Искусственном интеллекте: Что такое искусственный интеллект (ИИ)?

Содержание

Искусственный интеллект и интеллектуальная собственность

  • Стартовая страница
  • Об ИС
  • Искусственный интеллект и интеллектуальная собственность

На этой странице

  • Темы и вопросы
  • Искусственный интеллект в ВОИС
  • Искусственный интеллект и предоставление услуг в области ИС
  • Ссылки по теме

Искусственный интеллект (ИИ) все чаще выступает стимулом прогресса в технике и бизнесе. Он находит широкое применение в самых разных отраслях и оказывает влияние почти на все аспекты творчества. Развитию ИИ способствует наличие больших объемов данных для обучения и повышение доступных вычислительных мощностей. ИИ имеет массу точек соприкосновения с интеллектуальной собственностью (ИС).

Что такое искусственный интеллект?

Единого определения искусственного интеллекта (ИИ) не существует. Как правило, ИИ рассматривается как область информатики, ориентированная на разработку аппаратных средств и систем, способных выполнять задачи, которые принято связывать с человеческим разумом. Двумя сегментами ИИ являются машинное и глубокое обучение. В последние годы с появлением новых методик создания нейронных сетей и новых аппаратных средств ИИ стал в основном восприниматься как синоним термина «глубокое контролируемое машинное обучение».

Как функционирует метод машинного обучения?

Машинное обучение основано на использовании примеров «стимул – реакция» (так называемых структурированных данных или данных для обучения) с целью постоянного совершенствования процесса обучения и принятия машиной самостоятельных решений без прописанного алгоритма, который бы методично указывал последовательность действий. Этот метод имитирует фактический биологический процесс познания: ребенок учится распознавать предметы (например, чашки), ориентируясь на образцы тех же самых предметов (разные виды чашек). Сегодня метод машинного обучения применяется довольно широко, в том числе для фильтрации нежелательных электронных писем, автоматического перевода, распознавания голоса, текста и изображений.

Предлагаем ознакомиться с полным списком вопросов и ответов по теме.

ВОИС: ИИ и ИС – виртуальный опыт

Архивная версия выставки

Направления работы

(Фото: ВОИС)

ИИ и политика в области ИС

В результате распространения ИИ во многих областях техники возникает ряд вопросов политического характера, связанных с ИС. Их лейтмотив можно сформулировать следующим образом: нужно ли менять действующую систему ИС для обеспечения сбалансированной охраны произведений и изобретений, создаваемых машиной, ИИ как такового и данных, лежащих в основе ИИ. ВОИС инициировала открытый процесс, призванный положить начало дискуссии, посвященной последствиям ИИ для политики в области ИС.

(Фото: ВОИС)

ИИ и управление административными процессами в области ИС

В условиях глобальной инновационной экономики спрос на права ИС – патенты, товарные знаки, промышленные образцы и авторское право – стремительно растет и становится более требовательным. Для преодоления растущего числа вызовов, с которыми сталкиваются ведомства ИС, можно использовать потенциал искусственного интеллекта (ИИ), аналитическую обработку больших данных и новые технологии, например блокчейн.

Статьи, репортажи, новости и многое другое – в этом разделе вы найдете материалы по самым популярным темам, связанным с ИИ и ИС.

(Photo: Courtesy of Baidu)

Патентованные технологии компании Baidu, связанные с ИИ: борьба с COVID-19

Компания Baidu предпринимает активные усилия, направленные на то, чтобы применить свой опыт в области искусственного интеллекта (ИИ) и связанных с ним технологий и продуктов в целях поддержки первоочередных мер по сдерживанию пандемии и борьбе с ней.

(ФОТО ПРЕДОСТАВЛЕНО BrightSign)

BrightSign: «умная» перчатка, дающая голос тем, кто не может говорить

Изобретательница из Саудовской Аравии Хадил Айюб, являющаяся основателем базирующегося в Лондоне стартапа BrightSign, рассказывает об истории создания работающей с использованием ИИ «умной» перчатки BrightSign, которая позволяет людям, объясняющимся на жестовом языке, общаться напрямую, не прибегая к помощи сурдопереводчиков.

Инновации и здравоохранение

Большие данные, искусственный интеллект и другие технологии, меняющие облик системы здравоохранения.

(Фото: Alamy Stock Photo / © Hero Images Inc.)

ИИ – электричество нашего мира

Британский ученый в области компьютерной технологии и ведущий аналитик по вопросам ИИ Энрю Ын размышляет о преобразующей силе ИИ и мерах, которые необходимы для того, чтобы заставить эту технологию служить всему человечеству.

Сюжет: ИИ в патентах

Обзор эволюции ИИ через призму патентов.

(Photo: PhonlamaiPhoto / iStock / Getty Images Plus)

Проект «Искусственный изобретатель»

Профессор Райан Эбботт размышляет о проблемах, с которыми столкнется система ИС в контексте все возрастающей роли ИИ, охватывающей в том числе процессы творчества и инноваций.

Тенденции развития технологий – Искусственный интеллект

Исследование ВОИС из серии «Тенденции развития технологий» посвящено искусственному интеллекту.

(ФОТО: ANYABERKUT/ Getty Images))

Право товарных знаков не успевает за развитием ИИ?

Большинство пишущих на тему ИИ уделяет основное внимание последствиям распространения ИИ для правовых норм, регламентирующих вопросы патентов, авторского права и промышленных образцов, но нас интересует другой вопрос: каково влияние ИИ на потребительские привычки, связанные с приобретением товаров и услуг, а, следовательно, и на право товарных знаков.

Ссылки по теме

Услуги в области ИС

  • Система PCT
  • Гаагская система
  • Мадридская система
  • Служба цифрового доступа (DAS)
  • Система централизованного доступа к результатам поиска и экспертизы (CASE)

Знания

  • PATENTSCOPE
  • Глобальная база данных по брендам
  • Глобальная база данных по образцам
  • Законы и договоры в области ИС (WIPO Lex)
  • Стандарты
  • Международные классификации
  • Статистика в области интеллектуальной собственности

Сотрудничество / Политика

  • Глобальная инфраструктура интеллектуальной собственности
  • Технические решения для ведомств
  • Комитет по стандартам ВОИС (КСВ)

ВОЗ публикует первый глобальный доклад об искусственном интеллекте (ИИ) в сфере здравоохранения и 6 руководящих принципов разработки и использования соответствующих инструментов


ВОЗ публикует первый глобальный доклад об искусственном интеллекте (ИИ) в сфере здравоохранения и 6 руководящих принципов разработки и использования соответствующих инструментов

    • Популярные темы

      • Загрязнение воздуха
      • Коронавирусная болезнь (COVID-19)
      • Гепатит
    • Данные и статистика »

      • Информационный бюллетень
      • Факты наглядно
      • Публикации
    • Найти страну »
    • А
    • Б
    • В
    • Г
    • Д
    • Е
    • Ё
    • Ж
    • З
    • И
    • Й
    • К
    • Л
    • М
    • Н
    • О
    • П
    • Р
    • С
    • Т
    • У
    • Ф
    • Х
    • Ц
    • Ч
    • Ш
    • Щ
    • Ъ
    • Ы
    • Ь
    • Э
    • Ю
    • Я
    • ВОЗ в странах »

      • Репортажи
    • Регионы »

      • Африка
      • Америка
      • Юго-Восточная Азия
      • Европа
      • Восточное Средиземноморье
      • Западная часть Тихого океана
    • Центр СМИ

      • Пресс-релизы
      • Заявления
      • Сообщения для медиа
      • Комментарии
      • Репортажи
      • Онлайновые вопросы и ответы
      • События
      • Фоторепортажи
      • Вопросы и ответы
    • Последние сведения
    • Чрезвычайные ситуации »
    • Новости »

      • Новости о вспышках болезней
    • Данные ВОЗ »
    • Приборные панели »

      • Приборная панель мониторинга COVID-19
    • Основные моменты »
    • Информация о ВОЗ »

      • Генеральный директор
      • Информация о ВОЗ
      • Деятельность ВОЗ
      • Где работает ВОЗ
    • Руководящие органы »

      • Всемирная ассамблея здравоохранения
      • Исполнительный комитет
    • Главная страница/
    • Пресс-релизы/
    • item/
    • ВОЗ публикует первый глобальный доклад об искусственном интеллекте (ИИ) в сфере здравоохранения и 6 руководящих принципов разработки и использования соответствующих инструментов

    Женева. Искусственный интеллект (ИИ) открывает большие перспективы для улучшения оказания услуг в области медицины и здравоохранения во всем мире, но только в том случае, если во главу угла при его разработке, внедрении и использовании будут поставлены этические принципы и права человека. Об этом говорится в опубликованном сегодня новом руководящем документе ВОЗ.

    Доклад «Этика и управление искусственным интеллектом в интересах здоровья» стал результатом двухлетних консультаций, проведенных группой назначенных ВОЗ международных экспертов.

    «Как и все новые технологии, искусственный интеллект обладает огромным потенциалом для улучшения здоровья миллионов людей во всем мире, но, как и все технологии, он также может быть использован неправильно и способен причинить вред, — заявил Генеральный директор ВОЗ д-р Тедрос Аданом Гебрейесус. — Этот важный новый доклад призван помочь странам максимально широко использовать преимущества ИИ, сводя при этом к минимуму связанные с ним риски и опасности».

    Искусственный интеллект можно использовать (и в некоторых богатых странах это уже происходит) для повышения скорости и точности диагностики заболеваний и скрининга; для оказания помощи в лечебной работе; для проведения научных исследований в области здравоохранения и усовершенствования процесса разработки лекарств, а также для поддержки различных мероприятий в области общественного здравоохранения, таких как эпиднадзор за болезнями, реагирование на вспышки болезней и управление системами здравоохранения.

    ИИ также может дать пациентам возможность лучше контролировать свое здоровье и лучше понимать свои меняющиеся потребности. Кроме того, ИИ мог бы улучшить доступ к службам здравоохранения в странах с дефицитом ресурсов и в сельской местности, где пациентам зачастую сложно получить помощь врачей и других медицинских работников.

    Однако новый доклад ВОЗ предостерегает: не следует переоценивать преимущества ИИ в сфере здравоохранения, особенно в ущерб базовым инвестициям и стратегиям, необходимым для достижения всеобщего охвата населения услугами здравоохранения.

    В нем также отмечается, что возможности неразрывно связаны с проблемами и рисками, включая неэтичный сбор и использование данных о здоровье; предубеждения, заложенные в алгоритмы; риски безопасности пациентов, кибербезопасности и экологические риски, обусловленные использованием ИИ.      

    Например, наряду с тем, что решающее значение для разработки и внедрения ИИ имеют инвестиции частного и государственного секторов, нерегулируемое использование ИИ может подчинить права и интересы пациентов и сообществ мощным коммерческим интересам технологических компаний или интересам правительств в области наблюдения за людьми и социального контроля.

    В докладе также подчеркивается, что системы, обученные главным образом на основе данных, собранных у лиц в странах с высоким уровнем дохода, могут работать некорректно в странах с низким и средним уровнем дохода.

    Поэтому системы ИИ необходимо разрабатывать тщательно, чтобы они отражали разнообразие социально-экономических условий и состояние системы здравоохранения. Их разработка должна сопровождаться обучением людей цифровым навыкам, взаимодействию с сообществами и повышением осведомленности населения. Это особенно важно для миллионов медицинских работников, которым потребуется цифровая грамотность или переподготовка, если их роли и функции будут автоматизированы, и которые должны уметь справляться с машинами, способными влиять на процесс принятия решений и автономию поставщиков услуг и пациентов.

    В конечном счете правительства, поставщики услуг и разработчики технологий должны работать совместно для решения проблем этики и прав человека на каждом этапе проектирования, разработки и внедрения технологии ИИ, руководствуясь при этом существующими законами и обязательствами в области прав человека, а также новыми законами и стратегиями, закрепляющими этические принципы. 

    Шесть принципов, позволяющих гарантировать работу ИИ в интересах общества во всех странах

    С целью ограничения рисков и увеличения возможностей, обусловленных использованием ИИ в сфере здравоохранения, ВОЗ предлагает следующие принципы в качестве основы для регулирования использования ИИ и управления им.

    Защита автономии человека. В контексте здравоохранения это означает, что люди должны по-прежнему контролировать системы здравоохранения и врачебные решения. Необходимо защитить неприкосновенность частной жизни и конфиденциальность передаваемых данных, при этом пациенты должны давать юридически действительное информированное согласие на их обработку, используя соответствующие правовые рамки, предусмотренные для защиты данных.

    Содействие благополучию и безопасности человека и общественным интересам. Разработчики технологий ИИ должны выполнять нормативные требования к обеспечению безопасности, точности и эффективности для четко определенных случаев использования или показаний. Необходимо иметь в наличии средства контроля качества использования ИИ на практике и средства повышения этого качества.

    Обеспечение прозрачности, объяснимости и понятности. Прозрачность требует, чтобы до разработки или внедрения технологии ИИ была опубликована или задокументирована соответствующая информация в должном объеме. Такая информация должна быть легкодоступной и должна способствовать проведению содержательных консультаций с общественностью и обсуждению вопроса о том, как данная технология разрабатывается и как ее следует или не следует использовать.

    Содействие ответственности и подотчетности. Хотя технологии ИИ нацелены на выполнение конкретных задач, заинтересованные стороны отвечают за то, чтобы они использовались в соответствующих условиях и надлежащим образом подготовленными людьми. Необходимо создать эффективные механизмы опроса лиц и групп, на которые отрицательно повлияли решения, основанные на алгоритмах, и возмещения им ущерба.

    Обеспечение инклюзивности и справедливости. Принцип инклюзивности требует, чтобы разработка ИИ в сфере здравоохранения велась так, чтобы поощрять как можно более широкое и справедливое его использование и доступ к нему независимо от возраста, пола, гендера, дохода, расы, этнической принадлежности, сексуальной ориентации, способностей и других характеристик, предусмотренных законами, защищающими права человека.

    Продвижение ИИ, отвечающего принципам адаптивности и устойчивого развития. Проектировщики, разработчики и пользователи должны постоянно и прозрачно оценивать приложения ИИ во время их фактического использования с целью определения того, насколько ИИ соответствует ожиданиям и требованиям. Кроме того, системы ИИ необходимо проектировать так, чтобы свести к минимуму экологические последствия от их использования и повысить их энергоэффективность. Правительства и компании должны учесть ожидаемые сбои в работе систем ИИ на рабочем месте, включая обучение работников здравоохранения с целью адаптации к использованию таких систем, и потенциальную потерю рабочих мест из-за использования автоматизированных систем.     

    Эти принципы будут служить ориентирами для ВОЗ в ее будущей работе по поддержке усилий, направленных на использование всего потенциала ИИ, разрабатываемого для сферы здравоохранения и общественного здоровья, на благо всех людей.

    Десять интересных книг об искусственном интеллекте

    Искусственный интеллект управляет авто, распознает лица, читает книги и даже учится шутить. РБК Тренды подготовили подборку книг, которые помогут разобраться в том, что такое AI и ML, как они работают и для чего нужны

    Знакомство с искусственным интеллектом, пожалуй, стоит начать со статьи английского математика Алана Тьюринга «Вычислительные машины и разум», которая вышла в 1950 году. Это основополагающая работа в области ИИ. Автор задается важнейшим вопросом: «Может ли машина думать?» Тьюринг предлагает ответить на этот вопрос через «игру в имитацию» или тест собственной разработки, который мы теперь и знаем как тест Тьюринга. Его суть состоит в том, чтобы программа в течение пяти минут вела в письменном виде беседу с дознавателем. Тест пройден, если программа смогла обмануть допрашивающего в 30% случаев. По мнению самого Тьюринга, к 2000 году компьютер с памятью 109 единиц мог бы быть запрограммирован достаточно хорошо, чтобы пройти его тест. Однако этого не произошло до сих пор.

    Научный журналист рассказывает о том, как и почему уже более полувека ученые всего мира пытаются создать «умные» машины. В книге можно найти подробное описание этапов развития робототехники и программ ИИ, а также прочитать о работе лабораторий искусственного интеллекта в МТИ и Стэнфорде. Автор задается важным вопросом: кем станут роботы — нашими слугами, помощниками, коллегами или хозяевами? Он пытается проанализировать деятельность разработчиков, чтобы найти ответ на этот вопрос.

    Наиболее полное введение в теорию и практику изучения искусственного интеллекта. Норвиг является членом Совета Американской ассоциации искусственного интеллекта. Это основной учебник, по которому обучаются специалисты по ИИ в США и других странах. Книга хороша тем, что в ней простым языком излагаются и технические, и философские аспекты темы. В учебнике много иллюстраций и шуток, присутствуют также любопытные отсылки к истории.

    Автор-футуролог уверен, что для создания искусственного интеллекта надо сначала разобраться в своем. Рэй Курцвейл проводит интересные параллели, рассказывает историю компьютерного моделирования мозга и объясняет, как появились нейросети. Автор дает свой прогноз развития ИИ. Сам Курцвейл декларирует, что ученые уже поняли, как работает человеческий мозг, и теперь дело за малым. «Приблизиться к Вселенной, а затем рассудочно решить ее судьбу, привнеся наш человеческий разум в ее небиологическую форму — вот наш удел», — резюмирует он.

    Авторы используют яркие примеры и аналогии, чтобы объяснить, что такое глубокое обучение и как оно связано с другими подходами к машинному обучению. В книге можно подробнее узнать о том, как работают победивший в чемпионатах по игре в Go алгоритм AlphaGo, а также системы от OpenAI и DeepMind, такие как GPT-3, которая считается самым мощным алгоритмом генерации текста. Книга будет интересна тем, кто уже разбирается в теме ИИ, а также начинающим программистам, которые хотят применять глубокое обучение в своей работе.

    Математик и специалист по обработке данных Кэти О`Нил приглашает погрузиться в «мир убийственных больших данных». На примерах из реальной жизни она рассказывает о предрассудках и предубеждениях алгоритмов. Автор объясняет, как и почему ИИ-системы могут навредить сферам финансов, правосудия, найма, образования и другим. О`Нил рассуждает о том, как искусственный интеллект и большие данные могут превратиться в реальное оружие корпораций и правительств против самых незащищенных слоев населения.

    Это отличное введение в технические аспекты искусственного интеллекта. Профессор Вашингтонского университета доступно рассказывает о машинном обучении и о поиске универсального обучающегося алгоритма, который сможет решать любые задачи. Домингос объясняет, как ИИ пересекается с нейробиологией и психологией, и размышляет, как технология изменит мир. По его мнению, главные изменения будут связаны с изобретением самообучающегося алгоритма, который не будет нуждаться в посредничестве человека.

    Оксфордский профессор философии Ник Бостром рассказывает об угрозе, исходящей искусственного интеллекта. Эту книгу можно назвать лучшим введением в проблему повышения безопасности умных машин. Она вынудила лидеров многих ИТ-компаний выступить с официальными объяснениями по поводу безопасности ИИ. Среди них были председатель совета директоров Alphabet Эрик Шмидт и вице-президент Baidu Эндрю Ын. А вот Илон Маск не раз высказывал схожие идеи — например, о том, что наша цивилизация может быть симуляцией.

    Автор этой книги находится на стороне тех, кто со скепсисом относится к перспективам искусственного интеллекта. Джеймс Баррат подробно описывает все страхи, которые вызывает у людей искусственный разум. Вот лишь одна из его цитат: «Я считаю и попытаюсь доказать, что ИИ, как и деление ядер, — технология двойного назначения. Деление ядер может и освещать города, и сжигать их дотла. До 1945 года большинство людей не могли даже представить себе потенциальную мощь атома. По отношению к искусственному интеллекту, мы находимся в условных 1930-х годах и вряд ли переживем появление ИИ, особенно если оно будет столь же внезапным, как явление миру ядерных технологий».

    Инженер по вычислительной технике Игнаси Белда повествует о научных основаниях и способах применения искусственного интеллекта. Он затрагивает аспекты математики, а также биологии и теории обучения. Белда приводит простейшие примеры окружающих нас технологий ИИ, начиная с медицины и заканчивая интернет-маркетингом. Автор предсказывает, что рано или поздно нашими спутниками станут машины, обладающие тем же уровнем креативности и эмоционального интеллекта, что и люди.

    Эта книга станет отличным введением в тему искусственного интеллекта. Автор уделяет серьезное внимание основополагающим идеям ИИ и вопросам мышления. Потапов рассуждает о том, что мешает интеллектуальным системам стать разумными. Он обращается к истокам искусственного интеллекта в области психологии, лингвистики, нейрофизиологии, математики и философии. Книга подойдет тем, кто интересуется не только искусственным интеллектом, но и вопросами мышления.

    Что это такое и как его использовать

    Что такое искусственный интеллект (ИИ)?

    Искусственный интеллект (ИИ) относится к моделированию человеческого интеллекта в машинах, которые запрограммированы думать как люди и имитировать их действия. Этот термин также может применяться к любой машине, которая демонстрирует черты, связанные с человеческим разумом, такие как обучение и решение проблем.

    Идеальной характеристикой искусственного интеллекта является его способность рационализировать и предпринимать действия, которые имеют наилучшие шансы на достижение конкретной цели. Подмножеством искусственного интеллекта является машинное обучение (ML), которое относится к концепции, согласно которой компьютерные программы могут автоматически обучаться и адаптироваться к новым данным без помощи человека. Методы глубокого обучения обеспечивают автоматическое обучение за счет поглощения огромных объемов неструктурированных данных, таких как текст, изображения или видео.

    Ключевые выводы

    • Искусственный интеллект (ИИ) относится к моделированию или приближению человеческого интеллекта в машинах.
    • Цели искусственного интеллекта включают компьютерное обучение, рассуждения и восприятие.
    • Сегодня искусственный интеллект используется в различных отраслях, от финансов до здравоохранения.
    • Слабый ИИ, как правило, прост и ориентирован на выполнение одной задачи, в то время как сильный ИИ выполняет более сложные задачи, похожие на человеческие.
    • Некоторые критики опасаются, что широкое использование продвинутого ИИ может оказать негативное влияние на общество.

    Понимание искусственного интеллекта (ИИ)

    Когда большинство людей слышат термин «искусственный интеллект», первое, о чем они обычно думают, — это роботы. Это потому, что в высокобюджетных фильмах и романах рассказывается о человекоподобных машинах, которые сеют хаос на Земле. Но ничто не может быть дальше от истины.

    Искусственный интеллект основан на том принципе, что человеческий интеллект можно определить таким образом, чтобы машина могла легко имитировать его и выполнять задачи, от самых простых до еще более сложных. Цели искусственного интеллекта включают имитацию когнитивной деятельности человека. Исследователи и разработчики в этой области добиваются удивительно быстрых успехов в имитации таких действий, как обучение, рассуждение и восприятие, в той мере, в какой они могут быть конкретно определены. Некоторые считают, что вскоре новаторы смогут разработать системы, которые превзойдут возможности людей в изучении или осмыслении любого предмета. Но другие остаются скептичными, потому что вся когнитивная деятельность пронизана оценочными суждениями, которые зависят от человеческого опыта.

    По мере развития технологий предыдущие тесты, которые определяли искусственный интеллект, устаревают. Например, машины, которые вычисляют базовые функции или распознают текст с помощью оптического распознавания символов, больше не считаются воплощением искусственного интеллекта, поскольку эта функция теперь воспринимается как неотъемлемая функция компьютера.

    ИИ постоянно развивается, чтобы принести пользу многим различным отраслям. Машины подключаются с использованием междисциплинарного подхода, основанного на математике, информатике, лингвистике, психологии и многом другом.

    Алгоритмы часто играют очень важную роль в структуре искусственного интеллекта, где простые алгоритмы используются в простых приложениях, а более сложные помогают создать сильный искусственный интеллект.

    Применение искусственного интеллекта

    Сферы применения искусственного интеллекта безграничны. Технология может применяться во многих различных секторах и отраслях. ИИ тестируется и используется в сфере здравоохранения для дозирования лекарств и раздачи различных видов лечения, адаптированных к конкретным пациентам, а также для помощи в хирургических процедурах в операционной.

    Другие примеры машин с искусственным интеллектом включают компьютеры, играющие в шахматы, и беспилотные автомобили. Каждая из этих машин должна взвешивать последствия любого действия, которое они предпринимают, поскольку каждое действие влияет на конечный результат. В шахматах конечным результатом является победа. Для беспилотных автомобилей компьютерная система должна учитывать все внешние данные и вычислять их, чтобы действовать таким образом, чтобы предотвратить столкновение.

    Искусственный интеллект также находит применение в финансовой отрасли, где он используется для обнаружения и пометки действий в банковской сфере и финансах, таких как необычное использование дебетовых карт и крупные депозиты на счетах, — все это помогает отделу мошенничества банка. Приложения для искусственного интеллекта также используются для оптимизации и упрощения торговли. Это делается путем облегчения оценки предложения, спроса и цен на ценные бумаги.

    Типы искусственного интеллекта

    Искусственный интеллект можно разделить на две разные категории: слабый и сильный. Слабый искусственный интеллект представляет собой систему, предназначенную для выполнения одной конкретной работы. Слабые системы ИИ включают в себя видеоигры, такие как пример с шахматами выше, и личных помощников, таких как Alexa от Amazon и Siri от Apple. Вы задаете помощнику вопрос, и он отвечает на него за вас.

    Сильные системы искусственного интеллекта — это системы, которые выполняют задачи, которые считаются человеческими. Это, как правило, более сложные и запутанные системы. Они запрограммированы на то, чтобы справляться с ситуациями, в которых от них может потребоваться решение проблемы без вмешательства человека. Такие системы можно найти в таких приложениях, как беспилотные автомобили или в операционных больницах.

    Особые указания

    С самого начала искусственный интеллект подвергался пристальному вниманию как ученых, так и общественности. Одной из общих тем является идея о том, что машины станут настолько развитыми, что люди не смогут угнаться за ними, и они начнут развиваться сами по себе, переделывая себя с экспоненциальной скоростью.

    Во-вторых, машины могут взламывать частную жизнь людей и даже использоваться в качестве оружия. Другие аргументы касаются этики искусственного интеллекта и того, следует ли обращаться с интеллектуальными системами, такими как роботы, с теми же правами, что и с людьми.

    Беспилотные автомобили вызывают довольно много споров, поскольку их машины, как правило, рассчитаны на минимально возможный риск и наименьшие потери. Если бы представили сценарий столкновения с тем или иным человеком одновременно, эти автомобили рассчитали бы вариант, который нанесет наименьший ущерб.

    Еще один спорный вопрос, который возникает у многих людей в связи с искусственным интеллектом, заключается в том, как он может повлиять на занятость людей. Поскольку многие отрасли стремятся автоматизировать определенные рабочие места с помощью интеллектуального оборудования, есть опасения, что люди будут вытеснены с рынка труда. Самоуправляемые автомобили могут устранить потребность в такси и программах совместного использования автомобилей, в то время как производители могут легко заменить человеческий труд машинами, что сделает человеческие навыки устаревшими.

    Считается, что первым искусственным интеллектом был компьютер для игры в шашки, созданный компьютерными учеными Оксфордского университета (Великобритания) в 1951 году.

    Какие существуют 4 типа ИИ?

    Искусственный интеллект можно разделить на четыре типа.

    • Реактивный ИИ использует алгоритмы для оптимизации выходных данных на основе набора входных данных. Например, ИИ для игры в шахматы — это реактивные системы, которые оптимизируют наилучшую стратегию для победы в игре. Реактивный ИИ, как правило, довольно статичен, неспособен учиться или адаптироваться к новым ситуациям. Таким образом, он будет производить одинаковый результат при одинаковых входных данных.
    • Ограниченная память AI может адаптироваться к прошлому опыту или обновляться на основе новых наблюдений или данных. Зачастую количество обновлений ограничено (отсюда и название), а объем памяти относительно невелик. Автономные транспортные средства, например, могут «читать дорогу» и адаптироваться к новым ситуациям, даже «извлекая уроки» из прошлого опыта.
    • Теория разума ИИ полностью адаптивны и обладают обширной способностью учиться и сохранять прошлый опыт. К этим типам ИИ относятся продвинутые чат-боты, которые могут пройти тест Тьюринга, обманывая человека, заставляя его поверить в то, что ИИ был человеком. Хотя эти продвинутые и впечатляющие, эти ИИ не обладают самосознанием.
    • Самоосознающий ИИ , как следует из названия, становится разумным и осознает свое существование. Некоторые эксперты все еще относятся к области научной фантастики и считают, что ИИ никогда не станет сознательным или «живым».

    Как сегодня используется ИИ?

    Сегодня искусственный интеллект широко используется в различных приложениях с разным уровнем сложности. Алгоритмы рекомендаций, которые предлагают, что вам может понравиться дальше, являются популярными реализациями ИИ, как и чат-боты, которые появляются на веб-сайтах или в виде умных динамиков (например, Alexa или Siri). ИИ используется для предсказания погоды и финансового прогнозирования, для оптимизации производственных процессов и сокращения различных форм избыточного умственного труда (например, налогового учета или редактирования). ИИ также используется для игр, управления автономными транспортными средствами, обработки языка и многого другого.

    Как ИИ используется в здравоохранении?

    В медицинских учреждениях ИИ используется для помощи в диагностике. ИИ очень хорошо выявляет небольшие аномалии при сканировании и может лучше триангулировать диагнозы по симптомам и жизненно важным органам пациента. ИИ также используется для классификации пациентов, ведения и отслеживания медицинских записей и обработки требований медицинского страхования. Предполагается, что будущие инновации включают роботизированную хирургию с помощью ИИ, виртуальных медсестер или врачей и совместное клиническое суждение.

    DeepMind AI изобретает более быстрые алгоритмы для решения сложных математических головоломок

    AlphaTensor был разработан для выполнения матричного умножения, но тот же подход можно использовать для решения других математических задач. Фото: DeepMind

    Исследователи из DeepMind в Лондоне показали, что искусственный интеллект (ИИ) может находить короткие пути в фундаментальном типе математических вычислений, превращая проблему в игру, а затем используя методы машинного обучения, которые другой ИИ компании использовал для победы над человеком. игроки в такие игры, как го и шахматы.

    ИИ обнаружил алгоритмы, которые побили многолетние рекорды по вычислительной эффективности, а выводы группы, опубликованные 5 октября в журнале Nature 1 , могут открыть новые пути для более быстрых вычислений в некоторых областях.

    «Это очень впечатляет, — говорит Мартина Зайдль, специалист по информатике из Университета Иоганна Кеплера в Линце, Австрия. «Эта работа демонстрирует потенциал использования машинного обучения для решения сложных математических задач».

    Алгоритмы погони за алгоритмами

    Достижения в области машинного обучения позволили исследователям разработать ИИ, которые генерируют язык, предсказывают форму белков 2 или обнаруживают хакеров. Ученые все чаще обращают технологию вспять, используя машинное обучение для улучшения собственных алгоритмов.

    «Вся вселенная белков»: ИИ предсказывает форму почти каждого известного белка

    ИИ, разработанный DeepMind, названный AlphaTensor, предназначен для выполнения вычислений, называемых умножением матриц. Это включает в себя умножение чисел, расположенных в сетках или матрицах, которые могут представлять наборы пикселей на изображениях, состояние воздуха в модели погоды или внутреннюю работу искусственной нейронной сети. Чтобы перемножить две матрицы вместе, математик должен перемножить отдельные числа и сложить их определенным образом, чтобы получить новую матрицу. В 1969, математик Фолькер Штрассен нашел способ умножить пару матриц 2 × 2, используя только семь умножений 3 , а не восемь, что побудило других исследователей искать больше таких уловок.

    Подход DeepMind использует форму машинного обучения, называемую обучением с подкреплением, в которой «агент» ИИ (часто нейронная сеть) учится взаимодействовать с окружающей средой для достижения многоэтапной цели, например, победы в настольной игре. Если он работает хорошо, агент получает подкрепление — его внутренние параметры обновляются, чтобы повысить вероятность успеха в будущем.

    AlphaTensor также включает в себя игровой метод, называемый поиском по дереву, в котором ИИ исследует результаты вариантов ветвления, планируя свое следующее действие. При выборе приоритетных путей во время поиска по дереву он просит нейронную сеть предсказать наиболее перспективные действия на каждом этапе. Пока агент все еще учится, он использует результаты своих игр в качестве обратной связи для оттачивания нейронной сети, что еще больше улучшает поиск по дереву, обеспечивая больше успехов для обучения.

    Каждая игра представляет собой головоломку для одного игрока, которая начинается с правильно заполненного трехмерного тензора — сетки чисел. AlphaTensor стремится обнулить все числа за наименьшее количество шагов, выбирая из набора допустимых ходов. Каждое перемещение представляет собой вычисление, которое при инвертировании объединяет записи из первых двух матриц для создания записи в выходной матрице. Игра сложная, потому что на каждом шаге агенту может потребоваться выбирать из триллионов ходов. «Сформулировать пространство алгоритмических открытий очень сложно, — сказал на брифинге для прессы соавтор Хусейн Фаузи, компьютерный ученый из DeepMind, — но еще сложнее понять, как мы можем ориентироваться в этом пространстве».

    Чтобы дать AlphaTensor преимущество во время обучения, исследователи показали ему несколько примеров успешных игр, чтобы он не начинал с нуля. И поскольку порядок действий не имеет значения, когда он нашел успешную серию ходов, они также представили изменение порядка этих ходов в качестве примера для обучения.

    Эффективные вычисления

    Исследователи протестировали систему на входных матрицах размером до 5 × 5. Во многих случаях AlphaTensor заново открывал короткие пути, изобретенные Штрассеном и другими математиками, но в других он открывал новые горизонты. Например, при умножении матрицы 4 × 5 на матрицу 5 × 5 предыдущий лучший алгоритм требовал 80 отдельных умножений. AlphaTensor обнаружил алгоритм, которому требовалось всего 76,

    «У него потрясающая интуиция, когда он играет в эти игры», — сказал Пушмит Кохли, компьютерный ученый из DeepMind, во время брифинга для прессы. Фавзи сообщает Nature , что «AlphaTensor не использует человеческую интуицию о матричном умножении», поэтому «агент в некотором смысле должен создавать свои собственные знания о проблеме с нуля».

    ИИ DeepMind помогает распутать математику узлов

    Исследователи занялись умножением больших матриц, создав мета-алгоритм, который сначала разбивает задачи на более мелкие. При пересечении матриц 11 × 12 и 12 × 12 их метод сократил количество необходимых умножений с 1022 до 9.90.

    AlphaTensor также может оптимизировать умножение матриц для конкретного оборудования. Команда обучала агента на двух разных процессорах, усиливая его не только тогда, когда он выполнял меньше действий, но и когда это сокращало время выполнения. Во многих случаях ИИ ускорял умножение матриц на несколько процентов по сравнению с предыдущими алгоритмами. А иногда самые быстрые алгоритмы на одном процессоре не были самыми быстрыми на другом.

    Тот же общий подход может найти применение в других видах математических операций, говорят исследователи, например, при разложении сложных волн или других математических объектов на более простые. «Эта разработка была бы очень интересной, если бы ее можно было использовать на практике», — говорит Вирджиния Василевска Уильямс, специалист по информатике из Массачусетского технологического института в Кембридже. «Повышение производительности улучшит многие приложения».

    Грей Баллард, ученый-компьютерщик из Университета Уэйк Форест в Уинстон-Салеме, Северная Каролина, видит потенциал будущего сотрудничества человека и компьютера. «Хотя с помощью этого вычислительного подхода мы можем немного раздвинуть границы, — говорит он, — я очень рад, что исследователи-теоретики начнут анализировать новые алгоритмы, которые они нашли, чтобы найти ключи к тому, где искать следующую прорвать.»

    ИИ DeepMind находит новый способ умножения чисел и ускорения работы компьютеров

    Мэтью Спаркс

    Умножение чисел — фундаментальная задача для компьютеров

    Дмитрий Викарчук/Shutterstock

    Искусственный интеллект, созданный фирмой DeepMind, открыл новый способ умножения чисел, первый подобный шаг за более чем 50 лет . Находка может повысить скорость некоторых вычислений до 20%, поскольку целый ряд программного обеспечения полагается на выполнение задачи в больших масштабах.

    Умножение матриц, когда две сетки чисел перемножаются, является фундаментальной вычислительной задачей, в той или иной степени используемой практически во всех программах, но особенно в графике, искусственном интеллекте и научном моделировании. Даже небольшое улучшение эффективности этих алгоритмов может привести к значительному приросту производительности или значительной экономии энергии.

    Самое большое число в мире Агниджо Банерджи из New Scientist Прямой эфир в октябре этого года

    На протяжении веков считалось, что наиболее эффективный способ умножения матриц будет пропорционален количеству умножаемых элементов, а это означает, что задача становится пропорционально сложнее для все больших и больших матриц.

    Но математик Фолькер Штрассен в 1969 году доказал, что умножение матрицы из двух строк из двух чисел на другую матрицу того же размера не обязательно требует восьми умножений и что с помощью хитрого трюка ее можно уменьшить. до семи. Этот подход, называемый алгоритмом Штрассена, требует некоторого дополнительного сложения, но это приемлемо, поскольку сложения в компьютере занимают гораздо меньше времени, чем умножения.

    Алгоритм считается наиболее эффективным подходом к большинству размеров матриц более 50 лет, хотя были обнаружены некоторые небольшие улучшения, которые нелегко адаптировать к компьютерному коду. Но ИИ DeepMind теперь обнаружил более быструю технику, которая отлично работает на современном оборудовании. Новый ИИ компании, AlphaTensor, начал работу, не зная никаких решений, и столкнулся с проблемой создания работающего алгоритма, который выполнял бы задачу с минимальным количеством шагов.

    Он нашел алгоритм умножения двух матриц из четырех строк по четыре числа, используя всего 47 умножений, что превосходит 49 умножений Штрассена. Он также разработал улучшенные методы умножения матриц других размеров, всего 70.

    AlphaTensor обнаружила тысячи функциональных алгоритмов для каждого размера матрицы, в том числе 14 000 только для матриц 4×4. Но только небольшое меньшинство было лучше, чем состояние искусства. Исследование основано на AlphaZero, игровой модели DeepMind, на разработку которой ушло два года.

    Подробнее: ИИ DeepMind, сворачивающий белки, решает самую большую проблему биологии

    Хусейн Фаузи из Deepmind говорит, что результаты математически обоснованы, но далеки от интуитивного понимания людьми. «Мы действительно не знаем, почему система придумала это, по сути», — говорит он. «Почему это лучший способ умножения матриц? Неясно.»

    «Каким-то образом нейронные сети интуитивно понимают, что выглядит хорошо, а что плохо. Честно говоря, я не могу вам точно сказать, как это работает. Я думаю, что здесь предстоит проделать некоторую теоретическую работу о том, как именно глубокое обучение справляется с такими вещами», — говорит Фаузи.

    DeepMind обнаружил, что алгоритмы могут повысить скорость вычислений на 10–20 % на определенном оборудовании, таком как графический процессор Nvidia V100 (GPU) и тензорный процессор Google (TPU) v2, но нет гарантии, что эти прирост также будет заметен на обычных устройствах, таких как смартфон или ноутбук.

    Джеймс Найт из Университета Сассекса, Великобритания, говорит, что ряд программ, работающих на суперкомпьютерах и мощном оборудовании, таких как исследования ИИ и моделирование погоды, по сути являются крупномасштабным умножением матриц.

    «Если бы такой подход действительно был реализован там, то это могло бы быть своего рода универсальным ускорением», — говорит он. «Если бы Nvidia реализовала это в своей библиотеке CUDA [инструмент, который позволяет графическим процессорам работать вместе], я бы сказал, что это снизит некоторый процент большинства рабочих нагрузок глубокого обучения».

    Читать далее:

    ИИ переводит математические задачи в код, чтобы упростить их решение

    Одед Лахиш из Биркбека, Лондонский университет, говорит, что новые алгоритмы могут повысить эффективность широкого спектра программного обеспечения, потому что умножение матриц является очень распространенной проблемой, и, вероятно, последуют другие алгоритмы.

    «Я полагаю, что мы увидим результаты, сгенерированные ИИ, для других задач аналогичного характера, хотя и редко таких центральных, как умножение матриц.