Про искусственный интеллект сегодня говорят все кому не лень. Хотите привлечь внимание — добавьте всего два слова: искусственный интеллект.
Нам также очень интересно было узнать что же это такое. Чтобы не быть голословными мы решили задать вопросы научному сотруднику канадского университета.
Ринат — ученый родом из России. Предлагаем чуть подробнее окунуться в область его научных изысканий: искусственный интеллект. Что такое искусственный интеллект, захватят ли нас роботы — ищи ответы в нашей новой статье.
Сейчас про искусственный интеллект говорят буквально везде. Но многие до сих пор так и не поняли, что он собой представляет. Расскажи, что же всё-таки это такое?
У искусственного интеллекта (далее ИИ) есть несколько определений. Давайте воспользуемся одним из современных определений, можно сказать, что ИИ это системы способные корректно интерпретировать внешние данные, обучаться на их основе и использовать свои знания для достижения определенных целей и решения задач через гибкую адаптацию.
Если рассматривать вопрос с точки зрения науки, то можно сказать, что ИИ — это научная дисциплина, цели и задачи которой смоделировать разумное поведение, свойственное живым организмам, и, главное, человеку. Вот тут как раз и возникают путаница и проблемы.
Один из самых главных и нерешенных вопросов: что же такое интеллект в принципе? Как его измерить? Чем он характеризуется? Как сравнить два интеллекта? И множество других вопросов, над которыми до сих пор бьются множество светлых умов.
Главное, следует помнить, что часто ученые, специалисты в ИИ, но чаще маркетологи, упоминая термин ИИ, подразумевают набор методов, «умных алгоритмов», программных пакетов, конечных решений и т.п. и т.д. с помощью которых можно моделировать функции, которые мы как люди может выполнять после определенной тренировки. Благодаря им компьютер способен решать те же задачи, что и люди.
Самые, пожалуй, популярные области применения ИИ на сегодняшний день: reinforcement learning (обучение с подкреплением), компьютерное зрение, распознавание изображений, образов, символов, а также анализ, интерпретация речи (привет голосовым ассистентам наподобие Google Home, Amazon Echo, Siri, Cortana, и др. менее популярным). Существуют так же системы ИИ способные «осмысливать» распознанную информацию, однако на данный момент это все на очень начальных стадиях.
Есть классы алгоритмов, которые способны обучаться, взаимодействуя с некоторой заданной средой. Самый популярный подкласс данного класса, как уже было сказано ранее — reinforcement learning. Другими словами, используя весь спектр современных алгоритмов из ИИ, можно решить практически любую задачу, которую способен делать человек. Где-то лучше, где-то хуже. Даже можно написать и обучить алгоритм или искусственную нейронную сеть самой принимать решение, о том, какую задачу лучше решать в данный момент. Однако проблема создания человекоподобного ИИ пока не решена.
Вероятно, вы слышали такие термины как машинное обучение (machine learning), глубинное обучение (deep learning), нейронные сети (neural networks). Всё это подобласти ИИ. Однако часть ученых рассматривает их как отдельные полноценные научные дисциплины, коими они всегда в принципе и являлись. Все зависит от того какой философской школы вы придерживаетесь. Шучу:) Зависит от того какой классификацией пользоваться.
Другими словами, методы машинного обучения, нейронных сетей и т. д. можно использовать для создания ИИ систем. Но их можно рассмотреть и как части научной области ИИ, и как отдельные независимые научные области.
Некоторые могли слышать про Софию, робота с ИИ. Если сильно утрировать, это просто продвинутый чат-бот, а не полноценная симуляция работы мозга человека. Уверен, что там используют объединенные в одну систему алгоритмы распознавания образов и речи, методы обучения с подкреплением (reinforcement learning), возможно даже с включенным «режимом» постоянного обучения, а также методы (возможно даже нейронные сети) контроля механических частей — ног, рук, лицевых мышц.
Несомненно, это сложный и невероятно интересный проект. Но пока это очень-очень-очень далеко от полноценной симуляции работы человеческого мозга. Сегодня мы даже не понимаем, как работает человеческий мозг. А пытаться симулировать то, что не понимаешь, задача сложная.Так что расстраиваться или радоваться (что скайнет наступит еще нескоро), решать только вам.
Какие мифы и заблуждения об ИИ стоит развенчать?
Мифов про ИИ накопилось достаточно много. Перечислю несколько.
Миф №1: ИИ, способный полностью смоделировать человеческий мозг, уже существует.
Это неправда, до такого еще далеко. В реальности человеческий мозг куда сложнее, чем просто модель, основанная на алгоритмах. ИИ алгоритм обучается с помощью методов оптимизации на основе модели и массивов данных. Или в некоторой искусственно обозначенной среды (хотя она может быть и вполне реальной — нашим миром).
Миф №2: ИИ и машинное обучение — это одно и то же.
На самом деле, машинное обучение — это и часть научной области ИИ, и сама по себе отдельная область научных исследований.
Миф №3: для решения сложной задачи всегда нужны сложные алгоритмы, придуманные умнейшими учеными планеты.
На самом деле есть интересный момент. Гипотетически, если есть огромное количество «хороших» данных, то часть важных задач можно решить, используя простейшие алгоритмы из теории машинного обучения и нейронных сетей. Правда, зачастую это не так. И тогда уже нужны более продвинутые модели.
Миф №4: все устройства, алгоритмы, где используются ИИ постоянно самообучаются и самосовершенствуются.
На практике же таких алгоритмов в отрасли сейчас меньшинство. Большинство алгоритмов после обучения запускаются в работу и прекращают обучение. Если появляются новые данные, разработчик заново переобучает всю систему или же дообучает существующую. Однако сейчас в коммерческих продуктах все чаще ставят системы способные в какой-то степени получать обратную связь и дообучаться «на лету».
Продолжение в следующем посте...