Искусственный интеллект

Что это такое и почему это так важно

Искусственный интеллект (ИИ) позволяет компьютерам обучаться на собственном опыте, адаптироваться к задаваемым параметрам и выполнять те задачи, которые раньше были под силу только человеку. В большинстве случаев реализации ИИ — от компьютерных шахматистов до беспилотных автомобилей — крайне важна возможность глубокого обучения и обработки естественного языка. Благодаря этим технологиям компьютеры можно «научить» выполнению определенных задач с помощью обработки большого объема данных и выявления в них закономерностей.

Клиенты обсуждают технологии искусственного интеллекта и машинного обучения

Посмотрите это видео и узнайте о тенденциях в области машинного обучения и искусственного интеллекта от клиентов SAS и экспертов в сфере ИИ, а также об их прогнозах по дальнейшему развитию технологий искусственного интеллекта.

В банковской сфере ИИ действительно помогает повысить качество обслуживания клиентов: мы формируем для них актуальные предложения в нужное время и используем правильный канал коммуникации Пьер Монтанье (Pierre Montagnier) директор по потребительскому маркетингу, отдел аналитики и моделирования Bank of Montreal

История развития искусственного интеллекта

Термин «искусственный интеллект» появился в 1956 году, но настоящей популярности технология ИИ достигла лишь сегодня на фоне увеличения объемов данных, усовершенствования алгоритмов, оптимизации вычислительных мощностей и средств хранения данных.

Первые исследования в области ИИ, стартовавшие в 50-х годах прошлого века, были направлены на решение проблем и разработку систем символьных вычислений. В 60-х годах это направление привлекло интерес Министерства обороны США: американские военные начали обучать компьютеры имитировать мыслительную деятельность человека. Например, Управление перспективных исследовательских проектов Министерства обороны США (DARPA) выполнило в 70-х годах ряд проектов по созданию виртуальных уличных карт. И специалистам DARPA удалось создать интеллектуальных личных помощников в 2003 году, задолго до того, как появились Siri, Alexa и Cortana.

Эти работы стали основой для принципов автоматизации и формальной логики рассуждений, которые используются в современных компьютерах, в частности, в системах для поддержки принятия решений и умных поисковых системах, призванных дополнять и приумножать возможности человека.

Хотя в научно-фантастических фильмах и романах ИИ зачастую изображают в виде человекоподобных роботов, захватывающих власть над миром, на данном этапе развития технологии ИИ совсем не такие страшные и далеко не такие умные. Напротив, развитие искусственного интеллекта позволяет этим технологиям приносить реальную пользу во всех отраслях экономики. Ниже описаны примеры использования технологий искусственного интеллекта в здравоохранении, розничной торговле и других областях.

Chess board and Neural Network graphic

1950s–1970-е

Нейросети

Первые разработки в области нейросетей вызвали ажиотаж в связи с возможностью создания «мыслящих» машин.

Shapes and arrow graphic with classical and modern machine learning

1980s–2010-е

Машинное обучение

Становятся популярными технологии машинного обучения.

Binary code on dark background with magnifying glass graphic

Настоящее время

Глубокое обучение

Прорывы в сфере глубокого обучения привели к расцвету технологий ИИ.

В чем заключается важность искусственного интеллекта?

  • ИИ позволяет автоматизировать повторяющиеся процессы обучения и поиска за счет использования данных. Однако ИИ отличается от роботизации, в основе которой лежит применение аппаратных средств. Цель ИИ — не автоматизация ручного труда, а надежное и непрерывное выполнение многочисленных крупномасштабных компьютеризированных задач. Такая автоматизация требует участия человека для первоначальной настройки системы и правильной постановки вопросов.
  • ИИ делает существующие продукты интеллектуальными. Как правило, технология ИИ не реализуется как отдельное приложение. Функционал ИИ интегрируется в имеющиеся продукты, позволяя усовершенствовать их, точно так же, как технология Siri была добавлена в устройства Apple нового поколения. Автоматизация, платформы для общения, боты и «умные» компьютеры в сочетании с большими объемами данных могут улучшить различные технологии, которые используются дома и в офисах: от систем анализа данных о безопасности до инструментов инвестиционного анализа.
  • ИИ адаптируется благодаря алгоритмам прогрессивного обучения, чтобы дальнейшее программирование осуществлялось на основе данных. ИИ обнаруживает в данных структуры и закономерности, которые позволяют алгоритму освоить определенный навык: алгоритм становится классификатором или предикатором. Таким образом, по тому же принципу, по которому алгоритм осваивает игру в шахматы, он может научиться предлагать подходящие продукты онлайн. При этом модели адаптируются по мере поступления новых данных. Обратное распространение — это метод, который обеспечивает корректировку модели посредством обучения на базе новых данных, если первоначальный ответ оказывается неверным.
  • ИИ осуществляет более глубокий анализ больших объемов данных с помощью нейросетей со множеством скрытых уровней. Несколько лет назад создание системы обнаружения мошенничества с пятью скрытыми уровнями было практически невозможным. Все изменилось с колоссальным ростом вычислительных мощностей и появлением «больших данных». Для моделей глубокого обучения необходимо огромное количество данных, так как именно на их основе они и обучаются. Поэтому чем больше данных, тем точнее модели.
  • Глубинные нейросети позволяют ИИ достичь беспрецедентного уровня точности. К примеру, работа с Alexa, поисковой системой Google Search и сервисом Google Photos осуществляется на базе глубокого обучения, и чем чаще мы используем эти инструменты, тем эффективнее они становятся. В области здравоохранения диагностика раковых опухолей на снимках МРТ с помощью технологий ИИ (глубокое обучение, классификация изображений, распознавание объектов) по точности не уступает заключениям высококвалифицированных рентгенологов.
  • ИИ позволяет извлечь максимальную пользу из данных. С появлением самообучающихся алгоритмов сами данные становятся объектом интеллектуальной собственности. Данные содержат в себе нужные ответы — нужно лишь найти их при помощи технологий ИИ. Поскольку сейчас данные играют гораздо более важную роль, чем когда-либо ранее, они могут обеспечить конкурентное преимущество. При использовании одинаковых технологий в конкурентной среде выиграет тот, у кого наиболее точные данные.
SAS имеет многолетний опыт в области поставки решений на базе технологий ИИ, мы открываем новые горизонты в таких направлениях, как машинное и глубокое обучение. Мы уже помогаем нашим клиентам извлекать выгоду из возможностей, которые предлагает ИИ. В дальнейшем мы будем продолжать реализовывать ИИ-решения в продуктах SAS, чтобы наши заказчики владели революционными преимуществами автоматизированного процесса принятия решений по всем направлениям Джим Гуднайт (Jim Goodnight) сооснователь и глава компании SAS

Искусственный интеллект в настоящее время

ИИ в каждой отрасли

Загляните в больницу и розничный магазин, работающие на основе технологий искусственного интеллекта, познакомьтесь с говорящей системой аналитического прогнозирования. В этой статье из журнала Harvard Business Review рассматриваются ситуация на рынке ИИ, вопросы подготовки персонала в сфере ИИ, а также рассказывается, почему не следует ругаться при Siri.

Усовершенствование маркетинговой аналитики

Сейчас в сфере маркетинга происходит настоящая революция, связанная с применением средств аналитики и ИИ. Узнайте, как автоматизировать предложения в режиме реального времени, как получать больше данных для повышения точности таких предложений, как понять, чего хотят клиенты, и многое другое.

Интеграция ИИ в вашу программу аналитики

Для эффективного использования ИИ необходимо, чтобы стратегия его применения соответствовала вашим основным бизнес-целям, поэтому всегда важно учитывать вопросы взаимодействия людей, процессов и технологий.

Как отличить рекламную шумиху от реальности?

По словам Оливера Шабенбергера (Oliver Schabenberger), исполнительного вице-президента и главного технического директора SAS, технология ИИ помогает сделать компьютеры более «умными», а не захватывает мир.

Как используется искусственный интеллект?

Функционал ИИ широко востребован во всех отраслях, особенно это касается вопросно-ответных систем, которые могут применяться при оказании правовой помощи, поиске патентов, оповещении о рисках и в медицинских исследованиях. Прочие возможности применения ИИ представлены ниже.

Здравоохранение

Технологии ИИ могут применяться в персонализированной медицине и при расшифровке рентгеновских снимков. Персональные медицинские помощники могут напоминать пользователям, что нужно принять лекарство, выполнить физические упражнения или перейти на более здоровый режим питания.

Ритейл

ИИ помогает совершать покупки онлайн с индивидуально подобранными рекомендациями, а также дает возможность продавцам обсуждать покупки с клиентами. Кроме того, технологии ИИ могут оптимизировать процессы управления товарными запасами и размещения товара.

Промышленность

ИИ может анализировать данные IoT с производственного участка, получаемые от подключенного оборудования, и прогнозировать загрузку и спрос с помощью рекуррентных сетей — особого вида сетей глубокого обучения, используемых для работы с последовательными данными.

Спорт

Тренеры получают отчеты со снимками с камер и показателями датчиков о том, как лучше организовать игру, в том числе как оптимизировать расстановку игроков и стратегию.

Chess board and arrow to robot graphic

Каковы проблемы в сфере применения искусственного интеллекта?

Технологии искусственного интеллекта способны изменить любые отрасли, но их возможности не безграничны.

Главное ограничение ИИ заключается в том, что обучение возможно только на основе данных, другими способами - невозможно. Это означает, что любые неточности в данных отразятся на результатах. А новые уровни прогнозирования или анализа необходимо добавлять отдельно.

Современные системы ИИ заточены под выполнение четко определенных задач. Система, предназначенная для игры в покер, не сможет раскладывать пасьянсы или играть в шахматы. Система, настроенная на выявление мошенничества, не сможет водить машину или предоставлять правовую помощь. Более того, система ИИ, предназначенная для выявления мошенничества в сфере здравоохранения, не сможет с той же степенью точности выявлять махинации с налогами или претензиями по гарантиям.

Другими словами, эти системы характеризуются очень узкой специализацией. Они предназначены для выполнения одной конкретной задачи, и им далеко до многозадачности человека.

Кроме того, самообучающиеся системы не являются автономными. Образы технологий ИИ, которые мы видим на экранах телевизоров и кинотеатров, по-прежнему являются элементами фантастики. Тем не менее компьютеры, способные анализировать сложные данные для освоения и совершенствования конкретных навыков, уже не редкость.

SAS® Visual Data Mining and Machine Learning screenshot on monitor

SAS® Visual Data Mining and Machine Learning

Использование ИИ становится проще, когда есть единое комплексное решение, позволяющее подготовить данные для анализа, создать модели с помощью алгоритмов машинного обучения и интегрировать инструменты текстовой аналитики. Кроме того, вы сможете создавать проекты, сочетая SAS с другими языками программирования, включая Python, R, Java и Lua.

Принцип работы искусственного интеллекта

Принцип работы ИИ заключается в сочетании большого объема данных с возможностями быстрой, итеративной обработки и интеллектуальными алгоритмами, что позволяет программам автоматически обучаться на базе закономерностей и признаков, содержащихся в данных. ИИ представляет собой комплексную дисциплину со множеством теорий, методик и технологий. Ее главными направлениями являются следующие:

  • Машинное обучение — это область знаний, исследующая алгоритмы, которые обучаются на данных с целью найти закономерности. В нем используются методы нейросетей, статистики, исследования операций и т.п. для выявления скрытой полезной информации в данных; при этом явно не программируются инструкции, указывающие, где искать данные и как делать выводы.
  • Нейросеть — это один из методов машинного обучения. Это математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма.
  • В глубоком обучении используются сложные нейросети со множеством нейронов и слоев. Для обучения этих глубоких нейросетей, а также для обнаружения сложных закономерностей в огромных массивах данных используются повышенные вычислительные мощности и усовершенствованные методики. Распространенные области применения: распознавание изображений и речи.
  • Когнитивные вычисления — направление ИИ, задачей которого является обеспечение процесса естественного взаимодействия человека с компьютером, аналогичного взаимодействию между людьми. Конечная цель ИИ и когнитивных вычислений — имитация когнитивных процессов человека компьютером благодаря интерпретации изображений и речи с выдачей соответствующей ответной реакции.
  • Компьютерное зрение опирается на распознавание шаблонов и на глубокое обучение для распознавания изображений и видео. Машины уже умеют обрабатывать, анализировать и понимать изображения, а также снимать фото или видео и интерпретировать окружающую обстановку.
  • Обработка естественного языка — это способность компьютеров анализировать, понимать и синтезировать человеческий язык, включая устную речь. Сейчас мы уже можем управлять компьютерами с помощью обычного языка, используемого в повседневном обиходе. Например, используя Siri или Google assistant.


Кроме того, функционирование ИИ обеспечивают следующие технологии:

  • Существование ИИ невозможно без графических процессоров, так как они предоставляют вычислительные мощности, необходимые для итеративной обработки данных. Для обучения нейросетей необходимы «большие данные» и вычислительные ресурсы.
  • Интернет вещей собирает колоссальные объемы данных от подключенных устройств. Большая часть этих данных не проанализирована. Автоматизация моделей с помощью ИИ позволит использовать больше таких данных.
  • Разрабатываются и по-новому комбинируются болеесовершенные алгоритмы, которые позволяют быстрее анализировать больший объем данных сразу на нескольких уровнях. Такая интеллектуальная обработка — ключ к выявлению и прогнозированию редких событий, пониманию сложных систем и оптимизации уникальных сценариев.
  • API (программные интерфейсы приложений) представляют собой переносимые пакеты кода, благодаря которым функционал ИИ может быть интегрирован в существующие продукты и пакеты программ. С помощью API можно добавить функцию распознавания изображений в домашнюю систему безопасности или вопросно-ответные функции для описания данных, создания титров и заголовков, обнаружения в данных интересных закономерностей и иной полезной информации.

Подводя итоги, цель ИИ - обеспечение работы программных продуктов, способных к анализу входных данных и интерпретации полученных результатов. Искусственный интеллект — средство, обеспечивающее более интуитивный процесс взаимодействия человека с программами и помощь при принятии решений в рамках определенных задач. ИИ не замена человеку, и в обозримом будущем таковой не станет.

Другие материалы по теме

Content is loading

Back to Top