Искусственный интеллект (ИИ)

menu icon

Искусственный интеллект (ИИ)

Искусственный интеллект — это использование компьютеров и систем для имитации мыслительного процесса человека с целью решения задач и принятия решений.

Что такое искусственный интеллект?

В последние несколько десятилетий появилось множество самых разных определений искусственного интеллекта, но Джон Маккарти в 2004 году в своей статье (PDF, 106 КБ) (внешняя ссылка) определяет ИИ так: «Это наука и технология создания интеллектуальных систем, в особенности — интеллектуальных компьютерных программ. Искусственный интеллект связан с задачей использования компьютеров для понимания работы человеческого разума, но не ограничивается использованием методов, наблюдаемых в биологии».

Однако впервые тема искусственного интеллекта возникла гораздо раньше: за несколько десятилетий до этого определения. В 1950 году Алан Тьюринг опубликовал свою эпохальную научную работу «Вычислительные машины и разум» (PDF, 89,8 КБ) (внешняя ссылка). В этой статье Тьюринг, которого часто называют «отцом компьютерных наук», задает вопрос: «Способны ли машины мыслить?». Чтобы это проверить, он предложил тест, который сегодня все знают как «тест Тьюринга»: экспериментатор по письменным ответам пытается определить, с кем он взаимодействует: с человеком или с компьютером. После публикации результаты этого теста вызвали бурные дискуссии, но, несмотря на это, тест по-прежнему остается значимой вехой в истории ИИ и даже в какой-то мере философским понятием, так как работает на стыке с лингвистикой.

Через некоторое время Стюарт Рассел и Питер Норвиг опубликовали книгу «Искусственный интеллект: современный подход» (внешняя ссылка), которая стала одним из самых известных и популярных учебников по ИИ. Авторы классифицируют ИИ по четырем основным категориям, характеризующим компьютерные системы в зависимости от рационального мышления и действий:

Человеческий подход:

  • Системы, мыслящие как люди
  • Системы, действующие как люди

Идеальный подход:

  • Системы, мыслящие рационально
  • Системы, действующие рационально

Определение Алана Тьюринга можно было бы отнести к категории «системы, действующие как люди».

В самом примитивном варианте искусственный интеллект — это область, объединяющая вычислительные технологии с надежными наборами данных для решения проблем. Вместе с понятием «искусственный интеллект» часто упоминают и два его подраздела: машинное обучение и глубокое обучение. Эти дисциплины представляют собой совокупность алгоритмов ИИ, направленных на создание экспертных систем, способных делать прогнозы и составлять классификации на основе входных данных.

Сегодня вокруг развития ИИ по-прежнему наблюдается огромный ажиотаж, неизбежный при появлении на рынке любой новой технологии. Согласно теории цикла зрелости технологий Gartner (внешняя ссылка), каждый инновационный продукт, например беспилотные автомобили или личные помощники, проходит «типовую кривую развития: от чрезмерного энтузиазма через период разочарования до окончательного понимания значимости инновации и ее места на рынке или в определенной области». Как отмечает Лекс Фридман в своей лекции (внешняя ссылка) в Массачусетском технологическом институте в 2019 году, мы сейчас находимся на «пике завышенных ожиданий» и приближаемся к «пропасти разочарования».

По мере роста полемики вокруг этики ИИ мы можем наблюдать первые признаки приближения к «пропасти разочарования». Более подробную информацию о позиции IBM в отношении этики ИИ можно посмотреть здесь.

Типы искусственного интеллекта — слабый и сильный ИИ

Слабый ИИ — узкий ИИ или узкий искусственный интеллект (ANI) — это ИИ, обученный и умеющий выполнять только определенные задачи. На сегодняшний день слабый ИИ является самым распространенным вариантом ИИ. Термин «узкий» больше подходит для описания ИИ этого типа, поскольку «слабым» его точно не назовешь. Он обеспечивает работу достаточно серьезных приложений, например Apple Siri, Amazon Alexa, компьютер IBM Watson и беспилотные автомобили.

«Сильный ИИ» складывается из Общего искусственного интеллекта (AGI) и Искусственного сверхинтеллекта (ASI). Общий искусственный интеллект (AGI) или «общий ИИ» — это гипотетическая разновидность ИИ, полностью аналогичная человеческому разуму и обладающая самосознанием, способным решать проблемы, учиться и планировать будущее. Искусственный сверхинтеллект (ASI), который иногда называют «сверхразумом», должен превзойти интеллектуальные способности человеческого мозга. Несмотря на то, что сильный ИИ пока существует только в теории, и практических примеров его применения на сегодняшний день не существует, это не означает, что исследователи ИИ не изучают перспективы его развития. Пока в качестве лучшего примера ASI можно привести сверхразумный компьютер HAL из научно-фантастического фильма Космическая одиссея 2001, который в итоге вышел из-под контроля.

Глубокое обучение и машинное обучение: в чем разница?

Так как люди часто путают глубокое обучение и машинное обучение, давайте остановимся на отличительных особенностях каждого из этих понятий. Как упоминалось ранее, и глубокое, и машинное обучение представляют собой подразделы искусственного интеллекта, причем глубокое обучение является подразделом машинного.

Наглядное изображение взаимосвязи ИИ, машинного обучения и глубокого обучения

 

Глубокое обучение — это комплект нейронных сетей. Понятие «глубокая» обозначает нейросети, в которых больше трех уровней (с учетом входного и выходного) — только такие нейросети могут считаться алгоритмами глубокого обучения. Обычно глубокую нейросеть изображают следующим образом:

Диаграмма глубокой нейронной сети

Разница между глубоким и машинным обучением заключается в способе обучения алгоритмов. В глубоком обучении большая часть процесса извлечения признаков автоматизирована, что практически исключает необходимость контроля со стороны человека и позволяет использовать большие наборы данных. Лекс Фридман в своей вышеупомянутой лекции в Массачусетском технологическом институте называет глубокое обучение «масштабируемым машинным обучением». Эффективность классического, «неглубокого» машинного обучения в большей степени зависит от контроля со стороны человека. Иерархия признаков для понимания разницы между входными данными определяется специалистом-человеком. Обычно для машинного обучения требуются более структурированные данные.

Безусловно, для алгоритмов «глубокого» машинного обучения также можно использовать размеченные наборы данных (этот принцип еще называется «контролируемым» обучением), но это необязательно. Глубокое обучение способно работать с неструктурированными данными в исходном формате (например, это может быть текст или изображения): алгоритм способен самостоятельно определять набор признаков для различения разных категорий данных. В отличие от машинного обучения, вмешательство человека при обработке данных не требуется, что открывает намного больше возможностей применения этой технологии.

Приложения искусственного интеллекта

На сегодняшний день ИИ распространился повсеместно, и практических примеров его использования очень много. Вот несколько самых популярных:

  • Распознавание речи: технология, использующая обработку естественного языка (NLP) для записи человеческой речи в виде текста. Также называется «автоматическое распознавание речи» (ASR), «компьютерное распознавание речи» или «преобразование речи в текст».Во многих мобильных устройствах распознавание речи встроено в системы голосового поиска (например, Siri) или программы для переписки.
  • Обслуживание клиентов: практически повсеместно операторов-людей заменяют на онлайн-чатботов. Они способны ответить на частые вопросы (FAQ) по определенной тематике, например по доставке, или дать персонализированный совет, предложить сопутствующие товары или помочь подобрать размер одежды или обуви. Чатботы полностью перевернули наши представления о взаимодействии с клиентами на сайтах и в социальных сетях. В качестве примеров можно привести виртуальных помощников на сайтах интернет-магазинов, приложения для обмена сообщениями типа Slack и Facebook Messenger, а также задачи, которые обычно выполняют виртуальные и голосовые помощники.
  • Компьютерное зрение: эта ИИ-технология позволяет компьютерам и системам извлекать осмысленную информацию из цифровых изображений, видеоматериалов и других визуальных данных, а затем на основе этой информации принимать решения. Именно способность к принятию решений и отличает эту технологию от обычного распознавания изображений. В основе компьютерного зрения лежат сверточные нейросети, а область применения этой технологии весьма обширна: от распознавания лиц на фото в социальных сетях до анализа медицинских рентгеновских снимков пациентов и проектирования беспилотных автомобилей.
  • Модули рекомендаций: алгоритмы ИИ могут проанализировать данные о прошлом поведении покупателей и выявить тенденции, которые помогут повысить эффективность стратегий перекрестных продаж. Благодаря этому сервису покупатели получают дополнительные рекомендации при оформлении заказов в интернет-магазине.
  • Автоматизация биржевой торговли: платформы высокочастотной торговли на базе ИИ не просто оптимизируют портфели акций, но и совершают тысячи и даже миллионы сделок без малейшего вмешательства человека.

История искусственного интеллекта: Ключевые даты и имена

Идея способной к мышлению машины возникла еще в Древней Греции. Ниже перечислены ключевые вехи и важнейшие события в эволюции искусственного интеллекта, которая ускорилась после появления электронных вычислений:

  • 1950: Алан Тьюринг публикует работу Вычислительные машины и разум. В этой работе Тьюринг, известность которому принес взлом кода нацистской шифровальной машины ENIGMA во время Второй мировой войны, рассматривает вопрос «Способны ли машины мыслить?» и предлагает тест Тьюринга, позволяющий проверить, может ли компьютер мыслить точно так же, как человек (или демонстрировать результаты такого мышления). Ценность теста Тьюринга обсуждается до сих пор.
  • 1956: Джон Маккарти вводит термин «искусственный интеллект» на первой в истории конференции, посвященной ИИ, в Дартмутском колледже. (Маккарти впоследствии изобретет язык Lisp). Далее в этом же году Аллен Ньюэлл, Джон Клиффорд Шоу и Герберт Саймон создают «Logical Theorist» — первую в мире компьютерную программу, оснащенную искусственным интеллектом.
  • 1967: Фрэнк Розенблатт создает перцептрон «Марк-1» — первый компьютер на основе нейронной сети, который мог учиться методом проб и ошибок. Годом ранее была выпущена книга Перцептроны, написанная Марвином Минским и Сеймуром Папертом. Она стала краеугольной работой в области нейронных сетей и некоторое время считалась значимым аргументом против продолжения исследований в области нейронных сетей.
  • 1980-е годы: нейронные сети с алгоритмом обучения на основе обратного распространения находят широкое применение в ИИ-приложениях.
  • 1997: суперкомпьютер IBM Deep Blue дважды одерживает победу над действующим чемпионом мира по шахматам Гарри Каспаровым в матчевой игре (включая матч-реванш).
  • 2011: IBM Watson побеждает чемпионов Кена Дженингса и Бреда Руттера в игре Jeopardy!
  • 2015: суперкомпьютер Baidu Minwa использует специализированную нейросеть, которая называется сверточной нейросетью, для анализа и распознавания изображений с более высокой точностью по сравнению со средними показателями для человека.
  • 2016: программа DeepMind AlphaGo на основе глубокой нейронной сети одерживает победу над сильнейшим в мире игроком в го в матче из пяти геймов. Это значимая победа с учетом стремительного увеличения количества возможных ходов по мере развития игры (уже после четырех ходов их число достигает 14,5 триллиона). Позднее компания Google приобрела DeepMind за 400 миллионов долларов.

Искусственный интеллект и IBM Cloud

Компания IBM занимает лидирующие позиции в разработке технологий на основе ИИ для предприятий и в числе первых сформировала будущее систем машинного обучения во многих отраслях. Основываясь на десятилетиях исследований в области ИИ, многолетнем опыте работы с организациями всех размеров и выводах, сделанных в ходе реализации более чем 30000 проектов с IBM Watson, IBM разработала процесс поэтапного освоения ИИ для успешного внедрения искусственного интеллекта:

  • Сбор данных: упрощение сбора данных и обеспечение эффективного доступа к ним.
  • Организация: создание аналитической платформы под ключ.
  • Анализ: создание масштабируемых и надежных систем на основе ИИ.
  • Внедрение: интеграция и оптимизация систем во всей среде предприятия.
  • Модернизация: перенос приложений и систем, оснащенных ИИ, в облако.

IBM Watson предоставляет в распоряжение предприятий инструменты ИИ, помогающие трансформировать бизнес-системы и рабочие процессы, существенно повысив показатели автоматизации и эффективности. Для того чтобы подробнее узнать о том, как IBM может помочь вам пройти путь к ИИ, обратитесь к описанию портфеля управляемых услуг и решений IBM.

Зарегистрируйтесь для получения IBMid и создайте учетную запись IBM Cloud.