Что такое искусственный интеллект (ИИ)?

Что такое искусственный интеллект? Расшифровка значения ИИ

Искусственный интеллект - это «научно-техническая область, посвященная разработанным системам, которые генерируют результаты, такие как содержание, прогнозы, рекомендации или решения для заданного набора целей, определяемых человеком» [ISO/IEC 22989:2022]. Хотя с технической точки зрения данное определение искусственного интеллекта является точным, как же оно относится к обычному человеку?

По правде говоря, ИИ - это всего лишь практический инструмент, а не панацея. Он хорош лишь настолько, насколько хороши алгоритмы и методы машинного обучения, которые направляют его действия. ИИ может очень хорошо справиться с определенной задачей, но для этого нужны тонны данных и многократное повторение. Он просто учится анализировать большие объемы данных, распознавать закономерности и принимать прогнозы или решения на основе полученных данных, постоянно улучшая свою работу с течением времени.

Сегодня значение ИИ выходит за рамки простой обработки данных и включает в себя разработку систем, способных обучаться, рассуждать и решать проблемы. Машинное обучение стало настолько «компетентным», что способно генерировать все - от программного кода до изображений, статей, видео и музыки. Это следующий уровень ИИ, так называемый генеративный ИИ, который отличается от традиционного ИИ по своим возможностям и применению. Если традиционные системы ИИ используются в основном для анализа данных и составления прогнозов, то генеративный ИИ идет на шаг дальше, создавая новые данные, аналогичные тем, на которых он обучался.

Как работает искусственный интеллект?

По сути, ИИ анализирует данные для извлечения закономерностей и составления прогнозов. Для этого он объединяет большие массивы данных с интеллектуальными алгоритмами ИИ - или наборами правил, - которые позволяют программному обеспечению учиться на основе закономерностей в данных. Для этого система использует нейронную сеть - массив взаимосвязанных узлов, которые передают информацию между различными слоями, чтобы найти связи и извлечь смысл из имеющихся данных.

Чтобы понять, как это работает, мы должны разобраться в следующих понятиях:

• Обучение: Машинное обучение ИИ позволяет компьютерам учиться на данных, выявлять закономерности и принимать решения без явного на то программирования. Достижения в области глубокого обучения позволяют программам ИИ понимать более сложные закономерности, используя миллионы единиц данных.
• Рассуждения: Способность рассуждать имеет решающее значение для ИИ, поскольку позволяет компьютерам имитировать человеческий мозг. ИИ может делать выводы на основе полученных команд или другой доступной информации, формировать гипотезы или разрабатывать стратегии решения проблемы.
• Решение проблем: Способность ИИ решать проблемы основана на манипулировании данными с помощью методов проб и ошибок. Она включает в себя использование алгоритмов для изучения различных возможных путей, чтобы найти наиболее оптимальное решение сложных проблем.
• Обработка языка: ИИ использует обработку естественного языка - или NLP (Natural Language Processing) - для анализа данных человеческого языка таким образом, чтобы они были понятны компьютерам. Что такое NLP? Это способность компьютеров понимать, интерпретировать и генерировать человеческий язык, используя анализ текста, анализ настроения и машинный перевод.
• Восприятие: ИИ сканирует окружающую среду с помощью таких датчиков, как температурные сенсоры и камеры. Эта область ИИ, известная как компьютерное зрение, позволяет машинам интерпретировать и понимать визуальные данные и используется для распознавания изображений, распознавания лиц и обнаружения объектов.

Сильный ИИ против слабого ИИ

Искусственный интеллект (ИИ) включает в себя широкий спектр возможностей, которые в целом можно разделить на две категории: слабый ИИ и сильный ИИ. Слабый ИИ, часто называемый узким искусственным интеллектом (УИИ) или узким ИИ, представляет собой системы, тщательно созданные для выполнения конкретных задач в рамках четко определенных параметров. Они работают в рамках ограниченного круга знаний и не обладают способностью к общему интеллекту. Их можно назвать специалистами, обученными эффективно выполнять строго определенные функции.

Несмотря на свое название, слабый ИИ вовсе не слабый: именно он стоит за многими приложениями искусственного интеллекта, с которыми мы сталкиваемся каждый день. Мы видим примеры узкого ИИ повсюду вокруг нас. От молниеносных ответов Siri и Alexa (Маруси и Алисы в нашем случае) до мастерства IBM Watson в сборе данных и беспрепятственной навигации самоуправляемых автомобилей - ИИ служит основой для замечательных инноваций, формирующих наш мир.

Вот еще несколько примеров использования узкого ИИ, характеризующихся наличием специализированных алгоритмов, предназначенных для решения конкретных задач:

• Умные помощники: Цифровые голосовые помощники, часто называемые лучшими примерами слабого ИИ, используют обработку естественного языка для решения ряда специфических задач, таких как установка будильников, ответы на вопросы и управление устройствами умного дома.
• Чат-боты: Если вы когда-нибудь общались в чате с любимым интернет-магазином, скорее всего, вы общались с ИИ. Многие платформы для обслуживания клиентов используют алгоритмы ИИ для ответов на обычные запросы, оставляя людям возможность выполнять задачи более высокого уровня.
• Рекомендательные системы: Вы когда-нибудь задумывались, как Netflix всегда знает, какой фильм вы хотите посмотреть, или как Amazon (или Ozon) предсказывает вашу следующую покупку? Подобные платформы используют УИИ для анализа ваших привычек просмотра или покупки, а также привычек аналогичных пользователей, чтобы предоставлять персонализированные предложения.
• Навигационные приложения: Как добраться из пункта А в пункт Б и не заблудиться? Навигационное приложение, такое как Google Maps, - это программное приложение, использующее УИИ, предназначенное для предоставления пользователям указаний в режиме реального времени при перемещении из одного места в другое.
• Спам-фильтры электронной почты: Компьютер с помощью алгоритма искусственного узкого интеллекта определяет, какие сообщения могут оказаться спамом, и перенаправляет их из папки «Входящие» в папку «Спам».
• Функции автокоррекции: Когда ваш iPhone исправляет опечатки во время написания текста, вы ощущаете мощь слабого искусственного интеллекта в повседневной жизни.Используя алгоритмы и данные пользователя, функции автоисправления обеспечивают более плавное и эффективное составление текста на всех устройствах.

Каждое из этих приложений демонстрирует способность узкого ИИ выполнять четко поставленные задачи, анализируя большие массивы данных и следуя специализированным алгоритмам. Так что в следующий раз, когда вы будете восхищаться возможностями ИИ, вспомните, что именно слабый ИИ является источником всех этих замечательных инноваций, формирующих наш мир таким образом, который мы раньше считали немыслимым.

В противовес УИИ концепция сильного ИИ, также известная как общий ИИ, направлена на разработку систем, способных решать широкий спектр задач с уровнем мастерства, удовлетворяющим человеческим стандартам. В отличие от своих узких аналогов, системы сильного ИИ должны обладать неким общим интеллектом, позволяющим им адаптироваться, обучаться и применять знания в различных областях. По сути, цель состоит в том, чтобы создать искусственные существа, наделенные когнитивными способностями, схожими с человеческими, способные участвовать в интеллектуальной деятельности, охватывающей различные области.

Хотя сильный ИИ является чисто умозрительным явлением, не имеющим практических примеров на сегодняшний день, это не означает, что исследователи ИИ не заняты изучением его потенциальных разработок.В частности, сильный ИИ используется в области исследований искусственного общего интеллекта (ИОИ) и разработки интеллектуальных машин и алгоритмов для социальных сетей.

Теоретически ИИ может выполнять любую человеческую работу - от уборки до написания кода. Несмотря на то, что в настоящее время реальных применений технологии ИОИ не существует, она способна оказать преобразующее воздействие в ряде различных областей. К ним относятся:

• Язык: Написание эссе, стихов и ведение бесед.
• Здравоохранение: Медицинская визуализация, исследование лекарств и хирургия.
• Транспорт: Полностью автоматизированные автомобили, поезда и самолеты.
• Искусство и развлечения: Создание музыки, изобразительного искусства и фильмов.
• Бытовые роботы: Приготовление пищи, уборка и уход за детьми.
• Производство: Управление цепочками поставок, инвентаризация и бытовое обслуживание.
• Технические науки: Программирование, строительство и архитектура.
• Безопасность: Обнаружение случаев мошенничества, предотвращение нарушений безопасности и повышение уровня общественной безопасности.

Хотя исследователи и разработчики постоянно стремятся расширить границы возможностей ИИ ИОИ, достижение настоящего общего интеллекта, сравнимого с человеческим, сопряжено с огромными трудностями и остается труднодостижимой целью на горизонте. Тем не менее, учитывая значительный прогресс в области технологий ИИ и машинного обучения, кажется, что мы должны ставить перед собой вопрос что мы будем делать не «если ИОИ будет создан», а «когда ИОИ будет создан».

Каковы четыре типа искусственного интеллекта?

Искусственный интеллект (ИИ) включает в себя широкий спектр возможностей, каждая из которых выполняет различные функции и цели. Понимание четырех типов ИИ проливает свет на эволюционирующий ландшафт машинного интеллекта:

• Реагирующие машины: Эти системы ИИ работают по заранее заданным правилам, но не способны обучаться на основе новых данных или опыта. Например, чат-боты, используемые для взаимодействия с онлайн-клиентами, часто полагаются на технологию реагирующего машинного интеллекта, генерирующего ответы на основе запрограммированных алгоритмов. Хотя они хорошо выполняют свои функции, они не могут адаптироваться или развиваться за пределами своего первоначального программирования.
• Ограниченная память: В отличие от реагирующего машинного интеллекта, системы ИИ с ограниченной памятью обладают способностью обучаться на основе прошлых данных и прошлого опыта. Обрабатывая информацию, полученную в ходе предыдущих взаимодействий, такие системы ИИ могут принимать обоснованные решения и в определенной степени адаптироваться на основе своего обучения. В качестве примера можно привести самоуправляемые автомобили, оснащенные датчиками и алгоритмами машинного обучения, которые позволяют им безопасно ориентироваться в динамичных средах. Приложения для обработки естественного языка также используют предыдущие данные для улучшения понимания и интерпретации языка с течением времени.
• Теория разума: Этот тип ИИ все еще остается несбыточной мечтой, но он описывает идею системы ИИ, которая сможет воспринимать и понимать человеческие эмоции, а затем использовать эту информацию для прогнозирования будущих действий и самостоятельного принятия решений. Разработка ИИ с теорией разума может произвести революцию в самых разных областях, включая взаимодействие человека и компьютера и социальную робототехнику, благодаря более эмпатичному и интуитивному поведению машин.
• Самосознающий ИИ: Это гипотетический сценарий системы ИИ, обладающей самосознанием, или чувством собственного достоинства. Самосознающий ИИ обладает человекоподобным сознанием и понимает свое существование в мире, а также эмоциональное состояние других людей. До сих пор эти типы ИИ встречались только в фантастическом мире научной фантастики, популяризированном такими культовыми фильмами, как «Бегущий по лезвию».

Вышеперечисленные четыре типа ИИ демонстрируют богатое разнообразие интеллекта, наблюдаемое в искусственных системах. По мере развития ИИ изучение возможностей и ограничений каждого типа будет способствовать нашему пониманию машинного интеллекта и его влияния на общество.

Машинное обучение против глубокого обучения

Центральное место в развитии данных технологий занимают машинное и глубокое обучение - два направления ИИ, которые определяют многие инновации, которые мы видим сегодня. Хотя они и связаны между собой, каждый из этих терминов имеет свое собственное значение.

• Контролируемое обучение: Алгоритм обучается на наборе меченых данных, где каждый пример имеет вход и соответствующий выход, и на основе известных меченых данных делает прогнозы на новых, еще не полученных данных.
• Обучение без контроля: Без каких-либо заранее определенных меток или выходов алгоритм учится обнаруживать скрытые структуры или группировки в данных.
• Обучение с подкреплением: Обученный взаимодействовать с окружающей средой и учиться методом проб и ошибок, агент получает обратную связь в виде вознаграждений или наказаний по мере выполнения действий, что позволяет ему учиться и улучшать производительность с течением времени.

Глубокое обучение - это подмножество машинного обучения, ориентированное на обучение искусственных нейронных сетей с несколькими слоями, вдохновленных структурой и функциями человеческого мозга, состоящих из взаимосвязанных узлов (нейронов), которые передают сигналы.

Благодаря автоматическому извлечению признаков из исходных данных через несколько уровней абстракции такие алгоритмы ИИ отлично справляются с распознаванием изображений и речи, обработкой естественного языка и многими другими областями. Глубокое обучение может работать с крупными наборами данных с высокой размерностью, но требует значительных вычислительных мощностей и длительного обучения из-за своей сложности.

Примеры технологий на основе искусственного интеллекта

Что же умеет искусственный интеллект? Большинство людей знакомы с ним по умным колонкам и ассистентам в смартфонах, таким как Siri и Alexa, но новые технологии ИИ постоянно делают нашу жизнь проще и эффективнее многими другими способами.

Вот несколько примеров применения технологий ИИ:

• В здравоохранении ИИ может обрабатывать и анализировать огромные объемы данных о пациентах, чтобы давать точные прогнозы и рекомендовать персонализированное лечение для достижения лучших результатов.
• Бизнес и производство выигрывают от автоматизации в любой сфере: от выявления мошенничества, оценки рисков и анализа рыночных тенденций до роботов на производственных линиях, управляемых ИИ. Системы искусственного интеллекта также могут предсказывать поломки оборудования до их возникновения и обнаруживать аномалии в сетевом трафике, выявляя угрозы кибербезопасности. В розничной торговле ИИ позволяет управлять товарными запасами, персонализировать покупки, помогать покупателям с помощью чат-ботов и анализировать предпочтения клиентов, увеличивая продажи за счет более адресной рекламы.
• ИИ в сфере образования включает в себя интеллектуальные системы репетиторства, которые адаптируются к потребностям учащихся, предоставляя индивидуальную обратную связь и рекомендации. ИИ также позволяет автоматически выставлять оценки, создавать учебные материалы и моделировать ситуации в виртуальной реальности.
• Транспортный ИИ оптимизирует транспортные потоки, прогнозирует необходимость технического обслуживания и улучшает логистику в судоходных компаниях, а в сельском хозяйстве позволяет оптимизировать урожайность и сократить нерациональное использование ресурсов. С помощью беспилотников с ИИ отслеживается состояние почвы, выявляются болезни сельскохозяйственных культур и оцениваются потребности в орошении, а системы искусственного интеллекта могут рекомендовать эффективное использование пестицидов и рациональное управление посевами.
• Развлечения: Анализируя предпочтения пользователей, ИИ может рекомендовать фильмы, музыку или книги. Виртуальная и дополненная реальность создают захватывающие развлекательные среды. Реалистичные CGI и «спецэффекты», созданные с помощью ИИ улучшают визуальное восприятие фильмов и игр.

Рост и влияние генеративного ИИ

Приведенные примеры искусственного интеллекта, кульминацией которых стало появление крупномасштабных языковых моделей, таких как Chat GPT, означают лишь начало удивительного пути. Речь идет о появлении генеративного ИИ - нового захватывающего направления в искусственном интеллекте, ориентированного на создание нового контента, а не просто на анализ существующих данных. В отличие от традиционных систем ИИ, предназначенных в основном для решения задач классификации или прогнозирования, генеративные модели нацелены на создание новых результатов, имитирующих человеческое творчество и воображение. Благодаря этому машины смогут автономно создавать различные типы контента, включая изображения, текст, музыку и даже целые виртуальные миры.

Однако, генеративный ИИ еще не до конца отшлифован. Генеративные модели, несмотря на их мощь, имеют ряд недостатков, в том числе возможность создания убедительной дезинформации (или дипфейков - в буквальном переводе «глубинных подделок»), закрепления предубеждений и возникновения проблем с авторскими правами и вытеснением людей-специалистов с их рабочих мест. Кроме того, они создают угрозу безопасности, проблемы с контролем качества и требуют значительных вычислительных ресурсов, что приводит к высоким затратам и негативному воздействию на окружающую среду.

Правда в том, что генеративный ИИ все еще находится на стадии обучения, и первые неудачи в некоторых программах не должны затмевать огромный потенциал технологии ИИ. В настоящее время предпринимаются усилия по решению проблем, связанных с генеративными моделями, путем совершенствования технологии обнаружения и улучшения обучающих данных и алгоритмов. Сюда также входят усиленные меры безопасности, повышение уровня образования и осведомленности, а также более эффективное использование вычислительных ресурсов.

Подобный многогранный подход должен обеспечить более ответственное и полезное использование генеративного ИИ, которое будет подкреплено руководящими принципами и нормативными актами.

Управление и регулирование ИИ

В условиях растущей интеграции в различных отраслях важность обеспечения качества и надежности программного обеспечения ИИ трудно переоценить. Несмотря на риски, связанные с этим, ИИ по-прежнему страдает от недостатка регулирования. Именно здесь могут помочь международные стандарты.

Стандарты, такие как разработанные ИСО/МЭК СТК 1/ПК 42 по искусственному интеллекту, играют ключевую роль в обеспечении ответственного подхода к разработке и использованию технологий ИИ. Они помогают устранить пробелы в регулировании, предоставляя лицам, принимающим решения, и разработчикам политики инструменты для создания согласованных и проверяемых данных и процессов.

Подобные стандарты могут принести бизнесу долгосрочную выгоду, особенно в таких важных областях, как экологическая отчетность. Стандарты вызывают доверие у заинтересованных сторон, гарантируя, что преимущества искусственного интеллекта перевесят связанные с ним риски благодаря согласованию с существующими нормативными актами и инструментами управления.

• ISO/IEC 42001:2023AI management systems
• ISO/IEC 23894:2023AI — Guidance on risk management
• ISO/IEC 23053:2022Framework for AI systems using machine learning

История искусственного интеллекта: кто изобрел ИИ?

Искусственный интеллект развивается семимильными шагами, изменяя многие аспекты нашего мира. Но чтобы по-настоящему оценить его современные возможности, важно разобраться в его происхождении и эволюции. Так кто же создал ИИ? Чтобы узнать это, давайте отправимся в путешествие по увлекательной истории искусственного интеллекта.

Современный искусственный интеллект берет свое начало в XIX веке с изобретения Чарльзом Бэббиджем «разностного двигателя» - первого в мире успешного автоматического калькулятора. Британский специалист по взлому кодов Алан Тьюринг, который, помимо прочих подвигов, был ключевой фигурой в разведывательном арсенале союзников во время Второй мировой войны, также может рассматриваться как отец современных итераций ИИ. В 1950 году он предложил тест Тьюринга, предназначенный для оценки способности машины демонстрировать интеллектуальное поведение, неотличимое от человеческого.

С того момента развитие технологий ИИ стало ускоряться в геометрической прогрессии, его возглавили такие влиятельные фигуры, как Джон Маккарти, Марвин Минский, Герберт Саймон, Джеффри Хинтон, Йошуа Бенгио, Янн ЛеКун и многие другие. Но не все было гладко. Хотя в первые годы ИИ процветал, поскольку компьютеры могли хранить все больше информации, вскоре он натолкнулся на препятствие: компьютеры просто не могли хранить достаточно информации или обрабатывать ее достаточно быстро. Только в 1980-х годах ИИ пережил ренессанс, вызванный расширением набора алгоритмов и увеличением финансирования.

Если говорить коротко, то вот некоторые ключевые события и вехи в истории искусственного интеллекта:

• 1950: Алан Тьюринг публикует работу «Вычислительная техника и интеллект», в которой предлагает тест Тьюринга в качестве способа оценки того, считается ли компьютер разумным или нет.
• 1956: Небольшая группа ученых собирается в Дартмутском летнем исследовательском проекте по искусственному интеллекту, который считается рождением этой области исследований.
• 1966-1974: Этот период условно называют «Первой зимой ИИ» - период, отмеченный снижением финансирования и прогресса в исследованиях ИИ из-за того, что они не оправдали ранних шумих и ожиданий.
• 1997: Deep Blue, шахматный компьютер IBM, побеждает чемпиона мира Гарри Каспарова в широко разрекламированном шахматном матче, демонстрируя потрясающий потенциал систем ИИ. В том же году программное обеспечение для распознавания речи, разработанное компанией Dragon Systems, было внедрено в Windows.
• 2011: В телевизионном конкурсе «Jeopardy!» компьютер Watson Deep QA от IBM побеждает двух чемпионов викторины всех времен, демонстрируя способность систем искусственного интеллекта понимать естественный язык.
• 2012: Подход «глубокого обучения», вдохновленный человеческим мозгом, революционизирует многие приложения ИИ, положив начало нынешнему буму ИИ.
• 2016: Разработанная дочерней компанией Google компьютерная программа AlphaGo привлекает внимание всего мира, когда побеждает легендарного игрока в го Ли Седоля. Древняя настольная игра «Го» является одной из самых сложных из когда-либо созданных.
• С 2017 года по настоящее время: Стремительное развитие компьютерного зрения, обработки естественного языка, робототехники и автономных систем обусловлено прогрессом в области глубокого обучения и увеличением вычислительной мощности.
• 2023: Появление больших языковых моделей, таких как GPT-3 и его преемники, демонстрирует потенциал систем ИИ для создания человекоподобных текстов, ответов на вопросы и помощи в решении широкого круга задач.
• 2024: Новые достижения в области мультимодального ИИ позволяют системам обрабатывать и интегрировать различные типы данных (текст, изображения, аудио и видео) для создания более комплексных и интеллектуальных решений.Цифровые помощники на базе ИИ теперь способны вести естественные контекстные разговоры, а также помогать в решении самых разных задач.

Экспоненциальный рост вычислительных мощностей и Интернета привел к появлению концепции - и реальности - машинного обучения, разработки алгоритмов ИИ, которые могут обучаться без программирования, путем обработки больших массивов данных, что стало известно, как «глубокое обучение», которое позволяет компьютерам учиться на основе опыта. За последнее десятилетие ИИ стал неотъемлемой частью повседневной жизни, влияя на то, как мы работаем, общаемся и взаимодействуем с технологиями.

Каким образом искусственный интеллект может изменить наш мир?

По мере того как искусственный интеллект будет становиться все более совершенным, мы вполне можем ожидать, что он изменит нашу работу и жизнь в целом. Помимо множества описанных выше сфер применения, ИИ сыграет важнейшую роль в решении глобальных проблем и ускорит поиск их решений.

Но потенциальные последствия внедрения ИИ очень масштабны и глубоки. По мере того как ИИ становится все более мощным и повсеместным, мы должны обеспечить его ответственное развитие и использование, решая вопросы предвзятости, конфиденциальности и прозрачности. Для этого крайне важно оставаться в курсе событий и активно участвовать в их развитии, чтобы построить будущее, которое будет полезным и расширяющим возможности для всех.