Когда будет создан искусственный интеллект: Когда будет создан «искусственный» интеллект, аналогичный мозгу человека?

Google создает «настоящий» искусственный интеллект. Что он будет уметь

ПО
Бизнес
Цифровизация
Электроника
Техника

|

Поделиться

    В компании Google ведутся разработки проекта Pathways, новой архитектуры нейронных сетей, которые
    смогут выполнять сразу множество разных задач и осваивать новые.

    Многозадачность для нейронных сетей

    Google
    занимается разработкой проекта, связанного с искусственным интеллектом, в
    рамках которого будут созданы нейросети «следующего поколения», способные
    запоминать «тысячи и миллионы различных задач». Проект получил название Pathways.

    На сегодняшний день
    нейросети тренируют, как правило, на выполнение какой-то одной задачи.
    Например, если нейросеть используется для исправления ошибок в написании слов,
    то, если ее перетренировать на поиск грамматических ошибок, она забудет, как
    исправлять орфографические.

    «Примерно так сегодня
    тренируются большая часть моделей машинного обучения. Вместо того, чтобы
    расширять существующие модели для обучения новым задачам, мы тренируем новые
    модели с нуля — для выполнения одной-единственной задачи, — написал в блоге
    компании ее вице-президент Джефф Дин
    (Jeff Dean). — Как следствие, мы
    вырабатываем тысячи моделей для тысяч индивидуальных задач. В результате
    обучение новой задаче не только занимает больше времени, но и требует больше данных…».

    Google разрабатывает архитектуру ИИ следующего поколения

    В Google указывают, что архитектура Pathways призвана изменить это: нейросети вполне можно
    натаскивать на выполнение множества разных задач, считают в компании.

    Идея состоит в том, чтобы
    обучать будущие системы ИИ сразу множеству навыков, которые та могла бы
    использовать и комбинировать для того, чтобы самостоятельно обучаться
    выполнению новых задач.

    «Мы хотели бы иметь
    возможность тренировать модель так, чтобы она могла не только выполнять сразу
    несколько различных задач, но также использовать и комбинировать уже
    выработанные навыки для обучения новым задачам — быстрее и эффективнее, —
    написал Дин. — В частности, то, что модель узнает, обучаясь одной задаче,
    например, то, как по авиационным фотоснимкам выявлять возвышенности ландшафта,
    может помочь выполнению другой задачи — прогнозированию того, как по данной
    местности будут протекать потоки воды. Мы хотим, чтобы модель имела различные
    возможности, которые можно было бы использовать по мере надобности, и которые
    можно было бы комбинировать для выполнения новых, более сложных задач. Это
    небольшой шаг к тому, как мозг млекопитающих обобщает разные задачи».

    Идея леопарда

    В Google также указывают, что Pathways позволит реализовать мультимодальные модели,
    которые будут способны обрабатывать и понимать входящие визуальные, акустические
    и языковые данные — все одновременно. Так, чтобы когда машина имела дело со
    словом «леопард» или слышала, как кто-то произносит это слово, или
    анализировала видеозапись с изображением бегущего леопарда, реакция была бы одинаковой
    во всех трех случаях: машина распознавала бы идею леопарда.

    Искусственный интеллект помог сохранить редкий язык

    Инновации для промышленности

    Еще одной проблемой, с
    которой Pathway
    должен будет помочь справиться, заключается в том, что сегодняшние модели
    машинного обучения предполагают задействование всех нейроузлов сети, вне
    зависимости от того, насколько простой или сложной является задача. В Google полагают, что можно
    добиться «разреженной» активации, то есть, направлять новые задачи лишь на
    отдельные массивы нейроузлов. Такой подход еще и куда менее энергозатратен.

    Концепция разреженной
    нейросети уже применена в проектах Google Switch Transformer, модели для понимания естественного языка, и Gshard. Они потребляют всего
    лишь одну десятую энергии, которую пришлось бы расходовать на более
    традиционную нейросеть, где активируются все нейроузлы разом.

    В будущем Google ожидает, что Pathways приведет к созданию
    нейросетей, способных выполнять миллионы различных задач, проводить обобщения
    между ними, комбинировать их по мере надобности, понимать различные типы данных
    и работать с ними более эффективно, чем любая сегодняшняя сеть. Целью проекта
    является переход «от эры однозадачных моделей, которые просто распознают
    паттерны, к многозадачным интеллектуальным системам, которые отражают более
    глубинное понимание нашего мира и могут адаптироваться к новым потребностям».

    «Заявленная цель выглядит
    исключительно амбициозной, — полагает Георгий
    Лагода    , заместитель генерального директора группы компаний “Программный продукт”.
    — Но у Google вполне могут быть ресурсы для ее
    реализации. Современные подходы к созданию и обучению нейросетей действительно
    стоило бы оптимизировать, но это потребует радикального пересмотра существующих
    архитектур».

    Олег Тремзин, Softline: Техподдержка решений вендоров, покинувших российский рынок — самый частый запрос заказчиков

    Импортозамещение

    По мнению Лагоды, если идею,
    предложенную Google, удастся реализовать, это будет существенным шагом в направлении
    подлинного искусственного интеллекта, который сможет не только обучаться, но и
    создавать для себя новую методологию обучения. На сегодняшний день таких систем
    не существует.

    • Бесплатный фотошоп: лучшие программы для обработки фото онлайн

    Роман Георгиев

    Искусственный интеллект: между мифом и реальностью

    Могут ли машины стать умнее, чем люди? Нет, считает Жан-Габриэль Ганасия: это всего лишь миф, навеянный научной фантастикой. В своей статье он напоминает об основных этапах развития этой отрасли науки, о достижениях современной техники и об этических вопросах, все больше требующих к себе внимания.

    Жан-Габриэль Ганасия

     

    Искусственный интеллект (ИИ) – это отрасль науки, официально увидевшая свет в 1956 году на летнем семинаре в Дартмут-колледже (Хановер, США), который организовали четверо американских ученых: Джон Мак-Карти, Марвин Мински, Натаниэль Рочестер и Клод Шеннон. С тех пор термин «искусственный интеллект», придуманный, вероятнее всего, с целью привлечения всеобщего внимания, стал настолько популярен, что сегодня вряд ли можно встретить человека, который никогда его не слышал. С течением времени этот раздел информатики развивался все больше, а интеллектуальные технологии в последние шестьдесят лет сыграли важную роль в изменении облика мира.

    Однако популярность термина «искусственный интеллект» во многом объясняется его ошибочным толкованием – в частности, когда им обозначают некую искусственную сущность, наделенную разумом, которая якобы в состоянии конкурировать с людьми. Эта мысль из области древних легенд и преданий, звучащая как миф о Големе, с недавних пор реанимируется такими нашими современниками, как британский физик Стивен Хокинг (1942-2018 гг.), американский предприниматель Илон Маск и американский инженер Рэй Курцвейл, а также сторонниками создания так называемого сильного или общего ИИ. Не будем, впрочем, говорить о данном понимании этого термина, ибо оно скорее представляет собой появившийся под влиянием научной фантастики продукт богатого воображения, а не осязаемую научную реальность, подтвержденную опытами и эмпирическими наблюдениями.

    Для Джона Мак-Карти и Марвина Мински, как и для прочих организаторов летнего семинара в Дартмут-колледже, ИИ изначально представлял собой область науки, занимающейся компьютерным моделированием различных способностей интеллекта, идет ли речь об интеллекте человеческом, животном, растительном, социальном или филогенетическом. В основе этой научной дисциплины лежит предположение о том, что все когнитивные функции, как то обучение, мышление, расчет, восприятие, память, даже научное открытие или художественное творчество, могут быть описаны с точностью, дающей возможность запрограммировать компьютер на их воспроизведение. На протяжении более чем шестидесяти лет существования ИИ не появилось ничего, что позволило бы неоспоримо доказать либо опровергнуть гипотезу, которая продолжает оставаться открытой и побуждает ученых к новым изобретениям.

    ЭНИАК – первый программируемый электронный цифровой вычислитель.

    История взлетов и падений

    За короткое время своего существования ИИ претерпел многочисленные изменения. В истории его развития можно выделить шесть этапов.

    ◼️ Период пророчеств

    Поначалу, под влиянием первых успехов, исследователи позволяли себе несколько опрометчивые заявления, которые впоследствии неоднократно ставились им в упрек. Так, например, в 1958 году американец Герберт Саймон, позже ставший лауреатом Нобелевской премии по экономике, заявил, что если бы машины допускались к международным соревнованиям, то в ближайшие десять лет они стали бы чемпионами мира по шахматам.

    ◼️ Мрачные времена

    Прогресс замедлился в середине 1960-х годов. В 1965 году десятилетний мальчик одержал в шахматном матче победу над компьютером; в 1966 году в докладе, подготовленном по заказу Сената Соединенных Штатов Америки, говорилось о внутренних ограничениях, присущих машинному переводу. Около десяти лет пресса отзывалась об ИИ неодобрительно.

    ◼️ Семантический ИИ

    Исследования не прекратились, но пошли в новых направлениях. Ученые заинтересовались психологией памяти, механизмами понимания, которые они пытались имитировать на компьютере, и ролью знаний в мыслительном процессе. Это привело к появлению значительно развившихся в середине 1970-х годов методов семантического представления знаний, а также к созданию экспертных систем, названных так потому, что для воспроизведения мыслительных процессов в них использовались знания квалифицированных специалистов. В начале 1980-х годов на экспертные системы возлагались большие надежды в связи с широкими возможностями их применения, например, для медицинской диагностики.

    ◼️ Неоконнекционизм и машинное обучение

    Технические усовершенствования позволили разработать алгоритмы машинного обучения (Machine Learning), благодаря которым компьютеры смогли накапливать знания и автоматически перепрограммироваться на основе собственного опыта.

    Такие интеллектуальные системы стали применяться для выполнения самых различных задач (идентификация отпечатков пальцев, распознавание речи и т. д.), а комбинации различных методов из области ИИ, информатики, искусственной жизни и других дисциплин использовались для создания гибридных систем.

    ◼️ От ИИ до интерфейсов «человек – машина»

    С конца 1990-х годов ИИ стали объединять с робототехникой и интерфейсом «человек – машина» с целью создания интеллектуальных агентов, предполагающих наличие чувств и эмоций. Это привело, среди прочего, к появлению нового исследовательского направления – аффективных (или эмоциональных) вычислений (affective computing), направленных на анализ реакций субъекта, ощущающего эмоции, и их воспроизведение на машине, и позволило усовершенствовать диалоговые системы (чат-боты).

    ◼️ Возрождение ИИ

    С 2010 года мощность компьютеров позволяет сочетать так называемые большие данные (Big Data) с методами     глубокого обучения (Deep Learning), которые основываются на использовании искусственных нейронных сетей. Весьма успешное применение во многих областях (распознавание речи и изображений, понимание естественного языка, беспилотный автомобиль и т.д.) позволяет говорить о возрождении ИИ.

    Симуляция электрической активности нейронов крысы (2015 г. ) в рамках проекта Blue Brain Project (BBP), входящего в европейский проект по изучению мозга человека Human Brain Project (HBP).

    Применение

    Многие результаты, достигнутые с использованием технологий ИИ, превосходят человека: в 1997 году компьютер одержал победу над действующим в то время чемпионом мира по шахматам, а недавно, в 2016 году, другие компьютеры обыграли лучших в мире игроков в го и покер. Компьютеры доказывают или помогают доказывать математические теоремы; автоматически, на основе методов машинного обучения и с помощью огромных массивов данных, объем которых исчисляется в терабайтах (10 в 12-й степени) и даже в петабайтах (10 в 15-й степени), создаются знания.

    Методы машинного обучения позволяют одним автоматам распознавать устную речь и записывать ее подобно секретарям-машинисткам прошлых лет, а другим – точно идентифицировать лица или отпечатки пальцев среди десятков миллионов других и обрабатывать тексты, написанные на естественных языках. Благодаря этим же методам самостоятельно движутся автомобили, компьютеры лучше врачей-дерматологов диагностируют меланомы по фотографиям родинок, сделанных с помощью сотовых телефонов, роботы воюют вместо людей; а конвейеры на заводах все больше автоматизируются.

    Ученые также прибегают к этим методам для определения функций биологических макромолекул, в частности белков и геномов, исходя из последовательности их компонентов – аминокислот для белков и оснований для геномов. В целом, во всех науках наблюдается серьезный эпистемологический разрыв, обусловленный качественным отличием экспериментов in silico – получивших такое название потому, что выполняются на основе больших данных с помощью мощных процессоров с кремниевыми чипами – от экспериментов in vivo (на живой ткани) и особенно in vitro (в стеклянных пробирках и чашках Петри).

    Самообучающиеся интеллектуальные системы широко применяются практически во всех сферах, особенно в промышленности, банковском деле, страховании, здравоохранении и обороне. Многие рутинные процессы теперь можно будет автоматизировать, что преобразит наши профессии и, в конечном итоге, устранит некоторые из них.

    Этические риски

    ИИ подразумевает не только рациональный анализ и воспроизведение при помощи компьютеров большинства аспектов интеллекта – может быть, лишь за исключением юмора. Машины значительно превышают наши когнитивные способности в большинстве областей, что заставляет нас опасаться некоторых этических рисков. Это риски трех видов: дефицит работы, которая вместо людей будет выполняться машинами; последствия для независимости человека и, в частности, для его свободы и безопасности; опасения, что более «умные» машины будут доминировать над людьми и станут причиной гибели человечества.

    Однако при ближайшем рассмотрении становится очевидно, что работа для людей не пропадает, а трансформируется, требуя новых навыков. Точно так же независимость человеческой личности и ее свобода не подвергаются неминуемой опасности из-за развития ИИ – при условии, однако, что мы останемся бдительными перед лицом вторжения технологий в частную жизнь.

    И наконец, в противоположность некоторым утверждениям, машины не несут в себе экзистенциального риска для человечества, поскольку их автономия носит лишь технический характер и в этом смысле не соответствует цепочкам материальной причинности, идущим от информации к принятию решений. Кроме того, машины не самостоятельны в моральном плане, и потому, даже если иногда они сбивают нас с толку и вводят в заблуждение своими действиями, они все же не обладают собственной волей и подчиняются тем целям, которые мы перед ними ставим.

    Фото: Макс Агилера-Хеллвег

    История искусственного интеллекта

    Роквелл Аньоха

    Могут ли машины думать?

    В первой половине -го 20-го -го века научная фантастика познакомила мир с концепцией роботов с искусственным интеллектом. Он начался с «бессердечного» Железного человечка из «Волшебник страны Оз» и продолжился гуманоидным роботом, который выдавал себя за Марию в «Метрополис ». К 1950-м годам у нас было поколение ученых, математиков и философов с концепцией искусственного интеллекта (или ИИ), культурно ассимилированной в их сознании. Одним из таких людей был Алан Тьюринг, молодой британский эрудит, исследовавший математические возможности искусственного интеллекта. Тьюринг предположил, что люди используют доступную информацию, а также разум для решения проблем и принятия решений, так почему же машины не могут делать то же самое? Это была логическая основа его 1950, «Вычислительные машины и интеллект», в которой он обсуждал, как создавать интеллектуальные машины и как проверять их интеллект.

    Сделать погоню возможной

    К сожалению, разговоры дешевы. Что помешало Тьюрингу сразу приступить к работе? Во-первых, компьютеры должны были коренным образом измениться. До 1949 года у компьютеров отсутствовало ключевое условие интеллекта: они не могли хранить команды, а только выполнять их. Другими словами, компьютерам можно было сказать, что делать, но они не могли вспомнить, что они делали. Во-вторых, компьютеры были чрезвычайно дорогими. В начале 19В 50-е годы стоимость аренды компьютера доходила до 200 000 долларов в месяц. Только престижные университеты и крупные технологические компании могли позволить себе бездельничать в этих неизведанных водах. Чтобы убедить источники финансирования в том, что машинный интеллект заслуживает внимания, требовалось доказательство концепции, а также поддержка со стороны высокопоставленных лиц.

    Конференция, с которой все началось

    Пять лет спустя доказательство концепции было инициировано Алленом Ньюэллом, Клиффом Шоу и Гербертом Саймоном, Logic Theorist . Программа The Logic Theorist была разработана для имитации навыков человека в решении проблем и финансировалась корпорацией исследований и разработок (RAND). Многие считают ее первой программой искусственного интеллекта, и она была представлена ​​на летнем исследовательском проекте в Дартмуте по искусственному интеллекту (DSRPAI), организованном Джоном Маккарти и Марвином Мински в 1956 году. , собрал лучших исследователей из разных областей для открытой дискуссии об искусственном интеллекте, термин, который он придумал на самом мероприятии. К сожалению, конференция не оправдала ожиданий Маккарти; люди приходили и уходили, когда им заблагорассудится, и не удалось договориться о стандартных методах для этой области. Несмотря на это, все искренне согласились с тем, что ИИ достижим. Значение этого события нельзя недооценивать, поскольку оно стало катализатором следующих двадцати лет исследований ИИ.

    Американские горки успехов и неудач

    С 1957 по 1974 год ИИ процветал. Компьютеры могли хранить больше информации и стали быстрее, дешевле и доступнее. Алгоритмы машинного обучения также улучшились, и люди стали лучше понимать, какой алгоритм применить к своей проблеме. Ранние демонстрации, такие как General Problem Solver Ньюэлла и Саймона и ELIZA Джозефа Вейзенбаума, показали многообещающие решения задач и интерпретацию разговорной речи соответственно. Эти успехи, а также поддержка ведущих исследователей (а именно участников DSRPAI) убедили государственные учреждения, такие как Агентство перспективных оборонных исследовательских проектов (DARPA), финансировать исследования ИИ в нескольких учреждениях. Правительство особенно интересовалось машиной, которая могла бы расшифровывать и переводить разговорную речь, а также обрабатывать данные с высокой пропускной способностью. Оптимизма было много, а ожидания еще выше. В 1970 Марвин Мински сказал журналу Life: «От трех до восьми лет у нас будет машина с общим интеллектом среднего человека». Тем не менее, несмотря на то, что базовое доказательство принципа было готово, до достижения конечных целей обработки естественного языка, абстрактного мышления и самопознания оставалось еще пройти долгий путь.

    Преодолев первоначальный туман ИИ, мы обнаружили гору препятствий. Самым большим было отсутствие вычислительной мощности, чтобы сделать что-то существенное: компьютеры просто не могли хранить достаточно информации или обрабатывать ее достаточно быстро. Например, чтобы общаться, нужно знать значения многих слов и понимать их во многих сочетаниях. Ганс Моравек, докторант Маккарти в то время, заявил, что «компьютеры все еще в миллионы раз слишком слабы, чтобы проявлять интеллект». По мере того, как терпение истощалось, сокращалось и финансирование, и исследования медленно продвигались в течение десяти лет.

    В 1980-х годах ИИ был возрожден благодаря двум источникам: расширению набора алгоритмических инструментов и притоку средств. Джон Хопфилд и Дэвид Румельхарт популяризировали методы «глубокого обучения», которые позволяли компьютерам учиться, используя опыт. С другой стороны, Эдвард Фейгенбаум представил экспертные системы, которые имитировали процесс принятия решений человеком-экспертом. Программа спрашивала эксперта в какой-либо области, как реагировать в той или иной ситуации, и как только это узнавалось практически для каждой ситуации, неспециалисты могли получать советы от этой программы. Экспертные системы получили широкое распространение в промышленности. Японское правительство активно финансировало экспертные системы и другие проекты, связанные с искусственным интеллектом.0003 Компьютер пятого поколения проекта (FGCP). В период с 1982 по 1990 год они инвестировали 400 миллионов долларов с целью произвести революцию в компьютерной обработке, внедрить логическое программирование и улучшить искусственный интеллект. К сожалению, большая часть амбициозных целей не была достигнута. Однако можно утверждать, что косвенные эффекты FGCP вдохновили талантливое молодое поколение инженеров и ученых. Несмотря на это, финансирование FGCP прекратилось, и ИИ выпал из поля зрения.

    По иронии судьбы, в отсутствие государственного финансирования и общественной шумихи ИИ процветал. В течение 1990-х и 2000-х годов были достигнуты многие из важнейших целей искусственного интеллекта. В 1997 году действующий чемпион мира по шахматам и гроссмейстер Гэри Каспаров потерпел поражение от IBM Deep Blue , компьютерной программы для игры в шахматы. Этот широко разрекламированный матч был первым, когда действующий чемпион мира по шахматам проиграл компьютеру, и послужил огромным шагом на пути к программе принятия решений с искусственным интеллектом. В том же году программное обеспечение для распознавания речи, разработанное Dragon Systems, было внедрено на Windows . Это был еще один большой шаг вперед, но в направлении устной интерпретации языка. Казалось, что нет такой проблемы, с которой не могли бы справиться машины. Даже человеческие эмоции были честной игрой, о чем свидетельствует Kismet, робот, разработанный Синтией Бризил, который мог распознавать и отображать эмоции.

    Время лечит все раны

    Мы так и не научились программировать искусственный интеллект, так что же изменилось? Оказывается, фундаментальный предел компьютерной памяти, который сдерживал нас 30 лет назад, больше не был проблемой. Закон Мура, согласно которому память и скорость компьютеров удваиваются каждый год, наконец-то догнал, а во многих случаях и превзошел наши потребности. Именно так Deep Blue смог победить Гэри Каспарова в 1997, и как Google Alpha Go смог победить китайского чемпиона по го Ке Цзе всего несколько месяцев назад. Это дает некоторое объяснение американским горкам исследований ИИ; мы доводим возможности ИИ до уровня нашей текущей вычислительной мощности (компьютерной памяти и скорости обработки), а затем ждем, пока закон Мура снова не сработает.

    Искусственный интеллект повсюду

    Сейчас мы живем в эпоху «больших данных», в эпоху, когда у нас есть возможность собирать огромные объемы информации, слишком громоздкой для обработки человеком. Применение искусственного интеллекта в этом отношении уже было весьма плодотворным в нескольких отраслях, таких как технологии, банковское дело, маркетинг и развлечения. Мы видели, что даже если алгоритмы не сильно улучшаются, большие данные и массовые вычисления просто позволяют искусственному интеллекту учиться с помощью грубой силы. Могут быть свидетельства того, что закон Мура немного замедляется, но увеличение количества данных, безусловно, не утратило своей динамики. Прорывы в компьютерных науках, математике или неврологии — все они служат потенциальным выходом за пределы потолка закона Мура.

    Будущее

    Что ждёт нас в будущем? В ближайшем будущем язык ИИ выглядит как следующая большая вещь. На самом деле, это уже происходит. Я не могу вспомнить, когда в последний раз звонил в компанию и напрямую разговаривал с человеком. В эти дни машины даже зовут меня! Можно представить себе взаимодействие с экспертной системой в плавном диалоге или разговор на двух разных языках, который переводится в режиме реального времени. Мы также можем ожидать появления беспилотных автомобилей на дорогах в ближайшие двадцать лет (и это консервативно). В долгосрочной перспективе целью является общий интеллект, то есть машина, превосходящая человеческие когнитивные способности во всех задачах. Это похоже на разумного робота, которого мы привыкли видеть в кино. Мне кажется невероятным, что это будет достигнуто в ближайшие 50 лет. Даже если есть возможность, этические вопросы послужат сильным барьером на пути к осуществлению. Когда это время придет (но лучше даже до того, как оно придет), нам нужно будет серьезно поговорить о политике и этике машин (по иронии судьбы, оба эти предмета являются человеческими), но пока мы позволим ИИ неуклонно совершенствоваться и выходить из-под контроля. в обществе.

    Роквелл Аньоха — аспирант кафедры молекулярной биологии с опытом работы в области физики и генетики. Его текущий проект использует машинное обучение для моделирования поведения животных. В свободное время Роквелл любит играть в футбол и обсуждать мирские темы.

    Эта статья является частью специального выпуска, посвященного искусственному интеллекту.

    Для получения дополнительной информации:

    Краткая хронология ИИ

    https://www.livescience.com/47544-history-of-a-i-artificial-intelligence-infographic.html

    Полный исторический обзор

    http://courses.cs.washington.edu/courses/csep590/06au/projects/history-ai.pdf

    Дартмутский летний исследовательский проект по искусственному интеллекту

    https://www.aaai .org/ojs/index.php/aimagazine/article/view/1904/1802

    Будущее ИИ

    https://www.technologyreview.com/s/602830/the-future-of-artificial-intelligence-and -cybernetics/

    Обсуждение будущих этических проблем, стоящих перед ИИ

    http://www.bbc.com/future/story/20170307-the-ethical-challenge-facing-artificial-intelligence

    Подробный обзор этики ИИ

    https://intelligence. org/files/EthicsofAI.pdf

    Что такое ИИ? Вот все, что вам нужно знать об искусственном интеллекте

    Структура и обучение глубоких нейронных сетей.

    Изображение: Nuance

    Многие технологии, связанные с искусственным интеллектом, приближаются или уже достигли «пика завышенных ожиданий» в цикле ажиотажа Gartner, а «прогиб разочарования» подстерегает их.

    Изображение: Gartner / Аннотации: ZDNet

    Самоуправляемый автомобиль Baidu, модифицированный BMW 3 серии.

    Изображение: Baidu

    Подробнее :

    • Объяснимый ИИ: от пика завышенных ожиданий до ловушек интерпретации моделей машинного обучения .
    • Обнаружение предвзятости ИИ (ака — судьба нашего мира, управляемого данными) .
    • Проблемы с ИИ: зачем нужны новые законы, чтобы остановить алгоритмы, разрушающие нашу жизнь .
    • Человек встречается с ИИ: команда Intel Labs расширяет границы взаимодействия человека и машины с помощью глубокого обучения .
    • Большая поддержка пары врачей с технологией искусственного интеллекта .
    • Что ждет искусственный интеллект: Гэри Маркус рассказывает о пути к надежному искусственному интеллекту .
    • Возможно, настало время для профессионализации практики искусственного интеллекта .
    • Это искусственный интеллект, что у вас случилось? .
    • Разведение нейроморфных сетей ради удовольствия и прибыли: новая репродуктивная наука .
    • Как добраться: структурированные данные, семантика, робототехника и будущее ИИ .
    • Adobe запускает инструменты искусственного интеллекта для отслеживания многоканальности и более быстрого выявления аномалий .

    IBM добавляет инструменты Watson для понимания прочитанного, извлечения часто задаваемых вопросов .

    Связанное покрытие

    Как машинное обучение и искусственный интеллект преобразуют бизнес-аналитику и аналитику

    Достижения в области машинного обучения и искусственного интеллекта в пяти областях упростят подготовку данных, обнаружение, анализ, прогнозирование и принятие решений на основе данных.

    Отчет: Искусственный интеллект создает рабочие места и приносит экономическую выгоду
    Новое исследование Deloitte показывает, что первые пользователи когнитивных технологий положительно оценивают свою нынешнюю и будущую роль.

    ИИ и рабочие места: где люди лучше алгоритмов, и наоборот

    Легко попасть в ловушку мрачных прогнозов о том, что искусственный интеллект уничтожит миллионы рабочих мест. Вот проверка реальности.

    Как искусственный интеллект высвобождает новый тип киберпреступности (TechRepublic)
    Вместо того, чтобы прятаться за маской, чтобы ограбить банк, преступники теперь прячутся за искусственным интеллектом, чтобы совершить атаку. Однако финансовые учреждения также могут использовать ИИ для борьбы с этими преступлениями.

    Илон Маск: Искусственный интеллект может спровоцировать Третью мировую войну (CNET)
    Серийный генеральный директор уже участвует в битвах научной фантастики завтрашнего дня, и его по-прежнему больше беспокоят роботы-убийцы, чем что-либо еще.