Хотите верьте, хотите нет, но тот умный робот, которого вы видите в кино, существует. Хотя это звучит как научная фантастика, ученые годами работали над созданием передовых технологий. искусственный интеллект (ИИ). И сегодня все выглядит очень многообещающе: ИИ становится реальностью благодаря алгоритмам и методам машинного обучения. Он работает, чтобы диагностировать болезни и понимать изображения. Прежде чем мы поговорим о самом продвинутом искусственном интеллекте, который у нас есть сегодня, давайте посмотрим, как мы к этому пришли.
Расцвет машинного обучения
Машинное обучение является частью искусственного интеллекта. Термин «машинное обучение» был придуман в 1959 году, но эта концепция восходит к периоду до изобретения компьютеров, когда ученые пытались построить машины, которые могли бы принимать решения и выполнять задачи без явного программирования.
Исследователи работали над машинным обучением десятилетиями; сегодня это одна из самых горячих областей в области искусственного интеллекта. Алгоритмы машинного обучения могут учиться на собственном опыте и со временем улучшать производительность, не нуждаясь в том, чтобы кто-то говорил им, как это сделать.
Алгоритмы машинного обучения, работающие как прогностические модели
Такие компании, как Amazon, используют алгоритмы машинного обучения, Netflix или Google, чтобы прогнозировать поведение пользователей на основе прошлых действий (и, таким образом, предоставлять рекомендации). Эти алгоритмы также решают сложные задачи, такие как распознавание изображений, автоматический перевод или игра.
ИИ и робототехника
ИИ и Робототехника две разные вещи. ИИ — это интеллект компьютера, а робототехника — это использование компьютеров для создания машин. ИИ относится к виртуальным и физическим системам искусственного интеллекта, которые могут думать и действовать как люди.
Робот — это автомат, управляемый датчиками, запрограммированными инструкциями или устройствами дистанционного управления, которые автоматически выполняют человеческие задачи или функции. Идея создания разумных роботов существует со времен греческой мифологии (Атлас). Тем не менее, современные попытки их создания начались в конце 1950-х годов при финансировании правительства США в рамках «Проекта Cybersyn» во время администрации президента Никсона с целью военного применения, такого как беспилотные системы вооружения.
ИИ стал популярной темой в средствах массовой информации, и появилось много новостей о том, как вы можете использовать ИИ для создания роботов, которые умнее людей. Хотя это, безусловно, возможно, большая часть технологий, используемых в настоящее время для приложений ИИ, направлена на то, чтобы сделать компьютеры более эффективными при выполнении задач, а не создавать что-то, что может думать как мы.
Расцвет глубокого обучения
Глубокое обучение — это форма машинного обучения, то есть способность компьютерных систем обучаться без явного программирования. Его путь начался в 1950-х годах, когда ученый-компьютерщик Джон Маккарти опубликовал статью о том, как научить компьютеры играть в шахматы. В 1958 году Артур Сэмюэл создал одну из первых программ самообучения, объединив свои знания с обучением с подкреплением, когда алгоритм учится методом проб и ошибок.
В 1959 году Марвин Мински и Сеймур Пейперт основали свою Лабораторию искусственного интеллекта в Массачусетском технологическом институте. Они работали над двумя проектами: роботизированные руки, управляемые нейронными сетями, и программы, предназначенные для решения задач с помощью логических рассуждений. Лаборатория разработала множество других новаторских проектов, в том числе Shakey — мобильного робота, который мог думать самостоятельно, используя методы искусственного интеллекта, такие как планирование пути (решение, куда он должен двигаться) и распознавание объектов (определение объектов вокруг него). Это был еще один шаг к созданию машин, способных видеть как люди!
Достижения в области обработки естественного языка
Обработка естественного языка (NLP) — это способность машины понимать человеческий язык, и это подмножество ИИ. Расширенный НЛП достигается за счет глубокого обучения, которое позволяет компьютеру учиться на данных и принимать решения самостоятельно.
Глубокое обучение значительно продвинуло область НЛП с момента его создания в 2014 году с помощью программы Google AlphaGo, которая победила Ли Седоля в го, древней китайской настольной игре. В наши дни вы можете использовать свой телефон в качестве переводчика, заставив его переводить иностранные языки или отправлять голосовые сообщения через WhatsApp с использованием технологии распознавания речи.
Кроме того, благодаря глубокому обучению у нас есть машины, которые могут предсказывать погоду лучше, чем метеорологи. Это помогает слепым людям снова видеть и помогает читать исследовательские работы для аспирантов — все то, что когда-то считалось невозможным без вмешательства человека!
Достижения в области компьютерного зрения
Прогресс в области компьютерного зрения был огромным. Компьютерное зрение — это наука и технология машин, которые видят. Он используется в робототехнике, беспилотных автомобилях и многих других приложениях. Несмотря на то, что эта область существует почти столько же, сколько и компьютеры, до недавнего времени она не вызывала больших волн благодаря глубокому обучению и сверточным нейронным сетям (CNN).
Первым прорывом стала разработка Яном Лекуном в 1998 году CNN для задач распознавания рукописного ввода. Эти сети были намного эффективнее, чем предыдущие методы идентификации рукописных цифр. Поскольку они могли обобщать лучше, чем просто рассматривать один конкретный пример за раз, они узнавали, как все выглядело, на основе предыдущих примеров, которые они видели, даже если эти изображения не были абсолютно одинаковыми! Это дало людям надежду на то, что компьютеры можно обучать, используя те же принципы, что и люди, изучающие новые вещи: через опыт с течением времени на множестве разных примеров, а не просто зазубривание из одного источника.
Достижения в генеративных моделях
Генеративные модели — это алгоритм машинного обучения, который фокусируется на создании новых данных из существующих данных. Как один из самых простых типов генеративных моделей, вы можете использовать их для создания новых изображений, звуков или даже текста. Например, если вы хотите создать изображение, похожее на чужое изображение, но не являющееся его копией (например, если вы хотите создать изображение, похожее на картину). Затем вы можете использовать генеративную модель для обучения модели на случайно сгенерированных изображениях, а затем использовать эту информацию для создания более реалистичных изображений.
То же самое касается создания других типов медиа: если вы хотите, чтобы ваша песня была записана без чьей-либо записи (или без выплаты им лицензионных отчислений!). Тогда все, что вам нужно сделать, это обучить свою собственную систему искусственного интеллекта на существующих песнях, чтобы она знала, как они звучат при совместном и индивидуальном воспроизведении — и вуаля! Теперь у вас есть оригинальная мелодия, сочиненная искусственным интеллектом.
Влияние самого передового ИИ
Влияние этих самых передовых ИИ уже ощущается во многих отраслях. ИИ упрощает нашу жизнь, автоматизируя задачи и процессы, но он также меняет то, как мы живем и работаем. Давайте рассмотрим несколько примеров:
- Беспилотные автомобили уже давно фигурируют в новостях, но знаете ли вы, что они уже доступны? Google Waymo в настоящее время управляет беспилотными такси в Аризоне. Представьте, что вы можете читать или смотреть телевизор по дороге на работу!
- Медицинская диагностика также находится на подъеме благодаря алгоритмам машинного обучения, которые могут предсказывать заболевания на основе ваших симптомов и генетических данных. Это может означать более раннее выявление рака и других заболеваний и спасение жизней во всем мире.
- Распознавание речи значительно улучшилось за последние десять лет благодаря достижениям в моделях глубокого обучения, таких как нейронные сети, используемые Google Assistant (и Siri). Скорость, с которой эта технология совершенствуется, возможно, даже выше, чем мы видели с распознаванием изображений!
- Чат-боты — еще один пример ИИ в действии. Они позволили компаниям легче и эффективнее связываться со своими клиентами с помощью приложений для обмена сообщениями, таких как Facebook Messenger и WhatsApp. Мы также наблюдаем рост числа персональных помощников на основе чат-ботов, таких как Alexa (Amazon Echo), Siri (Apple HomePod) и Google Assistant.
Это всего лишь несколько примеров того, как ИИ улучшил нашу жизнь за последнее десятилетие. Как видите, это уже улучшает ситуацию и помогает людям экономить время, деньги и усилия.
Проблемы ИИ
ИИ не панацея. В области искусственного интеллекта были достигнуты впечатляющие успехи, но необходимо решить и серьезные проблемы. ИИ не идеален и может быть использован как во благо, так и во зло.
ИИ может быть предвзятым: мы видели, как системы ИИ научились расистским предубеждениям от своих создателей-людей, и полицейские управления используют эти же системы, чтобы предсказывать, кто будет совершать преступления в будущем. Предположим, система запрограммирована с одним набором ценностей (например, связанных с расизмом). В этом случае это может привести нас к очень опасному пути, где мы создадим авторитарное общество, в котором люди, не вписывающиеся в это узкое мировоззрение, маргинализируются и подвергаются дискриминации на основании их расы или предполагаемой этнической принадлежности.
ИИ можно взломать: как и любую другую компьютерную программу, кто-то может попытаться взломать вашу систему ИИ, чтобы заставить ее делать что-то непреднамеренное — например, выдавать себя за вас! Представьте, если бы кто-то мог взломать одного из ваших помощников и убедить любого, кто звонил им по телефону. Они разговаривали с вами напрямую, а не с другим сотрудником колл-центра у какого-то стороннего поставщика услуг (вы слишком хорошо знаете, как это раздражает!).
Будущее ИИ
ИИ все еще находится на ранней стадии, но уже влияет на нашу жизнь. По мере того, как мы продолжаем разрабатывать новые методы создания ИИ и внедрять их во все больше областей нашей жизни, мы можем ожидать увидеть еще больше способов, которыми технологии изменят нашу жизнь и работу.
В будущем ИИ может стать все более важным как в личной, так и в профессиональной жизни. Например:
- Вы можете использовать свои умные очки, чтобы просматривать меню ресторана или туристическую брошюру, пока вы обедаете с другом, не требуя, чтобы они сначала распечатывали это, чтобы они могли читать из него (или если они не хотят их бумажные копии).
- Ваш автомобиль может управлять собой при движении по автомагистралям в час пик, чтобы все максимально эффективно перемещались в пробках.
- Ваш холодильник может заказывать для вас продукты до того, как в них закончатся свежие продукты, когда делать покупки неудобно.
Заключение
Вы можете задаться вопросом, смогут ли самые передовые системы искусственного интеллекта достичь истинного интеллекта. Хотя это все еще открытый вопрос, определенно кажется, что исследователи добились больших успехов в последние годы.
Революция ИИ далека от завершения. Хотя ИИ добился впечатляющих успехов, многое еще предстоит сделать, если мы хотим, чтобы эти системы действительно соответствовали человеческому разуму. Эта революция только началась, и еще предстоит увидеть, как далеко зайдет эта область. Но одно уже кажется очевидным: мы стоим на пороге будущего с искусственным интеллектом, и вы не хотите остаться позади.
