Системы искусственного интеллекта и машинное обучение доклад
Обновлено: 05.07.2024
Современные философы и исследователи науки часто рассматривают междисциплинарные науки как одно из достижений заново открытых в 20 веке.
Искусственный Интеллект и искусственная жизнь представляет прекрасный пример такой интеграции многих научных областей.
Проблема искусственного интеллекта является сейчас одной из самых злободневных. Ей занимаются ученые различных специальностей: кибернетики, лингвисты, психологи, философы, математики, инженеры. При исследовании проблем, связанных с искусственным интеллектом, решаются многие основополагающие вопросы, связанные с путями развития научной мысли, с воздействием достижений в области вычислительной техники и робототехники на жизнь будущих поколений людей. Здесь возникают и развиваются новые методы научных междисциплинарных исследований. Здесь формируется новый взгляд на роль тех или иных научных результатов и возникает то, что можно назвать философским осмыслением этих результатов.
С конца 40-х годов ученые все большего числа университетских и промышленных исследовательских лабораторий устремились к дерзкой цели: построение компьютеров, действующих таким образом, что по результатам работы их невозможно было бы отличить от человеческого разума.
Терпеливо продвигаясь вперед в своем нелегком труде, исследователи, работающие в области искусственного интеллекта, обнаружили, что вступили в схватку с весьма запутанными проблемами, далеко выходящими за пределы традиционной информатики. Оказалось, что прежде всего необходимо понять механизмы процесса обучения, природу языка и чувственного восприятия. И тогда многие исследователи пришли к выводу, что пожалуй самая трудная проблема, стоящая перед современной наукой – познание процессов функционирования человеческого разума, а не просто имитация его работы. В самом деле, ученым трудно даже прийти к единой точке зрения относительно самого предмета их исследований – интеллекта.
Некоторые считают, что интеллект – умение решать сложные задачи; другие рассматривают его как способность к обучению, обобщению и аналогиям; третьи – как возможность взаимодействия с внешним миром путем общения, восприятия и осознания воспринятого.
1. История создания искусственного интеллекта.
Годы исследования
Суть исследований
Исследователи в области ИИ пытались строить разумные машины, имитируя мозг. Эти попытки оказались безуспешными по причине полной непригодности как аппаратных так и программных средств.
Предпринимались попытки отыскать общие методы решения широкого класса задач, моделируя сложный процесс мышления. Разработка универсальных программ оказалась слишком трудным и бесплодным делом. Чем шире класс задач, которые может решать одна программа, тем беднее оказываются ее возможности при решении конкретной проблемы.
В начале 70-х годов специалисты в области ИИ сосредоточили свое внимание на разработке методов и приемов программирования, пригодных для решения более специализированных задач: методов представления (способы формулирования проблемы для решения на средствах вычислительной техники) и методах поиска (способы управления ходом решения так, чтобы оно не требовало слишком большого объема памяти и времени). И только в конце 70-х годов была принята принципиально новая концепция, которая заключается в том, что для создания интеллектуальной программы ее необходимо снабдить множеством высококачественных специальных знаний о некоторой предметной области. Развитие этого направления привело к созданию экспертных систем.
Исследования по ИИ часто классифицируются, исходя из области их применения, а не на основе различных теорий и школ. В каждой из этих областей на протяжении десятков лет разрабатывались свои методы программирования, формализмы; каждой из них присущи свои традиции, которые могут заметно отличаться от традиций соседней области исследования. В настоящее время ИИ применяется в следующих областях:
Ø обработка естественного языка;
Ø экспертные системы;
Ø символьные и алгебраические вычисления;
Ø доказательства и логическое программирование;
Ø программирование игр;
Ø обработка сигналов и распознавание образов.
2. Понятие искусственного интеллекта.
В понятие “искусственный интеллект” вкладывается различный смысл – от признания интеллекта у ЭВМ, решающих логические или даже любые вычислительные задачи, до отнесения к интеллектуальным лишь тех систем, которые решают весь комплекс задач, осуществляемых человеком, или еще более широкую их совокупность. Мы постараемся вычленить тот смысл понятия “искусственный интеллект”, который в наибольшей степени соответствует реальным исследованиям в этой области.
Как отмечалось, в исследованиях по искусственному интеллекту ученые отвлекаются от сходства процессов, происходящих в технической системе или в реализуемых ею программах, с мышлением человека. Если система решает задачи, которые человек обычно решает посредством своего интеллекта, то мы имеем дело с системой искусственного интеллекта.
Однако это ограничение недостаточно. Создание традиционных программ для ЭВМ – работа программиста – не есть конструирование искусственного интеллекта. Какие же задачи, решаемые техническими системами, можно рассматривать как конституирующие искусственный интеллект?
Так понимаемая задача в сущности тождественна проблемной ситуации, и решается она посредством преобразования последней. В ее решении участвуют не только условия, которые непосредственно заданы. Человек использует любую находящуюся в его памяти информацию, “модель мира”, имеющуюся в его психике и включающую фиксацию разнообразных законов, связей, отношений этого мира.
Под словом “машина” здесь понимается машина вместе с ее совокупным математическим обеспечением, включающим не только программы, но и необходимые для решения задач “модели мира”. Недостатком такого понимания является главным образом его антропоморфизм. Задачи, решаемые искусственным интеллектом, целесообразно определить таким образом, чтобы человек по крайней мере в определении отсутствовал. Его основная функция заключается в выработке схем целесообразных внешних действий в бесконечно варьирующих условиях. Специфика человеческого мышления (в отличие от рассудочной деятельности животных) состоит в том, что человек вырабатывает и накапливает знания, храня их в своей памяти. Выработка схем внешних действий происходит не по принципу “стимул – реакция”, а на основе знаний, получаемых дополнительно из среды, для поведения в которой вырабатывается схема действия.
Этот способ выработки схем внешних действий (а не просто действия по командам, пусть даже меняющимся как функции от времени), на мой взгляд, является существенной характеристикой любого интеллекта. Отсюда следует, что к системам искусственного интеллекта относятся те, которые, используя заложенные в них правила переработки информации, вырабатывают новые схемы целесообразных действий на основе анализа моделей среды, хранящихся в их памяти. Способность к перестройке самих этих моделей в соответствии с вновь поступающей информацией является свидетельством более высокого уровня искусственного интеллекта.
Большинство исследователей считают наличие собственной внутренней модели мира у технических систем предпосылкой их “интеллектуальности”. Формирование такой модели связано с преодолением синтаксической односторонности системы, т. е. с тем, что символы или та их часть, которой оперирует система, интерпретированы, имеют семантику.
Характеризуя особенности систем искусственного интеллекта, Л. Т. Кузин[2] указывает на:
1) наличие в них собственной внутренней модели внешнего мира; эта модель обеспечивает индивидуальность, относительную самостоятельность системы в оценке ситуации, возможность семантической и прагматической интерпретации запросов к системе;
2) способность пополнения имеющихся знаний;
3) способность к дедуктивному выводу, т. е. к генерации информации, которая в явном виде не содержится в системе; это качество позволяет системе конструировать информационную структуру с новой семантикой и практической направленностью;
4) умение оперировать в ситуациях, связанных с различными аспектами нечеткости, включая “понимание” естественного языка;
5) способность к диалоговому взаимодействию с человеком;
6) способность к адаптации.
На вопрос, все ли перечисленные условия обязательны, необходимы для признания системы интеллектуальной, ученые отвечают по-разному. В реальных исследованиях, как правило, признается абсолютно необходимым наличие внутренней модели внешнего мира, и при этом считается достаточным выполнение хотя бы одного из перечисленных выше условий.
Критерий Тьюринга в литературе был подвергнут критике с различных точек зрения. Действительно серьезный аргумент против этого критерия заключается в том, что в подходе Тьюринга ставится знак тождества между способностью мыслить и способностью к решению задач переработки информации определенною типа. Успешная “игра в имитацию” не может без предварительного тщательного анализа мышления как целостности бытъ признана критерием ее способности к мышлению.
Однако этот аргумент бьет мимо цели, если мы говорим не о мыслящей машине, а об искусственном интеллекте, который должен лишь продуцировать физические тела знаков, интерпретируемые человеком в качестве решений определенных задач. Наиболее естественно считать, что некоторое устройство, созданное человеком, представляет собой искусственный интеллект, если, ведя с ним достаточно долгий диалог по более или менее широкому кругу вопросов, человек не сможет различить, разговаривает он с разумным живым существом или с автоматическим устройством. Если учесть возможность разработки программ, специально рассчитанных на введение в заблуждение человека, то, возможно, следует говорить не просто о человеке, а о специально подготовленном эксперте. Этот критерий не противоречит перечисленным выше особенностям системы искусственного. интеллекта.
Но что значит по “достаточно широкому кругу вопросов”, о котором идет речь в критерии? На начальных этапах разработки проблемы искусственного интеллекта ряд исследователей, особенно занимающихся эвристическим программированием, ставили задачу создания интеллекта, успешно функционирующего в любой сфере деятельности. Это можно назвать разработкой “общего интеллекта”. Сейчас большинство работ направлено на создание “профессионального искусственного интеллекта”, т. е. систем, решающих интеллектуальные задачи из относительно ограниченной области (например, управление портом, интегрирование функций, доказательство теорем геометрии и т. п.). В этих случаях “достаточно широкий круг вопросов” должен пониматься как соответствующая область предметов.
Исходным пунктом рассуждений об искусственном интеллекте было определение такой системы как решающей мыслительные задачи. Но перед нею ставятся и задачи, которые люди обычно не считают интеллектуальными, поскольку при их решении человек сознательно не прибегает к перестройке проблемных ситуаций. К их числу относится, например, задача распознания зрительных образов. Человек узнает человека, которого видел один-два раза, непосредственно в процессе чувственного восприятия. Исходя из этого кажется, что эта задача не является интеллектуальной. Но в процессе узнавания человек не решает мыслительных задач лишь постольку, поскольку программа распознания не находится в сфере осознанного. Но так как в решении таких задач на неосознанном уровне участвует модель среды, хранящаяся в памяти, то эти задачи в сущности являются интеллектуальными. Соответственно и система, которая ее решает, может считаться интеллектуальной. Тем более это относится к “пониманию” машиной фраз на естественном языке, хотя человек в этом не усматривает обычно проблемной ситуации.
Теория искусственного интеллекта при решении многих задач сталкивается с гносеологическими проблемами.
Одна из таких проблем состоит в выяснении вопроса, доказуема ли теоретически (математически) возможность или невозможность искусственного интеллекта. На этот счет существуют две точки зрения. Одни считают математически доказанным, что ЭВМ в принципе может выполнить любую функцию, осуществляемую естественным интеллектом. Другие полагают в такой же мере доказанным математически, что есть проблемы, решаемые человеческим интеллектом, которые принципиально недоступны ЭВМ.
3. Моделирование искусственного интеллекта.
Исторически сложились три основных направления в моделировании искусственного интеллекта (см. Схема 1)
В рамках первого подхода изучаются прежде всего структура и механизмы работы мозга человека, а конечная цель заключается в раскрытии тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез о механизмах интеллектуальной деятельности, совершенствование моделей и т. д.
Второй подход в качестве объекта исследования рассматривает искусственный интеллект . Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. А цель работ — создание алгоритмического и программного обеспечения вычислительных машин, позволяющих решать интеллектуальные задачи не хуже человека.
Наконец, третий подход ориентирован на создание смешанных человеко-машинных интеллектуальных систем, на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях являются оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной.
В 1957 году американский физиолог Ф. Розенблатт предложил модель зрительного восприятия и распознавания — . Машина, способная обучаться понятиям и распознавать предъявляемые объекты, чрезвычайно заинтересовала не только физиологов, но и представителей других областей знаний и породила большой поток теоретических и экспериментальных исследований.
Перцептрон или любая программа, имитирующая процесс распознавания, работают в двух режимах: в режиме обучения и в режиме распознавания. В режиме обучения некто (человек, машина, робот или природа), играющий роль учителя, предъявляет машине объекты и о каждом из них сообщает, к какому понятию (классу) он принадлежит. По этим данным строится решающее правило, являющееся, по существу, формальным описанием понятий. В режиме распознавания машине предъявляются новые объекты (вообще говоря, отличные от ранее предъявленных), и она должна их классифицировать по возможности правильно.
В последние десятилетия в мире бурно развивается новая прикладная область математики, специализирующаяся на искусственных нейронных сетях (НС). Актуальность исследований в этом направлении подтверждается массой различных применений НС: автоматизация процессов распознавания образов и адаптивное управление, аппроксимация функционалов и прогнозирование, создание экспертных систем и организация ассоциативной памяти и многое, многое другое. С помощью НС можно, например, предсказывать показатели биржевого рынка, распознавать оптические или звуковые сигналы, строить самообучающиеся системы, способные управлять автомашиной при парковке или синтезировать речь по тексту. На Западе нейронные сети применяются уже довольно широко, у нас же это пока еще экзотика — российские фирмы, использующие НС в практических целях, наперечет.
Заключение.
Развитие информационной техники позволило компенсировать человеку психофизиологическую ограниченность своего организма в ряде направлений. “Внешняя нервная система”, создаваемая и расширяемая человеком, уже дала ему возможность вырабатывать теории, открывать количественные закономерности, раздвигать пределы познания сложных систем. Искусственный интеллект и его совершенствование превращают границы сложности, доступные человеку, в систематически раздвигаемые. Это особенно важно в современную эпоху, когда общество не может успешно развиваться без рационального управления сложными и сверхсложными системами. Разработка проблем искусственного интеллекта является существенным вкладом в осознание человеком закономерностей внешнего и внутреннего мира, в их использование в интересах общества и тем самым в развитие свободы человека.
Рисунок 1 Искусственный интеллект
Использованная литература.
1) Тьюринг А. Может ли машина мыслить? – М., Наука 1960.
2) Эндрю А. Искусственный интеллект. – М.: Мир, 1985.
3) Будущее искусственного интеллекта/ Под ред. Карла, Левитина, Поспелова, Хорошевского. – М., Наука 1991.
[1] Неформальные, основанные на интуитивных соображениях правила.
Сейчас технологии развиваются с немыслимой скоростью. Ранее те возможности, что, казалось бы, были доступны только профессиональным ученым, в современной жизни доступны каждому. Один из подобных прорывов – искусственный интеллект, прочно обосновавшийся во многих сферах человеческой жизни.
Сегодня поговорим о том, что такое ИИ, как он возник, где применяется, а также чем он отличается от человеческого разума.
Что представляет собой искусственный интеллект
Искусственный интеллект – это свойство интеллектуальной системы выполнять те функции и задачи, которые обычно характерны для разумных существ. Это может быть проявление каких-то творческих способностей, склонность к рассуждению, обобщение, обучение на основании полученного ранее опыта и так далее.
Его развитием занимается направление науки, в рамках которого происходит аппаратное или программное моделирование тех задач человеческой деятельности, что считаются интеллектуальными. Еще под ИИ часто подразумевают направление в IT, основной целью которого является воссоздание разумных действий и рассуждений с помощью компьютерных систем.
История возникновения и развития искусственного интеллекта
Однако сама идея подобной системы была сформирована в 1935 году Аланом Тьюрингом. Ученый дал описание абстрактной вычислительной машине, состоящей из безграничной памяти и сканера, перемещающегося вперед и назад по памяти. Однако позднее, в 1950 году, он предложил считать интеллектуальными те системы, которые в общении не будут отличаться от человека.
Тогда же Тьюринг разработал эмпирический тест для оценки машинного интеллекта. Он показывает, насколько искусственная система продвинулась в обучении общению и удастся ли ей выдать себя за человека.
Самая ранняя успешная программа искусственного интеллекта была создана Кристофером Стрейчи в 1951 году. А уже в 1952 году она играла в шашки с человеком и удивляла зрителей своими способностями предсказывать ходы. По этому поводу в 1953 году Тьюринг опубликовал статью о шахматном программировании.
Новое развитие искусственный интеллект получил в середине 1990-х. Самый известный пример – суперкомпьютер IBM Deep Blue, который в 1997 году обыграл в шахматы чемпиона мира Гарри Каспарова. Сегодня подобные сети развиваются очень быстро за счет цифровизации информации, увеличения ее оборота и объема. Машины довольно быстро анализируют информацию и обучаются, впоследствии они действительно приобретают способности, ранее считавшиеся чисто человеческой прерогативой.
Отличие ИИ от нейросетей и машинного обучения
Нейросети представляют собой математическую модель, компьютерный алгоритм, работа которого основана на множестве искусственных нейронов. Суть этой системы в том, что ее не нужно заранее программировать. Она моделирует работу нейронов человеческого мозга, проводит элементарные вычисления и обучается на основании предыдущего опыта, но это не соотносимо с ИИ.
Искусственный интеллект, как мы помним, является свойством сложных систем выполнять задачи, обычно свойственные человеку. К ИИ часто относят узкоспециализированные компьютерные программы, также различные научно-технологические методы и решения. ИИ в своей работе имитирует человеческий мозг, при этом основывается на прочих логических и математических алгоритмах или инструментах, в том числе нейронных сетях.
Под машинным обучением понимают использование различных технологий для самообучающихся программ. Соответственно, это одно из многочисленных направлений ИИ. Системы, основанные на машинном обучении, получают базовые данные, анализируют их, затем на основе полученных выводов находят закономерности в сложных задачах со множеством параметров и дают точные ответы. Один из наиболее распространенных вариантов организации машинного обучения – применение нейросетей.
Если сравнивать с человеком, то ИИ подобен головному мозгу, машинное обучение – это один из многочисленных способов обработки поступающих данных и решения назревающих задач, а нейросети соответствуют объединению более мелких, базовых элементов мозга – нейронов.
Разница между искусственным и естественным интеллектом
Сравнивать искусственный и естественный интеллект можно лишь по некоторым общим параметрам. Например, человеческий мозг и компьютер работают по примерно схожему принципу, включающему четыре этапа – кодирование, хранение данных, анализ и предоставление результатов. И естественный, и искусственный разум склонны к самообучению, они решают те или иные задачи и проблемы, используя специальные алгоритмы.
Помимо общих умственных способностей к рассуждению, обучению и решению проблем, человеческое мышление также имеет эмоциональную окраску и сильно зависит от влияния социума. Искусственный интеллект не имеет никакого эмоционального характера и не ориентирован социально.
Применение ИИ в современной жизни
ИИ также внедряют в производственные процессы для фиксации действий работников. Не обошлось и без внедрения новых технологических решений в транспортной сфере. Так, искусственный интеллект мониторит состояние на дорогах, фиксирует пробки, обнаруживает разные объекты в неположенных местах. А про автономное (беспилотное) вождение и так постоянно говорят…
Люксовые бренды внедряют ИИ в свои системы для анализа потребностей клиентов. Стремительно развивается использование подобных систем в системах здравоохранения, в основном при диагностике заболеваний, разработке лекарств, создании медицинских страховок, проведении клинических исследований и так далее.
Перечислить разом все области, в которых задействован искусственный интеллект, практически нереально. На данный момент он затрагивает все больше самых разных сфер. И причин на то немало – та же автоматизация производственных процессов, стремительный рост информационного оборота и инвестиций в эту сферу, даже социальное давление.
Влияние на различные области
ИИ все больше проникает в экономическую сферу, и, по некоторым прогнозам, это позволит увеличить объем глобального рынка на 15,7 трлн долларов к 2030 году. Лидирующую позицию в освоении сей технологии занимают США и Китай, однако некоторые развитые страны вроде Канады, Сингапура, Германии и Японии не отстают.
Искусственный интеллект может оказать существенное влияние на рынок труда. Это может привести к массовому увольнению рабочего персонала из-за автоматизации большинства процессов. Ну и росту востребованности разработчиков, конечно.
Перспективы развития искусственного интеллекта
Заключение
ГОСТ
Искусственный интеллект и машинное обучение (а также глубокое обучение) уже сегодня используются во многих организациях. Иногда эти понятия применяются в качестве синонимов. Развитие искусственного интеллекта идёт семимильными шагами. Уже есть беспилотные транспортные средства, компьютер обыгрывает людей в шахматы, покер, другие игры, разработаны системы автоматизированного обслуживания клиентов. Искусственный интеллект сегодня является ведущей технологией, которая, вероятно, вызовет качественный скачок в развитии промышленности. Иногда понятия искусственный интеллект, машинное обучение и глубокое обучение применяются без всякой системы как аналоги, но конечно это не одно и то же.
Искусственный интеллект
Искусственный интеллект является обширным термином, который входит в сферу интеллекта машинного. Впервые определение искусственному интеллекту было дано ещё в 1956 году на семинаре в Дартмутском колледже (США). Суть определения сводилась к тому, что если точно описать параметры интеллекта человека, то возможна его имитация машиной.
Область применения искусственного интеллекта очень многопланова, от программного обеспечения шахматного компьютера до устройств речевого анализа, ярким примером которого может служить управляемое голосом устройство Amazon Alexa, имеющее возможность понимать речевые команды и давать ответы на поставленные задачи.
В общем понимании, можно выделить следующие типы интеллектуальных устройств:
- Искусственный интеллект с ограниченными возможностями.
- Искусственный интеллект среднего уровня.
- Искусственный интеллект со сверхъестественным разумом (сверхразумный).
Фирма IBM создала программу Deep Blue и эта программа ещё в 1996 году победила чемпиона мира по шахматам Гарри Каспарова. Другая программа AlphaGo фирмы Google DeepMind уже в 2016 году победила чемпиона мира по Го, Ли Седоля. Эти программы могут быть отнесены к первому типу искусственного интеллекта, так как решают только одну единственную задачу. А этот признак отличает его от среднего искусственного интеллекта, который примерно соответствует интеллекту человека и является многозадачной системой.
Готовые работы на аналогичную тему
Машинное обучение
Машинное обучение – это одна из ветвей искусственного интеллекта. Главный его алгоритм работы состоит в обучении на базе полученных исходных данных. Сегодня машинное обучение считается самым лучшим инструментарием бизнесменов, основой которого является искусственный интеллект. Такие системы могут очень быстро использовать знания, накопленные при обучении на огромных массивах информационных данных, что делает их незаменимыми в распознавании образов, речи, различных объектов и тому подобных.
Обычные стандартные программы содержат заранее заданные алгоритмы и инструкции решения поставленных задач, а машинное обучение даёт возможность системе самой обучиться распознанию шаблонов и составлению прогнозов. Программы Deep Blue и DeepMind могут служить образцами применения искусственного интеллекта. Но Deep Blue выполнена на ранее найденном и включённом в информационную базу фиксированном комплекте правил и условий, и она не использовала машинное обучение. А вот в DeepMind уже было применено машинное обучение. Программа прошла обучение, используя базу данных набора ходов самых опытных игроков в Го.
Ведущие компании мира, такие как Amazon, Baidu, Google, IBM, Microsoft и другие, уже предоставляют системы машинного обучения, предназначенные для применения различными организациями бизнеса.
Глубокое обучение
Фактически, глубокое обучение есть разновидность машинного обучения. Оно применяет отдельные способы машинного обучения, которые позволяют решать конкретные проблемы. Кроме этого в нем используются нейронные сети, которые работают аналогично выработке решения человеком.
Для глубокого обучения необходимы очень большие базы информационных данных и поэтому стоимость его достаточно высока. Это связано с тем, что согласно алгоритму обучения, требуется подстроить очень много различных параметров, что позволяет исключить неверные выводы. К примеру, получено задание для глубокого обучения, изучить образ кошки. Чтобы выполнить такое обучение, нужно обработать много фотоизображений, что позволит отличать самые мелкие детали и не спутать кошку с другими, похожими на неё, животными.
Выше мы писали о победе программы AlphaGo DeepMind, которая применяла глубокое обучение, над чемпионом мира по игре в Го Ли Седолем (программа победила в четырёх из пяти игр). В Google пояснили, что при глубоком обучении использовалась комбинация метода Монте-Карло поиска в дереве и глубоких нейронных сетей, прошедших обучение с наставником на играх профессионалов и с поддержкой на игре с собой.
Глубокое обучение может использоваться и в бизнесе, ведь возможно найти большие массивы информационных данных (например, несколько миллионов картинок), и использовать их для обнаружения необходимых характеристик. Сложный поиск в текстах, выявление действий мошенников, просто спама, перевод рукописей в текстовый файл, и многие другие сложные задачи можно решить при помощи глубокого обучения.
Зарождение разума
Идея о возможности создания собственной искусственной копии давно волнует человеческий разум. Еще в Средние века люди рассуждали о возможности сконструировать механическую человекоподобную мыслящую машину, а алхимики разрабатывали рецепты выращивания гомункулов — искусственных людей из пробирки. Чуть позже появились и вполне научные обоснования возможности создания искусственного интеллекта — в XVII веке французский мыслитель Рене Декарт сформулировал механистическую теорию, предположив, что животное представляет собой некий аналог сложного механизма.
Близкие современным представления о задачах искусственного интеллекта сформировались в XIX столетии. В годы английский математик Чарлз Бэббидж придумал концепцию аналитической машины, которая, как утверждал разработчик, могла бы рассчитывать ходы для игры в шахматы. Менее чем через столетие — в 1914 году — концепция претворилась в жизнь: директор одного из испанских технических институтов Леонардо Торрес де Кеведо изготовил электромеханическое устройство, способное разыгрывать простейшие шахматные эндшпили.
Впрочем, каких бы успехов ни достигали разработчики, всегда находились скептики, заявлявшие, что даже если компьютер научился хорошо решать какие-то задачи, это еще не означает, что машина действительно самостоятельно мыслит. Большая часть современных ученых сходятся во мнении, что искусственный интеллект — это совокупность методов и инструментов решения различных сложных прикладных задач, использующих принципы и подходы, аналогичные размышлениям человека над их решением (такие технологии еще называют когнитивными). Сегодня обычно речь идет о программах, которые по мере накопления данных сами учатся их классифицировать, распознавая изображения, тексты, аудиофайлы и любые другие объекты, с каждым разом совершенствуясь и выполняя поставленную задачу все лучше. То есть искусственный интеллект приобретает способность, до сих пор действительно считавшуюся исключительно человеческой прерогативой, — способность к обучению.
Учиться, учиться и учиться.
Такие сети организованы по принципу сетей нервных клеток живого организма. Первую модель искусственной нейронной сети еще в 1943 году придумали американский нейрофизиолог, один из отцов кибернетики Уоррен МакКаллок и нейролингвист, логик и математик Уолтер Питтс. Их идея состояла в том, что нейроны — это устройства, оперирующие двоичными числами, своего рода простейшие процессоры, соединенные друг с другом.
Когнитивные технологии в нефтегазе
Геологоразведка
Бурение скважин
Переработка
Безопасность
Однако развитие этого направления уперлось в несовершенство компьютеров, не обладавших на тот момент необходимой вычислительной мощностью. Фактически всю вторую половину XX века машинное обучение оставалось математической дисциплиной, которой занимались академические ученые. Стремительный переход к практике случился лишь в начале XXI века. У этого было три причины. Первая — возрастающее в геометрической прогрессии количество данных. С одной стороны, их нужно анализировать, с другой — они сами являются материалом для обучения нейросетей. Вторая — снижение стоимости масштабных вычислений и памяти. Наконец, третья причина состояла в том, что были разработаны новые алгоритмы машинного обучения, развивающие идею перцептрона.
Как работает нейронная сеть
Как же учится нейронная сеть? Машине дается достаточно большой набор прецедентов (объектов, ситуаций и т. п.), с каждым из которых связан определенный набор данных. В этих данных машина находит закономерности, благодаря чему в дальнейшем получает возможность восстанавливать недостающие данные для новых, ранее неизвестных ей прецедентов, классифицировать объекты, предсказывать последствия тех или иных событий и т. д.
Например, нейросеть учится распознавать котов на фотографиях. Ей дают множество изображений, на части из которых изображены коты. Информация о наличии или отсутствии котов на каждой картинке присутствует в ее описании. Выявив определенные характеристики, присущие котам, система получает способность с той или иной точностью находить котов на новых изображениях, уже без описания. Чем больше учится сеть, тем точнее становятся ответы.
Перцептрон — кибернетическая модель восприятия информации мозгом — состоит из трех типов элементов. Датчики (рецепторы) принимают сигналы из внешней среды. Ассоциативные элементы активируются, получая сигналы от определенного набора рецепторов. Реагирующий элемент формирует ответ на основе сигналов от ассоциативных элементов.
Одна из развивающихся областей, где уже достаточно давно применяется машинное обучение, — создание автопилотов для автомобилей. Чтобы научить компьютер адекватно реагировать на дорожную ситуацию, необходимо поделиться с системой десятками и сотнями тысяч эпизодов, описывающих возможные реакции водителей, загрузить терабайты информации для распознавания транспортных средств, пешеходов, дорожных знаков, светофоров и других объектов, попадающих в прицел радаров и камер. Пройдя теоретическое обучение, автопилот выезжает на полигон, где продолжает совершенствоваться в условиях, приближенных к реальной дорожной обстановке.
Процесс обучения нейросети
Темы для размышлений
Инженерам лаборатории Facebook по исследованию искусственного интеллекта удалось создать бота-переговорщика, который умеет врать и торговаться. Для обучения системы использовали более 5,8 тыс. реальных человеческих диалогов, записанных в ходе переговоров. Любопытно, что программа сама выработала навыки вранья, стремясь достичь поставленных целей.
Банки, телекоммуникационные и страховые компании, ретейлеры, сети АЗС — все те, кто собирает большие данные о своих клиентах и их потребительском поведении, могут в дальнейшем использовать для анализа этих данных искусственный интеллект. Персонализация продуктов и услуг, прогнозное техническое обслуживание, оптимизация цепи поставок, распознавание мошенничества, сокращение дорожного трафика, рациональное планирование расписания полетов и многое другое — искусственному интеллекту есть чем заняться.
Большие надежды связывают с применением искусственного интеллекта в медицине. Точность диагностики, а значит, и лечения сильно зависит от опыта врача. Однако возможности человека ограничены, компьютер же способен держать в памяти и анализировать десятки тысяч историй болезни, находить схожие сочетания симптомов и подсказывать наиболее вероятный диагноз.
А вот интересный пример из пищевой промышленности. Знаменитый датский производитель пива Carlsberg планирует использовать высокотехнологичные сенсоры для точной калибровки оттенков вкуса напитка, а искусственный интеллект — для отбора пивоваренных дрожжей. Сходным образом работает искусственный интеллект на Магнитогорском металлургическом комбинате: выдает оператору рекомендации о количестве присадок, необходимых для получения стали с заданными параметрами, учитывая исходный состав сырья.
Искусственный интеллект уже сегодня позволяет повысить эффективность эксплуатации месторождений: сокращает время анализа таких параметров, как дебит скважин, обводненность, забойное давление, выявляет и корректирует в них ошибки, подбирает оптимальные методы разработки, чтобы увеличить добычу и сократить затраты.
Искусственный интеллект: факты, цифры, деньги
Возможно ли восстание машин?
Роботы, восстающие против людей, — излюбленный сюжет фантастов. Сегодня в связи с прогрессом технологий искусственного интеллекта все чаще задаются вопросом, возможно ли такое развитие событий в реальности. По мнению Стивена Хокинга британского физика-теоретика, одного из самых известных современных ученых и популяризаторов науки, создание искусственного интеллекта, который превзойдет своего создателя и начнет самосовершенствоваться со все возрастающей скоростью, может представлять для человечества угрозу. О вероятности того, что искусственный интеллект в какой-то момент выйдет из-под контроля и решит, что человек ему больше не нужен, говорят и другие исследователи. Впрочем, пока люди используют ограниченный ИИ, который развивается и решает задачи лишь в узкой области и под контролем человека. Реальная опасность выхода искусственного интеллекта из-под контроля с возможными печальными последствиями возникнет, когда будет создан общий искусственный интеллект — компьютерное подобие универсального человеческого разума. По оценкам ученых, компьютер сравняется по своим интеллектуальным возможностям с человеком к годам, после чего начнется стремительное формирование суперинтеллекта.
Читайте также: