Что такое искусственный интеллект. Как работает искусственный интеллект.

Как и любая другая компьютерная программа, ИИ работает, принимая данные, анализируя их и выдавая результат. Однако суть ИИ заключается в его специфике.

Что такое ИИ? Подробнее об искусственном интеллекте

Говоря простым языком, искусственный интеллект (ИИ) — это система или машина, которая может имитировать поведение человека для выполнения задач и постепенно обучаться на основе собранной информации. ИИ имеет множество проявлений, например:

• Чат-боты используют искусственный интеллект для более быстрого анализа общения с клиентами и предоставления соответствующих ответов,
• «Интеллектуальные помощники» используют ИИ для извлечения информации из больших массивов данных в любом формате и оптимизации программирования,
• Рекомендательные системы автоматически выбирают для зрителей похожие программы на основе ранее просмотренных программ.

Искусственный интеллект — это не форма или функция, а процесс и способность мыслить и анализировать данные. При слове «искусственный интеллект» многие люди представляют себе разумных человекоподобных роботов, пытающихся завоевать мир. Однако искусственный интеллект не призван заменить человека. Его целью является расширение возможностей и навыков человека. Это делает его ценным бизнес-ресурсом.

Термины, используемые в сфере искусственного интеллекта

Термин «искусственный интеллект» сегодня широко используется для обозначения приложений для решения сложных задач, которые раньше могли быть выполнены только человеком. Например, в сфере обслуживания клиентов или в шахматах. Его часто используют как синоним машинного обучения и глубокого обучения, которые на самом деле являются подотраслями науки об ИИ и имеют свою специфику. Например, машинное обучение — это создание систем, которые обучаются и развиваются, обрабатывая и анализируя данные. Разница в том, что машинное обучение всегда предполагает использование ИИ, а ИИ не всегда предполагает машинное обучение.

Чтобы использовать возможности искусственного интеллекта для получения максимальной выгоды для бизнеса, необходимо нанимать специалистов по анализу данных. Наука о данных — это область на стыке статистики и информатики, которая использует методы этих двух дисциплин для анализа бизнес-данных из различных источников.

ИИ и разработчики

Специалисты по работе с данными используют искусственный интеллект для более эффективного выполнения задач, которые в противном случае пришлось бы решать вручную, взаимодействия с клиентами, выявления закономерностей и решения проблем. Чтобы начать работу с ИИ, разработчикам необходимы математические знания и умение использовать алгоритмы.

Если вы впервые используете ИИ для создания приложений, вам следует начать с первых шагов. Если вы создадите относительно простой проект типа «крестики-нолики», вы освоите основы искусственного интеллекта. Обучение на практике — отличный способ развития любых навыков, и ИИ не является исключением. Успешно выполнив несколько небольших проектов, вы поймете, что потенциал искусственного интеллекта поистине безграничен.

Пока что нет понимания того, какие вычислительные процессы мы хотим назвать интеллектуальными. Мы не знаем всех механизмов интеллекта.

Что такое нейросети

Существует множество мифов о нейронных сетях: будто бы это компьютерный мозг, самообучающаяся система, программа мышления и так далее. Все это неправда.

В действительности, нейронная сеть — это просто очень сложная база данных с рядом формул. Данные вводятся на одной стороне базы данных, обрабатываются с помощью ряда формул и выводятся на другой стороне. Нет никакого мышления — только математика. Сложность заключается в извлечении формул, которые заставят нейронную сеть выдать хотя бы несколько полезных результатов. Извлечение этих формул — это машинное обучение. О том, как все это работает, мы расскажем в отдельной статье.

Вот простейшее представление структуры нейронной сети. Слева находятся ячейки ввода данных, справа — ячейки вывода данных, а между ними находится скрытый слой, в котором нейронная сеть выполняет математические вычисления. Возможно, это пока не совсем понятно, но мы поговорим об этом отдельно.

Чем нейросети отличаются от алгоритмов

С помощью алгоритмов программисты сразу задают правильную последовательность действий, которая приводит к предсказуемому результату. Например, программист пишет программу для вычисления площади плоскости по плану, и все действия описываются в ней шаг за шагом: Умножение, сложение, вычитание и т.д. Если изучить этот алгоритм, то становится понятной его структура, и его можно изменить.

В нейронных сетях вместо алгоритмов заранее дается множество правильно решенных задач. Например, десять тысяч дизайнов уровней с уже определенными областями. И нейронная сеть начинает угадывать, какой результат от нее ожидается. Отдельный алгоритм сообщает ему, правильно он угадал или нет, и со временем он учится угадывать все более правильно.

По мере обучения нейронная сеть формирует связи, которые позволяют ей угадывать полезный результат. Никто не понимает, что это за связи — мы можем их наблюдать, но не всегда можем понять принцип, по которому они образуются.

Короче говоря, алгоритм делает то, что должен делать, и выдает четко предсказуемый результат. Нейронная сеть угадывает, что мы хотим, чтобы она сделала, в соответствии с принципом, который мы не понимаем. И если сеть достаточно хорошо обучена, ее предположения могут быть достаточно точными.

Что нужно понимать о нейросетях

Нейронные сети в их нынешнем виде — это машины, перебирающие числа. Нейронная сеть не воспринимает, что она видит изображение или управляет машиной — она только видит числа на входе и производит числа на выходе. Оно даже не знает, что его производственные показатели имеют для нас какое-то значение.

Например, в этом видео нейронная сеть принимает на вход семь чисел (т.е. расстояния до препятствий и направление движения) и выдает на выходе два числа — вращение колеса и дроссель-тормоз. А симулятор гоночной игры преобразует эти числа в движения автомобиля. Нейрон просто обрабатывает числа:

Но даже Ватсон не может одновременно распознавать лица, писать актуальный и осмысленный текст, вести содержательный диалог и решать, пойти ли на барбекю или провести время с детьми в эти выходные. Возможно, ситуация изменится с появлением интегрированных квантовых компьютеров, но до этого еще далеко.

Кроме того, существует чисто философская проблема: люди еще не до конца поняли, что такое сознание, что его образует, что такое разум и интеллект. Что если наш мозг — это просто нейронная сеть, которая принимает информацию и выдает действия? И все, что мы называем сознанием, — это просто внутренний шум работающих нейронов?

Но давайте оставим философию философам. В одной из следующих статей мы покажем, как сигналы проходят через нейроны, и более подробно объясним природу машинного обучения.

Новые профессии с практическим обучением и наставниками — на Мастерской Яндекса. 8 часов бесплатного обучения — для опробования.

В Yandex Workshop вы можете стать разработчиком, тестировщиком, аналитиком и менеджером по цифровым продуктам. Первая часть обучения всегда бесплатна, поэтому вы можете попробовать то, что вам нравится. Кроме того, существуют программы по трудоустройству.

Интеллект — способность находить решения с помощью вычислений. Интеллект различных типов и степеней существует у людей, у многих животных и у некоторых машин.

Где применяется искусственный интеллект и в чем его польза?

Многие люди считают, что они никогда не сталкивались с искусственным интеллектом, но это заблуждение, потому что многие из нас используют его каждый день.

В 2011 году суперкомпьютер Watson компании IBM, использующий алгоритм машинного обучения, получил широкую известность, победив в викторине Jeopardy. Искусственный интеллект компьютера соревновался с двумя людьми: Брэд Раттер, у которого был самый большой призовой фонд в программе, и Кенни Дженнингс, у которого была самая длинная серия побед. С тех пор алгоритм был изменен и усовершенствован, и в настоящее время он используется в качестве стандарта такими компаниями, как Apple, Amazon и Google.

Как применяется искусственный интеллект в реальной жизни?

Вот лишь несколько областей, где используется искусственный интеллект:

Почта

Сегодня почти у каждого есть учетная запись электронной почты. Мы подписываемся на информационные бюллетени, указываем свой адрес электронной почты и получаем сотни писем в день с рекламой товаров или услуг. Искусственный интеллект помогает сортировать эти письма и отправляет нежелательные письма в папку спама.

Когда вы пишете сообщение, вам предлагается дать интеллектуальные ответы. Эта функция позволяет не только кратко ответить на тему письма, но и предложить формат ответа, основываясь на стиле письма владельца письма. Все это делается с помощью искусственного интеллекта.

Социальные сети

Linkedln использует искусственный интеллект для подбора потенциальных сотрудников и работодателей.

Чат-боты — очень популярный инструмент в настоящее время. Некоторые из них созданы для того, чтобы имитировать реальный разговор с живым человеком.

Сканируя сообщения, Facebook обнаруживает подозрительные тексты, которые наводят на мысль о том, что автор размышляет о самоубийстве.

Поисковые сети

Когда мы вводим поисковый запрос в Google, поисковая система предлагает нам возможные варианты — это тоже искусственный интеллект.

Google Maps или Yandex Maps также используют искусственный интеллект для отправки предупреждений о пробках рядом с вами или авариях.

Рекомендации

Многие интернет-магазины используют искусственный интеллект, чтобы предлагать покупателям похожие товары.

Социальные сети и музыкальные приложения используют искусственный интеллект для определения интересов пользователей и рекомендации похожей музыки на основе собранных данных.

Программы для банков

Банки предлагают специальные приложения и программы, которые напоминают пользователям об истечении срока действия их счета при входе в систему, предлагают переводы и многое другое.

Для предотвращения мошенничества искусственный интеллект отслеживает и регистрирует все транзакции. Для нестандартных платежей (например, суммы, превышающие стандартные сборы, или платежи за услуги из другой страны) банк отправляет клиенту сообщение или просит его подтвердить платеж лично.

Кроме того, ИИ используется в больницах для постановки медицинских диагнозов, а также для управления самолетами, автомобилями и роботами. Это область, которая постоянно развивается и совершенствуется.

Мозг человека

Модель человеческого мозга используется в качестве модели для воспроизведения интеллектуальных возможностей компьютера. Итак, чтобы понять основы искусственного интеллекта, нам сначала нужно понять, как работает мозг, хотя бы в общих чертах.

Наш мозг — это сложный компьютер, выполняющий 1 000 петафлопс (миллиарды миллиардов) вычислений в секунду. В этот момент он потребляет 20 ватт энергии. Для сравнения возьмем японский суперкомпьютер Fugaku. По состоянию на 2020 год это самый быстрый компьютер в мире, выполняющий более 415 квадриллионов вычислений в секунду и потребляющий 27 мегаватт.

Человеческий мозг содержит около 86 миллиардов нейронов. Части мозга функционируют с помощью нейронов и нейронных сетей. Нейроны, взаимодействующие друг с другом, передают информацию по определенным каналам, а сигналы от одних нейронов объединяются с сигналами от других нейронов, активируя еще большее их количество. Исходя из количества нейронов, мы можем понять, что комбинаций может быть бесконечное количество.

Входные сигналы поступают из совершенно разных источников. Все играет роль: климат, влажность, температура, даже то, что вы съели в ближайшее время. Нейрон получает и обрабатывает тысячи различных сигналов, прежде чем принять решение о том, как действовать.

Между нейронами в различных слоях нейронной сети передаются команды мышцам и органам в результате обработки входных сигналов и информации. Когда человек приобретает новые навыки и опыт, алгоритмы работы нейронной сети могут меняться.

На основе такой модели мозга создается искусственная нейронная сеть.

Пока что нет понимания того, какие вычислительные процессы мы хотим назвать интеллектуальными. Мы не знаем всех механизмов интеллекта.

Глубокое обучение и нейронные сети

Хотя классические алгоритмы машинного обучения решают многие проблемы, связанные с большим количеством информации в виде баз данных, они плохо подходят, например, для «визуальных и слуховых» данных, таких как изображения, видео, аудиофайлы и т.д.

Например, чтобы построить модель для предсказания рака груди с помощью классических методов машинного обучения, потребовались бы десятки медицинских экспертов, программистов и математиков», — говорит исследователь Джереми Ховард. Ученым придется разработать множество более мелких алгоритмов машинного обучения, чтобы справиться с потоком информации. Отдельная подсистема для изучения рентгеновских снимков, отдельная подсистема для МРТ, еще одна для анализа анализов крови и так далее. Для каждого типа анализа нам потребуется своя система. Затем все они будут объединены в одну большую систему….. Это очень сложный и ответственный процесс.

Алгоритмы глубокого обучения решают ту же задачу с помощью глубоких нейронных сетей — программной архитектуры, вдохновленной человеческим мозгом (хотя нейронные сети отличаются от биологических нейронов, принцип их работы практически одинаков). Нейронные компьютерные сети — это соединения «электронных нейронов», которые могут обрабатывать и сортировать информацию. Они расположены как бы «слоями», причем каждый «слой» отвечает за что-то свое и в итоге формирует общую картину. Например, если вы обучаете нейронную сеть на изображениях различных объектов, она находит способы извлечения объектов из этих изображений. Каждый слой нейронной сети распознает определенные признаки: форму объектов, цвета, внешний вид объектов и так далее.

Поверхностные слои нейронных сетей имеют общие черты. В более глубоких слоях уже видны реальные черты. На диаграмме показана простая нейронная сеть. Зеленый цвет — входные нейроны (входящая информация), синий — скрытые нейроны (анализ данных), желтый — выходные нейроны (решение).

Нейронные сети — это искусственный человеческий мозг?

Несмотря на схожую структуру нейронных сетей компьютеров и людей, им не хватает характеристик нашей центральной нервной системы. Нейронные сети компьютеров — это, по сути, те же самые инструменты. Так получилось, что наш мозг — это наилучшим образом организованная система для выполнения вычислений. Вы, наверное, уже слышали выражение «наш мозг — это компьютер», верно? Ученые просто скопировали некоторые аспекты его структуры в «цифровой форме». Это ускорило вычисления, но не наделило машины сознанием.

Нейронные сети существуют с 1950-х годов (по крайней мере, в форме ipion), но до недавнего времени они были недостаточно развиты, поскольку для их создания требовались большие объемы данных и вычислительной мощности. В последние годы все это стало доступным, поэтому нейронные сети вышли на передний край своего развития. Важно понимать, что для их полного появления не хватало технологии. Точно так же, как их не хватает сейчас, чтобы вывести технологию на новый уровень.

Несмотря на свои преимущества, Deep Learning и нейронные сети также имеют некоторые недостатки.

• Зависимость от данных: В целом, алгоритмы глубокого обучения требуют огромного количества обучающих данных для точного выполнения своих задач. К сожалению, для многих проблем недостаточно высококачественных обучающих данных для построения функциональных моделей.
• Непредсказуемость: нейронные сети развиваются странным образом. Иногда все идет по плану. А иногда (даже когда нейронная сеть работает хорошо) даже ее создателям трудно понять, как работают алгоритмы. Отсутствие предсказуемости делает крайне сложным исправление и отладку алгоритмов нейронных сетей.
• Алгоритмическая предвзятость: алгоритмы глубокого обучения хороши лишь настолько, насколько хороши данные, на которых они обучены. Проблема заключается в том, что обучающие данные часто содержат скрытые или явные ошибки или недостатки, и алгоритмы принимают их. Например, алгоритм распознавания лиц, обученный в основном на фотографиях белых людей, будет работать менее точно на людях с другим цветом кожи.
• Отсутствие обобщения: алгоритмы глубокого обучения хорошо справляются с целевыми задачами, но плохо обобщают свои знания. В отличие от человека, модель Deep Learning, обученная на StarCraft, не сможет играть в другую похожую игру, например, WarCraft. Кроме того, Deep Learning не в состоянии обрабатывать данные, которые отклоняются от парадигмы обучения.

Очевидно, что работа над Deep Learning и нейронными сетями все еще продолжается. В настоящее время предпринимаются различные усилия для улучшения алгоритмов глубокого обучения. Глубокое обучение — это передовой метод создания искусственного интеллекта. В последние годы она приобретает все большее значение в связи с обилием данных и увеличением вычислительной мощности. Это основная технология, лежащая в основе многих приложений, которыми мы пользуемся каждый день.

Схемы и пути решения проблем скоро заменят многие вещи.

Но возникнет ли когда-нибудь сознание на основе этой технологии? Настоящая искусственная жизнь? Некоторые ученые считают, что нечто подобное может произойти, когда количество связей между элементами искусственных нейронных сетей достигнет того же количества, которое существует между нашими нейронами в человеческом мозге. Однако это утверждение весьма сомнительно. Чтобы появился настоящий искусственный интеллект, нам необходимо пересмотреть подход к разработке систем на основе ИИ. То, что мы имеем сейчас, — это всего лишь приложения для строго ограниченного круга задач. Даже если нам хочется верить, что будущее уже наступило…..

Что вы думаете? Создадут ли люди искусственный интеллект? Поделитесь своим мнением в нашем чате Telegram.

Входные сигналы поступают из совершенно разных источников. Все играет роль: климат, влажность, температура, даже то, что вы съели в ближайшее время. Нейрон получает и обрабатывает тысячи различных сигналов, прежде чем принять решение о том, как действовать.

Что такое искусственный интеллект (ИИ)?

Искусственный интеллект — это область науки и техники, которая занимается разработкой машин и компьютерных программ, обладающих интеллектом. Она посвящена использованию компьютеров для понимания человеческого интеллекта. Таким образом, искусственный интеллект не должен ограничиваться методами, которые можно наблюдать биологически.

Да, но что такое интеллект?

Интеллект — способность находить решения с помощью вычислений. Интеллект различных типов и степеней существует у людей, у многих животных и у некоторых машин.

Разве нет определения интеллекта, которое не зависит от соотнесения его с человеческим интеллектом?

Пока что нет понимания того, какие вычислительные процессы мы хотим назвать интеллектуальными. Мы не знаем всех механизмов интеллекта.

Является ли интеллект однозначным понятием, чтобы на вопрос «Обладает ли данная машина интеллектом?» можно было ответить «да» или «нет»?

Нет, исследования в области искусственного интеллекта показали, как использовать только некоторые из механизмов. Если для выполнения задачи требуются только хорошо спроектированные модели, достигаются очень впечатляющие результаты. Такие программы обладают «небольшим» интеллектом.

Является ли искусственный интеллект попыткой имитировать человеческий интеллект?

Иногда, но не всегда. С одной стороны, мы учимся тому, как заставить машины решать проблемы, наблюдая за людьми или нашими собственными алгоритмами. С другой стороны, исследователи ИИ используют алгоритмы, которые невозможно наблюдать у человека или требуют гораздо большей вычислительной мощности.

У компьютерных программ есть IQ?

Нет. Индекс интеллекта основан на скорости развития интеллекта у детей. Это соотношение между возрастом, в котором ребенок обычно достигает определенного показателя, и возрастом ребенка. Эта оценка в полной мере относится и к взрослым. Показатели интеллекта хорошо коррелируют с различными показателями успеха или неудачи в жизни. Однако разработка компьютеров, которые показывают высокие результаты в тестах на IQ, имеет мало общего с их полезностью. Например, способность ребенка повторять длинную последовательность цифр хорошо коррелирует с другими интеллектуальными способностями. Он показывает, какой объем информации ребенок может вспомнить одновременно. Однако запоминание чисел является тривиальной задачей даже для самых примитивных компьютеров.

Как сравнить человеческий и компьютерный интеллекты?

Артур Р. Дженсен, ведущий исследователь в области человеческого интеллекта, выдвигает «эвристическую гипотезу» о том, что нормальные люди имеют одинаковые механизмы интеллекта и что умственные различия связаны с «количественными биохимическими и физиологическими условиями». К ним относятся скорость мышления, кратковременная память и способность формировать точную и восстанавливаемую долговременную память.

Независимо от того, верен ли взгляд Дженсена на человеческий интеллект, ситуация с искусственным интеллектом сегодня противоположная.

Компьютерные программы обладают большим запасом скорости и памяти, но их возможности соответствуют ментальным механизмам, которые разработчики программного обеспечения хорошо понимают и могут встроить в них. Некоторые способности, которые обычно не развиваются у детей до полового созревания, уже заложены в них. Другие, одержимые двухлетними детьми, до сих пор не найдены. Все усложняется тем, что когнитивная наука пока не может точно определить, что такое человеческие способности. Возможно, что организация когнитивных механизмов ИИ положительно отличается от человеческой.

Если человек способен решить задачу быстрее, чем компьютер, это говорит о том, что программисты не понимают механизмов интеллекта, необходимых для эффективного выполнения этой задачи.

Когда началось исследование ИИ?

После Второй мировой войны несколько человек начали самостоятельно работать над созданием интеллектуальных машин. Английский математик Алан Тьюринг, возможно, был первым из них. Он прочитал свою лекцию в 1947 г. Тьюринг был одним из первых, кто решил, что искусственный интеллект можно лучше изучить с помощью компьютерного программирования, чем путем создания машин. В конце 1950-х годов было много исследователей ИИ, и большинство из них полагались на компьютерное программирование.

Является ли целью ИИ поместить человеческий разум в компьютер?

Человеческий разум имеет множество характеристик, и вряд ли реально имитировать их все.

Что такое тест Тьюринга?

Α. В статье Алана Тьюринга 1950 года «Вычисления и интеллект» обсуждались требования, которым должна отвечать машина, чтобы быть разумной. Он утверждал, что машина, которая может успешно обмануть разумного наблюдателя и заставить его принять ее за человека, естественно, должна считаться разумной. Этот критерий удовлетворил бы большинство людей, но не всех философов. Наблюдатель должен взаимодействовать с машиной или человеком через средства ввода/вывода, чтобы машине не приходилось имитировать внешность или голос человека. И у машины, и у человека есть задача заставить наблюдателя увидеть себя человеком.

Тест Тьюринга — это улица с односторонним движением. Машина, прошедшая тест, определенно должна считаться разумной, даже если она не имеет достаточно знаний о людях, чтобы подражать им.

В книге Дэниела Деннета «Brainchildren» содержится превосходное обсуждение теста Тьюринга и различных его частей, которые были успешно применены, т.е. с ограничениями на знание наблюдателем ИИ и объекта. Оказывается, некоторых людей можно довольно легко убедить в том, что довольно примитивная программа является разумной.

Является ли целью ИИ достижение человеческого уровня интеллекта?

Да. Конечная цель — разработать компьютерные программы, которые смогут решать проблемы и достигать целей так же, как и люди. Однако ученые, проводящие исследования в более узких областях, ставят перед собой гораздо менее амбициозные цели.

Насколько далек искусственный интеллект от достижения человеческого уровня? Когда это произойдет?

Интеллект человеческого уровня может быть достигнут путем написания большого количества программ и сбора больших баз знаний на языках, которые в настоящее время используются для выражения знаний. Однако большинство исследователей ИИ считают, что необходимы новые фундаментальные знания. Поэтому невозможно предсказать, когда появится интеллект человеческого уровня.

Является ли компьютер машиной, которая может стать интеллектуальной?

Компьютеры можно запрограммировать так, чтобы они имитировали любую машину.

Скорость компьютеров позволяет им обладать интеллектом?

Некоторые считают, что необходимы как более быстрые компьютеры, так и новые идеи. 30 лет назад компьютеры были достаточно быстрыми. Если бы мы только знали, как их программировать.

Что насчет создания «детской машины», которая могла бы улучшиться путем чтения и обучения на собственном опыте?

Эта идея предлагалась снова и снова с 1940-х годов. В конце концов, это будет реализовано. Однако программы искусственного интеллекта пока не способны усвоить многое из того, чему ребенок учится в течение всей жизни. Существующие программы не понимают язык достаточно хорошо, чтобы многому научиться с помощью чтения.

Являются ли теория вычислимости и вычислительная сложность ключами к ИИ?

Нет, эти теории актуальны, но они не решают фундаментальных проблем ИИ.

В 1930-х годах математические логики Курт Гёдель и Алан Тьюринг отметили, что не существует алгоритмов, гарантированно решающих все проблемы в некоторых важных математических областях. Например, ответы на такие вопросы, как «является ли теорема логикой первого порядка» или «имеет ли полиномиальное уравнение целочисленные решения при некоторых переменных». Поскольку люди способны решать такие проблемы, этот факт использовался как аргумент в пользу того, что компьютеры по своей природе не способны делать то, что делают люди. Роджер Пенроуз также делает это наблюдение. Однако человек не может гарантировать решение произвольных задач в этих областях.

Для предотвращения мошенничества искусственный интеллект отслеживает и регистрирует все транзакции. Для нестандартных платежей (например, суммы, превышающие стандартные сборы, или платежи за услуги из другой страны) банк отправляет клиенту сообщение или просит его подтвердить платеж лично.

История развития искусственного интеллекта

Термин «искусственный интеллект» восходит к Джону Маккарти, основателю программирования и изобретателю языка Lisp. В 1956 году в Университете Карнеги-Меллона ставший впоследствии лауреатом престижной премии Тьюринга представил прототип программы искусственного интеллекта.

В первой четверти 20-го века человечество начало мечтать о разумных роботах. Известный писатель Карел Чапек представил пьесу под названием «Универсальные роботы» в одном из лондонских театров в 1924 году. Выступление ошеломило зрителей, а слово «робот» стало широко известно.

В 1943-45 годах были заложены основы для понимания и создания нейронных сетей, а уже в 1950 году Алан Тьюринг опубликовал в научной статье анализ интеллектуальных шахмат. В 1958 году появился первый язык программирования для искусственного интеллекта — Lisp.

Между 1960 и 1970 годами несколько ученых показали, что компьютеры способны понимать естественный язык на достаточно хорошем уровне. В 1965 году была разработана Элиза, первый англоязычный робот. В те же годы направление ИИ стало привлекать правительственные и военные агентства в США, СССР и других странах. Например, к 1970-м годам Министерство обороны США уже запустило проект по созданию виртуальной дорожной карты — прототипа GPS.

В 1969 году ученые из Стэнфордского университета разработали Шеки — робота с искусственным интеллектом, который мог самостоятельно передвигаться, считывать данные и решать простые задачи.

Четыре года спустя (1973) Эдинбургский университет разработал робота Фредди — этот шотландский представитель семейства ИИ мог находить и собирать различные модели с помощью компьютерного зрения.

Искусственный интеллект также быстро развивался в СССР. Ученые А.И. Берг и Г.С. Поспелов в 1954-64 годах разработали программу АЛПЕВ ЛОМИ, которая автоматически доказывала теоремы. В те же годы советские ученые разработали алгоритм «Кора», который имитирует деятельность человеческого мозга при распознавании образов. В 1968 году В.Ф. Турчин разработал язык символьной обработки данных REFAL.

1980-е годы стали годом революции искусственного интеллекта. Ученые разработали машины машинного обучения — интеллектуальные советники, которые предлагают решения, могут самостоятельно обучаться на первом уровне и общаться с человеком на ограниченном, но уже естественном языке.

В 1997 году была создана знаменитая шахматная программа — компьютер Deep Blue, который победил чемпиона мира по шахматам Гарри Каспарова. В те же годы в Японии началась разработка 6-го поколения компьютерных программ, основанных на нейронных сетях.

Интересно, что в 1989 году другая шахматная программа, Deep Thought, обыграла международного гроссмейстера Бента Ларсена. После этой дуэли между машиной и человеком Гарри Каспаров заявил:

«Если интеллектуальная машина может превзойти лучших из лучших в шахматах, значит, она может писать лучшую музыку и сочинять лучшие книги. Я не могу в это поверить. Если я узнаю, что ученые создали компьютер с интеллектом 2800, равным моему, я вызову саму машину на партию в шахматы, чтобы защитить человеческую расу».

В 2000-х годах возродился интерес к робототехнике. Искусственный интеллект активно внедряется в космическую промышленность, а также используется в быту. Системы «умного дома» и «продвинутые» бытовые приборы находятся на подъеме. Роботы Kismet и Nomad исследуют часть Антарктиды.

Принципы ИИ

Прежде чем описывать технологические основы, без которых развитие искусственного интеллекта было бы немыслимо, необходимо знать этические законы робототехники. Они были представлены в 1942 году Айзеком Азимовым в его романе «Карусель»:

• Робот или система искусственного интеллекта не должны своим действием или бездействием причинять вред человеку.
• Робот подчиняется приказам, которые он получает от человека, за исключением тех, которые нарушают первый закон.
• Робот должен обеспечивать собственную безопасность, если это не противоречит первому и второму законам.

До публикации романа Азимова искусственный интеллект ассоциировался с романом Мэри Шелли «Франкенштейн». Искусственно созданный образ человека с разумом, который восстает против людей. Та же история ужасов была подхвачена в знаменитом голливудском блокбастере «Терминатор».

Интересно, что Айзек Азимов в 1986 году добавил еще один пункт к законам робототехники. Автор решил назвать его «Ноль»:

0. Робот не может причинить вред человеку, если не докажет, что (вред) в конечном итоге принесет пользу всему человечеству.

Разобравшись с моральными законами, мы переходим к техническим основам искусственного интеллекта:

• Машинное обучение (ML) — принцип разработки ИИ, основанный на самообучающихся алгоритмах. Участие человека в этом подходе ограничивается загрузкой набора информации в «память» машины и постановкой целей. Существуют различные методы ИИ: Обучение без репетитора — человек ставит перед собой конкретную цель, хочет проверить гипотезу или подтвердить закономерность. Обучение без учителя — результат интеллектуальной обработки данных неизвестен — компьютер находит независимые закономерности и учится думать, как человек. Глубокое обучение — это смешанный метод, основным отличием которого является обработка больших массивов данных и использование нейронных сетей.
• Нейронная сеть — это математическая модель, которая имитирует структуру и функции нервных клеток в живом организме. Поэтому в идеале это самообучающаяся система. Если перенести этот принцип на технологический уровень, то нейронная сеть — это группа процессоров, выполняющих одну задачу в крупномасштабном проекте. Другими словами, суперкомпьютер — это сеть из множества обычных компьютеров.
• Глубокое обучение классифицируется как самостоятельный принцип искусственного интеллекта, поскольку оно используется для распознавания закономерностей в больших объемах информации. Для выполнения такого рода задач, выходящих за рамки человеческих возможностей, компьютер использует передовые методы.
• Когнитивные вычисления — это направление искусственного интеллекта, которое изучает и реализует процессы естественного взаимодействия между людьми и компьютерами, аналогичные человеческому взаимодействию. Цель технологии ИИ — полностью имитировать человеческую деятельность высшего порядка — язык, метафорическое и аналитическое мышление.
• Компьютерное зрение — это область искусственного интеллекта, используемая для распознавания графических и видеоизображений. Машинный интеллект теперь способен обрабатывать и анализировать графические данные и интерпретировать информацию в соответствии с окружающей средой.
• Синтетический язык. Компьютеры уже могут понимать, анализировать и воспроизводить человеческий язык. Мы уже можем управлять программами, компьютерами и устройствами с помощью голосовых команд. Например, Siri или Google Assistant, Алиса в Яндексе и другие.

Сфера использования ИИ

Искусственный интеллект постепенно входит во все сферы человеческой деятельности и делает обычные программные комплексы интеллектуальными:

• Медицина и здравоохранение. Компьютерные системы ведут учет пациентов и помогают расшифровывать результаты диагностики. Например, ультразвуковые исследования, рентгеновские снимки, компьютерная томография и другое медицинское оборудование. Умные системы могут даже распознавать болезнь пациента по признакам и предлагать оптимальные варианты лечения. Приложения для здорового образа жизни можно найти в магазине приложений Google. Эти приложения считывают пульс и температуру тела человека, когда он касается экрана телефона своей палочкой, чтобы определить уровень стресса и предложить способы его снижения.
• Электронные розничные торговцы. Многие уже знакомы с важностью Google и Yandex. Он используется розничными торговцами для предложения товаров и услуг в соответствии с интересами пользователей. Например, вы посетили интернет-магазин купальников, увидели несколько моделей, прочитали характеристики и так далее. Выйдя из магазина, вы можете увидеть рекламу купальников на других сайтах. Блоки «похожие товары» в интернет-магазинах работают по аналогичному принципу. Аналитические системы изучают поведение пользователей, определяют их покупательские привычки и отображают (как им кажется) соответствующие предложения.
• Политика. Интеллектуальные машины помогли Бараку Обаме выиграть вторые президентские выборы. Для своей избирательной кампании тогдашний президент США нанял лучшую команду аналитиков данных. Специалисты использовали возможности умных машин, чтобы рассчитать наилучший день, персонал и аудиторию для выступлений Обамы. Это дало преимущество в 10-12%.
• Промышленность. ИИ может анализировать данные с различных производственных участков и регулировать загрузку оборудования. Кроме того, интеллектуальные машины используются для прогнозирования спроса в различных отраслях промышленности.
• Игровая индустрия, образование. ИИ активно используется производителями игр. Умные машины и робототехника постепенно внедряются в образовательный процесс в большинстве стран.