Создать искусственный интеллект сложно, но понимать его не обязательно. Большинство существующих искусственных интеллектов — это просто хорошие машины для догадок (как и наш мозг). Вы вводите набор данных (например, числа от 1 до 10) и просите его построить модель (x + 1, начиная с 0) и сделать прогноз. (Следующее число будет одиннадцать.) Никакой магии, кроме того, что люди делают каждый день: используют то, что мы знаем, чтобы догадываться о вещах, которых мы не знаем.
Что отличает ИИ от других компьютерных программ, так это то, что нам не нужно специально программировать его для каждого сценария. Мы можем его чему-то научить (машинное обучение), и он также может обучаться сам (глубокое обучение). Хотя существует множество разновидностей каждого из них, в общих чертах их можно определить следующим образом:
- Искусственный интеллект (ИИ): машина, способная имитировать поведение человека.
- Машинное обучение: разновидность искусственного интеллекта, в которой люди обучают машины распознавать закономерности в данных и делать прогнозы.
- Глубокое обучение: разновидность машинного обучения, в которой машина может обучаться сама.
Искусственный интеллект
Самое широкое определение ИИ — это просто это машина, которая думает как человек . Это может быть простое следование логической блок-схеме, или это может быть почти человеческий компьютер, который может учиться на широком спектре сенсорных данных и применять эти знания в новых ситуациях. Последняя часть является ключевой: сильный ИИ, который все воображают, способен объединить все виды изученных данных, чтобы дать ему возможность справиться практически с любой ситуацией.
Сейчас искусственный интеллект все еще нахо
Contents
Искусственный интеллект
екса — потрясающий дворецкий, но она не может пройти тест Тьюринга. В настоящее время у нас есть ограниченная форма ИИ, но полезно помнить, что определение настолько широкое, что в конечном итоге оно может охватывать программы, которые делают ДипМайнд похожим на калькулятор.Машинное обучение
Без машинного обучения существующий ИИ в основном ограничивался бы обработкой длинных списков «если x истинно, сделайте Y, иначе сделайте Z». Однако это нововведение дает компьютерам возможность разбираться во всем без явного программирования . В качестве примера одного из типов машинного обучения предположим, что вы хотите, чтобы программа могла распознавать кошек на картинках:
- Предоставьте вашему ИИ набор характеристик кошки для поиска — отдельные линии, более крупные формы, цветовые узоры и т. д.
- Пропустите несколько изображений через ИИ — некоторые или все могут быть помечены как «кошки», чтобы машина могла более эффективно выделять соответствующие черты кошек.
- После того, как программа увидела достаточное количество кошек, она должна знать, как найти одну из них на изображении: «Если изображение содержит признак X, Y и/или Z, то с вероятностью 95% на нем будет кошка».
Как бы сложно ни звучало машинное обучение, его можно свести к следующему: «Люди говорят компьютерам, что искать, а компьютеры уточняют эти критерии, пока не получат модель». Это довольно просто и чрезвычайно полезно: оно фильтрует ваш спам, рекомендует следующие шоу Netflix и настраивает вашу ленту Facebook. Попробуйте Обучаемая машина Google
Машинное обучение
емонстрации!Глубокое обучение
По состоянию на 2018 год это передовой уровень развития искусственного интеллекта. Думайте об этом как о машинном обучении с глубокими «нейронными сетями», которые обрабатывают данные примерно так же, как человеческий мозг. Ключевое отличие от своего предшественника заключается в том, что людям не нужно обучать программе глубокого обучения тому, как выглядят кошки. Просто дайте ему достаточно фотографий кошек, и он сам это поймет:
- Добавьте много фотографий кошек.
- Алгоритм проверит фотографии, чтобы определить, что у них общего (подсказка: это кошки).
- Каждая фотография будет разбита на несколько уровней детализации: от больших, обычных форм до крошечных, маленьких линий. Если фигура или линия часто повторяется, алгоритм пометит ее как важную характеристику.
- После анализа достаточного количества изображений алгоритм теперь знает, какие закономерности являются наиболее убедительными доказательствами существования кошек, и все, что нужно было сделать людям, — это предоставить необработанные данные.
Подводя итог: глубокое обучение — это машинное обучение, при котором машина обучается сама, хотя оно выходит далеко за рамки просто кошек: нейронные сети теперь способны точно описывать всена картинке.
Глубокое обучение требует гораздо больше исходных данных и вычислительной мощности, чем машинное обучение, но его начинают внедрять компании от Facebook до Amazon. Однако самым печально известным проявлением машинного обучения является AlphaGoкомпьютер, который играл в го сам с собой, пока не смог точно предсказать лучшие ходы, достаточно хорошо, чтобы неоднократно побеждать нескольких чемпионов мира.
Вывод: ИИ = апокалиптический разум?
Голливуд несет ответственность за множество плохих научных исследований, но когда дело доходит до искусственного интеллекта, правда и вымысел потенциально не так уж далеки друг от друга. Вполне возможно, что робот можетзахватить космическую станцию («2001: Космическая одиссея»), заставить вас влюбиться («Она») или вести себя точно так же, как человек («Бегущий по лезвию», «Из машины»).
Однако это не делает эту ставку плохой. ИИ может ускорить прогресс человечества быстрее, чем что-либо до него. И, хотя это может показаться циничным, реальность такова, что если ответственные ученые будут держаться подальше от ИИ из-за того, что он может пойти не так, он, вероятно, все равно будет разработан людьми, которые меньше беспокоятся о безопасности . Мы перенесли компьютеры от шашек к Го, и следующи
