Искусственный интеллект, машинное обучение, глубокое обучение, и что все это значит

Понимание технологий искусственного интеллекта и того, как они ведут к созданию умных приложений

Уэйн Томпсон (Wayne Thompson), Хой Ли (Hui Li) и Элисон Болен (Alison Bolen)

Технологии искусственного интеллекта (ИИ) открывают перспективу естественного взаимодействия человека с машиной. Если машины станут интеллектуальными, они будут понимать запросы, выявлять взаимосвязи между данными и делать выводы. Они смогут рассуждать, наблюдать и планировать. А что, если…

  • Завтра вам нужно поехать в командировку? Ваше интеллектуальное устройство автоматически предоставит вам прогноз погоды в месте назначения и оповестит о возможных проблемах с транспортом.
  • Вы планируете торжество по случаю дня рождения? «Умная» программа-бот поможет разослать приглашения, забронировать места и напомнит, что нужно забрать торт из кондитерской.
  • Готовите кампанию прямого маркетинга? Интеллектуальный помощник сможет интуитивно сегментировать ваших клиентов для целенаправленной рекламы и поможет достичь более высокого коэффициента реагирования.

Разумеется, речь идет не о роботах-дворецких. Это все-таки не голливудский фильм. Но в последнее время мы вышли на новый уровень познания в области технологий искусственного интеллекта, которые существенно упрощают нашу жизнь.

Здесь стоит разобраться. Если вы все еще неуверенно чувствуете себя в темах искусственного интеллекта, машинного обучения, глубокого обучения, и как они между собой связаны - задавайте вопросы. Такое нередко бывает. И мы хотим вам помочь.

В этой статье мы расскажем об основных компонентах искусственного интеллекта и опишем, как разные технологии, объединившись, помогли развить интеллектуальные способности машин.

Вычислительные достижения искусственного интеллекта

Какие блоки есть у ИИ? Как компьютеры могут взаимодействовать и общаться с людьми? Узнайте об этом на нашем вебинаре.

Автоматизация аналитики с помощью искусственного интеллекта (ссылка)

История создания искусственного интеллекта и машинного обучения

Откуда же возник ИИ? Он развивался постепенно: между появлением первых электронных шахмат и выпуском автомобилей с автопилотом прошел не один десяток лет. Эта научная область зародилась в сфере военных исследований и статистики, в нее также влились определенные знания из философии, психологии, математики и когнитивистики — науки о познании. Изначально искусственный интеллект создавался, чтобы сделать компьютеры более полезными и способными к независимым рассуждениям.

Историки, как правило, связывают зарождение ИИ с Дартмутским научным семинаром 1956 года, на котором обсуждались символьные методы и решение проблем. В 60-х годах это направление привлекло интерес Министерства обороны США: американских военных увлекла идея сделать принципы работы компьютеров более схожими с мыслительной деятельностью человека.

Управление перспективных исследовательских проектов Министерства обороны США (DARPA) в 70-х годах выполнило ряд проектов по созданию виртуальных уличных карт. Кроме того, в 2003 году специалистам DARPA удалось создать интеллектуальных личных помощников, это произошло задолго до начала работ по подобным проектам в компаниях Google, Amazon и Microsoft.

Эти работы проложили путь к использованию принципов автоматизации и формальной логики, применяемых в современных компьютерах.

Машинное обучение и глубокое обучение — это направления исследований в области искусственного интеллекта

Область искусственного интеллекта содержит множество направлений, включая следующие:

Машинное обучение позволяет автоматизировать создание аналитических моделей. В нем используются методы нейросетей, статистики, исследования операций и физики для выявления скрытой полезной информации в данных; при этом явно не программируются инструкции, указывающие, где искать данные и как делать выводы.

Нейросеть — это разновидность машинного обучения, работающая по алгоритмам, схожим с принципами работы человеческого мозга. Это вычислительная система, состоящая из взаимосвязанных блоков (наподобие нейронов) и обрабатывающая информацию путем реагирования на поступление внешних данных с передачей информации между блоками. Такой процесс подразумевает несколько проходов по данным с целью выявления их взаимосвязей и обнаружения значения и смысла при неопределенной информации.

В глубоком обучении используются крупные нейросети со множеством уровней процессоров, повышенными вычислительными мощностями и усовершенствованными методиками обучения для обнаружения сложных закономерностей в огромных массивах данных. Распространенные области применения: распознавание изображений и речи.

Компьютерное зрение опирается на распознавание шаблонов и на глубокое обучение для распознавания изображений и видео. Когда машины смогут обрабатывать, анализировать и понимать изображения, они смогут снимать фото или видео в реальном времени и интерпретировать окружающую обстановку.

Обработка естественного языка — это способность компьютеров анализировать, понимать и синтезировать человеческий язык, включая устную речь. Дальнейший этап в развитии обработки естественного языка — общение человека и машины на этом языке, то есть возможность управлять компьютерами с помощью обычного языка, используемого в повседневном обиходе.

Хотя в основу машинного обучения заложена идея о том, что компьютеры должны учиться и адаптироваться в зависимости от практического опыта, концепцию искусственного интеллекта можно трактовать гораздо шире, подразумевая, что компьютеры могут проявлять «разумный» подход в процессе выполнения поставленных задач.

В рамках искусственного интеллекта для решения актуальных задач задействуются машинное обучение, глубокое обучение и другие технологии.

Создание интеллектуальных приложений на основе больших данных и ИИ

Помните разгоревшуюся несколько лет назад шумиху, связанную с большими данными? В чем тогда было дело? Благодаря развитию вычислительной мощности компьютеров и увеличению вместимости хранилищ стало возможным накапливать и обрабатывать больше данных, чем когда-либо раньше. Одновременно мы начали создавать гораздо больше данных за счет подключения к Интернету большего количества компьютеров и устройств и передачи данных с этих устройств.

Благодаря увеличению количества входных данных (языковых и визуальных) были улучшены алгоритмы распознавания речи и изображений. В свою очередь, системы машинного обучения получили гораздо больше информации, на основе которой они могут развиваться.

Этот прогресс приблизил искусственный интеллект к первоначальной цели его разработки — созданию интеллектуальных устройств, которые приспособлены для работы в нашей повседневной жизни. От показа рекомендаций на веб-сайте любимого интернет-магазина до автоматической расстановки тегов к фотографиям в социальных сетях - очень многие привычные онлайн-функции уже используют искусственный интеллект.

На каком уровне развития искусственный интеллект находится сейчас?

С ИИ вы можете вслух задавать устройствам любые вопросы: о продажах, складских запасах, лояльности покупателей, случаях мошенничества и многом другом, - и получать на них ответы. Компьютеры также могут находить и предоставлять вам информацию, о важности которой вы сами и не задумывались. Они смогут создавать краткую сводку по вашим данным и предлагать разные способы их анализа. Кроме того, можно будет обмениваться информацией, связанной с предыдущими вопросами, поступившими от вас или от других людей, задавших аналогичные вопросы. Вы получите ответы на экране, или устройство произнесёт их вслух.

Как это может работать в реальном мире? В здравоохранении можно будет быстрее оценивать эффективность лечения. В розничной торговле будут быстрее предлагать сопутствующие товары. В финансовой сфере можно будет предотвращать мошенничество, а не просто выявлять его. Возможно и многое другое.

В каждом из этих примеров компьютер понимает, какая нужна информация, выявляет взаимосвязи между всеми переменными, формулирует ответ и автоматически передает его вам вместе с разными вариантами последующих запросов.

Существующий сегодня уровень развития искусственного интеллекта опирается на десятилетия исследований. И нас ожидают еще десятки лет настройки интеллектуального взаимодействия между человеком и машиной.

Об авторах

Уэйн Томпсон (Wayne Thompson) — менеджер по технологиям анализа и обработки данных в SAS. Он стал одним из первопроходцев в области прогнозного анализа в бизнесе, также он является известным спикером, преподавателем, практиком и изобретателем в области технологии прогнозного анализа.

Хой Ли (Hui Li) — старший научный сотрудник в SAS. Она уже более 10 лет занимается машинным обучением, сбором данных, их анализом и статистическим моделированием. Кроме того, на ее счету 15-летний опыт программирования на C и гибридного программирования на C/Matlab.

Элисон Болен (Alison Bolen) — редактор в SAS, она готовит материалы, посвященные аналитике и новым технологиям. Цель ее ежедневной работы — объяснять сложные технологии и процессы простым и понятным языком.

Back to Top