Обратные утверждения — уловки маркетологов
Об искусственном интеллекте говорят много, более того AI (англ. Arificial Intelligent) — одно из главных направлений современного IT.
Тем не менее, несмотря на большое количество теоретических выкладок и практических экспериментов, человечество всё еще не создало полноценный искусственный интеллект, который мог бы справляться с широким пулом задач так же хорошо, как и человек.
Уже есть технологии, которые отрабатывают лучше человека в определенных задачах. К примеру, ИИ может обыграть человека в шахматы, или путём глубоко анализа предсказать, в какой части города и в какое время образуются пробки. Успехи есть, но все же такие алгоритмы должны управляться человеком, и та степень автономности, которая у них есть, достаточно ограничена.
Что такое искусственный интеллект
Классическое определение ИИ следующее: ИИ — это алгоритм, который может самостоятельно принимать решение на основе анализа данных. Эти решения должны быть не случайными, а обусловленными здравым смыслом, и они должны обеспечивать наилучший исход события.
Некоторые специалисты требуют от ИИ и другие свойства: возможность выполнятью "творческую" работу, наличие самосознания, способность к эмпатии (чувствам, эмоциям). Все эти свойства описывают глубокие системы восприятия ИИ, в классическом же определении речь идет просто о возможности принимать самостоятельные решения, без контроля со стороны человека.
Что называют искусственным интеллектом сейчас
Чаще всего, под искусственным интеллектом маркетологи имею в виду либо какие-то (полу)автоматические алгоритмы, либо нейронные сети. С первыми всё понятно: программы действуют по заранее написанному человеком сценарию, и ИИ назвать это трудно. Во-втором случае всё сложнее, вот об этом мы и поговорим подробнее.
Генеративно-состязательные сети
Именно так будет правильным называть те нейросети, которые используются сейчас для решение определенного спектра задач.
Почему генеративно-состязательные? Потому что по сути, у нейросети есть два алгоритма: генеративный, предлагающий идеи, и состязательный — который эти идеи одобряет или отталкивает. На этом и основана способность к обучению нейросетей.
Как это работает
Нейросеть заранее обучают уже готовой информацией. К примеру: состязательному алгоритму дают изучить десять тысяч фотографий человека и десять тысяч — дельфина. В теории, так можно создать нейросеть, которая будет отличать дельфина и человека на фотографиях.
Далее, когда нейросеть "обучится" большому количеству данных, её можно начинать использовать, а точнее — пытаться использовать. Если мы подсунем нашей нейросети фотографию с дельфином, то генеративный алгоритм должен, скорее всего, определить, что на фотографии именно дельфин. Если он справится, состязательная сеть (которая хранит данные о разных фотографиях) подтвердит это. Если нет — опровергнет, и алгоритму придется обучаться снова (больше инфорации) или заново делать выводы.
Иными словами?
Нейросети — это не искусственный интеллект. Их обучают для выполнения определенной задачи, но нет универсальных сетей: одна и та же нейросеть не может писать музыку, общаться с человеком и распознавать на фотографии предметы. Тем более, никакая нейросеть не может принимать решения самостоятельно — только под контролем человека.
Современные нейросети делают выводы, иногда они точные, иногда — нет. При этом, нейросеть может решить ограниченный список задач, не все проблемы ей под силу.
Как видите, полноценный универсальный искусственный интеллект все ещё не создали, хотя эффективные разработки в этом направлении уже есть.
