Искусственный интеллект (ИИ): Введение и типы
Эвелин Кларк
⚡ Умное резюме
Искусственный интеллект позволяет машинам выполнять когнитивные функции, такие как восприятие, обучение, рассуждение и решение проблем, подобно людям. В этом руководстве рассматриваются определение, история, цели, подразделы и типы ИИ, а также объясняется, чем он отличается от машинного обучения и почему он так стремительно развивается сегодня.
Что такое искусственный интеллект (ИИ)?
AI (Искусственный интеллект) Искусственный интеллект — это способность машины выполнять когнитивные функции так же, как это делают люди, такие как восприятие, обучение, рассуждение и решение проблем. Эталоном для ИИ является человеческий уровень с точки зрения рассуждения, речи и зрения.
В этом руководстве по искусственному интеллекту вы изучите основы ИИ, рассмотренные в разделах ниже.
Как ИИ создает ценность для бизнеса
Сегодня ИИ используется практически во всех отраслях, предоставляя технологическое преимущество компаниям, которые внедряют его в больших масштабах. По данным McKinsey, ИИ потенциально может создать 600 миллиардов долларов в розничной торговле и принести на 50% больше дополнительной выгоды в банковском секторе по сравнению с другими аналитическими методами. В транспортной и логистической отрасли потенциальный рост выручки может достигать 89%.
Например, если организация использует ИИ для своей маркетинговой команды, она может автоматизировать рутинные, повторяющиеся задачи, чтобы торговые представители могли сосредоточиться на построении отношений и взращивании лидов. Компания Gong предоставляет услугу анализа разговоров: каждый раз, когда торговый представитель совершает звонок, машина записывает, расшифровывает и анализирует разговор, а менеджеры используют аналитику и рекомендации ИИ для формирования успешной стратегии.
Вкратце, ИИ предоставляет передовые технологии для обработки сложных данных, которые человек не может обработать самостоятельно. Он автоматизирует рутинные задачи, позволяя работникам сосредоточиться на более важных задачах, а при масштабном внедрении снижает затраты и увеличивает доходы.
История искусственного интеллекта
Искусственный интеллект сегодня — модное слово, но сам термин не нов. В 1956 году эксперты из разных областей организовали летний исследовательский проект по ИИ. Его возглавили четыре выдающихся ума: Джон Маккарти (Дартмутский колледж), Марвин Мински (Гарвардский университет), Натаниэль Рочестер (IBM), и Клод Шеннон (Bell Telephone Laboratories). Вот краткая история ИИ.
| Год | Веха / Инновация |
|---|---|
| 1923 | Пьеса Карела Чапека «Универсальные роботы Россума» ввела в английский язык слово «робот». |
| 1943 | FoundationБыли заложены основы для нейронных сетей. |
| 1945 | Айзек Азимов, выпускник Колумбийского университета, использовал термин «робототехника». |
| 1956 | Термин «искусственный интеллект» впервые использовал Джон Маккарти, и была продемонстрирована первая работающая программа ИИ. |
| 1964 | Диссертация Дэнни Боброу, защищенная в Массачусетском технологическом институте, показала, как компьютеры могут понимать естественный язык. |
| 1969 | Исследовательский институт Стэнфорда разработал робота Shakey, способного передвигаться и решать задачи. |
| 1979 | Был создан Stanford Cart — первое в мире автономное транспортное средство с компьютерным управлением. |
| 1990 | Значимые достижения в области машинного обучения. |
| 1997 | Шахматная команда Deep Blue одержала победу над чемпионом мира Гарри Каспаровым. |
| 2000 | Интерактивные роботы-питомцы стали доступны для коммерческой продажи; Массачусетский технологический институт продемонстрировал их. Kismet, робот, выражающий эмоции. |
| 2006 | Искусственный интеллект вошёл в мир бизнеса; такие компании, как Facebook, Netflixи Twitter начал его использовать. |
| 2012 | Google запустил «Google «Сейчас», ан Android Прогнозы относительно предлагаемых функций. |
| 2018 | IBMВ рамках проекта «Дебатеры» участники боролись на сложные темы с опытными дебатерами и показали исключительно хорошие результаты. |
Цели искусственного интеллекта
Основные цели искусственного интеллекта:
- Сократите время, необходимое для выполнения конкретных задач.
- Облегчите взаимодействие человека с машинами.
- Способствовать более естественному и эффективному взаимодействию человека с компьютером.
- Повысить точность и скорость медицинской диагностики.
- Помогите людям быстрее усваивать новую информацию.
- Улучшение взаимодействия между людьми и машинами.
Подполя искусственного интеллекта
Вот важные подразделы искусственного интеллекта.
Машинное обучение: Искусство изучения алгоритмов, обучающихся на примерах и опыте. Оно основано на выявлении закономерностей в данных и использовании их для прогнозирования будущих событий. В отличие от жестко запрограммированных правил, машина обучается этим правилам самостоятельно.
Глубокое обучение: Подраздел машинного обучения, использующий многослойную архитектуру для обучения на основе данных. Глубина модели — это количество содержащихся в ней слоев; например, GoogleМодель LeNet для распознавания изображений имеет 22 слоя.
Обработка естественного языка (НЛП): Раздел искусственного интеллекта, позволяющий машинам читать, понимать и генерировать человеческий язык. Он лежит в основе таких приложений, как чат-боты, перевод, анализ настроений и распознавание речи.
Экспертные Системы: Интерактивная, надежная компьютерная система принятия решений, использующая факты и эвристические методы для решения сложных задач в определенной области. Ее цель — решение наиболее сложных проблем в этой области.
Нечеткая логика: Многозначная логика, в которой значения истинности могут быть любыми действительными числами от 0 до 1. Она обрабатывает концепцию частичной истинности для ситуаций, когда утверждение не является ни полностью истинным, ни полностью ложным.
Типы искусственного интеллекта
Искусственный интеллект можно классифицировать двумя способами — по возможностям и по используемым технологиям.
По возможностям:
- Узкий ИИ: Выполняет одну специализированную задачу интеллектуально, например, разметку изображений или работу голосовых помощников.
- Общий ИИ: Может выполнять любую интеллектуальную задачу так же эффективно, как человек (пока ещё в теории).
- Супер-ИИ: Гипотетический уровень, на котором машины превосходят человеческий интеллект.
С помощью техники:
- Искусственный интеллект, основанный на правилах: Применяет набор заранее определенных правил к входному набору данных для получения соответствующего выходного результата.
- Искусственный интеллект на основе деревьев решений: Похож на искусственный интеллект, основанный на правилах, но допускает ветвление и поиск.ping взвесить различные варианты.
- Нейронные сети: Многоуровневые модели, созданные по образцу человеческого мозга, позволяют изучать сложные закономерности на основе данных и обеспечивают робототехнике навыки рассуждения, планирования и обучения.
ИИ против машинного обучения
Искусственный интеллект и машинное обучение часто используются как синонимы, но это не одно и то же. Искусственный интеллект — это наука об обучении машин выполнению задач, свойственных человеку; этот термин был введен в 1950-х годах. Машинное обучение — это подвид ИИ, в котором машина учится на основе данных, а не программируется явно.
| Аспект | Искусственный интеллект | Машинное обучение |
|---|---|---|
| Объем | Обширная наука о подражании человеческому интеллекту. | Подмножество искусственного интеллекта, ориентированное на обучение на основе данных. |
| Цель | Имитация человеческого мышления и принятия решений | Выявляйте закономерности и делайте прогнозы. |
| Подход | Сочетание правил, логики и обучения. | Обучение на основе данных с примерами |
| Пример | Система автономного вождения автомобиля | Встроенная модель распознавания изображений |
Вы также можете прочитать о различиях между Глубокое обучение, машинное обучение и искусственный интеллект.
Где используется ИИ? Примеры.
Искусственный интеллект находит широкое применение в различных отраслях.
- Исключение повторяющихся задач: Искусственный интеллект способен непрерывно повторять задачу без усталости и безразличен к выполняемой работе.
- Улучшение существующих продуктов: Компании внедряют ИИ для улучшения функциональности продуктов, а не создают их с нуля. Например, Facebook когда-то требовал ручной разметки фотографий; сегодня ИИ предлагает друзей для автоматической разметки.
Искусственный интеллект используется во всех отраслях — от маркетинга и управления цепочками поставок до финансов и пищевой промышленности. Согласно опросу McKinsey, финансовые услуги и высокотехнологичные коммуникационные компании лидируют по внедрению ИИ.
Почему сейчас так стремительно развивается искусственный интеллект?
Нейронные сети существуют с 1990-х годов, после основополагающей работы Яна Лекуна, но стали известны примерно в 2012 году. Три важнейших фактора определяют сегодняшний бум ИИ.
Металлоизделия
За последние два десятилетия мощность центральных процессоров (CPU) резко возросла, что позволило пользователям обучать небольшие модели глубокого обучения на ноутбуке. Однако для компьютерного зрения и больших моделей глубокого обучения требуется больше мощности. Благодаря инвестициям NVIDIA и AMD, новое поколение графических процессоров (GPU) позволяет выполнять параллельные вычисления, распределяя работу между несколькими GPU для ускорения расчетов. Например, NVIDIA TITAN X может обучить модель ImageNet за два дня, в отличие от нескольких недель на традиционном центральном процессоре, а крупные компании используют кластеры GPU, такие как NVIDIA Tesla K80, для сокращения затрат на центры обработки данных и повышения производительности.
Данные
Глубокое обучение — это структура модели, а данные — это жидкость, которая оживляет её. Без данных ничего нельзя сделать. Современные технологии хранения позволяют легко хранить огромные объёмы данных в центрах обработки данных, а интернет делает сбор и распространение данных доступными для питания алгоритмов машинного обучения.
Приложения, такие как Flickr и Instagram В хранилище находятся миллионы помеченных изображений, которые позволяют обучить нейронную сеть распознавать объекты без ручной разметки. Искусственный интеллект в сочетании с данными — это новое золото: компания с наибольшим количеством данных имеет конкурентное преимущество. Ежедневно в мире создается около 2.2 эксабайт (2.2 миллиарда гигабайт) данных, и разнообразные источники данных помогают моделям находить закономерности и обучаться в больших масштабах.
Алгоритм
Аппаратное обеспечение стало мощнее, чем когда-либо, а данные легкодоступны, но более точные алгоритмы делают нейронные сети надежными. Ранние нейронные сети представляли собой простые операции умножения матриц без глубоких статистических свойств; с 2010 года замечательные открытия позволили их улучшить. Искусственный интеллект использует алгоритмы прогрессивного обучения, которые позволяют данным выполнять программирование, поэтому компьютер может самостоятельно обучаться выполнению таких задач, как обнаружение аномалий или работа в качестве чат-бота.
