Что такое искусственный интеллект?
Услышьте термин «искусственный интеллект» (ИИ), и вы можете подумать о беспилотных автомобилях , роботах , ChatGPT или других чат-ботах с искусственным интеллектом , а также об искусственно созданных изображениях . Но также важно взглянуть на результаты ИИ и понять, как работает технология и ее влияние на нынешнее и будущие поколения.
ИИ — это концепция, которая формально существует с 1950-х годов , когда она была определена как способность машины выполнять задачу, которая раньше требовала человеческого интеллекта. Это довольно широкое определение, которое менялось на протяжении десятилетий исследований и технологических достижений.
Когда вы рассматриваете возможность придания интеллекта машине, например компьютеру, имеет смысл начать с определения термина «интеллект», особенно если вы хотите определить, действительно ли искусственная система этого заслуживает.
Наш уровень интеллекта отличает нас от других живых существ и имеет важное значение для человеческого опыта. Некоторые эксперты определяют интеллект как способность адаптироваться, решать проблемы, планировать, импровизировать в новых ситуациях и учиться новому.
Поскольку интеллект иногда рассматривается как основа человеческого опыта, возможно, неудивительно, что мы пытаемся искусственно воссоздать его в научных усилиях.
И сегодняшние системы искусственного интеллекта могут демонстрировать некоторые черты человеческого интеллекта, включая обучение, решение проблем, восприятие и даже ограниченный спектр творческих способностей и социального интеллекта.
Как я могу использовать ИИ?
ИИ существует в различных формах, которые стали широко доступны в повседневной жизни. Умные колонки на вашей мантии со встроенным голосовым помощником Alisa или Google — два замечательных примера искусственного интеллекта. Другими хорошими примерами являются популярные чат-боты с искусственным интеллектом, такие как ChatGPT , новый Bing Chat и Google Bard .
Когда вы запрашиваете в ChatGPT столицу страны или просите Alexa предоставить вам обновленную информацию о погоде, вы получаете ответы, являющиеся результатом алгоритмов машинного обучения.
Каковы различные типы ИИ?
Искусственный узкий интеллект (ANI) имеет решающее значение для голосовых помощников, таких как Siri, Alisa и Google Assistant. В эту категорию входят интеллектуальные системы, которые были спроектированы или обучены для выполнения конкретных задач или решения конкретных проблем, но не были специально предназначены для этого.
ANI часто можно назвать слабым ИИ, поскольку он не обладает общим интеллектом, но некоторые примеры мощи узкого ИИ включают вышеупомянутые голосовые помощники, а также системы распознавания изображений, технологии, которые реагируют на простые запросы обслуживания клиентов, и инструменты, которые отмечают неприемлемый контент в Интернете.
Что такое общий ИИ?
Общий искусственный интеллект (AGI), также известный как сильный ИИ, все еще является гипотетической концепцией, поскольку он предполагает, что машина понимает и выполняет совершенно разные задачи на основе своего накопленного опыта. Этот тип интеллекта больше соответствует уровню человеческого интеллекта, поскольку системы AGI смогут рассуждать и думать как человек.
Как и человек, ОИИ потенциально сможет понимать любую интеллектуальную задачу, мыслить абстрактно, учиться на своем опыте и использовать эти знания для решения новых проблем. По сути, мы говорим о системе или машине, обладающей здравым смыслом, что в настоящее время недостижимо с помощью любой формы доступного ИИ.
Разработка системы с собственным сознанием, по-видимому, еще далека, но это конечная цель исследований ИИ.
Что такое суперИИ?
Искусственный сверхинтеллект (ИСИ) — это система, которая не только потрясет человечество до глубины души, но и может уничтожить его. Если это звучит прямо из научно-фантастического романа, то это потому, что так оно и есть: ИСИ — это система, в которой интеллект машины превосходит все формы человеческого интеллекта во всех аспектах и превосходит человека по всем функциям.
Интеллектуальная система, способная обучаться и постоянно совершенствоваться, все еще остается гипотетической концепцией. Однако эта система, если ее применять эффективно и этично, может привести к выдающемуся прогрессу и достижениям в медицине, технологиях и многом другом.
Что такое машинное обучение?
Самым большим качеством, которое отличает ИИ от других тем информатики, является способность легко автоматизировать задачи с помощью машинного обучения, которое позволяет компьютерам учиться на основе различного опыта, а не быть явно запрограммированным для выполнения каждой задачи. Эту возможность многие называют ИИ, но машинное обучение на самом деле является разновидностью искусственного интеллекта.
Машинное обучение подразумевает, что система обучается на больших объемах данных, поэтому она может учиться на ошибках и распознавать закономерности, чтобы точно делать прогнозы и решения, независимо от того, были ли они подвергнуты воздействию конкретных данных или нет.
Примеры машинного обучения включают распознавание изображений и речи, защиту от мошенничества и многое другое. Конкретным примером является система распознавания изображений, когда пользователи загружают фотографию в Facebook. Социальная сеть может анализировать изображение и распознавать лица, что приводит к рекомендациям отмечать разных друзей. Со временем и практикой система оттачивает этот навык и учится давать более точные рекомендации.
Каковы элементы машинного обучения?
Как упоминалось выше, машинное обучение является подмножеством искусственного интеллекта и обычно делится на две основные категории: обучение с учителем и обучение без учителя.
Обучение под присмотром
Это распространенный метод обучения систем искусственного интеллекта с использованием множества помеченных примеров, которые люди классифицировали. Эти системы машинного обучения получают огромные объемы данных, которые снабжены аннотациями, чтобы подчеркнуть интересующие особенности — вы, по сути, обучаете на собственном примере.
Если вы хотите научить модель машинного обучения распознавать и различать изображения кругов и квадратов, вам следует начать со сбора большого набора данных изображений кругов и квадратов в разных контекстах, например рисунок планеты вместо круга. или, например, таблицу для квадрата с метками, обозначающими каждую фигуру.
Затем алгоритм обучит эту помеченную коллекцию изображений различать формы и их характеристики, такие как круги без углов и квадраты с четырьмя равными сторонами. После обучения на наборе данных изображений система сможет увидеть новое изображение и определить, какую форму оно находит.
Обучение без присмотра
Напротив, обучение без учителя использует другой подход, при котором алгоритмы пытаются выявить закономерности в данных, ища сходства, которые можно использовать для категоризации этих данных.
Примером может служить объединение фруктов одинакового веса или автомобилей с одинаковым объемом двигателя.
Алгоритм не настроен заранее для выбора определенных типов данных; он просто ищет данные со сходством, которые можно группировать, например, группируя клиентов на основе покупательского поведения, чтобы таргетировать их с помощью персонализированных маркетинговых кампаний.
Обучение с подкреплением
При обучении с подкреплением система пытается максимизировать вознаграждение на основе входных данных, по сути проходя через процесс проб и ошибок, пока не достигнет наилучшего возможного результата.
Рассмотрите возможность обучения системы игре в видеоигру, где она может получать положительное вознаграждение, если она получает более высокий балл, и отрицательное вознаграждение, если она получает низкий балл. Система учится анализировать игру и делать ходы, а затем учится исключительно на полученных наградах, достигая момента, когда может играть самостоятельно и зарабатывать высокий балл без вмешательства человека.
Обучение с подкреплением также используется в исследованиях, где оно может помочь научить автономных роботов оптимальному поведению в реальных условиях.
Что такое глубокое обучение?
Глубокое обучение, входящее в семейство машинного обучения, включает в себя обучение искусственных нейронных сетей с тремя или более уровнями для выполнения различных задач. Эти нейронные сети расширяются до обширных сетей с большим количеством глубоких слоев, которые обучаются с использованием огромных объемов данных.
Модели глубокого обучения, как правило, имеют более трех слоев и могут иметь сотни слоев. В процессе обучения можно использовать контролируемое или неконтролируемое обучение или их комбинацию.
Поскольку технология глубокого обучения может научиться распознавать сложные закономерности в данных с помощью искусственного интеллекта, она часто используется в обработке естественного языка (НЛП), распознавании речи и распознавании изображений.
Что такое нейронные сети?
Успех машинного обучения зависит от нейронных сетей. Это математические модели, структура и функционирование которых во многом основаны на связи между нейронами человеческого мозга, имитируя способы передачи сигналов друг другу.
Представьте себе группу роботов, которые вместе решают головоломку. Каждый из них запрограммирован на распознавание разной формы или цвета частей головоломки. Роботы объединяют свои способности, чтобы вместе решить головоломку. Нейронная сеть похожа на группу роботов.
Нейронные сети могут настраивать внутренние параметры, чтобы изменить то, что они выводят. Каждому из них предоставляются базы данных, чтобы узнать, что он должен выдавать при предоставлении определенных данных во время обучения.
Они состоят из взаимосвязанных слоев алгоритмов, которые передают данные друг другу. Нейронные сети можно обучить выполнять конкретные задачи, изменяя важность, приписываемую данным при их передаче между уровнями. Во время обучения этих нейронных сетей веса, присваиваемые данным при их передаче между слоями, будут продолжать изменяться до тех пор, пока выходные данные нейронной сети не станут очень близки к желаемым.
В этот момент сеть «научится» выполнять конкретную задачу. Желаемым результатом может быть что угодно: от правильной маркировки фруктов на изображении до прогнозирования момента, когда лифт может выйти из строя, на основе данных его датчиков.
Что такое разговорный ИИ?
Разговорный ИИ включает в себя системы, которые запрограммированы на общение с пользователем: обучены слушать (ввод) и реагировать (вывод) в разговорной манере. Разговорный ИИ использует обработку естественного языка, чтобы понимать и реагировать естественным образом.
Некоторыми примерами диалогового ИИ являются чат-боты, такие как Google Bard, умные колонки с голосовым помощником, такие как Amazon Alexa, или виртуальные помощники на вашем смартфоне, такие как Siri.
Какие сервисы искусственного интеллекта доступны для использования?
Как обычные потребители, так и предприятия имеют множество услуг искусственного интеллекта, доступных для ускорения выполнения задач и повышения удобства в повседневной жизни — вероятно, у вас дома есть что-то, что использует искусственный интеллект в той или иной мере.
Вот несколько распространенных примеров искусственного интеллекта, доступных широкой публике, как бесплатно, так и за плату:
- Голосовые помощники: Amazon Alexa, сидящая на устройстве Echo на вашей полке, или Apple Siri на вашем iPhone и Google Assistant — все они используют обработку естественного языка, чтобы понимать ваши вопросы и команды и отвечать на них.
- Чат-боты. Чат-боты с искусственным интеллектом — это еще одна форма виртуальных помощников, которые могут взаимодействовать с людьми и, в некоторых случаях, вести человеческие беседы, даже имитируя сочувствие и беспокойство.
- Языковой перевод. Машинное обучение распространяется повсюду, и такие сервисы, как Google Translate, Microsoft Translator, Amazon Translate и ChatGPT, используют его для перевода текста.
- Производительность. Microsoft 365 Copilot — отличный пример LLM, используемого в качестве инструмента повышения производительности искусственного интеллекта, встроенного в Word, PowerPoint, Outlook, Excel, Teams и другие программы для автоматизации задач. Просто попросив «отправить команде электронное письмо о последнем статусе проекта», Copilot автоматически соберет информацию из электронных писем и документов и сгенерирует текст с тем, что вы спросили.
- Распознавание изображений и видео. Различные программы используют ИИ для поиска информации о содержимом изображений и видео, например о лицах, тексте и объектах внутри них. Clarifai, которая использует машинное обучение для организации неструктурированных данных из источников, и Amazon Rekognition, сервис AWS, который позволяет пользователям загружать изображения для получения информации, являются двумя примерами этого.
- Разработка программного обеспечения. Многие разработчики начали использовать ChatGPT для написания и отладки кода, но существует множество других инструментов искусственного интеллекта, которые облегчают работу программиста. Одним из примеров является программа для парного ИИ GitHub Copilot от OpenAI Codex, представляющая собой модель генеративного языка, которая позволяет писать код быстрее и с меньшими усилиями за счет мгновенного автозаполнения комментариев и кода.
- Построение бизнеса. Помимо обычных пользователей, использующих окружающий их искусственный интеллект, существуют сервисы, предлагающие инструменты искусственного интеллекта для бизнеса, в том числе API OpenAI GPT-4 (в настоящее время в списке ожидания) для создания приложений и услуг с использованием LLM; или Amazon Bedrock , набор облачных инструментов искусственного интеллекта для разработчиков.
Какая компания лидирует в гонке ИИ?
Хотя генеративный ИИ возглавит прорывы в области искусственного интеллекта в 2023 году , есть и другие ведущие компании, работающие над собственными прорывами.
Опен AI
Неудивительно, что в этом году OpenAI лидирует в гонке ИИ после того, как предоставила для широкого широкого использования бесплатно инструменты генеративного ИИ, такие как чат-бот ИИ ChatGPT и Dall-E 2, генератор изображений.
Алфавит
Материнская компания Google, Alphabet, приложила руку к нескольким различным системам искусственного интеллекта через некоторые из своих компаний, включая DeepMind, Waymo и вышеупомянутый Google.
DeepMind продолжает заниматься искусственным общим интеллектом, о чем свидетельствуют научные решения, которых она стремится достичь с помощью систем искусственного интеллекта. Компания разработала модели машинного обучения для Document AI, оптимизировала возможности просмотра на Youtube, сделала AlphaFold доступным для исследователей по всему миру и многое другое.
Хотя вы, возможно, не каждый день слышите в новостях о проектах Alphabet в области искусственного интеллекта, его работы в области глубокого обучения и искусственного интеллекта в целом могут изменить будущее человечества.
Майкрософт
Помимо создания Microsoft 365 Copilot для своих 365 приложений, Microsoft предоставляет разработчикам в Azure набор инструментов искусственного интеллекта, таких как платформы для разработки машинного обучения, анализа данных и диалогового искусственного интеллекта, настраиваемые API, которые достигают человеческого равенства в компьютерном зрении, речь и язык.
Microsoft также вложила значительные средства в разработку OpenAI и использует GPT-4 в новом чате Bing , а также в более продвинутой версии Dall-E 2 для Bing Image Creator .
Другие компании
Это всего лишь несколько примеров компаний, возглавляющих гонку ИИ, но во всем мире есть много других компаний, которые также делают успехи в области искусственного интеллекта, в том числе Baidu , Alibaba , Cruise , Lenovo , Tesla и другие.
Как ИИ изменит мир?
Искусственный интеллект способен изменить то, как мы работаем, наше здоровье, то, как мы потребляем медиа и добираемся до работы, нашу конфиденциальность и многое другое.
Подумайте о влиянии, которое определенные системы ИИ могут оказать на мир в целом. Люди могут попросить голосового помощника на своих телефонах вызвать поездку на беспилотных автомобилях, чтобы доставить их на работу, где они смогут использовать инструменты искусственного интеллекта, чтобы быть более эффективными, чем когда-либо прежде.
Также: Генеративный ИИ может снизить цены на лекарства. Вот как
Врачи и рентгенологи смогут ставить диагноз рака, используя меньше ресурсов, выявлять генетические последовательности, связанные с заболеваниями, и идентифицировать молекулы, которые могут привести к созданию более эффективных лекарств, потенциально спасая бесчисленное количество жизней.
В качестве альтернативы стоит учитывать изменения, которые могут возникнуть в результате наличия нейронных сетей, способных создавать реалистичные изображения, таких как Dall-E 2, Midjourney и Bing; который может воспроизводить чей-то голос или создавать дипфейковые видеоролики, используя сходство человека. Это может поставить под угрозу те фотографии, видео или аудио, которые люди могут считать подлинными.
Еще одна этическая проблема, связанная с ИИ, касается распознавания лиц и наблюдения, а также того, как эта технология может быть вторжением в частную жизнь людей, и многие эксперты стремятся ее полностью запретить .
Сможет ли ИИ украсть вашу работу?
Возможность замены значительной части современной рабочей силы системами искусственного интеллекта является вполне вероятной в ближайшем будущем.
Хотя обычный искусственный интеллект не заменит все рабочие места, кажется несомненным то, что ИИ изменит характер работы, и единственный вопрос заключается в том, насколько быстро и насколько глубоко автоматизация изменит рабочее место.
Однако искусственный интеллект не может работать сам по себе, и хотя многие виды рутинной, повторяющейся работы с данными могут быть автоматизированы, работники других профессий использовать такие инструменты, как генеративный ИИ, чтобы стать более продуктивными и эффективными.
Среди экспертов по искусственному интеллекту существует широкий спектр мнений о том, как быстро системы искусственного интеллекта превзойдут человеческие возможности.
Полностью автономные беспилотные транспортные средства пока не стали реальностью, но, одна только индустрия беспилотных грузовиков неизбежно приведет к сокращению более 500 000 рабочих мест в США, даже если не учитывать влияние на курьеров и водителей такси.
Спасибо, что дочитали до конца или просто пролистали, если вы узнали что-то для себя новое в области искусственный интеллекта, дайте обратную связь в комментах, чтобы такие обширные статьи выходили как можно чаще, спасибо!
