О нет, это еще один блог на тему «Что такое ИИ?»!

Идея искусственного интеллекта стара как компьютеры, и она была предметом изнурительных споров. Большая часть споров уходит корнями в то, как мы, люди, относимся к себе: является ли наш интеллект особенным или его можно скопировать с помощью машины? Могут ли машины думать?

Но оставьте это философам. Мы сосредоточимся на том, как ИИ используется в реальном мире.

Исторический материал

Древняя история - 1950-1970-е гг.

Во многом это вина Алана Тьюринга. Одной из главных идей Тьюринга была так называемая универсальная машина . Универсальная машина может быть запрограммирована так, чтобы имитировать действия любой другой машины; сегодня мы просто говорим «компьютер».

Очевидно, не удовлетворившись изобретением всей области информатики, следующим шагом Тьюринга был вопрос: могут ли машины думать? Опять же, мы можем запутаться в определениях - что означает «думать»? Тест Тьюринга помогает обойти трудности с определением, сосредотачиваясь на имитации вместо мысли.

Вот очень краткая версия: человек находится в текстовом чате с другим человеком и компьютером; может ли первый человек отличить человека от машины?

Было бы преуменьшением сказать, что вычислительные мощности были ограничены, тем не менее, некоторые важные основы были заложены:

  • Автоматическое рассуждение: люди умеют рассуждать. Мы делаем это постоянно, от выяснения того, как добраться домой, когда дорога закрыта, до выяснения того, как проверить сложные научные теории. Таким же образом исследователи пытались запрограммировать компьютеры на рассуждение.
  • Обработка естественного языка: мечта - это компьютеры, понимающие человеческий язык. Представьте, что вы спрашиваете компьютер, как добраться до Манчестера, и компьютер делает некоторые автоматизированные рассуждения, чтобы вычислить лучший маршрут - научная фантастика в 1950 году, но вполне нормальное явление сегодня.
  • Робототехника. Смартфоны и умные дома на базе искусственного интеллекта были далекой фантазией. Будущее за гуманоидными роботами! роботу нужно видеть, говорить и слышать, для чего запущены работы по компьютерному зрению и распознаванию речи.

Примечательно, что этот период дал нам языки программирования, основанные на логике, а также такие инструменты, как экспертные системы. Экспертная система сочетает в себе базу знаний с автоматизированными рассуждениями. Представьте себе смену своего врача: начните с базы данных, содержащей все медицинские факты, клинические случаи, все тесты, и объедините их с некоторыми правилами, которые представляют процесс рассуждений настоящего врача.

Что ж, это 2019 год, и ваш врач, вероятно, не машина, но экспертные системы все еще занимают свою нишу в различных задачах автоматизации процессов.

Первая зима - 1974-1980 гг.

В 1970 году журнал Life Magazine цитировал исследователя искусственного интеллекта Марвина Мински.

«Через три-восемь лет у нас будет машина с общим интеллектом среднего человека».

В свою защиту Мински был сверхразумным инопланетянином по сравнению с остальными из нас, поэтому его представление о среднем человеке могло быть искажено.

В поисках интеллектуальных машин имело смысл обратиться за вдохновением к физиологии человека. Мы склонны использовать наш мозг, чтобы думать, а мозг состоит из больших переплетенных сетей нейронов (нервных клеток), поэтому, если мы смоделируем эти нейронные сети, у нас будет мыслящий компьютер, вот так !

Первая попытка смоделировать нейроны была предпринята в 1950-х годах так называемым перцептроном. В 1969 году Марвин Мински и Сеймур Паперт продемонстрировали определенные ограничения в перцептронах, что означало, что они в конце концов не очень полезны, что привело к первой зиме искусственного интеллекта. Оптимизм иссяк, а вместе с ним и финансирование.

Конечно, Минский был не единоличен. Ограниченные вычислительные мощности и данные означали, что многие хорошие идеи долгое время не могли быть реализованы на практике, а другие хорошие идеи просто еще не были придуманы.

Вторая зима - с 1987 по 1993 год

В 1980-х годах компьютеры превратились из огромных монолитов размером с комнату в удобные машины размером с настольный компьютер. ИИ снова стал крутым и увидел ряд приложений, от его использования в видеоиграх для создания сложных виртуальных противников до предприятий, внедряющих экспертные системы для автоматизации различных процессов.

Эта новая волна исследований ИИ в значительной степени была вызвана бизнесом, и к 1993 году деньги снова иссякли.

Полумодерн - с 1993 по 2010 год

Одним из наиболее важных достижений стало введение вероятности и случайности в ИИ, отчасти благодаря книге Джудеи Перл Вероятностное мышление в интеллектуальных системах. Не волнуйтесь; Я не заставлю тебя это читать.

Помните спам? В 90-е и в начале 2000-х это сводило всех нас с ума. Теперь это не проблема из-за того, что называется байесовским классификатором. Этот вид обнаружения спама позволяет узнать, как выглядит спам, на основе сообщений о спаме от людей. Он использует вероятностные рассуждения и работает очень хорошо. Почему до сих пор беспокоят спамеры - вопрос открытый.

Нейронные сети снова стали популярными. Предполагается, что они имитируют сети нервных клеток, из которых состоит наш мозг, и, как и наш мозг, нейронные сети могут научиться распознавать закономерности. Например, изображения кошек.

Наконец, возродился интерес к проблемам оптимизации. Предположим, вы - компания Amazon и хотите отправить как можно больше посылок, используя наименьшее количество фургонов, или у вас есть посменные рабочие и вы хотите заполнить все смены с наименьшими затратами. Для этих проблем часто невозможно найти идеальное решение, но мы можем предложить достаточно хорошие решения.

Генетические алгоритмы, вдохновленные эволюцией, - это один из подходов. Мы генерируем множество случайных решений, исключаем худшие и случайным образом изменяем лучшие. Со временем возможные решения становятся все ближе и ближе к идеальному.

Настоящий день

AI везде. Ваш почтовый ящик автоматически классифицирует электронные письма и заполняет ваш календарь, когда вы бронируете рейс, ваше фото-приложение понимает, что на ваших фотографиях, аэропорты используют распознавание лиц для проверки вашего паспорта.

Сегодняшнее распространение приложений искусственного интеллекта в значительной степени связано с наличием мощных компьютеров, в том числе мобильных устройств, но это также связано с популярностью облачных вычислений.

Облачный AI

Представьте, что вы хотите определить породу собаки по фотографии. Вы начинаете со сбора тысяч фотографий (отличный способ познакомиться с новыми собаками) и вручную маркируете эти фотографии правильной породой. Затем вы вводите эти данные в таинственный ящик ИИ, который создает нечто, называемое моделью.

Модель - это приз, который вы получаете за всю тяжелую работу по сбору и маркировке данных. Эта модель может идентифицировать новых собак, на которых она не была обучена.

Симпатично, но при чем тут облачные вычисления?

Google Фото может организовать ваши фотографии за вас. Он знает, находится ли фотография на улице, и есть ли на ней люди или животные. Это потому, что Google потратил годы на сбор и маркировку огромного количества фотографий, которые они использовали для обучения моделей.

Все основные поставщики облачных услуг предлагают предварительно обученные модели ИИ для классификации изображений, анализа текста и многого другого. Та же модель, что и в Google Фото, доступна через Google Cloud.

Облачный ИИ - это кратчайший путь к наличию в продукте полноценных возможностей ИИ. Использование работы, которую другие вложили в предварительно обученные модели, позволяет сэкономить много времени и денег.

Экзотические нейронные сети

С 50-х годов с нейронными сетями произошло многое. Возможно, вы слышали термин глубокое обучение. Обычно это означает использование очень больших нейронных сетей с очень большими наборами обучающих данных.

Еще один часто встречающийся термин - это сверточная нейронная сеть . Это специализированная нейронная сеть, разработанная на основе нашей собственной зрительной коры, которая популярна для визуальных приложений, таких как беспилотные автомобили или распознавание собак.

Этические соображения

Поскольку ИИ начал оказывать существенное влияние на жизнь людей, общественный дискурс стал уделять особое внимание этике.

Если бы вы подали заявление о приеме на работу и обнаружили, что за проверку приложений отвечает ИИ, вы бы стали ему доверять? Несколько лет назад Amazon опробовала эту идею для инженерных ролей, что привело к предубеждению против женщин. ИИ был обучен с использованием исторических решений, принятых людьми, поэтому компьютер принял человеческие предубеждения.

Когда ИИ принимает решения, влияющие на людей, очень важно учитывать, какие предубеждения могут на него повлиять.

Такие организации, как AI for Good UK, работают над тем, чтобы сделать отрасль более этичной. Параллельно предпринимаются попытки использовать ИИ во благо. Многие компании, занимающиеся ИИ, имеют инициативу ИИ во благо, в том числе и нашу.

Будущее

Оглядываясь на эту цитату Марвина Мински, трудно предсказать будущее ИИ. Мы переживаем бум искусственного интеллекта, который не может длиться вечно, но даже когда шумиха утихает, мы думаем, что ИИ здесь, чтобы остаться. Это связано с технологиями, которые мы используем ежедневно.

По мере повышения вычислительной мощности мы увидим более сложные модели ИИ, а облачные предложения ИИ как услуга сделают эти модели доступными для широкой аудитории.

Граничные вычисления открывают новые области применения. Edge просто означает «не в облаке», но это не так глупо, как кажется. Возможно, вы захотите обучить модель в облаке, где есть большие вычислительные мощности, и развернуть эту модель на устройстве с ограниченной мощностью и полосой пропускания. Подумайте об умных камерах, контролирующих заводское оборудование.

Еще одна вещь, за которой следует следить, - это объяснимый ИИ. Это идея о том, что ИИ должен иметь возможность объяснять себя, когда принимает решение. Прямо сейчас модели, которых мы обучаем, дают нам ответ, например: «Эта собака - бордер-колли», но не могут объяснить почему. Объясняемый ИИ решает некоторые этические проблемы, а также упрощает отладку и улучшение наших моделей.

Но на самом деле, что такое ИИ?

Любопытно то, что как только исследовательская идея превращается в полезную технологию, широкая публика перестает воспринимать ее как искусственный интеллект. Например, фильтрация спама кажется такой простой, в то время как «ИИ» звучит так изощренно.

Может быть, что отличает ИИ, так это способность учиться и обобщать? Ах, но ИИ все еще был запрограммирован на обучение. В конце концов, это всего лишь программное обеспечение.