Искусственный интеллект — за гранью шумихи
Идеи и прогнозы, которые могут делать машины, начинают оказывать большое влияние на такие области, как мобильность, здравоохранение, энергетика и климатическая информатика.
Тем не менее, сохраняется высокий уровень неопределенности в отношении того, как искусственный интеллект применяется для решения реальных проблем. По мере того, как технология «демократизируется» и становится доступной все большему числу людей, возрастает потребность развеять основные мифы, окружающие эту тему.
Так что давайте сделаем шаг назад, чтобы идти вперед.
Математика не магия
Возобновление интереса к искусственному интеллекту обусловлено несколькими факторами. Алгоритмы в качестве основы для ИИ не новы, но существенное улучшение возможностей обработки и хранения данных.
Другой фактор — вычислительная мощность; когда мы впервые определили эти математические модели, мы не могли применить их для использования на стандартных предприятиях, для этого требовались супервычислительные возможности.
Вычислить
Затем следует появление облака.
Amazon запустила свой облачный сервис в 2006 году, который предоставлял высокоэластичные и масштабируемые вычисления любому, у кого есть кредитная карта. Хотя это обеспечивало вычисления по запросу, параллельно велось исследование того, можно ли использовать аппаратное обеспечение специального назначения для ускорения обработки, необходимой для ИИ.
В 2009 году профессор Эндрю Нг из Стэнфордского университета использовал графические процессоры (GPU), а не центральные процессоры, для обучения моделей глубокого доверия более чем в 70 раз быстрее, чем процессоры. Мы должны поблагодарить игровое сообщество за GPU, специализированный компьютерный чип, используемый для рендеринга 3D-графики, который в равной степени подходит для векторной и матричной математики, необходимой для обучения нейронных сетей.
В конечном счете, в основе машинного обучения лежит математическая модель. Речь идет о машинах, способных запускать алгоритмы, способные обрабатывать миллионы данных и запускать их через нейронную сеть. Без графических процессоров это может занять месяцы или даже годы.
Однако, несмотря на этот прогресс, ИИ по-прежнему оставался прерогативой крупных технологических компаний.
Доступность фреймворков
За последние несколько лет Amazon, Google, Microsoft и Facebook открыли исходный код ряда сред машинного обучения, таких как TensorFlow, PyTorch и Cognitive Tool Kit. Сочетание этих технологий и фреймворков, графических процессоров и возможностей обработки данных сделало ИИ доступным для всех.
Вы можете спросить: «Зачем они это сделали?» В конечном счете, крупные поставщики технологий пытаются продавать облачные сервисы, а раздача этих инструментов требует использования их сервисов для реализации ИИ.
Теряя контроль
Опасно отвлекаться на разработки, распространяющие определенные мифы об ИИ, например страх потерять контроль над компьютерными системами.
Эта динамика очевидна в случае с Google Duplex, системой искусственного интеллекта для выполнения реальных задач по телефону, например, для назначения телефонных встреч. В соответствии с инструкциями пользователя облачное приложение набирает номер телефона и поддерживает голосовой разговор с человеком на другом конце, который не может понять, что разговаривает с машиной.
На самом деле ИИ лучше всего работает в узких обстоятельствах, когда применяется к конкретным проблемам. Если в этом разговоре человек, назначавший встречу, сказал: «Вы смотрели матч вчера вечером?», машина не смогла бы ответить, потому что у нее нет общего интеллекта.
Создание широкой системы искусственного интеллекта, то есть действительно хорошей для преобразования текста в речь или обработки естественного языка и распознавания изображений, требует различных архитектур ИИ. Это вносит сложность, поэтому с практической точки зрения мы склонны сосредотачиваться на конкретных случаях использования, то есть на узком ИИ.
Когда компании применяют ИИ, им действительно следует рассмотреть вариант использования, а затем убедиться, что они выбирают архитектуру нейронной сети и технику, наиболее подходящие для него.
Лучше и удобнее
Если взять в качестве примера финансовые услуги, учитывая информацию о нас, которую имеют банки, то то, что они предлагают, носит довольно общий характер — это не касается нас как отдельных лиц.
С другой стороны, они могли бы использовать информацию из различных точек данных, чтобы сделать жизнь более удобной, выявляя закономерности в наших транзакциях. Применение искусственного интеллекта к нашим данным может помочь нам быстрее погасить ипотечные кредиты или получить более высокую прибыль на свободные деньги.
Фактически, одной из областей роста является робот-консультант, который использует алгоритмы для демократизации методов управления капиталом, ранее доступных только состоятельным людям.
Вывод
ИИ может помочь компаниям стать умнее и приносить реальную пользу для бизнеса, но пришло время выйти за рамки шумихи.
В EY искусственный интеллект влияет как на отрасли наших клиентов, так и на нашу собственную организацию, поэтому мы фокусируемся на применении ИИ для решения конкретных бизнес-задач.
Узнайте больше об инновациях в EY.
Статья была впервые опубликована на ey.com
Отказ от ответственности. Представленные в этой статье взгляды принадлежат автору, а не EY Ireland.
