ВВЕДЕНИЕ / ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Что такое искусственный интеллект (ИИ)? : Простое подробное введение для чайников

Устранение путаницы: различия AI, ML и DL

Авторы Йогеш Котия и Адити Котия

Искусственный интеллект (ИИ) - это область, которая имеет долгую историю, но все еще постоянно и активно растет и меняется. С момента изобретения компьютеров или машин их способность выполнять различные задачи росла в геометрической прогрессии. Люди развили мощь компьютерных систем с точки зрения их разнообразных рабочих областей, их увеличивающейся скорости и уменьшения размера во времени. В этом блоге мы рассмотрим простое определение современного ИИ и его проблем. Мы также внимательно рассмотрим разницу между AI, ML и DL.

Что такое ИИ простыми словами?

Кратчайшее определение ИИ может быть таким:

Короче говоря, машины, обладающие когнитивным интеллектом, действуют как люди.

Проще говоря, искусственный интеллект (ИИ) относится к моделированию человеческого интеллекта в машинах, которые запрограммированы думать, как люди, и имитировать их когнитивные действия. Он включает обучение, рассуждение, решение проблем и восприятие. Другими словами, создание машины, способной понимать окружающую среду, понимать проблему и действовать разумно в соответствии с ситуацией. По сути, заставляющие машины принимают решения, как люди, и в какой-то момент превосходят их.

Объясняя ИИ детям

Объяснять многим такую ​​сложную и мощную технологию может быть непросто. Следовательно, крайне необходимо приуменьшить значение ИИ, проводя аналогии с реальной жизнью.

Фантастический пример Майкла Милфорда, автора Полного руководства по искусственному интеллекту для детей

«У многих людей, например, есть домашняя собака, и они, возможно, даже в молодом возрасте пытались приучить свою собаку к трюкам. Обучение искусственного интеллекта… очень похоже на этот процесс ». Майкл Милфорд [4]

Тогда что такое машинное обучение (ML)?

Машинное обучение: программы, которые меняют себя

Подмножеством искусственного интеллекта является машинное обучение, которое относится к концепции, согласно которой компьютерные программы могут автоматически учиться и адаптироваться к новым данным без помощи человека.

А как насчет глубокого обучения (DL)?

Глубокое обучение: больше точности, больше математики и больше вычислений

Глубокое обучение - это основная подгруппа машинного обучения. В основном он используется, когда необходимо иметь дело со сложностью реального мира. Методы глубокого обучения обеспечивают автоматическое обучение (функции) на огромных объемах неструктурированных данных, таких как текст, изображения, аудио (речь) или видео.

AI vs ML vs DL

Машинное обучение против традиционного программирования

Что такое обучение с подкреплением (RL)?

Обучение с подкреплением - это целенаправленное обучение. Это очень похоже на то, как люди учатся: через испытания. То есть вместо того, чтобы пытаться классифицировать или кластеризовать данные, вы определяете, чего хотите достичь, какие показатели вы хотите максимизировать или минимизировать, а агенты RL узнают, как это сделать. Он не является взаимоисключающим с глубоким обучением, а скорее является структурой, в которой нейронные сети могут использоваться для изучения взаимосвязи между действиями и их вознаграждением. В совокупности это называется глубокое обучение с подкреплением, в котором DeepMind успешно обучался игре в го, многочисленным видеоиграм и более сложным задачам в реальной жизни.

Давайте СНОВА разберемся с ИИ непрофессионалами !!!

Предположим, что ИИ (искусственный интеллект) - это машина 🚗 . Тогда машинный интеллект - это топливо ⛽ , которым он управляется.

Это не единственный единственный компонент, который позволяет машине двигаться, но это один из наиболее важных компонентов. Концепции машинного обучения помогают системам создавать искусственный интеллект.

Системы, работающие на основе машинного обучения, учатся сами, а затем принимают решения. Это цель искусственного интеллекта:

Эти методы включают логику и рассуждение, запоминание, правила и ограничения, расчетные подходы (статистические и математические подходы), инкрементное обучение и т. Д. Важно отметить, что большинство существующих сегодня методов предназначены для решения одной задачи или отдельная задача с несколькими взаимосвязанными задачами. Если нам нужно решить множество задач с помощью одной машины, эти методы попадут в категорию под названием Общий искусственный интеллект.

Лучший пример понимания современной искусственного интеллекта - это Самостоятельные автомобили.

Это одно из приложений искусственного интеллекта, но если мы посмотрим на все компоненты, то машинное обучение и глубокое обучение - это то, что позволяет достичь искусственного интеллекта. Например, приложения на основе компьютерного зрения (DL), которые идентифицируют объекты, такие как другие автомобили, светофоры, доски, пешеходные дорожки, люди, переходящие улицу и т. Д., И приложения на основе машинного обучения, которые могут предсказать, как скоро в автомобиле закончится топливо. в зависимости от расстояния до пункта назначения и загруженности дорог.

ИИ - это хорошо или плохо для общества?

Первое, о чем мы думаем, когда думаем об ИИ, - это «Опасен ли ИИ?», «Является ли ИИ угрозой для нас?», «Реальные риски ИИ »,« Негативное влияние искусственного интеллекта »и т. д. Однозначно, мы не говорим о тех злых роботах, которые собираются захватить мир. Давайте поговорим о наиболее часто задаваемом вопросе: «Как ИИ отнимет или создаст новые рабочие места?»

90% беднейших слоев населения, особенно 50% беднейших слоев населения мира с точки зрения доходов или образования, серьезно пострадают от увольнения с работы… Простой вопрос, который нужно задать: «Насколько рутинна работа?» И вот насколько вероятно [это] работа будет заменена ИИ, потому что ИИ может в рамках рутинной задачи научиться оптимизировать себя. И чем больше количественно, тем более объективна работа - разделение вещей по корзинам, мытье посуды, сбор фруктов и ответ на звонки в службу поддержки - это во многом повторяющиеся и рутинные задачи по сценарию. Через пять, 10 или 15 лет они будут вытеснены ИИ.

Что такое AI сегодня? (Что дальше в AI?)

Итак, как можно использовать искусственный интеллект в будущем? Трудно сказать, как будет развиваться технология, потому что эта область развивается очень быстрыми темпами, но большинство экспертов считают, что эти «здравые» задачи становятся еще проще для компьютеров. Это означает, что роботы станут чрезвычайно полезными в повседневной жизни.

От этих простых рутинных задач до высокоточных и невыполнимых задач (до сегодняшнего дня) - вот где используется ИИ. Беспилотные автомобили, роботы на базе искусственного интеллекта, выполняющие критические операции, и т. Д.

Проблемы искусственного интеллекта

Вычислительная мощность

Алгоритмы / архитектура глубокого обучения, требовательные к данным, становятся сложными, поэтому для эффективной работы требуется постоянно увеличивающееся количество ядер и графических процессоров. Можно использовать системы облачных вычислений и параллельной обработки, но за это стоит цена, которая отпугивает разработчиков. Следовательно, ИИ не очень хорошо применяется для таких приложений, как открытие лекарств, отслеживание астероидов, отслеживание космических тел и многое другое. Это также ограничивает малые и средние организации в использовании ИИ.

Необъяснимо

«Черный ящик» загадочности ИИ вызывает у нас наибольший страх. Мы не чувствуем себя комфортно, когда не понимаем причины принятого решения или не понимаем, как устранять неполадки при возникновении проблем. Следовательно, это создает проблемы с доверием и делает его ненадежным, когда ИИ используется для чувствительных задач, что, в свою очередь, может вызвать юридические проблемы.

Конфиденциальность и защита данных

Основная причина того, что ИИ так силен, - это доступность данных и ресурсов для их обучения. Каждый день по всему миру создается квинтиллион байтов данных (число, равное 1, за которым следуют 18 нулей), и при слабом и плохом управлении данными такие проблемы, как утечки данных, могут увеличить шансы использования ИИ в неправильных целях. Следовательно, этика данных является основой ИИ, которая включает информированное согласие, конфиденциальность и безопасность данных, право собственности, объективность и прозрачность.

Проблема смещения

AI питается высококачественными сбалансированными данными. Недостаточные, плохие и предвзятые данные приведут к необъективным результатам, которые определяют характер и характеристики ограниченного числа людей с общими интересами на основе религии, этнической принадлежности, пола, общины и других расовых предубеждений. Многие серьезные проблемы невозможно решить сегодня из-за предвзятости или отсутствия данных. Кроме того, из-за законов о данных трудно использовать локальные данные для создания объективных решений AI.

Редкие и дорогие ресурсы

Искусственный интеллект все еще относительно новый, и большая часть отрасли все еще думает о его внедрении. Кроме того, существует нехватка навыков, поскольку для развертывания технологий искусственного интеллекта требуются такие специалисты, как специалисты по обработке данных, инженеры по обработке данных и другие МСП (эксперты в предметной области). Из-за нехватки собственных специалистов обучение или привлечение дополнительных ресурсов обходится дорого. Это создает дополнительную нагрузку на существующие бюджеты или создает необходимость убедить корпоративное руководство инвестировать большие суммы в разработку и инфраструктуру ИИ, что они могут не захотеть делать, если результаты еще не доказаны. Отсутствие технических ноу-хау ограничивает внедрение ИИ в большинстве организаций.

Обучение в конкретной ситуации

Поскольку большинство приложений обучены для выполнения определенных задач (называемых «прикладным ИИ»), они не могут переносить полученные знания из одной ситуации в другую. В отличие от людей может использовать свой опыт в других ситуациях. Мы далеки от обобщенного ИИ, который может перейти к любой задаче, похожей на человека.

Мы находимся в четвертой промышленной революции, когда у нас больше данных, чем когда-либо прежде, что позволяет ИИ с интуицией человеческого уровня и вычислительной мощностью машин решать насущные социальные проблемы. Насколько мы восхищены потенциалом ИИ. Мы также рассмотрели фактическое значение, различия и ограничения технологии.

Если вам нравится то, что мы делаем, и вы хотите узнать больше о нашем сообществе 👥, рассмотрите возможность поделиться, подписаться на него и присоединиться к нему. Это полностью БЕСПЛАТНО.

Кроме того, не забудьте выразить свою любовь ❤️ хлопком перед этой статьей и сообщить нам свое мнение 💬 в комментарии.

Присоединяйтесь сюда: https://blogs.colearninglounge.com/join-us