Существует ли искусственный интеллект: Искусственного интеллекта не существует — Будущее на vc.ru

Что такое искусственный интеллект? | ForkLog

30.03.2021

ForkLog

#Искусственный Интеллект#нейросети

Что такое искусственный интеллект?

Искусственный интеллект (ИИ) – это обширная отрасль компьютерных наук, которая сосредоточена над созданием умных машин, способных выполнять интеллектуальные задачи. 

На сегодняшний день существует множество подходов к созданию алгоритмов. Достижения в областях машинного и глубокого обучения за последние несколько лет существенно изменили технологическую индустрию.

forklogAI/5

Какие существуют определения искусственного интеллекта?

Фундаментальную цель и видение искусственного интеллекта удалось установить английскому математику Алану Тьюрингу в статье «Вычислительные машины и разум», опубликованной в 1950 году. Он задал простой вопрос: «Могут ли машины думать?». Тогда же ученый предложил знаменитый тест, названный его именем.

По своей сути ИИ – это отрасль компьютерных наук, которая стремится ответить на вопрос Тьюринга утвердительно. Это попытка воспроизвести или смоделировать человеческий интеллект в машинах.

Глобальная цель искусственного интеллекта до сих пор вызывает множество вопросов и споров. Главное ограничение в определении ИИ как просто «разумных машин» состоит в том, что ни ученые, ни философы не могут объяснить, что такое искусственный интеллект и что именно делает машину умной.

Ученые и авторы учебника «Искусственный интеллект: современный подход» Стюарт Рассел и Питер Норвиг объединили свою работу вокруг темы интеллектуальных агентов в машинах и определили ИИ как «исследование агентов, которые получают восприятие из окружающей среды и выполняют действия».

Во время выступления на Japan AI Experience в 2017 году генеральный директор DataRobot Джереми Ачин начал свою речь со следующего определения того, как искусственный интеллект используется сегодня:

«ИИ – это компьютерная система, способная выполнять задачи, требующие человеческого интеллекта … Многие из этих систем работают на основе машинного обучения, другие – на основе глубокого обучения, а некоторые из них – на очень скучных вещах, таких как правила».

Хотя эти определения могут показаться абстрактными, они помогают определить основные направления теоретических исследований в области компьютерных наук и предоставляют конкретные пути внедрения программ с искусственным интеллектом для решения прикладных задач.

В чем заслуга Тьюринга перед развитием ИИ?

В середине прошлого века Алан Тьюринг заложил теоретическую базу, которая опередила свое время и легла в основу современных компьютерных наук, за что его прозвали «отцом информатики».

В 1936 году ученый создал абстрактный вычислитель – так называемую машину Тьюринга – важная составляющая теории алгоритмов, которая легла в основу современных компьютеров. В теории такая машина может решить любую алгоритмическую задачу.

В свою очередь, если алгоритм можно запустить на машине Тьюринга, то язык программирования, использованный для его создания, будет обладать «полнотой по Тьюрингу», на котором можно написать любой алгоритм. Например, язык C# обладает такой полнотой, а html – нет.

Также именем математика назван мысленный тест, который не имеет отношения к машине, но напрямую связан с искусственным интеллектом – тест Тьюринга. В научной среде считается, что как только машина пройдет это испытание, можно будет полноценно говорить о появлении разумных машин.

Суть игры состоит в том, что человек с помощью текстовой переписки взаимодействует одновременно с машиной и другим человеком. Задача компьютера – ввести участника теста в заблуждение и убедительно выдавать себя за человека.

Какой бывает ИИ?

Искусственный интеллект обычно разделяют на две большие категории:

• Слабый ИИ [Weak AI]: этот вид искусственного интеллекта, который иногда называют «узким ИИ» [Narrow AI], работает в ограниченном контексте и является имитацией человеческого интеллекта. Слабый ИИ часто ориентирован на очень хорошее выполнение одной задачи. И, хотя эти машины могут показаться умными, они работают с большими ограничениями.
• Общий искусственный интеллект (AGI): AGI, иногда называемый «сильным ИИ» [Strong AI], – вид искусственного интеллекта, который мы видим в фильмах, например, роботов из «Мира Дикого Запада» или голограмму Джой из «Бегущего по лезвию 2049». AGI – это машина с общим интеллектом, которая, как и человек, может применять его для решения любой проблемы.

Что такое слабый искусственный интеллект? 

Слабый ИИ окружает нас повсюду, и на сегодняшний день это самая успешная реализация искусственного интеллекта. 

Ориентируясь на выполнение конкретных задач, за последнее десятилетие он совершил множество прорывов, которые принесли «значительные общественные выгоды и внесли вклад в экономическую жизнеспособность нации», согласно отчету «Подготовка к будущему искусственного интеллекта», опубликованному администрацией Обамы в 2016 году.

Вот несколько примеров слабого ИИ:

• поиск Google;
• ПО для распознавания изображений;
• Siri, Alexa и другие голосовые помощники;
• Беспилотные автомобили;
• Рекомендательные системы Netflix и Spotify;
• IBM Watson. 

Как работает слабый ИИ?

Большая часть слабого ИИ основана на достижениях в области машинного обучения и глубокого обучения. Схожесть этих понятий может сбивать с толку, однако их следует различать. Венчурный капиталист Фрэнк Чен предложил следующее определение:

«Искусственный интеллект – это набор алгоритмов, которые пытаются имитировать человеческий интеллект. Машинное обучение является одним из них, а глубокое обучение – одним из методов машинного обучения».

Другими словами, машинное обучение снабжает компьютер данными и использует статистические методы, чтобы помочь ему научиться выполнять задачи, не будучи специально запрограммированным для них, что устраняет необходимость в миллионах строк написанного кода. Популярными видами машинного обучения являются обучение с учителем (с использованием помеченных наборов данных), обучение без учителя (с использованием немаркированных наборов данных), и обучение с подкреплением.

Глубокое обучение — это тип машинного обучения, при котором вводимые данные обрабатываются через архитектуру нейронной сети, основанной на биологических принципах.  

Нейронные сети содержат ряд скрытых слоев, через которые обрабатываются данные, что позволяет машине «углубиться» в свое обучение, устанавливать связи и взвешивать ввод для достижения наилучших результатов.

Что такое машинное обучение?

Искусственный интеллект и машинное обучение – не одно и то же. Машинное обучение является лишь одним из подразделов ИИ.

Наиболее распространенными типами машинного обучения — с учителем, без учителя и с подкреплением.

Обучение с учителем

Используют тогда, когда у разработчиков имеются размеченный набор данных и они знают какие именно признаки должен искать алгоритм.

Как правило, оно делится на две категории: классификация и регрессия.

Классификация применяется в тех случаях, когда необходимо отнести объекты в заранее известные классы. Данный тип обучения используется в спам-фильтрах, определении языка или выявлении подозрительных транзакций.

Регрессию используют, когда необходимо соотнести объект с временной линией, например — для прогнозирования стоимости ценных бумаг, спроса на товар или постановки медицинских диагнозов.  

Обучение без учителя

Менее популярный вид МО из-за его непредсказуемости. Алгоритмы обучаются на неразмеченных данных и им необходимо самостоятельно найти признаки и закономерности. Часто используется для кластеризации, уменьшения размерности и поиска ассоциаций.

Кластеризация – это как классификация, но без известных классов. Алгоритм должен сам найти признаки схожести в объектах и объединить их в кластеры. Используется для анализа и разметки новых данных, сжатия изображений или объединения меток на карте.

Уменьшение размерности – обобщает конкретные признаки в абстракции более высокого уровня. Часто используется для определения тематики текстов или создания рекомендательных систем.

Ассоциации нашли свое применение в маркетинге, например — при составлении акций и распродаж или анализа поведения пользователей на сайте. Также может служить для создания рекомендательной системы.

Обучение с подкреплением

Это обучение агента выживать в среде, в которой он существует. Средой может быть все что угодно: от видеоигры до реального мира. 

Например, существуют алгоритмы, которые играют в Супер-Марио не хуже людей, а в реальном мире автопилот в машинах Tesla или робот-пылесос делают все, чтобы объезжать препятствия на своем пути. 

Обучение с подкреплением предусматривает награду для агента за правильное действие и наказание за ошибки. Алгоритму не обязательно запоминать весь свой предыдущий опыт и просчитывать все возможные варианты развития событий. Он должен научится действовать по ситуации. 

Помните, когда машина обыграла человека в го? Еще задолго до этого ученые установили, что вариаций ходов в этой игре больше, чем атомов во вселенной. Ни одна компьютерная программа из ныне существующих не смогла бы просчитать все варианты развития партии. Однако AlphaGo, алгоритм компании Google, справился с этой задачей, не просчитывая все ходы наперед, а действуя по обстоятельствам, делая это с невероятно высокой точностью.

Что такое нейронные сети и глубокое обучение?

Концепция искусственных нейросетей не нова. Впервые это понятие сформулировали американские ученые Уоррен Мак-Каллок и Уолтер Питтс в 1943 году.

Любая нейронная сеть состоит из нейронов и связей между ними. Нейрон – это функция, которая имеет множество входов и один выход. Они обмениваются информацией между собой по каналам связи, каждый из которых имеет определенный вес.

Вес – это параметр, определяющий прочность связи между нейронами. Сам нейрон не разбирается, что он посылает, поэтому вес необходим для того, чтобы регулировать, на какие входы реагировать, а на какие нет.

Например, если нейрон посылает цифру 50, а вес связи указать 0,1, то результат получится 5.

По мере усложнения архитектуры нейросетей, нейроны решили связывать не как угодно, а по слоям. Внутри слоя нейроны никак не взаимодействуют между собой, а получают и передают информацию из предыдущего слоя в следующий.

Как правило, чем больше слоев в нейросети – тем сложнее и точнее модель. Но тогда, 50 лет назад, исследователи уперлись в ограничения вычислительных мощностей. В итоге технология оказалась разочарованием и о ней забыли на долгие годы.

Вспомнили о ней в 2012 году — студенты Университета Торонто Алекс Крижевский, Илья Сатскевер и Джефф Хинтон выиграли конкурс по компьютерному зрению ImageNet. Они использовали сверточную нейронную сеть для классификации изображений, уровень ошибок которой составила 15,3%, что более чем на 10% ниже, чем у команды, занявшей второе место. Революция в области глубокого обучения произошла во многом благодаря развитию графических карт.

Глубокое обучение отличается от нейронных сетей лишь в методах обучения сетей больших размеров. На практике, как правило, разработчики не выясняют, какую сеть можно считать глубокой, а какую нет. Сегодня даже для построения сетей на пять слоев разработчики пользуются «глубокими» библиотеками, такими как Keras, TensorFlow или PyTorch.

На сегодняшний день самыми популярными сетями являются сверточные нейросети (CNN) и рекуррентные нейросети (RNN).

CNN часто используется для распознавания лиц, поиска объектов на фотографиях и видео, улучшения качества изображений и прочих задач. Рекуррентным сетям нашли применение в машинном переводе текста и синтезе речи. Например, с 2016 года Google Translate работает на основе RNN-архитектуры.

Также популярность нашли генеративно-состязательные сети (GAN). В ее основе лежат две нейросети, одна из которых генерирует данные, например — изображение, а вторая пытается отличить правильные образцы от неправильных. Так как две сети соревнуются между собой, между ними возникает антагонистическая игра.

GAN часто используется для создания фотореалистичных фотографий. Например, репозиторий изображений This Person Does Not Exist состоит из портретных фото «людей», созданных генеративной нейросетью.

Что такое общий искусственный интеллект? 

Создание машины с интеллектом человеческого уровня, которая может быть применена к любой задаче, является Святым Граалем для многих исследователей ИИ, но поиски AGI сопряжены с некоторыми трудностями.

Общий ИИ уже давно является музой антиутопической научной фантастики, в которой сверхразумные роботы наводняют человечество, но эксперты сходятся во мнении, что это не то, о чем нам нужно беспокоиться в ближайшее время.

Американский изобретатель и футуролог Рэй Курцвейл предсказал, что общий ИИ появится уже к 2029 году. Его коллега Родни Брукс не столь оптимистичен, и уверен, что переломный момент развития технологий машинного разума произойдет к 2300 году.

Стюарт Рассел, один из авторов учебника «Искусственный интеллект: современный подход», предполагает, что изобретение AGI станет случайным, как, например, открытие ядерной энергии в 1933 году. Ученый считает, что это яркий пример того, как бессмысленно давать какие-либо прогнозы в развитии столь непредсказуемой технологии, которая до конца еще не изучена.

Подписывайтесь на новости ForkLog в Telegram: ForkLog AI — все новости из мира ИИ!

Нашли ошибку в тексте? Выделите ее и нажмите CTRL+ENTER

Материалы по теме

Искусственный интеллект оказался неразрешимой задачей

Математики доказали, что алгоритмы машинного обучения упираются в проблему теории множеств, не имеющую решения по фундаментальным причинам

Амир Йегудайоф из университета Тель-Авива и его коллеги занимались прикладной математической задачей — алгоритмами машинного обучения. Неожиданно оказалось, однако, что эта проблема упирается в фундаментальный математический парадокс, обнаруженный великими математиками XIX-ХХ веков Георгом Кантором и Куртом Гёделем. А именно, вопрос о том, достигает ли успеха алгоритм машинного обучения, оказался фундаментально неразрешимым. Об этом сообщает статья, опубликованная 7 января в Nature Machine Intelligence.

Предыстория вопроса: знаменитые парадоксы ХХ века

Наглядный пример парадокса, обнаруженного математиком Бертраном Расселом еще столетие назад, дает задача о двух каталогах. Согласно ее условиям, в библиотеке все книги должны быть внесены в один из двух каталогов: в первый вносятся те книги, где есть ссылка на самих себя, а во второй — те, в которых ссылка на себя отсутствует. Поскольку эти каталоги сами представляют собой книги, их также нужно внести в один из каталогов. Однако сложность в том, что если в первый каталог можно записать ссылку на сам этот каталог (а можно и не записывать — все равно условие будет выполнено), то второй каталог нельзя записать никуда. Но и не записывать его тоже нельзя: условие задачи будет нарушено в любом случае.

Размышления о расселовском парадоксе привели Курта Геделя к формулировке его знаменитой «теоремы о неполноте». Рассуждал он так: возьмем некую систему математических аксиом и составим полный список всех возможных математических утверждений, которые следуют из этих аксиом (нечто вроде библиотечного каталога). Тогда, доказал Гёдель, можно сконструировать истинное математическое утверждение, которого точно не будет в этом списке («второй каталог» в вышеприведенном примере). Таким образом, любая система аксиом, даже бесконечная, обязательно окажется неполной: некоторое истинное утверждение будет невозможно вывести из нее математически. Оно будет, как выражаются математики, «неразрешимым» (undecidable). Но даже если назвать это утверждение «аксиомой» и добавить к списку, новая система аксиом снова окажется неполной: для нее также можно будет сконструировать недоказуемое и неопровержимое утверждение.

Один из примеров геделевского неразрешимого утверждения — «проблема континуума», сформулированная Георгом Кантором. Немецкий математик сравнивал разные бесконечные множества и обнаружил, что они отличаются друг от друга по «мощности». В частности, множества натуральных, рациональных и действительных чисел бесконечны. Однако если натуральные и рациональные числа можно поставить в соответствие друг другу (мощность этих множеств равна), то с действительными числами это не работает: его элементы расположены гораздо «гуще».

Кантор задал вопрос: а есть ли множества, мощность которых больше, чем у множества натуральных чисел, но меньше, чем у действительных? Ответ на этот вопрос он дать не смог, а в 1940 году Гедель доказал, что это как раз и есть пример неразрешимого утверждения в рамках теории множеств. Можно сказать, что множеств промежуточной мощности не существует — и это утверждение станет частью непротиворечивой математической системы. Но можно утверждать и обратное, и в результате опять получится непротиворечивая система утверждений, хотя и отличная от первой.

Английский математик Алан Тьюринг развил идею Геделя в применении к вычислительным алгоритмам. Он доказал, что в списке «всех возможных алгоритмов, приводящих к решению задачи» будет заведомо отсутствовать алгоритм, устанавливающий, приведет ли к решению некий произвольный алгоритм. На этом основании современный британский математик Роджер Пенроуз выдвинул аргументированную гипотезу, согласно которой человеческое мышление принципиально неалгоритмизируемо. Из этой гипотезы следует, что «искусственный интеллект» в точном смысле этого слова невозможен: определенный класс задач, решаемых человеческим мозгом, возможно, представляет собой неразрешимые тьюринговские алгоритмы.

Суть проблемы: парадокс машинного обучения

В ХХ веке казалось, что геделевские неразрешимые утверждения носят довольно абстрактный характер и не имеют отношения к прикладным задачам. Несколько лет назад, впрочем, группа физиков-теоретиков во главе с Тони Кьюбиттом доказала, что геделевская неразрешимость возникает в физической задаче «квантового гэпа»: невозможно вычислить теоретически, окажется ли произвольно большая пластина некоего материала сверхпроводником.

Авторы статьи в Nature занимались еще более прикладной проблемой — машинным обучением. Обычно подобные задачи выглядят так: алгоритму предъявляют «обучающие» конечные наборы данных, в которых требуется, к примеру, научиться распознавать изображение котенка. Задача обучения считается решенной, если алгоритм будет способен безошибочно «находить котят» в произвольно большом, то есть бесконечном, наборе данных.

Йегудайоф и его коллеги изучали взаимосвязь между обучаемостью и «сжатием» данных. Они обнаружили, что вопрос о сжимаемости информации тесно связан с проблемой континуума Кантора — которая, как сказано выше, математически неразрешима. Существует бесконечно много способов выбрать из бесконечно большого набора данных меньший набор. Однако «мощность» этой бесконечности оставалась неизвестной. Авторы показали, что эта «мощность» как раз и характеризуется неразрешимостью в рамках проблемы континуума. А именно, если принять гипотезу Кантора, то всегда найдется малый набор обучающих данных, на основании которого алгоритм научится делать предсказания — «искать котенка» — в произвольно большой выборке. Но если принять обратное утверждение, то есть допустить существование множеств промежуточной мощности, никакая выборка данных не даст гарантии успеха.

По мнению авторов работы, обнаруженный парадокс очень важен для понимания принципов сжатия данных, лежащих в основах машинного обучения. В то же время его практическая значимость остается под вопросом: бесконечные наборы данных представляют собой математическую абстракцию. Тем не менее подобные исследования, указывающие на фундаментальные границы алгоритмического «мышления», очень важны для понимания перспектив разработки систем искусственного интеллекта, а в конечном итоге — для понимания феномена человеческого разума.

«Существует ли на самом деле искусственный интеллект или это просто сложный алгоритм?» — Яндекс Кью

Популярное

Машинное обучение и Нейронные сети

Сообщества

ПрограммированиеData science+3

Антон Басаргин

Машинное обучение и Нейронные сети

16 июля 2021  ·

12,4 K

На Кью задали 2 похожих вопросаОтветитьУточнить

Достоверно

Павел Кикин

Машинное обучение

577

Специалист по машинному обучению и ГИС, кандидат технических наук, преподаватель. Связь…  · 20 июл 2021

Если под искусственным интеллектом подразумевать нейронную сеть — это не «просто сложный алгоритм».

Традиционная алгоритмическая программа отличается от нейросети тем, что в ней большая задача декомпозирована на малые подзадачи. Логика работы такой программы целиком и полностью описывается разработчиком/программистом. А сторонний человек, посмотрев код такой программы легко (ну или не всегда легко 🙂 ) сможет проследить ход мышления создателя, и принципы её работы. Иными словами — алгоритм прозрачно описывает последовательность необходимых для достижения цели действий. Действие 1, действие 2, действие 3 … результат.

В нейросети же все не так. Её работа представляет собой множество отдельных процессов передачи сигнала между искусственными нейронами, в которых не прослеживается никакой конкретной логики. На основании этих процессов невозможно понять не только принципы достижения нейросетью цели, но даже общую постановку задачи. Т.е. невозможно понять что и как будет делать нейросеть и на чём основывается её логика принятия решений. 

На примере нейросетей как нельзя лучше проявляется принцип эмерджентности (появление у системы свойств, не присущих её элементам в отдельности), ведь, на первый взгляд, происходящие в ней процессы выглядят, как бессмысленная многократно повторяющаяся передача сигналов и их умножение на какие-то случайные коэффициенты.

Но, по результатам обучения, миллионы полученных методом минимизации ошибки коэффициентов, обретают смысл. При этом, чаще всего (если только это не совсем крошечная нейросеть), невозможно интерпретировать роль отдельных нейронов и связей между ними в контексте поставленной задачи. Смысл имеет только нейросеть целиком, а не её отдельные нейронные связи или даже слои.

Результаты работы хорошо обученной нейросети, чаще всего, превосходят результаты любых самых сложные алгоритмов. Кажущийся бессмысленным набор нейронных связей их коэффициентов, во многих задачах с отрывом превосходит людей.

Мой телеграмм

Перейти на t.me/pavel_kikin

5 экспертов согласны

Владимир

16 сентября 2021

Утверждение, что «модели нейронных сетей и есть ИИ» самое что ни на есть ложное и относится к пиару.
Обработка стат… Читать дальше

Комментировать ответ…Комментировать…

Достоверно

Артём Бойко

Data science

360

Специалист в области управления и информатики в технических системах.
Data Engeneer, IT…  · 27 сент 2021

Давайте сразу уточним. Слабый ИИ это сложный алгоритм (нейронная сеть) который просто выполняет задачу для которой его тренеровали. Таких решений с каждым днём всё больше и подобные ИИ становятся все сложнее.
Сильный ИИ (так же известный в литературе как искин, Скайнет и т. д) пока что не существует. Но многие специалисты трудятся над его созданием. Это очень… Читать далее

3 эксперта согласны

Егор Горбунов

подтверждает

4 октября 2021

согласен. Полыхаев(с)

Комментировать ответ…Комментировать…

Достоверно

Vector Vikram

Программирование

36

Работаю Менеджер отдела, в Леруа Мерлен.
Учусь на программиста Java B Skillbox.
Интересы:…  · 2 окт 2021

Если рассматривать «интеллект», в том смысле, каком Мы привыкли его понимать, то нет.
Вкратце, о представлении интеллекта.
Интеллект — это способность, к мыслительным процессам, определяющих, деятельность человека и его выборы.
ИИ (пока что), не способны к самостоятельному мыслительному процессу, (то есть, он не может самостоятельно поднять любую мысль и начать её… Читать далее

V.V.R.

Перейти на t.me/Graph_Dark

2 эксперта согласны

Артём Бойко

подтверждает

7 октября 2021

Верно.

Комментировать ответ…Комментировать…

Василий Горчаков

Программирование

82

Родился, учился и работал в СССР. Инженер-оптик, программист RDBMS, алгоритмист…  · 12 авг 2021

Глядя на некоторые малоизвестные разработки военного назначения — существует. Зачастую превосходит человеческий в узко взятой области. ИИ уже быстрее и точнее человечачьего мозга.

1 эксперт согласен

Артём Бойко

подтверждает

12 августа 2021

Дополню. Все текущие ИИ системы относятся к слабым ИИ. То есть они не осознают то, что делают. Сильные ИИ системы… Читать дальше

Комментировать ответ…Комментировать…

Nazarov Dmitry

Data science

83

Учёный, доктор наук, математика, информатика и экономика. Математические и инструментальны…  · 26 нояб 2021

Не существует ещё В целом. Однако в отдельных случаях алгоритмы ИИ достаточно эффективно заменяют человека, например, распознавание образов (фото, картинок…). Проблема тут заключается, на мой взгляд, в следующем. У человека ( естественный интеллект ) развито ассоциативное мышление. Мы за мгновение строим ассоциативные связи между явлениями и процессами. Машина (ИИ)… Читать далее

1 эксперт согласен

Семёнов Сергей

подтверждает

27 ноября 2021

Компьютер логичен, есть только возможные варианты ответов. А интелект должен быть в некоторой степени не… Читать дальше

Комментировать ответ…Комментировать…

Артём Глаголев

Data science

4

Data Scientist, математик по образованию и просто любопытный человек.  · 2 окт 2021

Для ответа на этот вопрос необходимо определиться с тем,что такое интеллект и сознание.И уже на этом этапе возникают проблемы.На данный момент нет ни одной стройной теории,полностью обьясняющей механизм работы сознания человека.Есть различные философские школы и учения ,рассматривающие сознание в отрыве от окружающей действительности,или ,наоборот,как непрерывно… Читать далее

Комментировать ответ…Комментировать…

Эдуард Маслов

Машинное обучение

20

Эксплуатация ( настройка, программирование, введение в работу, разработка схемотехнических. ..  · 26 нояб 2021

Попробую взять на себя ответственность и ответить на Ваш вопрос.
С моей точки зрения, это понятие ИИ, может не в таком дословном виде, начало использоваться где-то в 18-19 веке, в творениях писателей фантастов, тот же Роберт Шекли, например, со своим творением ”Страж — Птица”.
Желание человека, чтобы кто-то подумал, а ещё и сделал за него, с течением времени только увел… Читать далее

Комментировать ответ…Комментировать…

Назарий Гоудин

Data science

50

Программист, экспериментатор, talk python to me.  · 17 июл 2021

Это самый простой алгоритм который имитирует человеческое мышление. То есть это вычисление в компьютере а не альтернативное существо которое что-то самостоятельно делает.

Сегодня, продукты ИИ надо писать, обучать, переделывать итд. пока не получится подходящий результат. Мистики тут никакой нет.

Комментировать ответ…Комментировать…

Sergey Astashkin

Машинное обучение

33

Научный работник, занимаюсь новыми технологиями и генетикой.   · 28 сент 2021  · san8project.com

Я ответил просто: кто докажет что у него самого или у других людей есть интеллект? Мне не совсем нравится , что эта вполне себе конкретная тема стала философской. А в науке есть главный критерий -практика. Кто может привести примеры из практики, подтверждая своё определение?
Я попробую привести свой пример https://zen.yandex.ru/media/id/6078fd4bd9475325125caf99/chto-zash… Читать далее

Комментировать ответ…Комментировать…

alexandr azevich

Data science

212

Учитель — увлекаюсь нейронными сетями, создаю курс занятий по нейронным сетям не для…  · 20 сент 2021

Если исходить из определения что это машины, способные выполнять задачи, которые обычно требуют человеческого интеллекта — то да. А если попробовать дать другое определение — типа умеет сопереживать, страдать и одновременно выполнять то, что подвластно человеческому мозгу, то наверное ещё нет — если Вы это имели ввиду. Мы обычно подразумеваем под ИИ — первое.

Ivan Bushmakov

21 сентября 2021

Нынешний искусственный интеллект -это не более чем алгоритм который написал человек для решение определенной… Читать дальше

Комментировать ответ…Комментировать…

Ответы на похожие вопросы

Существует ли на самом деле искусственный интеллект или это просто сложный алгоритм? — 8 ответов, задан 16 января

Владимир Резников

21

Композитор — экспериментатор, художник, журналист — аналитик  · 18 янв

Искусственный интеллект — это и есть сложный алгоритм, способный к изменению в зависимости от условий функционирования, накопленного опыта и постановки задачи. Вероятно в перспективе можно отойти от этого термина и обозначить его как «синтезированный интеллект» или в человеческом мозге, или в компьютере.

Комментировать ответ…Комментировать…

Существует ли на самом деле искусственный интеллект или это просто сложный алгоритм? — 8 ответов, задан 16 января

Достоверно

Алексей Шумм

6

Психология, психоанализ, психосоматика, программирование, искусственный интеллект…  · 17 янв

1. Чтобы ответить на этот вопрос, нужно понять, что такое интеллект в общем. Можно пойти от задач, которые интеллект решает. Если принять наш, человеческий, интеллект за эталон, то можно эти задачи перечислить. ИИ на данный момент неплохо справляется с некоторыми из них, с «узкими интеллектуальными задачами». Следовательно, остается определить, в какой момент мы будем считать, что набор решаемых узких задач становится признаком наличия интеллекта в целом. А это вопрос, выходящий за рамки ИИ.
2. Если упростить критерии — современный ИИ неспособен эффективно переобучаться при переходе к решению задач из одной области в другую. Соответственно, считать его сильным ИИ (AGI) рано.
3. Существование ИИ — это вопрос восприятия этой сущности человеком. % людей, считающих «набор ИИ-технологий» действительно ИИ — растёт. И это приближает время, когда мы все вместе скажем — искусственный интеллект существует.

2 эксперта согласны

Комментировать ответ…Комментировать…

Существует ли на самом деле искусственный интеллект или это просто сложный алгоритм? — 8 ответов, задан 16 января

Достоверно

Александр Родионов

54

Программист  · 17 янв

Термин искусственный интеллект(ИИ) сейчас чаще всего применяется к нейросетям. Если понимать ИИ, как способность искусственного объекта решать все те задачи, что и человеческий интеллект, то для такого ИИ придумано специальное название — сильный или общий ИИ. Пока сильного ИИ не существует. А нейросети — это алгоритмы, построенные на математических и статистических методах. Ничего общего с человеческим интеллектом они, конечно, не имеют, кроме способности решать некоторые интеллектуальные задачи. Будет ли сильный ИИ способен думать как человек или он будет просто еще более изощренным и мощным алгоритмом пока неизвестно. Но, скорее всего, успех в создании сильного ИИ придет именно если принципы его работы будут приближены, по сути скопированы с человеческого интеллекта.

2 эксперта согласны

Комментировать ответ…Комментировать…

Существует ли на самом деле искусственный интеллект или это просто сложный алгоритм? — 8 ответов, задан 16 января

Марат К.

241

Информация отсутствует  · 18 янв

Интеллект универсален, поэтому называть его искусственным, отличая от некоего естественного, не стоит. Машинный интеллект, реализованный в виде распределённого комплекса программно-аппаратных средств, безусловно существует, причём за последние двадцать лет уровень его автономности вырос многократно, а роль изменилась со вспомогательной на ведущую. В жизнеобеспечение и дальнейшее развитие машинного интеллекта сегодня вовлечено всё человечество, перспектива этого процесса людям совершенно неясна, т. к. уровень их интеллекта для её понимания уже очевидно недостаточен.

1 эксперт согласен

Комментировать ответ…Комментировать…

Существует ли на самом деле искусственный интеллект или это просто сложный алгоритм? — 8 ответов, задан 16 января

Тимур Алтынов

182

Работаю поваром, интересуюсь голубями.  · 8 мар  · yandex.ru/chat

А существует ли на самом деле интеллект или это просто совокупность химических реакций?

Раньше это был философский вопрос, теперь ответ однозначный — может существовать, но только тогда, когда он будет создан. Он должен проходить тест Айзека, но тест Айзека — это эмпирическое определение, а не теоретическое. А теория интеллекта настолько в зачаточном положении, что неизвестно, доживет ли человечество до того, как она сформируется.

То, что существует сейчас — это просто мат. аппараты для решения конкретных задач методами, схожими с методами решения задач на основе природного алгоритма «эволюция». Т.е. саморазвитие системы в направлении наиболее эффективного решения задачи. Генетические алгоритмы — яркий тому пример.

Те же самые нейронные сети — это частный случай такой системы. «Обучение» сети на выборке — та же самая эволюция системы, просто с эмпирической точки зрения проще сопоставлять это с развитием индивида, а не вида.

Есть еще грубые попытки пройти тест Айзека — но это уже техно-софистика. Всякие гугл ассистенты, человекообразные роботы. Под капотом — это довольно простая и линейная система, которую пытаются выдать за ИИ плебсу, чтобы его впечатлить. Тем не менее, в них есть клёвые компоненты, у ассистента — синтез и анализ речи и звуков. У роботов — приводная система.

Вопрос само референтный. Интеллект объекта зависит от интеллекта субъекта.

Короче, отвечая на вопрос — ИИ это и есть сложный алгоритм и он существует, в зависимости от того, каков Ваш собственный уровень интеллекта.

Чем Ваш IQ ниже — тем сложнее алгоритм существующего сейчас ИИ.

Чем Ваш IQ выше — тем проще алгоритм мат. аппарата, который используется для автоматизации информационных процессов.

1 эксперт согласен

1 эксперт не согласен

Комментировать ответ…Комментировать…

Существует ли на самом деле искусственный интеллект или это просто сложный алгоритм? — 8 ответов, задан 16 января

Татьяна Кондратьева

Я самоучка. Учусь фотографировать, занимаюсь рисованием, интересуюсь растениями,…  · 24 июл

Здравствуйте! Я думаю, что искусственный интеллект есть, есть примеры: умные колонки, со встроенными голосовыми помощниками. Голосовой помощник Apple, siri.  Беспилотные автомобили. Умные дома.  Искусственный интеллект, внедрили  в нашу повседневную жизнь. В этом конечно есть минусы, уходят профессии где нужен физический труд. Везде внедряют искусственный интеллект. Сначала, через удобство,   а в ближайшем будущем в самого человека.  

1 эксперт не согласен

Комментировать ответ…Комментировать…

О сообществе

Машинное обучение и Нейронные сети

Сообщество, в котором практикующие специалисты и ученые в области Машинного обучения и Искусственного интеллекта делятся опытом и помогают начинающим.

Может ли искусственный интеллект (ИИ) существовать без людей?

Несколько десятилетий назад искусственный интеллект (ИИ) использовался только в сфере развлечений. Люди восхищались мощью этой технологии, но сегодня ИИ и машинное обучение являются горячей темой. Фактически, большинство людей так или иначе взаимодействовали с этой технологией в своей жизни.

Использование диалоговых приложений ИИ в тексте и голосе резко возросло. К ним относятся сложные виртуальные помощники и простые чат-боты, которые автоматизировали обслуживание клиентов и вывели его на новый уровень. Эта технология произвела революцию и в других отраслях.

Даже с учетом этих разработок ИИ еще не является самодостаточным. Возникает вопрос: может ли ИИ существовать без людей?

ИИ нуждается в людях, чтобы оставаться актуальным. Он рискует не идти в ногу без участия людей. Вот причины, по которым ИИ все еще нуждается в людях.

Может ли ИИ существовать без поддержки людей?

ИИ — одна из технологий, развивающихся с экспоненциальной скоростью. Машины с искусственным интеллектом работают лучше, двигаются быстрее и поднимают большие грузы, чем люди. Они такие же умные, как люди, поэтому могут делать почти все.

Однако технологии не могут развиваться без помощи человека. Инженеры должны разрабатывать и тестировать системы искусственного интеллекта для развития технологии. Поэтому люди и ИИ не взаимозаменяемы, а ИИ не может существовать без людей.

Многие разработчики говорят, что в будущем машины смогут мыслить независимо. Однако в реальном мире на это могут уйти десятилетия, потому что в настоящее время роботы запрограммированы и работают в рамках своей системы. Они зависят от кодов, которые пишут люди, поэтому они не могут критически мыслить в сложных сценариях.

Далее ИИ обрабатывает данные, которые люди вводят в систему. Без вмешательства человека машины будут простаивать. Поэтому пространство технологий ИИ все еще далеко от достижения человеческого интеллекта, чтобы помочь ему работать без помощи людей. Машины могут приносить пользу только до тех пор, пока за ними стоят люди.

Причины, по которым ИИ не заменит человека

·        

Отсутствие эмоционального интеллекта

Люди обладают эмоциональным интеллектом, потому что они могут проявлять эмоции, выражать чувства, читать жесты и выражения лица, чтобы знать, что сказать. Например, предприятия не могут заменить людей искусственным интеллектом в сфере обслуживания клиентов, потому что клиенты хотят личного общения. Какими бы сложными они ни были, роботы не могут проявлять чувства и сочувствие к клиентам.

Предприятия, которые заменят своих представителей по обслуживанию клиентов роботами, потеряют своих клиентов из-за отсутствия личного взаимодействия. Фактически, сегодня на рынке труда потребность в мягких навыках, таких как навыки ведения переговоров, навыки межличностного общения и общения, выше, чем в технических навыках.

Хотя системы искусственного интеллекта точны и быстры, они не чуткие, не интуитивные и не учитывают культурные особенности. Именно эти способности делают людей более эффективными, чем машины.

·        

ИИ не может показывать чувства

Люди проявляют такие чувства, как счастье, печаль, надежда, удовольствие, доброта, благодарность, оптимизм, и этот список можно продолжать бесконечно. Они могут читать выражения и эмоции, которые демонстрируют другие люди, но машины с искусственным интеллектом не запрограммированы на это.

Большинство профессий на рынке требуют общения между людьми и установления доверия, которое помогает людям раскрыться, расслабиться и поделиться своей информацией. Это правда, что машины с искусственным интеллектом могут имитировать человеческую речь, но они не могут проявлять эмпатию и другие чувства; таким образом, они упускают это человеческое прикосновение.

·        

Люди строят отношения

Люди строят отношения, которые помогают им выполнять несколько задач. Хотя они могут добиться многого, работая в команде, они также показывают лучшие результаты по отдельности.

Члены команды демонстрируют эмоциональную приверженность и привязанность во время участия в схватке. Тем самым они показывают, что заботятся друг о друге, своей работе и своей компании. Построение отношений помогает людям находить клиентов, инвесторов и партнеров. Машины не могут понять эмоциональную сторону человеческого поведения.

·        

Не может заниматься творчеством

Люди способны выполнять большие проекты в творческом, технологическом и финансовом секторах, чем ИИ. На самом деле ИИ расширяет возможности людей в этих секторах, автоматизируя повторяющиеся, ручные и подверженные ошибкам задачи. Эти интеллектуальные автоматизированные решения позволяют сотрудникам сосредоточиться на более приоритетных и творческих задачах, пока они занимаются остальными делами.

·        

Не удается найти творческие решения

ИИ построен на кодах, которые не позволяют ему творчески находить решения возникающих проблем. Они работают по программе, что ограничивает их способность анализировать контекст и разрабатывать сложные стратегии.

Человек взаимодействует с внешней средой и учитывает влияние извне при анализе информации. Они могут работать с искаженным обменом информацией и внезапными изменениями, поскольку они творчески вырабатывают видение и стратегию благодаря важнейшему элементу, называемому человеческой интуицией.

Заключение

Несмотря на шумиху, машины с искусственным интеллектом созданы людьми только для решения конкретных задач. На данный момент они не могут работать самостоятельно. Любое дальнейшее развитие этой технологии зависит от инженеров, ИТ-специалистов, специалистов по данным и других. На самом деле кто-то должен создавать этих роботов и другие типы алгоритмов. В результате у людей появляется больше возможностей по мере развития ИИ.

Почему настоящего искусственного интеллекта никогда не будет

Изображение с Pixabay

Что самое интересное в том, чтобы быть инвестором стартапов глубоких технологий на ранней стадии, так это то, что вы не можете просто смотреть на то, как сегодняшний рынок отреагирует на современное состояние технологий, но вы должны почти предсказать, как будет развиваться тенденция развития технологий. будет соответствовать эволюции самого рынка.

Искусственный интеллект или ИИ — хороший пример. Кто не слышал о том, что искусственный интеллект в ближайшем будущем лишит рабочих мест и лишит работы большое количество людей. Некоторые из самых умных людей на планете, включая покойного профессора Стивена Хокинга, предсказали технологическую сингулярность, когда Человечество закончится по сценарию, подобному тому, что разыгрывается в популярных научно-фантастических фильмах, таких как «Матрица» и «Терминатор». Паникеры используют возможную потерю рабочих мест из-за ИИ в качестве основы для лоббирования правительств и корпораций с целью сокращения инвестиций в эту технологию. Для студентов-историков это движение луддитов в начале 1800-х годов в Англии снова и снова.

Но быть инвестором в такие технологии значит не только знать, на что они способны, но и, что более важно, каковы их ограничения. Как только мы разберём текущее состояние ИИ до костей, насколько реален этот страх? Как и любая другая технология, ИИ развился из существующих технологий. Возможно, полезно понять, что эволюция ИИ на самом деле началась со сбора данных на бумаге (или папирусе… или в пещерах в каменных стенах), и сегодня это просто применение определенных алгоритмов к этим собранным данным.

Таким образом, если говорить упрощенно, что на самом деле может делать ИИ сегодня?

1. Найдите оптимальное решение на основе имеющихся данных . Ударение делается на слове существующем . Если вы собрали неверные данные, вы получите плохое решение. Если в решениях, на основе которых собираются эти данные, присутствует предвзятость, то эта предвзятость отразится на вашем наборе решений. Общепризнано, что качество данных имеет основополагающее значение для способности ИИ находить лучшие решения. По этой причине новые методы сбора данных с помощью датчиков, камер, устройств, социальных сетей и т. д. в сочетании с алгоритмами фильтрации позволят системам ИИ исследовать более целостное представление о ситуации, клиенте, корпорации или правительстве.
2. Решайте одну проблему за раз . Катастрофическое забывание/вмешательство — это термин, используемый специалистами по данным для описания того, как глубокие нейронные сети не могут последовательно изучать задачи, как люди. Упрощенно, если вы научите сеть решать одну проблему, она «забудет», как решить эту первую проблему, если ее попросят решить другую. По этой причине большинство систем ИИ сегодня называются узкими ИИ и на самом деле больше похожи на устройства с одной-единственной функцией. Тесты общего искусственного интеллекта в целом могут быть применены к новым подходам к ИИ, направленным на решение проблемы катастрофического забывания. Однако такие проблемы потребуют способности обрабатывать и синтезировать входные данные пяти органов чувств, понимать естественный язык и справляться с неожиданными событиями. Даже в случае успеха искусственный общий интеллект все равно будет управляться прошлыми данными и текущими входными данными.
3. Быстрее добраться до оптимальной точки . Все, что делает нынешний ИИ, может быть сделано людьми… при наличии достаточного времени. Однако современные алгоритмы и процессоры могут помочь в создании моделей за короткий промежуток времени при соответствующей вычислительной мощности. Однако возможность делать это в режиме реального времени и на уровне периферии (датчик/устройство) еще далеко. В то время как данные росли взрывным образом, и разработка программного обеспечения росла аналогичным образом, прогресс в области аппаратного обеспечения был гораздо медленнее. В связи с ожидаемым взрывным объемом данных потребуются более специализированные процессоры, чтобы максимизировать скорость при одновременном снижении энергопотребления. Области интересов находятся в области обработки графических потоков, нейроморфных процессоров и квантовых вычислений.

По сути, ИИ нужна цель. Как только эта цель будет прояснена, он может найти оптимальное решение для достижения этой цели на основе данных, которые он имеет в своем распоряжении. Он не может сделать больше, чем данные, которые у него есть.

Однако причина существования — это вопрос, который люди задают себе с незапамятных времен, и на который нет однозначного ответа. Поэтому трудно согласовать ИИ с нашей целью, когда мы сами не уверены в этом вопросе. Помимо философии, есть также явные технологические барьеры, препятствующие тому, чтобы каждый был настоящим ИИ. Три основных качества, которые позволили нам так быстро прогрессировать в технологическом отношении, это:

1. Любопытство . Желание понять, почему определенные вещи работают именно так, а не иначе, и узнать что-то новое является ключевым для каждого человека. Мы не принимаем вещи такими, какие они есть, и постоянно ищем лучшие способы делать вещи. ИИ является результатом этого любопытства. Любопытство движет современными исследованиями голубого океана. Любопытство — это, по сути, вопрос «Почему».
2. Воображение . Развиваясь из любопытства, воображение связано с тем, «как». Воображение позволяет нам не только выдвигать гипотезы о новых мирах, но и о новых социальных структурах.
3. Принятие риска . Я использую этот термин в широком смысле, но в основном речь идет о выделении ресурсов для «валидации» гипотезы, которая выдвигается из чистого любопытства и не имеет непосредственной коммерческой ценности, но способствует развитию знаний с будущими приложениями. Хороший пример — поиск бозона Хигга. Физикам было любопытно, как определенные частицы могут оставаться вместе и не разлетаться со скоростью света, поскольку расчеты показали, что они фактически лишены массы (я сильно упрощаю фактическую концепцию). В 1964, Питер Хиггс выдвинул гипотезу о существовании субатомной частицы, которая замедляет скорость таких частиц, чтобы они могли формировать строительные блоки жизни. Его существование было подтверждено только в 2011 году на Большом адронном коллайдере в ЦЕРНе. Реальные отраслевые приложения неясны, но не исключено, что знания о таких взаимодействиях будут иметь будущий рыночный потенциал.

ИИ остается чрезвычайно ценным инструментом для оптимизации доступной информации, и почти наверняка некоторые рабочие места будут подвергаться риску, поскольку ИИ все более убедительно внедряется в обществе. Однако, если мы доведем эту эволюцию до конечной точки, нынешний ИИ (в сочетании с другими технологическими разработками, такими как квантовые компьютеры, устройства, распределенные реестры и т. д.) может в лучшем случае создать сеть, похожую на улей, где каждый может знать и испытать то, что делают все остальные.

Однако вероятность того, что настоящий ИИ включает в себя не только способность оптимизировать все данные в мире, но также пронизан любопытством к миру, в котором он существует, воображением для создания новых возможностей этого мира и, наконец, принятием риска Фактор выделения ресурсов для проверки этих новых возможностей для меня остается крайне далеким.

Отказ от ответственности: взгляды и мнения, выраженные в этой статье, принадлежат автору и не обязательно отражают официальную политику или позицию какого-либо агентства или компании

• Тенденции Deep Tech на 2022 год
  

  7 января 2022 г.
  

• Почему мы должны скептически относиться к ICO
  

  18 марта 2018 г.
  

• Молитва и квантовая теория для управления потребительскими устройствами нового поколения?
  

  15 января 2016 г.
  

• Общие термины в перечне условий венчурного капитала
  

  17 ноября 2015 г.

  
  

• Политика найма и отбора персонала нуждается в серьезном переосмыслении
  

  3 июля 2015 г.
  

• 3 направления инвестиций в будущее
  

  5 февраля 2015 г.
  

• Значит, твоя идея изменит мир…
  

  16 декабря 2014 г.
  

• Должны ли создатели контента разрешать комментарии?
  

  6 декабря 2014 г.

  
  

• Убейте уже этот номер телефона!
  

  24 ноября 2014 г.
  

• Заблуждение «Клиент всегда прав»
  

  7 августа 2014 г.
  

Другие также смотрели

Исследуйте темы

Что такое искусственный интеллект и как он повлияет на нашу жизнь в 2022 году?

Будущее уже здесь. Узнайте, как искусственный интеллект влияет на все: от вашей работы до вашего здравоохранения и того, что вы делаете в Интернете прямо сейчас.

Искусственный интеллект, более известный как ИИ, звучит как что-то из научно-фантастического фильма. Это напоминает самосознающие компьютеры и человекоподобных роботов, которые ходят среди нас. И хотя эти вещи являются частью всеобъемлющего определения искусственного интеллекта и могут существовать в будущем, ИИ уже занимает большую часть нашей повседневной жизни. Итак, что такое искусственный интеллект? Это сложно, но каждый раз, когда вы используете Siri или Alexa, вы используете ИИ, и это только начало его практического применения.

«Главное преимущество ИИ заключается в том, что он может преодолеть разрыв между людьми и технологиями, — говорит исследователь ИИ Робб Уилсон. «ИИ позволит всем общаться с компьютерами так же, как они общаются с другими людьми: с помощью речи и текста. Это может иметь огромное преимущество, заключающееся в том, что возможности мощной технологии для решения проблем будут доступны каждому».

Если вас интересует ИИ, вы не одиноки. В недавнем опросе Reader’s Digest 23% респондентов заявили, что им интересно узнать об этом больше. Это важная тема, потому что будущее ИИ изменит все, от Интернета до медицинских технологий и наших рабочих мест — к лучшему или к худшему. В то время как ИИ откроет совершенно новый мир с реальными роботами, помогающими так, как вы, вероятно, никогда не представляли, нам также придется бороться с меняющимся рынком труда, а также с непреднамеренной предвзятостью ИИ. Мы поговорили с экспертами по технологиям, чтобы все это сломать. Вот что вам нужно знать.

Что означает искусственный интеллект?

В двух словах, искусственный интеллект — это просто машина, которая может имитировать человеческое обучение, рассуждения, восприятие, решение проблем и использование языка. Компьютер с искусственным интеллектом запрограммирован «думать», и этот процесс зависит от программирования, которое называется машинным обучением (ML) и глубоким обучением (DL).

Благодаря машинному обучению и глубокому обучению компьютер может использовать то, чему он научился, и развивать его практически без вмешательства человека. Но между ними есть несколько ключевых различий. В машинном обучении компьютер может адаптироваться к новым ситуациям без вмешательства человека, например, когда Siri запоминает ваши музыкальные предпочтения и использует их, чтобы предложить новую музыку. Глубокое обучение, с другой стороны, является подмножеством машинного обучения, вдохновленного структурой человеческого мозга, говорит Лу Баченхаймер, доктор философии, технический директор американского подразделения SS&C Blue Prism, мирового лидера в области интеллектуальной автоматизации. Как вы уже догадались, это помогает ему «думать» больше как человек.

По сути, машинное обучение использует параметры, основанные на описаниях данных, тогда как глубокое обучение также использует данные, которые ему уже известны. В реальном приложении глубокое обучение может помочь цифровому работнику легко расшифровывать и понимать почерк, изучая различные шаблоны письма и сравнивая их с данными о том, как должны выглядеть буквы. ИИ также будет играть большую роль в метавселенной в будущем.

История ИИ

В 1935 году Алан Тьюринг представил машины с памятью, которые могли сканировать эту память в поисках информации. Эта идея в конечном итоге породила первые цифровые компьютеры, а в 1950, Тьюринг разработал метод оценки интеллекта компьютера. Тест Тьюринга включает в себя задание ряда вопросов, а затем определение того, является ли человек, отвечающий на вопрос, человеком или компьютером. Если компьютер обманывает достаточное количество людей, он считается думающим или разумным.

Однако только в 1955 году ученый Джон Маккарти придумал термин «ИИ», когда писал предложение для летней исследовательской конференции. Позже Маккарти стал директором-основателем Стэнфордской лаборатории искусственного интеллекта, которая отвечала за создание LISP, второго старейшего языка программирования, который в основном использовался для ИИ.

Сегодня у нас есть всевозможные «думающие» компьютеры и роботы. Кто-нибудь прошел тест Тьюринга? Да. Фактически, чат-бот недавно обманул судейскую коллегию, заставив ее думать, что это 13-летний мальчик по имени Юджин Густман. Google AI также прошел тест. Означает ли это, что эти компьютеры являются разумными существами? Нет. Многие говорят, что тест Тьюринга устарел и нуждается в пересмотре, чтобы определить, действительно ли компьютер думает как человек. В настоящее время ни один компьютер не думает как человек.

Как работает ИИ?

По сути, это сводится к тому, как ИИ учится, и это очень похоже на то, как родитель может учить ребенка. «Когда он был молодым и незрелым, ИИ обучался с использованием множества правил и шаблонов, благодаря чему такие системы, как Deep Blue от IBM, действительно хорошо играли в шахматы», — говорит Уилсон о программе, которая смогла победить гроссмейстера Гарри Каспарова в шахматном матче в 1997 г. «По мере взросления ИИ все больше обучался методом проб и ошибок. ИИ совершает ошибки, и, подобно родителю, люди корректируют курс и обеспечивают необходимый контекст. По мере того, как ИИ становится лучше в определенных вещах, некоторые из ранее установленных правил могут быть удалены (так же, как ребенок зарабатывает больше независимости), создавая дополнительные возможности для роста».

Конечно, у него нет нейронов человеческого мозга. Вместо этого компьютер использует программы, данные ему человеком, или его алгоритмы обрабатывают данные для обучения.

Способность ИИ становиться умнее с течением времени делает его способным находить решения для ранее неразрешимых или сложных проблем, по словам Бины Амманат, руководителя отдела этики Technology Trust в Global Deloitte и автора бизнес-руководства Trustworthy AI . Например, ИИ может научиться видеть связи в наборах данных, которые слишком сложны для человека. Это может привести к инновациям, таким как оптимизация транспортного потока в городах или прогнозирование проблем со здоровьем у большого количества людей, а также может работать с виртуальной реальностью для создания цифровых моделей и других иммерсивных впечатлений.

Какие существуют четыре типа ИИ?

Юитиро Чино/Getty Images

Искусственный интеллект состоит из четырех различных типов ИИ. Затем эти типы подразделяются на две отдельные группы, называемые сильным и слабым ИИ.

Типы ИИ

Четыре типа ИИ — это реактивные машины, машины с ограниченной памятью, машины теории разума и ИИ с самосознанием. Каждый из них постепенно усложняется и становится немного ближе к человеческому разуму.

• Реактивные машины: Это самый простой ИИ. У этих машин нет воспоминаний, которые могли бы помочь им «думать». Они знают, как все должно происходить, и даже могут предсказать, как что-то может произойти, но они не учатся на своих ошибках или действиях. Например, шахматный компьютер Deep Blue мог предсказывать ходы противника, но не мог запоминать прошлые матчи, чтобы извлекать из них уроки.
• Машины с ограниченной памятью: Следующее достижение ИИ, машины с ограниченной памятью могут запоминать и адаптироваться, используя новую информацию. ИИ в социальных сетях использует эту технологию, когда он вспоминает предыдущие посты, которые вам понравились, и предлагает аналогичный контент. Однако информация не собирается для использования в долгосрочной перспективе, как в случае с человеческим разумом. Он служит краткосрочной цели.
• Теория машин разума: Наука еще не достигла этой фазы ИИ. С теорией разума машина способна распознавать, что у людей и животных есть мысли, эмоции и мотивы, а также сама научиться сопереживать. С людьми эта способность позволила нам строить общества, потому что мы могли работать вместе как группа.
• Самоосознающий ИИ: Самая продвинутая форма ИИ, описывающая компьютер, который сформировал сознание и имеет чувства. На этом этапе машины смогут думать и реагировать как люди, как мы видим в научно-фантастических фильмах.

Сильный ИИ и слабый ИИ

Сильный и слабый ИИ различаются по тому, насколько «умным» стал ИИ. С сильным ИИ (также известным как искусственный общий интеллект или AGI) машина думает как человек. Слабый ИИ или узкий ИИ — это более тупая версия, и именно она у нас сейчас есть. Эксперты расходятся во мнении, когда мы добьемся сильного ИИ. Многие эксперты считают, что это может произойти в течение следующих 50 лет, хотя некоторые говорят, что есть небольшой шанс, что это может произойти в следующем десятилетии.

Благодаря сильному ИИ компьютер мог учиться, сопереживать и адаптироваться, выполняя множество задач. Его можно использовать для создания роботов-врачей или многих других профессий, требующих как эмоционального интеллекта, так и технических способностей, которые растут и развиваются по мере того, как робот учится на собственном опыте. Это похоже на личного компаньона по уходу за здоровьем Baymax в фильме Big Hero 6 или роботов-государственных служащих в фильме I, Robot .

Слабый ИИ позволяет машине выполнять задачу с помощью людей. Люди нужны, чтобы «обучить» ИИ и установить параметры и принципы того, как ИИ должен реагировать на выполнение своих задач. Siri, Alexa, Google Assistant, беспилотные автомобили, чат-боты и поисковые системы считаются слабым ИИ.

Примеры искусственного интеллекта

Теперь, когда вы знаете ответ на вопрос «Что такое искусственный интеллект?» вам может быть интересно, где это. Дело в том, что ИИ повсюду в нашем мире. Вот лишь несколько распространенных способов, которыми вы ежедневно взаимодействуете с ним, даже не осознавая этого.

Игры

Одним из самых известных примеров раннего ИИ был упомянутый ранее шахматный компьютер Deep Blue. В 1997 году компьютер смог думать как человек-шахматист и обыграл гроссмейстера Гарри Каспарова. Эта технология искусственного интеллекта с тех пор развилась до того, что мы сейчас видим в Xbox, PlayStation и компьютерных играх. Когда вы играете против противника в игре, ИИ управляет этим персонажем, чтобы предвидеть ваши действия и реагировать. Если вы геймер, вас определенно заинтересует разница между AR и VR, а также то, как ИИ связан с ними обоими.

Автомобили

Еще одним примером искусственного интеллекта является коррекция столкновений в автомобилях и беспилотных транспортных средствах. ИИ предвидит действия других водителей и реагирует, чтобы избежать столкновений, используя датчики и камеры в качестве глаз компьютера. В то время как нынешним беспилотным автомобилям по-прежнему нужны люди, готовые на случай возникновения проблем, в будущем вы, возможно, сможете спать, пока ваш автомобиль доставит вас из пункта А в пункт Б. Полностью автономные автомобили уже созданы, но они еще не созданы. в настоящее время доступны для покупки в связи с необходимостью дальнейшего тестирования.

Здравоохранение

Согласно статье, опубликованной Королевским колледжем врачей в 2019 году, в настоящее время врачи используют искусственный интеллект в здравоохранении для обнаружения опухолей с большей вероятностью успеха, чем рентгенологи. Роботы также используются для помощи врачам. в проведении операций. Например, ИИ может предупредить хирурга о том, что он собирается случайно проткнуть артерию, а также провести малоинвазивную операцию и впоследствии предотвратить тремор рук у врачей.

Кроме того, роботы пригодятся при организации клинических испытаний. ИИ может выбирать возможных кандидатов гораздо быстрее, чем люди, сканируя приложения на предмет нужного возраста, пола, симптомов и многого другого. Они также могут быстро вводить и систематизировать данные о кандидатах, результатах испытаний и другую информацию.

Сравнение покупок и обслуживания клиентов

Не хотите платить больше? ИИ может помочь. «Страховая компания Lemonade — хороший пример, — говорит Уилсон. «Они относительно новички в этой сфере, но уже разрушили бизнес-модель, используемую страховыми гигантами старой гвардии. Пользователи имеют легкий доступ к политикам и информации о них через интеллектуального бота Maya, который постоянно получает восторженные отзывы от клиентов». Lemonade утверждает, что их клиенты экономят до 80% на страховых расходах благодаря процессу регистрации без документов, который занимает менее 90 секунд.

Точно так же китайская Ant Group перевернула мировую банковскую индустрию, используя ИИ для обработки своих данных и работы с клиентами. «На пороге 2020-х годов Ant превзошел количество клиентов, обслуживаемых сегодня крупнейшими банками США, более чем в 10 раз — статистика становится еще более впечатляющей, если учесть, что этот успех был достигнут до их пятого года в бизнесе», — отмечает Уилсон. .

Влияние ИИ на рабочие места

Одно исследование, проведенное в 2018 году, показало, что 60% опрошенных компаний используют в своем бизнесе программное обеспечение с улучшенным ИИ. Несколько коротких лет спустя ИИ повсюду на рабочем месте. От поисковых систем до виртуальных помощников, от детекторов плагиата до интеллектуальных кредитов и обнаружения мошенничества, вероятно, нет отрасли, в которой не используются какие-либо технологии ИИ.

Хотя трудно предсказать, как ИИ будет использоваться в работе в будущем, он уже делает рабочее место более приятным и эффективным, беря на себя более рутинные задачи, такие как обработка и ввод данных. В исследовании, проведенном SnapLogic в 2022 году, 61% опрошенных работников заявили, что ИИ помогает им создать лучший баланс между домом и личной жизнью, а 61% считают, что ИИ сделал рабочие процессы более эффективными.

Плюсы ИИ

Промышленная революция создала машины, которые усилили способность нашего тела двигаться и формировать вещи. Информационная революция создала компьютеры, способные обрабатывать огромные объемы данных и производить расчеты с невероятной скоростью. ИИ выполняет динокогнез, то есть процесс приложения силы к мышлению, объясняет Питер Скотт, автор Искусственный интеллект и вы и основатель Next Wave Institute, международной образовательной организации, которая учит понимать и использовать искусственный интеллект.

Являясь, по сути, тяжелой машиной для мысли, ИИ может способствовать развитию таких отраслей, как здравоохранение, медицина, производство, периферийные вычисления, финансовые услуги и инженерия. «Благодаря правильному набору инструментов и разнообразному ИИ мы можем использовать возможности связи человека с машиной и создавать модели, которые обучаются так же, как и мы, но даже лучше», — говорит Амманат. Это также может повысить производительность 3D-печати, не говоря уже об устранении человеческих ошибок в процессе.

По словам Амманата, некоторые преимущества ИИ включают:

• Выявление закономерностей посредством анализа огромных объемов сложной информации.
• Использование обработки естественного языка для взаимодействия с людьми более человечным образом. Например, будет сложнее сказать, является ли чат-бот человеком или компьютером.
• Расширение возможностей человека, что поможет создавать новые возможности для развития и продукты. Точно так же, как машины помогают людям поднимать тяжелые предметы, ИИ поможет людям мыслить масштабно.
• Предоставление компаниям возможности устранять предвзятость, связанную с человеческим фактором, и улучшать меры безопасности для повышения прозрачности.

Минусы ИИ

Конечно, по мере того, как мы отправляемся на эту новую территорию, возникают некоторые проблемы. Начнем с того, что по мере расширения возможностей ИИ регуляторы и наблюдатели могут с трудом успевать за ними, что может замедлить прогресс и отбросить отрасль назад. Предвзятость ИИ также может проникнуть в важные процессы, такие как обучение или кодирование, которые могут дискриминировать определенный класс, пол или расу.

«В целом инструмент, использующий ИИ, и его этические последствия или риски будут зависеть от того, как он используется», — говорит Амманат. «Не существует единого набора процедур, определяющих заслуживающий доверия ИИ, но в каждом учреждении должны быть внедрены ценные системы для предотвращения рисков, связанных с разработкой и использованием ИИ, а также для активного поощрения ИИ к адаптации по мере изменения мира и требований клиентов. ».

Еще одним барьером на пути ИИ является опасение, что будущие роботы с ИИ отнимут рабочие места. Конечно, как и в случае любого другого прогресса в области автоматизации, были созданы новые рабочие места для улучшения и поддержания автоматизации. Согласно исследованию Zippia, к 2030 году искусственный интеллект может создать 58 миллионов рабочих мест и принести экономике 15,7 триллиона долларов9.0003

Однако некоторые рабочие места будут потеряны. Согласно тому же исследованию, ИИ может сделать 375 миллионов рабочих мест устаревшими в течение следующего десятилетия. Мы уже видим, что некоторые рабочие места исчезают. Например, пункты взимания платы за проезд, которыми когда-то управляли люди, были заменены искусственным интеллектом, который может сканировать номерные знаки и отправлять водителям счета за проезд по почте. А туристические сайты, управляемые искусственным интеллектом, которые могут найти лучший рейс или отель для ваших нужд, почти полностью устранили потребность в турагентах.

Самая большая проблема заключается в том, что новые рабочие места, создаваемые ИИ, будут более техническими. У тех, кто не может выполнять больше технической работы из-за отсутствия подготовки или инвалидности, может остаться меньше возможностей трудоустройства.

Что ждет искусственный интеллект в будущем

По мере развития искусственного интеллекта многие ученые предвидят технологию искусственного интеллекта, которая очень точно имитирует человеческий разум, благодаря текущим исследованиям того, как работает человеческий мозг. Основное внимание будет уделено созданию более инновационного, полезного ИИ, доступного по цене.

Этическое создание ИИ также станет важной частью будущего развития ИИ. «Люди обеспокоены этическими рисками своих инициатив в области ИИ, — говорит Амманат. «Компании разрабатывают советы по искусственному интеллекту, чтобы стимулировать этичное поведение и инновации, а некоторые сотрудничают с внешними сторонами, чтобы взять на себя инициативу по внедрению передового опыта».