В настоящее время часто можно услышать понятие искусственный интеллект (ИИ), о котором то и дело говорят в рекламе смартфонов и не только. Неужели человечеству удалось создать искусственный разум?
На самом деле, искусственный интеллект можно разбить на две части: универсальный и прикладной.
Прикладной ИИ
Если Вы слышите, читаете о ИИ, то с уверенностью можно сказать о том, что это прикладной ИИ. Он способен решать лишь определенную задачу, для решения которой он был обучен. Так например ИИ, который сейчас используют в смартфонах, позволяет подобрать для камеры светочувствительность, экспозицию, баланс белого и т.д. Но на большее он не способен. Он не может обсудить с Вами получившуюся фотографию, предложить поменять место съемки и т.п.
Универсальный ИИ
Это тот ИИ, который мы привыкли видеть в кино, либо читать в книгах. Интеллект, который может решать разнообразные задачи и схож с человеком. Но в настоящее время, подобных алгоритмов не существует и то, что сейчас мы видим, лишь маленькая молекула в организме полноценного ИИ. Даже возможно мы двигаемся совершенно не в ту сторону и основа полноценного ИИ будет совершенно другой.
Как же сейчас устроен ИИ?
Попробую объяснить основную суть, не вдаваясь в подробности.
Структура ИИ берет начала из строения мозга человека, а именно его нейронов. У нейрона есть вход и выход, для передачи сигнала дальше, другим нейронам. При обучении сигнал, проходящий по нужной для решения задачи цепочке нейронов, становится сильнее и нам проще затем повторить действие. Аналогично устроен и искусственный нейрон, который лежит в основе ИИ. Нейрон представляет собой сумматор его входов и активируется по заданной программистом функции.
Нейрон, он же сумматор, обрабатывает входные данные, а затем полученное число проходит через функцию активации, которая вычисляет сигнал, который пойдет на выход, к другим нейронам.
Таких нейронов в нейронной сети, которая и является ИИ, огромное количество. Изменяя веса (числа), которые используются в каждом сумматоре, нейронная сеть и обучается. Например, распознавании кошек и собак на фотографии. Если картинка с кошкой, то более сильный сигнал пойдет по одним нейронам, а при собаке по другим. Так, обученная сеть на выходе поймет кто был изображен на фото.
Другими словами, нейронная сеть пытается решить огромную систему уравнений, с огромным количеством неизвестных. Она подбирает числа и смотрит, насколько она близка к нужному ответу. Если она ответила не правильно во время обучения, то она изменяет свои числа, в соответствии с математическими алгоритмами, чтобы ответ стал ближе к правильному.