Изкуствен интелект (ИИ): Въведение и видове

Какво е изкуствен интелект (AI)?

AI (изкуствен интелект) е способността на машината да изпълнява когнитивни функции по начина, по който го правят хората, като например възприемане, учене, разсъждение и решаване на проблеми. Критерият за ИИ е човешкото ниво по отношение на разсъждение, реч и зрение.

В този урок за изкуствен интелект ще научите основите на изкуствения интелект, разгледани в разделите по-долу.

Как изкуственият интелект създава бизнес стойност

Днес изкуственият интелект (ИИ) се използва в почти всички индустрии, което дава технологично предимство на компаниите, които го интегрират в голям мащаб. Според McKinsey, ИИ има потенциал да създаде стойност от 600 милиарда долара в търговията на дребно и да донесе 50% повече добавена стойност в банковото дело в сравнение с други аналитични техники. В транспорта и логистиката потенциалният скок на приходите е до 89%.

Например, ако една организация използва изкуствен интелект за своя маркетингов екип, тя може да автоматизира рутинни, повтарящи се задачи, така че търговските представители да могат да се съсредоточат върху изграждането на взаимоотношения и поддържането на потенциални клиенти. Компания, наречена Gong, предоставя услуга за разузнаване на разговорите: всеки път, когато търговски представител се обади, машината записва, транскрибира и анализира разговора, а мениджърите използват анализи и препоръки, базирани на изкуствен интелект, за да оформят печеливша стратегия.

Накратко, изкуственият интелект предоставя авангардна технология за обработка на сложни данни, които човек не може да обработи сам. Той автоматизира излишни задачи, така че работниците да се съсредоточат върху задачи с висока стойност, а когато се внедри в голям мащаб, намалява разходите и увеличава приходите.

История на изкуствения интелект

Изкуственият интелект е модна дума днес, но терминът не е нов. През 1956 г. експерти от различни среди организират летен изследователски проект за изкуствен интелект. Четирима блестящи умове го ръководят: Джон Маккарти (Дартмут Колидж), Марвин Мински (Харвардски университет), Натаниел Рочестър (IBM) и Клод Шанън (Bell Telephone Laboratories). Ето кратка история на изкуствения интелект.

година	Крайъгълен камък / иновация
1923	Пиесата на Карел Чапек „Универсалните роботи на Росъм“ въвежда думата „робот“ в английския език.
1943	Foundationбяха положени основи за невронни мрежи.
1945	Айзък Азимов, възпитаник на Колумбийския университет, използва термина „роботика“.
1956	Джон Маккарти за първи път използва термина „изкуствен интелект“ и беше демонстрирана първата работеща програма с изкуствен интелект.
1964	Дисертацията на Дани Бобров от MIT показа как компютрите могат да разбират естествен език.
1969	Станфордският изследователски институт разработи Шейки, робот с двигателни умения и способност за решаване на проблеми.
1979	Построена е Stanford Cart, първото в света автономно превозно средство, управлявано от компютър.
1990	Значителни демонстрации в машинното обучение.
1997	Шахматната програма на Deep Blue победи световния шампион Гари Каспаров.
2000	Интерактивните роботизирани домашни любимци станаха търговски достъпни; MIT показа Kismet, робот, който изразява емоции.
2006	Изкуственият интелект навлезе в света на бизнеса; компании като Facebook, Netflixи Twitter започна да го използва.
2012	Google стартира “Google Сега“, един Android функция, предлагаща прогнози.
2018	IBM„Проектът Дебатер“ на „Debater“ дискутира сложни теми с майстори по дебати и се представи изключително добре.

Цели на изкуствения интелект

Основните цели на ИИ са:

Намалете времето, необходимо за изпълнение на конкретни задачи.
Улеснете взаимодействието на хората с машините.
Улесняване на по-естествено и ефективно взаимодействие между човек и компютър.
Подобряване на точността и скоростта на медицинските диагнози.
Помогнете на хората да научат нова информация по-бързо.
Подобрете комуникацията между хора и машини.

Подполета на изкуствения интелект

Ето важните подобласти на изкуствения интелект.

Machine Learning: Изкуството да се изучават алгоритми, които се учат от примери и опит. То се основава на идентифициране на модели в данните и използването им за бъдещи прогнози. За разлика от твърдо кодираните правила, машината сама научава правилата.

Дълбоко обучение: Подобласт на машинното обучение, която използва множество слоеве, за да се учи от данни. Дълбочината на модела е броят на слоевете, които той съдържа; например GoogleМоделът на LeNet за разпознаване на изображения има 22 слоя.

Обработка на естествен език (NLP): Разделът на изкуствения интелект, който позволява на машините да четат, разбират и генерират човешки език. Той захранва приложения като чатботове, превод, анализ на настроенията и разпознаване на реч.

Експертни системи: Интерактивна, надеждна компютърна система за вземане на решения, която използва факти и евристики за решаване на сложни проблеми в определена област. Тя има за цел да реши най-трудните проблеми в тази област.

Размита логика: Многозначна логика, в която истинностните стойности могат да бъдат всяко реално число между 0 и 1. Тя борави с концепцията за частична истина за ситуации, в които твърдението не е нито напълно вярно, нито напълно невярно.

Видове изкуствен интелект

Изкуственият интелект може да бъде класифициран по два начина – по възможности и по техника.

По възможности:

Тесен AI: Изпълнява интелигентно една специална задача, като например маркиране на изображения или гласови асистенти.
Общ AI: Може да изпълнява всяка интелектуална задача толкова ефективно, колкото човек (все още на теория).
Супер изкуствен интелект: Хипотетично ниво, където машините надминават човешкия интелект.

По техника:

Изкуствен интелект, базиран на правила: Прилага набор от предварително определени правила към входен набор от данни, за да се получи съответният изход.
Дърво на решенията с изкуствен интелект: Подобно на изкуствения интелект, базиран на правила, но позволява разклоняване и лооping да претегля различните варианти.
Невронни мрежи: Многослойни модели, вдъхновени от човешкия мозък, които учат сложни модели от данни и подкрепят роботиката с разсъждения, планиране и способности за учене.

Изкуствен интелект срещу машинно обучение

Изкуственият интелект и машинното обучение често се използват взаимозаменяемо, но не са едно и също нещо. Изкуственият интелект е науката за обучение на машини да изпълняват човешки задачи; терминът е въведен през 1950-те години на миналия век. Машинното обучение е подмножество на ИИ, при което машината учи модели от данни, вместо да бъде изрично програмирана.

Аспект	Изкуствен интелект	Machine Learning
Обхват	Широка наука за имитиране на човешкия интелект	Подмножество от ИИ, фокусирано върху ученето от данни
Цел	Симулирайте човешкото разсъждение и вземане на решения	Намерете модели и правете прогнози
Подход	Правила, логика и учене, комбинирани	Обучение, основано на данни, с примери
Пример	Система за самоуправляващи се автомобили	Моделът за разпознаване на изображения вътре в него

Можете също да прочетете разликата между Дълбоко обучение, машинно обучение и изкуствен интелект.

Къде се използва изкуствен интелект? Примери

Изкуственият интелект има широки приложения в различни индустрии.

Премахване на повтарящи се задачи: Изкуственият интелект може да повтаря задача непрекъснато без умора и е безразличен към работата, която извършва.
Подобряване на съществуващите продукти: Фирмите добавят изкуствен интелект, за да подобрят функционалността на продукта, вместо да го изграждат от нулата. Например, Facebook някога изискваше ръчно маркиране на снимки; днес изкуственият интелект предлага на приятелите да маркират автоматично.

Изкуственият интелект се използва във всяка индустрия - от маркетинга и веригата за доставки до финансите и преработката на храни. Според проучване на McKinsey, финансовите услуги и високотехнологичните комуникации водят до внедряването на изкуствен интелект.

Защо изкуственият интелект процъфтява сега?

Невронните мрежи съществуват от 1990-те години на миналия век, след основополагащата статия на Ян Лекун, но те стават известни около 2012 г. Три критични фактора движат днешния бум на изкуствения интелект.

железария

През последните две десетилетия мощността на процесорите се увеличи драстично, позволявайки на потребителите да обучават малки модели за дълбоко обучение на лаптоп. Компютърното зрение и големите модели за дълбоко обучение обаче се нуждаят от повече мощност. Благодарение на инвестициите от NVIDIA и AMD, ново поколение графични процесори (GPU) позволява паралелни изчисления, разпределяйки работата между няколко графични процесора, за да се ускорят изчисленията. Например, NVIDIA TITAN X може да обучи ImageNet модел за два дни в сравнение със седмици на традиционен процесор, а големите компании използват клъстери от графични процесори, като NVIDIA Tesla K80, за да намалят разходите за центрове за данни и да подобрят производителността.

Дата

Дълбокото обучение е структурата на модела, а данните са флуида, който го оживява. Без данни нищо не може да се направи. Съвременните технологии за съхранение улесняват съхраняването на огромни количества данни в център за данни, а интернет прави събирането и разпространението на данни достъпни за захранване на алгоритми за машинно обучение.

Приложения като Flickr намлява Instagram съхраняват милиони маркирани снимки, които могат да обучат невронна мрежа да разпознава обекти без ръчно етикетиране. Изкуственият интелект, комбиниран с данни, е новото злато: компанията с най-много данни има конкурентно предимство. Светът създава около 2.2 екзабайта (2.2 милиарда гигабайта) данни всеки ден, а разнообразните източници на данни помагат на моделите да намират модели и да учат в голям мащаб.

алгоритъм

Хардуерът е по-мощен от всякога и данните са лесно достъпни, но по-точните алгоритми правят невронните мрежи надеждни. Ранните невронни мрежи са били прости матрични умножения без дълбоки статистически свойства; от 2010 г. насам забележителни открития са ги подобрили. Изкуственият интелект използва прогресивни алгоритми за обучение, които позволяват на данните да извършват програмирането, така че компютърът може да се научи сам да изпълнява задачи като откриване на аномалии или да действа като чатбот.

⚡ Умно обобщение

Изкуственият интелект позволява на машините да изпълняват когнитивни функции като възприемане, учене, разсъждение и решаване на проблеми, подобно на хората. Този урок обхваща определението, историята, целите, подобластията и видовете изкуствен интелект и обяснява как той се различава от машинното обучение и защо е в бум днес.

🧠 Основна дефиниция: Изкуственият интелект е способността на машината да изпълнява когнитивни задачи, подобни на човешките, като например разсъждение, реч и зрение.
📜 Дълга история: Терминът е въведен през 1956 г., с важни етапи от Deep Blue (1997) до съвременното дълбоко обучение.
🧩 Подполета: Машинно обучение, дълбоко обучение, NLP, експертни системи и размита логика.
🆚 Изкуствен интелект срещу машинно обучение: Машинното обучение е подмножество на изкуствения интелект, което учи модели от данни, вместо от твърдо кодирани правила.
???? Защо сега: Три сили движат бума - мощен хардуер (графични процесори), изобилие от данни и по-добри алгоритми.

Прочетете повече

Въпроси и Отговори

Изкуственият интелект е способността на машината да изпълнява задачи, които обикновено изискват човешки интелект, като например разбиране на език, разпознаване на изображения, разсъждение и вземане на решения.

По възможности, ИИ е тесен (изпълняващ една задача), общ (на човешко ниво) или супер (отвъд човешкия). По техника може да бъде базиран на правила, дърво на решения или невронна мрежа.

Изкуственият интелект е широката наука, която се занимава с насочване на машините към човешкия интелект. Машинното обучение е подмножество на изкуствения интелект, което учи модели от данни, вместо да разчита на твърдо кодирани правила.

Основните подобласти са машинно обучение, дълбоко обучение, обработка на естествен език, експертни системи и размита логика. Всяко от тях разглежда различен аспект на възпроизвеждането на човешкия интелект.

Джон Маккарти за първи път използва термина „изкуствен интелект“ през 1956 г. по време на летния изследователски проект в Дартмут, който е широко считан за основополагащото събитие в областта на изкуствения интелект.

Примерите включват гласови асистенти, маркиране на снимки, препоръки за продукти, откриване на измами, чатботове и функции за автономно шофиране. Изкуственият интелект се прилага във финансите, търговията на дребно, логистиката, здравеопазването и много други индустрии.

Тесният ИИ изпълнява една специфична задача, като например превод или разпознаване на изображения, и е това, което съществува днес. Общият ИИ би се справил с всяка интелектуална задача като човек и остава теоретична цел.

Три сили се обединиха: мощен графичен процесор за бързо обучение, изобилие от данни от интернет и по-точни алгоритми. Заедно те правят съвременното дълбоко обучение практично и мащабируемо.