Что вы представляете в первую очередь, когда слышите «Искусственный интеллект». Большинство людей верят в ходы и думают, что все дело в человекоподобных роботах, которые были полезны людям для всех задач, но теперь они думают, что люди бесполезны, и намереваются уничтожить мир.
Итак, что такое искусственный интеллект (ИИ)? ИИ — это интеллект, демонстрируемый машинами. Это позволяет компьютерам действовать как люди, то есть «искусственно», копируя их поведение и природу. Это область исследования, которая дает компьютерам возможность учиться без явного программирования.
ИИ не предназначен для замены людей; его целью является улучшение и поддержка задач, выполняемых людьми. ИИ — это наука о том, как создавать компьютеры, которые выполняют некоторые задачи, с которыми в настоящее время люди справляются лучше, и некоторые задачи, которые люди не могут выполнить или на которые уйдет много времени.
Проблемы с ИИ
Какие проблемы может решить ИИ? Первые работы в этой области включали формальные задачи, такие как игры и решение математических теорем. Игры включали шашки и шахматы, в которых компьютер не только играл против противника, но и получал опыт, учился у противника, чтобы улучшить свои результаты в следующей игре. Он также использовался для решения нескольких математических теорем. Например, Deep Blue компьютер, играющий в шахматы. Он был разработан IBM. Это был первый компьютер, выигравший и партию, и шахматный матч против действующего чемпиона мира с постоянным контролем времени.
Другая проблема, на которой сосредоточился ИИ, называлась здравым смыслом. Это включало решение повседневных проблем, рассуждения о физических объектах, действиях и логических выражениях. Выполнялись только простые задания.
Исследования ИИ перешли к проблеме восприятия (зрение и речь). Понимание, генерация и перевод человеческих языков, которые используются для общения, компьютером называется обработкой естественного языка. В этом поле основное внимание уделяется пониманию контекста слов, используемых в предложении, и анализу настроений.
Проблемы, которые мы обсудили, являются мирскими задачами, но есть проблемы, которые связаны со специализированными задачами, требующими опыта. Такие экспертные задачи включают инженерное проектирование, научные открытия, медицинскую диагностику и финансовое планирование.
Обсуждаемые проблемы ИИ перечислены ниже:
Обыкновенные задачи
- Восприятие: зрение и речь
2. Естественный язык: понимание, создание и перевод
3. Здравый смысл
4. Управление роботом
Формальные задачи
- Игры: шахматы и шашки
2. Математика: геометрия, логика, интегральное исчисление и доказательство свойств программ.
Экспертные задачи
- Инжиниринг: поиск неисправностей, проектирование, планирование производства и научный анализ.
- Медицинский диагноз
- Финансовый анализ
Критерии успеха
Каковы критерии успеха? Как мы узнаем, создали ли мы разумную машину? Алан Тьюринг, отец ИИ, предложил тест, чтобы определить, может ли машина думать, и этот метод называется тестом Тьюринга.
Для проведения теста один человек становится следователем и сидит в комнате, а другой человек и компьютер находятся в отдельной комнате. Следователь задает вопросы либо человеку, либо компьютеру, но не знает их реальной личности, он знает их как А и Б. Следователь получает напечатанные ответы, и его цель — определить, кто является человеком, а кто — машиной. В то время как задача машин — заставить следователя поверить в то, что это человек.
Это был старый метод, и в основном он фокусировался на том, является ли машина разумной или нет. В настоящее время успех модели можно измерить с помощью любого из множества доступных показателей производительности в зависимости от применения модели ИИ.
Вы можете ознакомиться с моей статьей о различных метриках производительности здесь.
Типы ИИ
Есть 3 стадии ИИ: Слабый ИИ, Сильный ИИ и Супер ИИ.
Слабый ИИ (искусственный узкий интеллект) — это стадия, на которой машина выполняет только узко определенные задачи. Он запрограммирован на выполнение одной задачи, будь то проверка погоды, анализ необработанных данных для написания журналистских отчетов или возможность играть в шахматы.
Сильный ИИ (общий искусственный интеллект) — это стадия, на которой машина может думать и принимать решения, как люди; здесь знания из одной области переносятся в другую область. Сильный ИИ — это тот тип, который мы видим в научно-фантастических фильмах, таких как ДЖАРВИС в «Железном человеке», в котором люди взаимодействуют с машинами, обладающими сознанием и движимыми эмоциями и самосознанием.
СуперИИ (искусственный суперинтеллект) — это стадия, на которой интеллект ИИ превышает интеллект человека, эта ситуация гипотетична и встречается только в фильмах и книгах. Люди верят, что этот тип ИИ будет контролировать или убивать всех людей, как мы видим в фильмах, где робот становится злым и планирует убить человеческую расу.
Мы также слышим два термина наряду с искусственным интеллектом, машинным обучением (ML) и глубоким обучением (DL). ML — это подмножество ИИ; Проще говоря, это поле, в котором мы передаем данные машине, и она учится сама, находя закономерности. Глубокое обучение — это подмножество машинного обучения, в котором аналогичный алгоритм машинного обучения используется для обучения глубокой нейронной сети, которая использует несколько слоев для достижения большей точности.
Потребность ИИ в традиционных методах
Потребность в искусственном интеллекте по сравнению с традиционным программированием растет день ото дня. Традиционное программирование означает любую программу, в которой пользователь вводит данные и правила и получает результат вывода или ответы; здесь правила заранее известны, а затем запрограммированы. С другой стороны, машинное обучение требует данных и результатов (ответов) в качестве входных данных, где машина учится на данных и выдает правила в качестве выходных данных. Преимущество ИИ заключается в том, что отпадает необходимость в специальном написании кода для каждой новой проблемы, ИИ сможет учиться на данных, и для аналогичных данных можно использовать одну и ту же модель.
Введение в машинное обучение
Машинное обучение — это разновидность искусственного интеллекта (ИИ), в которой компьютеры автоматически учатся и совершенствуются на основе опыта без явного программирования. Алгоритмы машинного обучения подразделяются на контролируемое, неконтролируемое или обучение с подкреплением.
Обучение с учителем — это такой тип обучения, при котором мы обучаем нашу модель на помеченном наборе данных, что означает, что у нас есть данные, а также ответы, правильные результаты. Мы разделили набор данных на набор данных для обучения и тестирования, где тестовые данные будут действовать как новые данные для обученной модели для измерения производительности нашей модели. Он делится на два типа задач: регрессия и классификация.
Регрессия. Проблема регрессии возникает, когда выходная переменная представляет собой реальное непрерывное значение, например цену дома или прогноз цены акций.
Классификация. Проблема классификации возникает, когда выходная переменная относится к категории, например «опухоль» или «не опухоль», «кошка» или «собака».
При обучении без учителя данные, используемые для обучения модели, не помечены, то есть мы не знаем правильного результата или ответа. Этот тип обучения находит закономерность или сходство между данными и группирует похожие образцы вместе. Обычно мы используем алгоритмы кластеризации, которые объединяют похожие объекты в кластеры.
Алгоритмы обучения с подкреплением учатся самостоятельно реагировать на окружающую среду. Существует обучающий агент, который получает вознаграждение в случае успеха и штраф в случае неудачи. Таким образом, агент учится у окружающей среды. Например, модель играет в игру, в которой выполнение задания определенным образом приведет к увеличению счета, а неправильное выполнение задания приведет к уменьшению счета или окончанию игры. Модель научится играть в игру самостоятельно, как учится ребенок.
Применение ИИ в повседневной жизни
ИИ нашел применение в нашей повседневной жизни от Google фотографий до Netflix. Возможно, вы помните, что Google Photos группирует ваши фотографии по людям. Таким образом, в основном распознается лицо человека, а затем с помощью поиска изображений он собирает все другие изображения, на которых присутствует этот человек, и группирует эти фотографии вместе. Недавно Google рассказал о своей функции «Кинематографические моменты», используя нейронные сети, чтобы склеить две почти идентичные фотографии, чтобы создать анимированную версию сцены. Таким образом, это даст жизнь вашим фотографиям.
Netflix узнает больше о ваших предпочтениях каждый раз, когда вы что-то смотрите на нем. Система рекомендаций Netflix учится на данных, собранных на основе настроений или жанров фильмов/шоу, которые вы смотрели, и прогнозирует похожие элементы, которые вам нужны, на основе ваших данных. Таким образом, чем больше времени вы проводите на Netflix, тем больше вы тренируете его систему, чтобы рекомендовать вам другие отличные часы.
Каждый сайт, будь то реклама в Facebook, Instagram или Google, использует ваши данные для таргетинга рекламы. Отображаемые объявления основаны на ваших интересах, поэтому больше из вас нажимают на объявления, тем самым увеличивая доход. Классификация спама по электронной почте также использует ИИ.
Приложения для видеоконференций, которые ежедневно используются в условиях пандемии, используют сегментацию изображения, чтобы отличать вас от вашего фона и помогают более эффективно применять фоновые эффекты. ИИ повсюду вокруг нас. Итак, я предлагаю вам пройти Курс Эндрю Нг по машинному обучению, если вы интересуетесь ИИ и хотите узнать больше об этой области.
