Признай это. Когда вы задаете Siri вопрос, и она дает правильный ответ, какая-то часть вас улыбается, удивляясь мысли о том, что вы только что разговаривали с машиной. И она — не она — тебя поняла.

Несмотря на то, что Apple представила своего виртуального помощника с голосовой активацией в 2011 году, он по-прежнему ощущается как немного волшебства.

Нашему обществу всегда был интересен искусственный интеллект (ИИ), но в последние несколько лет этот интерес резко возрос. Он стал неотъемлемой частью основных развлечений, таких как популярные фильмы и телешоу, такие как Бегущий по лезвию 2049, Она, Черное зеркало и Мир Дикого Запада. все представляют свое видение будущего, которое разделят с машинами. В современном мире ИИ все больше и больше влияет на нашу личную и профессиональную деятельность — помимо Siri, Alexa или Google Home. Мы все больше полагаемся на машины, чтобы отслеживать, организовывать и находить смысл в нашей напряженной жизни.

Но когда вы слышите, как люди выбрасывают такие термины, как искусственный интеллект, машинное обучение и глубокое обучение, может начать казаться, что вам нужна степень в области компьютерных наук, чтобы отслеживать весь жаргон.

Что такое ИИ на самом деле? Означают ли ИИ и машинное обучение одно и то же? Неужели все это просто модные словечки 21 века для роботов, которые приходят, чтобы украсть рабочие места?

Обеспечение ясности в отношении того, что такое ИИ и почему люди говорят о нем, может помочь вам понять, как он может быть полезен для вашей компании. Итак, вот он: ускоренный курс по ИИ, который вы хотели бы пройти, прежде чем отправиться в кроличью нору Google.

Что такое ИИ?

В общих чертах, искусственный интеллект (ИИ) — это отрасль информатики, которая работает над созданием машин, имитирующих человеческий интеллект. Приложения искусственного интеллекта (то есть машины) способны выполнять задачи, которые ранее выполнял человек, но часто быстрее и в большем масштабе.

Кажется, что у всех разное представление об ИИ, что, вероятно, связано с тем, что оно постоянно меняется по мере развития технологий (у Forbes есть полная хронология истории ИИ). То, что 30 лет назад или даже пять лет назад считалось искусственным интеллектом, теперь является ожидаемой технологией.

Например, когда ваш Netflix рекомендует список романтических комедий с сильными женскими персонажами — это ИИ в действии. Когда Facebook предлагает, каких друзей отметить на вашей фотографии — бум, искусственный интеллект. Когда WebMD берет ваши симптомы простуды и выдает диагноз верной смерти — тоже ИИ, но, возможно, неправильный подход к медицинскому обслуживанию. Человек не выбирает ваши результаты вручную; программа ИИ использует огромное количество данных, чтобы найти наилучшее совпадение на основе того, что она знает о вас.

Поскольку эти приложения настолько распространены, вы не думаете о них как об ИИ. Вместо этого этот термин может напомнить о более сложных виртуальных помощниках, которые могут выполнять несколько различных функций на одной платформе, таких как Siri или Alexa. Но термин ИИ довольно широк и включает в себя машины, выполняющие очень узкий набор задач, а также те, список которых постоянно растет.

Позже мы подробнее коснемся этих двух типов ИИ.

Почему ИИ сейчас так популярен?

Популярность ИИ падала и терялась в течение последних 50 лет или около того, с тех пор, как термин «искусственный интеллект» был впервые придуман в Дартмуте в 1956 году. практические приложения, о которых мечтали люди. К сожалению, C3PO все еще был вне досягаемости. Теории были, а технологии нет.

Есть две основные причины, по которым ИИ вернулся и останется здесь:

Больше силы

Человеческое мышление — это, по сути, распознавание образов, которое связывает миллионы нейронов в нашем мозгу с помощью так называемых биологических нейронных сетей. Идея искусственного интеллекта заключается в создании системы, вдохновленной этими нейронными сетями. Но поскольку в человеческом мозгу миллиарды нейронов и триллионы взаимосвязей, построить искусственный мозг не только сложно, но и требуется много энергии для его работы.

Графические процессоры (GPU), разработанные для обработки всей потрясающей графики в видеоиграх и не только, дали нам больше вычислительной мощности и сделали эту мощность широко доступной и недорогой. Это означает, что машины, которыми мы пользуемся каждый день, способны обрабатывать большой объем информации за короткое время. Мигайте. Это сделано. Даже сотовые телефоны теперь способны запускать алгоритмы, поддерживающие искусственный интеллект, такие как Siri и Alexa, и этот список только растет.

Больше данных

Здесь мы говорим о «больших данных». Благодаря развитию и росту новых интернет-платформ, таких как Twitter, Facebook, Google Analytics и наших любимых приложений, наше глобальное сообщество собирает, обрабатывает, создает и хранит больше данных, чем когда-либо прежде. Средства для этого есть везде и всегда. Сотовые телефоны, автомобили, фитнес-трекеры — все они предоставляют огромные объемы данных, которые машины должны изучать даже удаленно, как это делает человек. Эти большие данные питают созданные нами мощные машины и делают их еще более полезными.

Новая эра искусственного интеллекта обусловлена ​​этим увеличением вычислительной мощности и объема данных, которые помогли открыть новое направление в этой области: машинное обучение.

ИИ против машинного обучения

Машинное обучение и ИИ часто используются взаимозаменяемо. Хотя эти термины связаны, технически это не одно и то же. Машинное обучение — это разновидность ИИ. Идея состоит в том, что вместо обучения или программирования машины с миллионами строк кода вы предоставляете ей доступ к данным, чтобы она могла учиться самостоятельно.

ИИ – это пункт назначения; машинное обучение — это текущий путь, которым мы идем к этому.

Глубокое обучение — это ветвь машинного обучения, позволяющая создавать модели, фиксирующие более сложные отношения в данных. Например, алгоритмы глубокого обучения — это технология, обеспечивающая компьютерное зрение (например, распознавание изображений), то, как приложение видит и интерпретирует изображения. Это то, как приложение Facebook может просмотреть все ваши фотографии и узнать, являетесь ли вы собачником или кошатником.

Как мой бизнес должен относиться к ИИ?

Многие компании стремятся присоединиться к ИИ. Его кажущийся безграничным потенциал привлекателен, но также представляет собой проблему: как сузить его и применить такую ​​новую технологию практически и продуктивно?

Мы знаем, что сесть на поезд, который останавливается на каждой остановке, будет не так эффективно, как найти экспресс, который следует только до нужного пункта назначения. Поэтому вполне логично, что самые успешные инструменты искусственного интеллекта нацелены на решение конкретной проблемы в вашем бизнесе. Вот где вы начинаете. В чем проблема? Какие ИИ предлагает целевые решения?

Один из способов не сбиться с пути — рассматривать ИИ как две отдельные вещи: общий ИИ и прикладной ИИ.

Приложения Общий ИИ работают так же, как и человеческий интеллект, а возможно, и превосходят его. Они универсальные, универсальные инструменты. Теоретически это приложение могло бы назначить стартовую встречу в модном ресторане в центре города, предсказать рост фондового рынка и вести увлекательную беседу о том, действительно ли последний эпизод Черного зеркала правдоподобен. Все, что вам нужно, он может сделать.

Концепция великолепна, но надежное применение технологии все еще находится в стадии разработки — и многие предсказывают, что на ее полную реализацию уйдет еще 20, 30, 50 с лишним лет. Вот почему вы не используете Siri для чего-то большего, чем поиск погоды. Она интересна в теории, но разочаровывает на деле.

Приложения Прикладной ИИ имеют определенную цель или набор целей. Они специалисты. Некоторые из наиболее успешных приложений обучены выполнять одну основную задачу, например, отвечать на вопросы клиентов. Хотя технология может измениться, чтобы улучшить то, как ИИ отвечает на вопросы, сама задача остается прежней. Одна проблема, одно решение.

Прикладной ИИ используется для работы ряда приложений или инструментов, включая интеллектуальные термостаты (например, Nest), рекомендации по электронной коммерции (на таких сайтах, как Amazon) и чат-боты (например, Ada Bot от Coinbase). .

Подход Ады к ИИ

Наша цель в Ada — предоставить ИИ-приложение для групп поддержки клиентов, которое будет простым в использовании, быстрым в развертывании и очень точным. Чтобы попасть в каждую из этих контрольных точек, искусственный мозг, питающий нашу платформу, должен быть специалистом. Почему? В то время как универсалы могут хорошо делать много вещей, специалисты овладели своим ремеслом. Предлагая этот уровень опыта за кулисами, мы даем нашим клиентам свободу сосредоточиться на своем ремесле, взаимодействуя с клиентами за кулисами.

Мы в Ada считаем, что добавление специалиста в вашу команду — это способ получить максимальную отдачу от ИИ.

В то время как более обобщенный ИИ является захватывающим примером, который показывает нам, насколько далеко мы можем раздвинуть границы того, что могут сделать технологии, прикладной ИИ использует эту силу и делает ее практичной.

Наше программное обеспечение берет всю сложность машинного обучения и превращает его в мощную платформу, которую может использовать любой нетехнический специалист. Такой целенаправленный подход позволяет нашим клиентам делать одну вещь очень и очень хорошо: сократить количество запросов клиентов по телефону, электронной почте и в чате.

С помощью машинного обучения Ада разработала удобную платформу, которая позволяет создавать и обучать чат-бота, чтобы он стал вашим виртуальным агентом, снижая нагрузку на ваших агентов-людей. С помощью чат-бота с искусственным интеллектом ваши клиенты получают быстрые и понятные ответы на простые вопросы и запросы. Это позволяет вашей команде поддержки клиентов сосредоточиться на более сложных и деликатных вопросах, требующих участия человека.

Одна проблема. Одно решение. И мы занимаемся всей магией ИИ между ними.

Первоначально опубликовано на ada.support.