Чтение онлайн

Идея о том, что компьютеры или компьютерные программы могут обучаться и принимать решения, имеет большое значение, и о ней необходимо помнить, поскольку процессы со временем развиваются экспоненциально. Благодаря двум этим навыкам системы искусственного интеллекта теперь могут выполнять множество задач, которые раньше выполнял лишь человек.

Технологии, основанные на использовании искусственного интеллекта, уже используются для помощи людям в получении выгоды, связанной со значительными улучшениями и повышенной эффективностью практически в любой сфере жизни. По мере своего развития ИИ будет все больше и больше менять образ нашей жизни и работы.

Другим плюсом искусственного интеллекта является то, что он позволяет машинам и роботам выполнять задачи, которые кажутся людям сложными, скучными или опасными. Это, в свою очередь, даст людям возможность делать то, что когда-то считалось невозможным.

Одним из недостатков технологий искусственного интеллекта является то, что машины будут также способны выполнять множество задач, которые сейчас требуют присутствия человека, что в значительной мере навредит рынку труда. Искусственный интеллект также может стать причиной политической борьбы за влияние. Мы раскроем обе эти темы в других главах.

Искусственный интеллект может применяться практически в любой ситуации и предлагает возможность трансформации нашего опыта, делая жизнь лучше и эффективнее.

Вот лишь некоторые стремительно развивающиеся технические области применения искусственного интеллекта, существующие на данный момент:

• Распознавание статических изображений, их классификация и маркировка: данные инструменты могут быть полезны во многих отраслях.

• Улучшение производительности стратегий алгоритмической торговли: данные инструменты уже тем или иным образом внедрены в финансовый сектор.

• Эффективная и масштабируемая обработка данных о пациентах: это позволяет улучшить уход за пациентами.

• Профилактическое обслуживание на основе предсказаний: еще один инструмент, широко применяющийся в различных отраслях.

• Определение объектов и их классификация: эта технология может применяться в области производства самоуправляемых автомобилей, но имеет потенциал развития и в других отраслях.

• Распространение контента в социальных сетях: это в первую очередь маркетинговый инструмент, использующийся в социальных сетях, но он также может применяться и для поднятия уровня осведомленности некоммерческих организаций или в качестве «гражданского» сервиса для быстрого распространения информации.

• Защита от угроз кибербезопасности: это важный инструмент для банков и систем, отправляющих и получающих онлайн-платежи [4] .

Поскольку некоторые из приведенных выше примеров являются более техническими, становится понятно, что искусственный интеллект даст нам возможность лучше видеть, слышать и понимать окружающий нас мир. Благодаря тому, что когда-то эти характеристики были присущи лишь человеку, искусственный интеллект откроет для нас мир абсолютно новых возможностей.

Рис. 1.3. Искусственный интеллект, машинное обучение и глубокое обучение

ИИ сможет сделать нашу жизнь проще, предложив прогнозы, относящиеся к важным вопросам нашей жизни, к важным ее сферам, таким как здоровье, благосостояние, образование, работа и то, как мы коммуницируем с окружающими нас людьми.

Он также изменит способы ведения бизнеса, предложив конкурентные преимущества компаниям, которые хотят быстро понять и эффективно применить данные инструменты.

Иногда термин «искусственный интеллект» может пугать людей. Один из лучших экспертов в области развития искусственного интеллекта, Себастьян Трун, полагает, что лучше заменять его термином «анализ и обработка данных», который является менее пугающим, что, возможно, поможет процессу принятия данного явления обществом [5] .

Машинное обучение – это один из основных подходов к созданию искусственного интеллекта. Если коротко, то машинное обучение – это аспект компьютерной науки, в котором компьютеры или машины имеют способность обучаться, не имея точной программы. Обычным результатом будут предположения или прогнозы в определенной ситуации [6] .

Вспомните первые персональные компьютеры, которые стали доступны простым пользователям в 1980-е годы. Эти машины были точно запрограммированы на выполнение определенных операций. В отличие от них, благодаря машинному обучению, многие технические устройства будущего будут собирать опыт и информацию из стиля их использования, что сделает опыт использования одного и того же устройства персональным для каждого конкретного пользователя. Уже сейчас существуют простые примеры такой персонализации: в социальных сетях, например в Facebook, или в результатах поиска Google.

Машинное обучение использует алгоритмы, чтобы обучаться на паттернах данных. Например, спам-фильтры электронной почты используют машинное обучение для определения того, какие письма являются спамом, и последующего отделения их от допустимых писем. Это простой пример того, каким образом могут использоваться алгоритмы обучения по паттернам данных, а приобретенные знания могут использоваться для принятия решений.

На рисунке 1.4 ниже изображены три разновидности машинного обучения: обучение с учителем, обучение без учителя и обучение с подкреплением.

При обучении с учителем алгоритмы используют данные, которые уже были размечены или каким-то образом организованы. При использовании данного метода воздействие со стороны человека необходимо для получения обратной связи.

Рис. 1.4. Типы машинного обучения

Обучение без учителя применяет алгоритмы, в которых данные не были заранее размечены или организованы. Напротив, паттерны определяются без вмешательства человека в процесс [7] .

И наконец, при обучении с подкреплением алгоритмы учатся на опыте. Им не ставят никаких четких целей, кроме получения какой-либо награды [8] .

Глубокое обучение является одной из наиболее быстроразвивающихся сфер применения искусственного интеллекта и составной частью машинного обучения. Оно используется для решения проблем, которые ранее считались слишком сложными, и обычно задействует огромные массивы данных.