Лассе Рухиайнен - 101 факт об искусственном интеллекте. Как подготовиться к жизни в новой реальности

ИИ сможет сделать нашу жизнь проще, предложив прогнозы, относящиеся к важным вопросам нашей жизни, к важным ее сферам, таким как здоровье, благосостояние, образование, работа и то, как мы коммуницируем с окружающими нас людьми.

Он также изменит способы ведения бизнеса, предложив конкурентные преимущества компаниям, которые хотят быстро понять и эффективно применить данные инструменты.

Иногда термин «искусственный интеллект» может пугать людей. Один из лучших экспертов в области развития искусственного интеллекта, Себастьян Трун, полагает, что лучше заменять его термином «анализ и обработка данных», который является менее пугающим, что, возможно, поможет процессу принятия данного явления обществом [5] Sebastian Thrun, “Artificial Intelligence – Q&A with Sebastian Thrun”, Udacity, YouTube, June 13, 2017, https://www.youtube.com/watch? – v=gyEyBZdUjCo .

Машинное обучение – это один из основных подходов к созданию искусственного интеллекта. Если коротко, то машинное обучение – это аспект компьютерной науки, в котором компьютеры или машины имеют способность обучаться, не имея точной программы. Обычным результатом будут предположения или прогнозы в определенной ситуации [6] Wikipedia entry on Machine Learning, December 07, 2017, https:// en.wikipedia.org/wiki/Machine_learning .

Вспомните первые персональные компьютеры, которые стали доступны простым пользователям в 1980-е годы. Эти машины были точно запрограммированы на выполнение определенных операций. В отличие от них, благодаря машинному обучению, многие технические устройства будущего будут собирать опыт и информацию из стиля их использования, что сделает опыт использования одного и того же устройства персональным для каждого конкретного пользователя. Уже сейчас существуют простые примеры такой персонализации: в социальных сетях, например в Facebook, или в результатах поиска Google.

Машинное обучение использует алгоритмы, чтобы обучаться на паттернах данных. Например, спам-фильтры электронной почты используют машинное обучение для определения того, какие письма являются спамом, и последующего отделения их от допустимых писем. Это простой пример того, каким образом могут использоваться алгоритмы обучения по паттернам данных, а приобретенные знания могут использоваться для принятия решений.

На рисунке 1.4 ниже изображены три разновидности машинного обучения: обучение с учителем, обучение без учителя и обучение с подкреплением.

При обучении с учителемалгоритмы используют данные, которые уже были размечены или каким-то образом организованы. При использовании данного метода воздействие со стороны человека необходимо для получения обратной связи.

Рис. 1.4. Типы машинного обучения

Обучение без учителяприменяет алгоритмы, в которых данные не были заранее размечены или организованы. Напротив, паттерны определяются без вмешательства человека в процесс [7] Dave Gershgorn, “The Quartz guide to artificial intelligence: What is it, why is it important, and should we be afraid?”, Quartz, September 10, 2017, https://qz.com/1046350/the-quartz-guide-to-artificial-intelligen- ce-what-is-it-why-is-it-important-and-should-we-be-afraid .

И наконец, при обучении с подкреплениемалгоритмы учатся на опыте. Им не ставят никаких четких целей, кроме получения какой-либо награды [8] KDnuggets, “Machine Learning Key Terms, Explained”, 2017, https:// www.kdnuggets.com/2016/05/machine-learning-key-terms-explained. html/2 .

Глубокое обучение является одной из наиболее быстроразвивающихся сфер применения искусственного интеллекта и составной частью машинного обучения. Оно используется для решения проблем, которые ранее считались слишком сложными, и обычно задействует огромные массивы данных.

Глубокое обучение происходит с использованием нейросетей, которые разделены на уровни таким образом, чтобы распознавать сложные связи и паттерны данных. Применение глубокого обучения требует для работы наличия огромного массива данных и внушительных вычислительных мощностей. На данный момент глубокое обучение используется для распознавания речи, обработки естественных языков, компьютерного зрения, а также идентификации автомобилей в качестве помощи водителю [9] Dave Gershgorn, “The Quartz guide to artificial intelligence: What is it, why is it important, and should we be afraid?”, Quartz, September 10, 2017, https://qz.com/1046350/the-quartz-guide-to-artificial-intelligen- ce-what-is-it-why-is-it-important-and-should-we-be-afraid .

Одним из примеров этому может служить перевод текстов, реализованный в Facebook. В 2017 году в Facebook открыли для себя, что благодаря глубокому обучению они могут делать около 4,5 миллиарда переводов в день [10] Huan Muguel Pino, “Transitioning entirely to neural machine trans- lation”, Facebook, August 03, 2017, https://code.facebook.com/ posts/289921871474277/transitioning-entirely-to-neural-machi- ne-translation . Как правило, это короткие переводы для таких вещей, как обновления статусов, которые люди выкладывают у себя на страничке. Инструменты искусственного интеллекта Facebook делают возможным автоматический перевод таких сообщений на различные языки. Без применения глубокого обучения предложение такого функционала стоило бы огромных денег и требовало бы наличия гигантской команды людей.