’я – IBM Watson. Він розуміє природну мову і може відповідати на поставлені йому запитання.
Система аналізує дані про пацієнта та інші доступні джерела інформації, щоб сформувати гіпотезу, яку потім представляє у вигляді схеми оцінки достовірності.
Інші застосування ШІ включають використання віртуальних медичних асистентів і чат-ботів, які допомагають пацієнтам і клієнтам медичних установ знаходити медичну інформацію, планувати зустрічі, розуміти процес виставлення рахунків і виконувати інші адміністративні процеси. Різноманітні технології ШІ також використовуються для прогнозування, боротьби та розуміння таких пандемій, як COVID-19.
Штучний інтелект в бізнесі. Алгоритми машинного навчання інтегруються в платформи аналітики та управління взаємовідносинами з клієнтами (CRM), щоб отримати інформацію про те, як краще обслуговувати клієнтів. Чат-боти інтегруються на веб-сайти для надання негайних послуг клієнтам.
Очікується, що швидкий розвиток технологій генеративного ШІ, таких як ChatGPT, матиме далекосяжні наслідки: ліквідація робочих місць, революція в дизайні продуктів і руйнування бізнес-моделей.
Штучний інтелект в освіті. ШІ може автоматизувати виставлення оцінок, даючи викладачам більше часу на інші завдання. Він може оцінювати студентів і адаптуватися до їхніх потреб, допомагаючи їм працювати у власному темпі. Викладачі зі штучним інтелектом можуть надавати додаткову підтримку студентам, гарантуючи, що вони не відставатимуть від графіка.
Технологія також може змінити те, де і як студенти навчаються, можливо, навіть замінивши деяких викладачів. Як демонструють ChatGPT, Google Bard та інші великі мовні моделі, генеративний ШІ може допомогти викладачам створювати курсові роботи та інші навчальні матеріали, а також залучати студентів у нові способи. Поява цих інструментів також змушує освітян переосмислити домашні завдання та тестування студентів і переглянути політику щодо плагіату.
Штучний інтелект у фінансах. ШІ в додатках для особистих фінансів, таких як Intuit Mint або TurboTax, руйнує фінансові установи. Такі програми збирають персональні дані та надають фінансові поради. Інші програми, такі як IBM Watson, були застосовані до процесу купівлі житла. Сьогодні програмне забезпечення зі штучним інтелектом виконує більшу частину торгів на Уолл-стріт.
Штучний інтелект в юриспруденції. Процес пошуку – просіювання документів – в юриспруденції часто є непосильним для людини. Використання штучного інтелекту для автоматизації трудомістких процесів у юридичній галузі економить час і покращує обслуговування клієнтів. Юридичні фірми використовують машинне навчання для опису даних і прогнозування результатів, комп’ютерний зір – для класифікації та вилучення інформації з документів, а НЛП – для інтерпретації запитів на інформацію.
Штучний інтелект у сфері розваг та медіа. Індустрія розваг використовує методи ШІ для таргетованої реклами, рекомендацій контенту, дистрибуції, виявлення шахрайства, створення сценаріїв і зйомок фільмів. Автоматизована журналістика допомагає редакціям оптимізувати робочі процеси в ЗМІ, скорочуючи час, витрати та складність.
Редакції використовують штучний інтелект для автоматизації рутинних завдань, таких як введення даних і коректура, а також для пошуку тем і допомоги в написанні заголовків. Як журналістика може надійно використовувати ChatGPT та інші генеративні ШІ для створення контенту, залишається відкритим питанням.
Штучний інтелект в кодуванні програмного забезпечення та ІТ-процесах. Нові інструменти генеративного ШІ можна використовувати для створення коду додатків на основі підказок природною мовою, але ці інструменти ще тільки починають розвиватися і навряд чи скоро замінять інженерів-програмістів.
ШІ також використовується для автоматизації багатьох ІТ-процесів, включаючи введення даних, виявлення шахрайства, обслуговування клієнтів, а також прогнозування технічного обслуговування і безпеки.
Безпека. ШІ та машинне навчання очолюють список модних слів, які постачальники рішень для безпеки використовують для просування своїх продуктів на ринку, тому покупці повинні підходити до них з обережністю. Тим не менш, методи ШІ успішно застосовуються в багатьох аспектах кібербезпеки, включаючи виявлення аномалій, вирішення проблеми хибнопозитивних спрацьовувань і проведення поведінкового аналізу загроз.
Організації використовують машинне навчання в програмному забезпеченні для управління інформацією та подіями безпеки (SIEM) і суміжних областях для виявлення аномалій і виявлення підозрілих дій, які вказують на загрози. Аналізуючи дані та використовуючи логіку для виявлення схожості з відомим шкідливим кодом, ШІ може сповіщати про нові та потенційні атаки набагато раніше, ніж люди та попередні технологічні ітерації.
ШІ у виробництві. Виробництво було в авангарді впровадження роботів у робочий процес. Наприклад, промислові роботи, які свого часу були запрограмовані на виконання окремих завдань і відокремлені від людей-працівників, все частіше функціонують як коботи: Менші, багатозадачні роботи, які співпрацюють з людьми і беруть на себе відповідальність за більшу частину роботи на складах, фабричних цехах та інших робочих місцях.
ШІ в банківській сфері. Банки вже давно вивчають що таке штучний інтелект та успішно використовують чат-ботів для інформування клієнтів про послуги та пропозиції, а також для проведення транзакцій, які не потребують втручання людини. Віртуальні помічники зі штучним інтелектом використовуються для покращення та скорочення витрат на дотримання банківських правил.
Банківські організації використовують ШІ для поліпшення процесу прийняття рішень про видачу кредитів, встановлення кредитних лімітів і визначення інвестиційних можливостей.
АІ на транспорті. Крім фундаментальної ролі ШІ в управлінні автономними транспортними засобами, технології ШІ застосовуються на транспорті для управління дорожнім рухом, прогнозування затримок рейсів, а також для підвищення безпеки та ефективності морських перевезень.
У ланцюгах поставок ШІ замінює традиційні методи прогнозування попиту і передбачення збоїв, і ця тенденція прискорилася після COVID-19, коли багато компаній були заскочені зненацька впливом глобальної пандемії на попит і пропозицію товарів.
Доповнений інтелект проти штучного інтелекту
Деякі галузеві експерти стверджують, що термін “штучний інтелект” надто тісно пов’язаний з популярною культурою, що спричинило неймовірні очікування широкої громадськості щодо того, як ШІ змінить робоче місце та життя загалом.
Вони запропонували використовувати термін “доповнений інтелект”, щоб розрізняти системи штучного інтелекту, які діють автономно – прикладами популярної культури є “Гал 9000” і “Термінатор” – та інструменти штучного інтелекту, які підтримують людину.
Доповнений інтелект. Деякі дослідники і маркетологи сподіваються, що термін “доповнений інтелект”, який має більш нейтральну конотацію, допоможе людям зрозуміти, що більшість впроваджень ШІ будуть слабкими і просто поліпшать продукти і послуги.
Приклади включають автоматичне відображення важливої інформації у звітах бізнес-аналітики або виділення важливої інформації в юридичних документах.
Швидке впровадження ChatGPT і Bard у різних галузях промисловості свідчить про готовність використовувати ШІ для підтримки прийняття рішень людиною.
Штучний інтелект. Справжній ШІ, або AGI, тісно пов’язаний з концепцією технологічної сингулярності – майбутнім, де панує штучний суперінтелект, який набагато перевершує здатність людського мозку розуміти його або те, як він формує нашу реальність. Це залишається в царині наукової фантастики, хоча деякі розробники працюють над цією проблемою.
Багато хто вважає, що такі технології, як квантові обчислення, можуть відіграти важливу роль у перетворенні AGI на реальність, і що ми повинні зарезервувати використання терміну ШІ для цього виду загального інтелекту.
Етичне використання штучного інтелекту
Хоча інструменти штучного інтелекту надають бізнесу цілу низку нових функціональних можливостей, використання ШІ також піднімає етичні питання, оскільки, добре це чи погано, але система штучного інтелекту закріплює те, чого вона вже навчилася.
Це може бути проблематично, оскільки алгоритми машинного навчання, які лежать в основі багатьох найсучасніших інструментів штучного інтелекту, є настільки розумними, наскільки розумними є дані, які вони отримують під час навчання. Оскільки людина обирає, які дані використовувати для навчання ШІ-програми, потенціал упередженості машинного навчання є невід’ємним і повинен ретельно відстежуватися.
Кожен, хто хоче використовувати машинне навчання як частину реальних виробничих систем, повинен враховувати етику в процесі навчання ШІ та намагатися уникати упередженості. Це особливо актуально при використанні алгоритмів ШІ, які за своєю суттю є незрозумілими в додатках глибокого навчання і генеративних змагальних мереж (GAN).
Пояснюваність є потенційним каменем спотикання для використання ШІ в галузях, які працюють в умовах суворих регуляторних вимог. Наприклад, фінансові установи в США працюють за правилами, які вимагають від них пояснювати свої рішення про видачу кредитів.
Однак, коли рішення про відмову в кредиті приймається за допомогою ШІ-програмування, може бути важко пояснити, як було прийнято таке рішення, оскільки інструменти ШІ, що використовуються для прийняття таких рішень, працюють, вишукуючи тонкі кореляції між тисячами змінних. Коли процес прийняття рішень неможливо пояснити, програму можна назвати “чорним ящиком” ШІ.
Підсумовуючи, можна сказати, що етичні проблеми ШІ включають наступне:
- Упередженість через неправильно навчені алгоритми та людські упередження.
- Зловживання через підробки та фішинг.
- Юридичні проблеми, зокрема наклеп на ШІ та порушення авторських прав.
- Ліквідація робочих місць через зростаючі можливості ШІ.
- Занепокоєння щодо конфіденційності даних, особливо в банківській, медичній та юридичній сферах.
Управління та регулювання сфери штучного інтелекту
Незважаючи на потенційні ризики, наразі існує небагато нормативних актів, що регулюють що таке штучний інтелект та його використання, а там, де закони існують, вони, як правило, стосуються ШІ опосередковано.
Наприклад, як уже згадувалося раніше, американське законодавство про справедливе кредитування вимагає від фінансових установ пояснювати потенційним клієнтам кредитні рішення. Це обмежує ступінь, до якого кредитори можуть використовувати алгоритми глибокого навчання, які за своєю природою є непрозорими і не піддаються поясненню.
Загальний регламент Європейського Союзу про захист даних (GDPR) розглядає питання регулювання ШІ. Суворі обмеження GDPR щодо того, як підприємства можуть використовувати споживчі дані, вже обмежують навчання та функціональність багатьох програм штучного інтелекту, орієнтованих на споживача.
Політики в США ще не ухвалили законодавство про ШІ, але це може скоро змінитися. “Проект білля про права ШІ”, опублікований у жовтні 2022 року Управлінням науково-технічної політики Білого дому (OSTP), містить рекомендації для бізнесу щодо впровадження етичних систем ШІ. Торгова палата США також закликала до регулювання ШІ у звіті, опублікованому в березні 2023 року.
Розробка законів для регулювання що таке шучний інелект (ШІ) буде непростою справою, частково через те, що ШІ включає в себе безліч технологій, які компанії використовують для різних цілей, а частково через те, що регулювання може зашкодити прогресу і розвитку ШІ. Швидка еволюція технологій ШІ є ще однією перешкодою на шляху до створення повноцінного регулювання ШІ, так само як і проблеми, пов’язані з недостатньою прозорістю ШІ, що ускладнює розуміння того, як алгоритми досягають своїх результатів.
Крім того, технологічні прориви і нові додатки, такі як ChatGPT і Dall-E, можуть миттєво застаріти, а закони, що діють, – застаріти. І, звичайно, закони, які урядам вдається розробити для регулювання ШІ, не зупиняють злочинців від використання технології зі зловмисними намірами.
Етапи розвитку штучного інтелекту з 1950 року до сьогодні.
ШІ має довгу і часом суперечливу історію, починаючи з тесту Тюрінга в 1950 році і закінчуючи сучасними генеративними чат-ботами, такими як ChatGPT.
Яка історія ШІ?
Концепція неживих об’єктів, наділених інтелектом, існує з давніх часів. Грецький бог Гефест зображувався в міфах як такий, що кує із золота слуг, схожих на роботів. У Стародавньому Єгипті інженери будували статуї богів, яких оживляли жерці. Протягом століть мислителі від Аристотеля до іспанського теолога 13 століття Рамона Льюлля, Рене Декарта і Томаса Байєса використовували інструменти і логіку свого часу, щоб описати людські розумові процеси у вигляді символів, заклавши основу для таких концепцій ШІ, як представлення загальних знань.
Наприкінці 19-го і в першій половині 20-го століть з’явилася фундаментальна робота, яка призвела до створення сучасного комп’ютера. У 1836 році математик Кембриджського університету Чарльз Беббідж і Августа Ада Кінг, графиня Лавлейс, винайшли перший проект програмованої машини.
1940s. Принстонський математик Джон фон Нейман розробив архітектуру комп’ютера з постійною пам’яттю – ідея полягає в тому, що комп’ютерна програма та дані, які вона обробляє, можуть зберігатися в пам’яті комп’ютера. А Уоррен Маккалох і Волтер Піттс заклали основу нейронних мереж.
1950s. З появою сучасних комп’ютерів вчені змогли перевірити свої ідеї про машинний інтелект. Один з методів визначення наявності інтелекту у комп’ютера розробив британський математик і зломщик кодів часів Другої світової війни Алан Тьюрінг. Тест Тюрінга зосереджувався на здатності комп’ютера обдурити слідчих, змусивши їх повірити, що його відповіді на їхні запитання були зроблені людиною.
Сучасна галузь штучного інтелекту широко цитується як така, що почалася цього року під час літньої конференції в Дартмутському коледжі. Спонсором конференції, організованої Агентством передових оборонних дослідницьких проектів (DARPA), виступили 10 видатних фахівців у цій галузі, серед яких піонери ШІ Марвін Мінскі, Олівер Селфрідж і Джон Маккарті, якому приписують авторство терміну “штучний інтелект”.
Також були присутні Аллен Ньюелл, комп’ютерний вчений, і Герберт А. Саймон, економіст, політолог і когнітивний психолог. Вони представили свою новаторську розробку Logic Theorist – комп’ютерну програму, здатну доводити певні математичні теореми, яку називають першою програмою зі штучним інтелектом.
1950-ті та 1960-ті роки. Після конференції в Дартмутському коледжі лідери молодої галузі ШІ передбачили, що штучний інтелект, еквівалентний людському мозку, вже не за горами, що привернуло увагу уряду та індустрії.
І справді, майже 20 років добре фінансованих фундаментальних досліджень призвели до значного прогресу в галузі ШІ: наприклад, наприкінці 1950-х Ньюелл і Саймон опублікували алгоритм General Problem Solver (GPS), який не вирішував складних проблем, але заклав основи для розробки більш досконалих когнітивних архітектур; а Маккарті розробив мову програмування ШІ Lisp, яку використовують і донині.
У середині 1960-х професор Массачусетського технологічного інституту Джозеф Вайзенбаум розробив ELIZA, ранню програму НЛП, яка заклала основу для сучасних чат-ботів.
1970-ті та 1980-ті роки. Досягнення штучного загального інтелекту виявилося недосяжним, а не неминучим, на заваді стали обмеження в комп’ютерній обробці та пам’яті, а також складність проблеми. Уряд і корпорації відмовилися від підтримки досліджень у галузі ШІ, що призвело до періоду затишшя, який тривав з 1974 по 1980 рік і став відомим як перша “зима ШІ”.
У 1980-х роках дослідження методів глибокого навчання та впровадження експертних систем Едварда Фейгенбаума викликали нову хвилю ентузіазму в галузі штучного інтелекту, за якою послідувало чергове скорочення державного фінансування та підтримки з боку індустрії. Друга зима ШІ тривала до середини 1990-х років.
1990s. Зростання обчислювальних потужностей і вибух даних спричинили ренесанс ШІ наприкінці 1990-х років, який підготував підґрунтя для значних досягнень у галузі ШІ, які ми спостерігаємо сьогодні.
Поєднання великих обсягів даних і зростання обчислювальних потужностей сприяло прориву в НЛП, комп’ютерному зорі, робототехніці, машинному навчанні та глибокому навчанні. У 1997 році, коли розвиток ШІ прискорився, Deep Blue від IBM переміг російського гросмейстера Гаррі Каспарова, ставши першою комп’ютерною програмою, яка обіграла чемпіона світу з шахів.
2000s. Подальший розвиток машинного навчання, глибокого навчання, НЛП, розпізнавання мови та комп’ютерного зору призвів до появи продуктів і послуг, які сформували наш спосіб життя сьогодні.
Серед них – запуск пошукової системи Google у 2000 році та запуск рекомендаційної системи Amazon у 2001 році. Netflix розробив систему рекомендацій для фільмів, Facebook представив систему розпізнавання облич, а Microsoft запустила систему розпізнавання мови для перетворення мови в текст. IBM запустила Watson, а Google – свою ініціативу з безпілотного водіння Waymo.
2010s. Десятиліття між 2010 і 2020 роками ознаменувалося постійним потоком розробок у сфері штучного інтелекту. Серед них – запуск голосових помічників Siri від Apple і Alexa від Amazon; перемоги IBM Watson на Jeopardy; безпілотні автомобілі; розробка першої генеративної змагальної мережі; запуск TensorFlow, фреймворку глибокого навчання Google з відкритим вихідним кодом; заснування дослідницької лабораторії OpenAI, розробників мовної моделі GPT-3 і генератора зображень Dall-E; поразка чемпіона світу з гри в го Лі Седола від AlphaGo від Google DeepMind; впровадження систем на основі ШІ, які з високим ступенем точності діагностують онкозахворювання.
2020s. Поточне десятиліття ознаменувалося появою генеративного ШІ – типу технології штучного інтелекту, здатного створювати новий контент. Генеративний ШІ починається з підказки, яка може бути у вигляді тексту, зображення, відео, дизайну, музичних нот або будь-яких інших даних, які система ШІ може обробити. Потім різні алгоритми ШІ повертають новий контент у відповідь на підказку.
Контент може включати есе, рішення задач або реалістичні фейки, створені на основі фотографій або аудіозаписів людини. Здібності таких мовних моделей, як ChatGPT-3, Bard від Google і Megatron-Turing NLG від Microsoft, вразили світ, але технологія все ще перебуває на ранніх стадіях, про що свідчить її схильність до галюцинацій або перекручування відповідей.
Що таке штучний інтелект: Інструменти та сервіси
Інструменти та сервіси штучного інтелекту розвиваються швидкими темпами. Поточні інновації в інструментах і сервісах ШІ можна простежити до нейронної мережі AlexNet 2012 року, яка відкрила нову еру високопродуктивного ШІ, побудованого на графічних процесорах і великих масивах даних. Ключовою зміною стала можливість навчати нейронні мережі на величезних обсягах даних на декількох ядрах графічного процесора паралельно в більш масштабований спосіб.
За останні кілька років симбіоз відкриттів у галузі ШІ від Google, Microsoft і OpenAI та апаратних інновацій від Nvidia дозволив запускати все більші моделі ШІ на більшій кількості графічних процесорів, що призвело до кардинального покращення продуктивності та масштабованості.
Співпраця між цими світочами ШІ мала вирішальне значення для нещодавнього успіху ChatGPT, не кажучи вже про десятки інших проривних ШІ-сервісів. Ось короткий огляд важливих інновацій в інструментах і сервісах штучного інтелекту.
Google, наприклад, стала лідером у пошуку більш ефективного процесу навчання ШІ на великому кластері звичайних комп’ютерів з графічними процесорами. Це відкрило шлях до відкриття трансформаторів, які автоматизують багато аспектів навчання ШІ на немаркованих даних.
Оптимізація апаратного забезпечення. Не менш важливо, що виробники обладнання, такі як Nvidia, також оптимізують мікрокод для паралельної роботи на декількох ядрах графічного процесора для найпопулярніших алгоритмів.
Nvidia стверджує, що поєднання швидшого апаратного забезпечення, ефективніших алгоритмів ШІ, точного налаштування інструкцій для GPU та кращої інтеграції з центром обробки даних призводить до покращення продуктивності ШІ в мільйон разів. Nvidia також співпрацює з усіма провайдерами хмарних центрів, щоб зробити цю можливість більш доступною в якості AI-as-a-Service через моделі IaaS, SaaS і PaaS.
Генеративні попередньо навчені трансформатори. За останні кілька років стек штучного інтелекту також стрімко еволюціонував. Раніше підприємствам доводилося навчати свої моделі ШІ з нуля. Все більше постачальників, таких як OpenAI, Nvidia, Microsoft, Google та інші, пропонують генеративні попередньо навчені трансформатори (GPT), які можна точно налаштувати під конкретне завдання за значно менших витрат, досвіду та часу.
У той час як деякі з найбільших моделей коштують від 5 до 10 мільйонів доларів за один запуск, підприємства можуть доопрацювати отримані моделі за кілька тисяч доларів. Це скорочує час виходу на ринок і знижує ризики.
Хмарні сервіси ШІ. Серед найбільших перешкод, які заважають підприємствам ефективно використовувати штучний інтелект у своєму бізнесі, – завдання з інженерії даних і науки про дані, необхідні для інтеграції можливостей штучного інтелекту в існуючі програми або для розробки нових.
Усі провідні хмарні провайдери впроваджують власні брендовані сервіси штучного інтелекту, щоб спростити підготовку даних, розробку моделей і розгортання додатків. Серед найкращих прикладів – AWS AI Services, Google Cloud AI, платформа Microsoft Azure AI, AI-рішення IBM та Oracle Cloud Infrastructure AI Services.
Передові моделі штучного інтелекту як послуга. Провідні розробники моделей ШІ також пропонують найсучасніші моделі ШІ на базі цих хмарних сервісів. OpenAI має десятки великих мовних моделей, оптимізованих для чату, NLP, генерації зображень і коду, які надаються через Azure. Nvidia застосувала більш хмарний підхід, продаючи інфраструктуру ШІ та базові моделі, оптимізовані для роботи з текстом, зображеннями та медичними даними, доступні у всіх хмарних провайдерів. Сотні інших гравців також пропонують моделі, адаптовані для різних галузей і випадків використання.
Джерело: https://www.techtarget.com