Искусственный интеллект (ИИ)

menu icon

Искусственный интеллект (ИИ)

Оснащенные искусственным интеллектом компьютеры и системы способны имитировать мыслительный процесс, включая восприятие, обучение, решение задач и принятие решений.

Что такое искусственный интеллект?

В контексте информатики термин искусственный интеллект (ИИ) — это демонстрация компьютером, роботом или другой машиной возможностей, свойственных человеческому разуму. В более широком понимании искусственный интеллект описывает способность компьютера или системы имитировать мыслительный процесс — обучение на примерах и опыте, распознавание объектов, понимание языка, принятие решений, решение задач — и использовать такие возможности для выполнения функций, свойственных человеку, такие как приветствие гостя отеля или вождение автомобиля.

Спустя десятилетия искусственный интеллект перестал быть предметом научной фантастики и прочно вошел в нашу повседневную жизнь. Прорыв в развитии искусственного интеллекта стал возможен благодаря появлению огромных объемов данных и широкому распространению компьютерных систем, способных обеспечить их быструю и точную обработку. ИИ дополняет слова по мере ввода, составляет маршруты, пылесосит полы и выдает рекомендации относительно покупок и фильмов. Кроме того, он управляет работой приложений, таких как средства анализа медицинских изображений, помогающих опытным профессионалам быстрее и с большим успехом выполнять важную работу.

В связи с широким распространением искусственного интеллекта могут возникать трудности с пониманием ИИ и терминологии ИИ, поскольку многие термины используются как взаимозаменяемые, однако это не всегда справедливо. В чем разница между искусственным интеллектом и машинным обучением? Между машинным обучением и глубоким обучением? Между распознаванием речи и обработкой естественного языка? Между слабым ИИ и сильным ИИ? Эта статья поможет разобраться с этими и другими терминами и получить общее представление о принципах работы ИИ.

Искусственный интеллект, машинное обучение и глубокое обучение

Взаимосвязь между искусственным интеллектом (ИИ), машинным обучением и глубоким обучением проще всего понять следующим образом:

  • Представьте, что искусственный интеллект — это вся вселенная вычислительных технологий, демонстрирующих любые признаки человеческого интеллекта. Сферы применения искусственного интеллекта очень разнообразны: от экспертных систем, принимающих решения на основе сложных правил или логики «if/then», до аналога придуманного студией Pixar персонажа ВАЛЛ-И, который представляет собой компьютер, развивающий в себе интеллект, свободу воли и эмоции, свойственные человеку.  
  • Машинное обучение — это подмножество функций искусственного интеллекта с возможностями самостоятельного обучения. Модель машинного обучения перепрограммирует саму себя по мере обработки новых данных, чтобы с большей точностью выполнять поставленную задачу. 
  • Глубокое обучение — это разновидность машинного обучения, наделяющая компьютеры способностью учиться выполнять конкретную задачу с постоянно повышающейся точностью и без вмешательства со стороны пользователя.
Диаграмма взаимосвязей между искусственным интеллектом, машинным обучением и глубоким обучением

Давайте подробнее рассмотрим машинное обучение и глубокое обучение и различия между ними.

Машинное обучение

В основе приложений машинного обучения (моделей машинного обучения) лежит нейронная сеть,  которая представляет собой сеть алгоритмических вычислений, имитирующих процесс восприятия и мышления человеческого мозга. Самая простая нейронная сеть состоит из следующих уровней:

  • Входной уровень, на котором данные поступают в сеть.
  • По крайней мере один скрытый уровень, на котором алгоритмы машинного обучения  обрабатывают входные данные и применяют к ним весовые коэффициенты, смещения и пороговые значения.
  • Выходной уровень, на котором появляются выводы, относительно которых сеть имеет разную степень достоверности.
Диаграмма простой нейронной сети.

Модели машинного обучения, которые не являются моделями глубокого обучения, основаны на искусственных нейронных сетях, содержащих только один скрытый уровень. В такие модели поступают помеченные данные, в которых с помощью тегов обозначены различные признаки, помогающие модели определять и понимать данные. Они поддерживают контролируемое обучение (обучение под контролем человека), такое как периодическая корректировка работы алгоритмов в модели.

Глубокое обучение

Модели глубокого обучения основаны на глубоких нейронных сетях, содержащих несколько скрытых уровней, каждый из которых дополнительно уточняет выводы предыдущего уровня. Такой переход вычислений через ряд скрытых уровней на выходной уровень называется прямым распространением. Другой процесс, который называется обратным распространением, предназначен для выявления ошибок в вычислениях, изменения весовых коэффициентов и возврата на предыдущие уровни для уточнения или обучения модели.

Диаграмма глубокой нейронной сети.

Модели глубокого обучения могут работать не только с помеченными данными — многие из них принимают непомеченные данные в огромных объемах. Кроме того, модели глубокого обучения используют алгоритмы неконтролируемого обучения — они способны обнаруживать признаки и закономерности в данных с минимальным участием оператора.

Разницу между глубоким обучением и другими разновидностями машинного обучения можно продемонстрировать, сравнив помощники Apple Siri и Amazon Alexa, которые распознают голосовые команды без предварительного обучения, с приложениями для преобразования голоса в текст десятилетней давности, для обучения которых пользователям приходилось в начале работы произносить десятки слов. Однако, модели глубокого обучения обеспечивают работу гораздо более сложных приложений, включая системы распознавания изображений, способные определять повседневные объекты в реальном мире быстрее и с большей точностью, чем люди.

Для того чтобы детальнее разобраться в различиях между этими технологиями, ознакомьтесь со статьей «ИИ, машинное обучение, глубокое обучение, нейронные сети: в чем отличия?»

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. Слабый ИИ на данный момент является самым распространенным искусственным интеллектом с точки зрения практической реализации. Термин «узкий» больше подходит для описания ИИ этого типа, поскольку его совершенно точно нельзя назвать слабым. Он обеспечивает работу очень серьезных приложений, включая Apple Siri и Amazon Alexa, компьютер IBM Watson, победивший лучших игроков в Jeopardy, а также самоуправляемые автомобили.

Сильный ИИ или общий искусственный интеллект (AGI) — это ИИ, который полностью повторяет автономность человеческого мозга и может решать проблемы различных типов и классов. Более того, он может даже выбирать проблемы, которые он хотел бы решить, без вмешательства человека. Сильный ИИ существует лишь в теории — примеров его практического применения на сегодняшний день не существует. Однако это не означает, что исследователи в области ИИ не изучают (с осторожностью) перспективы создания искусственного суперинтеллекта (ASI), который будет превосходить возможности человеческого интеллекта. В качестве примера ASI можно привести сверхразумный компьютер HAL из научно-фантастического фильма Космическая одиссея 2001 года, который в итоге вышел из под контроля.

Приложения искусственного интеллекта

Как отмечалось ранее, искусственный интеллект получил повсеместное распространение в современном мире, однако появился он гораздо раньше, чем вы можете подумать. Наиболее часто встречающиеся примеры:

  • Распознавание речи: также называется преобразованием речи в текст (STT) — это технология ИИ, которая распознает произносимые слова и преобразует их в цифровой текст. Распознавание речи применяется в программном обеспечении для диктовки, пультах дистанционного управления с голосовым вводом, мессенджерах и навигаторах с поддержкой голосового управления и голосовых телефонных меню.
  • Обработка естественного языка (NLP): NLP позволяет приложениям, компьютерам и системам понимать, интерпретировать и синтезировать тексты на человеческом языке. NLP — это искусственный интеллект, лежащий в основе цифровых помощников (таких как уже упоминавшиеся Siri и Alexa), чатботов и других текстовых средств виртуальной поддержки. Отдельные алгоритмы NLP используют анализ тональности для определения настроения, отношения и других субъективных характеристик языка.
  • Распознавание изображений  (компьютерное зрение или машинное зрение): технология ИИ, предназначенная для определения и классификации объектов, людей, текста и даже действий на неподвижных и движущихся изображениях. Реализованное преимущественно с помощью глубоких нейронных сетей, распознавание изображений применяется в системах сканирования отпечатков пальцев, мобильных приложениях для работы с чеками, средствах анализа видео и медицинских изображений, самоуправляемых автомобилях и многом другом.
  • Выдача рекомендаций в режиме реального времени:  веб-сайты в сфере розничной торговли и развлечений с помощью нейронных сетей рекомендуют своим пользователям дополнительные товары для покупки, музыку или фильмы, которые им могут понравиться — при этом учитываются такие факторы, как предыдущая активность пользователя, предпочтения других пользователей и многие другие, включая время дня и погоду. Исследования показали, что онлайн-рекомендации помогают повысить продажи на 5% — 30%.
  • Защита от вирусов и спама: программное обеспечение для обнаружения вирусов и спама, которое в прошлом зависело от экспертных систем на основе правил, теперь использует нейронные сети, способные учиться обнаруживать новые типы вирусов и спама быстрее, чем их придумывают киберпреступники.
  • Автоматизированная биржевая торговля: высокочастотные торговые платформы на основе ИИ, призванные оптимизировать портфели акций, каждый день проводят тысячи и даже миллионы сделок в полностью автономном режиме.
  • Сервисы совместных поездок: Uber, Lyft и другие сервисы совместных поездок используют искусственный интеллект для подбора пассажиров таким образом, чтобы минимизировать время ожидания и продолжительности маршрута, обеспечить точность ожидаемого времени прибытия и даже устранить необходимость повышения цен в час пик.
  • Домашние роботы: пылесос iRobot Roomba с помощью искусственного интеллекта определяет размеры помещения, обнаруживает и объезжает препятствия и находит самый эффективный маршрут для очистки пола. Аналогичная технология управляет автоматическими газонокосилками и роботами для чистки бассейнов.
  • Технология автопилота: уже в течение нескольких десятилетий применяется в коммерческой и военной авиации. Современный автопилот использует множество датчиков, технологию GPS, распознавание изображений, технологию предотвращения столкновений, робототехнику и обработку естественного языка для безопасного управления самолетом, привлекая людей-пилотов по мере необходимости. Сегодня пилоты коммерческих авиалиний в течение полета в среднем тратят три с половиной минуты на управление самолетом вручную.

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, получивший известность благодаря взлому немецкого шифратора Enigma во время Второй мировой войны, рассматривает вопрос «Могут ли машины думать?» и предлагает Тест Тьюринга (внешняя ссылка), позволяющий проверить, способен ли компьютер мыслить 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 алгоритмами 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 организация эффективного доступа к ним.
  • Анализ: разработка масштабируемых и надежных систем на основе ИИ.
  • Внедрение: интеграция и оптимизация систем во всей бизнес-среде.
  • 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.