Dirbtinis intelektas: kas tai yra ir dabartiniai praktiniai pavyzdžiai?

Keletą metų įmonės nuolat kalbėjo su mumis apie dirbtinį intelektą, kurį jos pristato teikdamos paslaugas, programas ir procesorius. Vis dėlto, nors jie ir turi tą patį pavadinimą, ačiū Dievui, mūsų skalbimo mašinos (dėl priežasčių, kurios bėga nuo mūsų) ir mūsų išmaniojo telefono dirbtinis intelektas nėra taip išvystytas, kad priversti juos apmąstyti savo egzistavimą ir mūsų galią jų atžvilgiu. Kol kas…

Kaip mes jums jau sakėme straipsnyje apie AI kūrimo USB „Intel Movidius“, dirbtinis intelektas yra tam, kad liktų ir padėtų mums išspręsti kasdienes problemas. Bet kas tiksliai yra dirbtinis intelektas?

Šaltinis: Šaltinis Dexeter

Gif, kurį matote aukščiau , labai supaprastintai parodo, kaip veikia gilus nervų tinklas. Šioms sistemoms reikalingas sunkus mokymas, kad vėliau būtų galima, pavyzdžiui, atpažinti vaizdus, ​​optimizuoti sprendimus ar tiesiog sužinoti daugiau. Iš esmės tai yra algoritmų rinkinys, kurį galime priskirti AI ir kurie priklauso giluminio mokymosi sričiai.

Turinio rodyklė

Dirbtinis intelektas: naujas programavimas

Šiandien dirbtinis intelektas nesudaro sudėtingų mišrių technologijų sistemų, turinčių sąžinę, kaip tai dažnai būna mokslinės fantastikos darbuose. Tai, ką mes sukuriame, labiau priklauso nuo sudėtingų algoritmų, kurie grąžina rezultatus, remiantis įvestimis ir jiems išmokytomis komandomis, apibrėžimo. Nors tai tik viena iš prasmių.

Dirbtinį intelektą galima suprasti skirtingai, tačiau mes jį galime suskirstyti į keturias pagrindines grupes:

AI, kurie mąsto kaip žmonės

Sviestas robotas Rickas ir Morty

Kompleksinės kompiuterinės sistemos, turinčios savo sąžinę, galvojančios ir priimančios sprendimus pagal savo norą ir viršijančios tas savybes, kurioms jos buvo užprogramuotos („ Ghost in the Shell“). Tai dar nėra pasiekiama ir net nežinome, ar tai bus įmanoma ateityje, todėl nėra daug ką komentuoti.

IA, kurie elgiasi kaip žmonės

Mąstymas kaip žmogus nėra tas pats, kas apsimesti, kad elgiasi kaip žmogus. Šiandien mes sukuriame tokias sistemas, kaip šios, kuriose įdiegiami atsitiktinumai ir konkrečios funkcijos, kad būtų sukurtas jausmas, kad intelektas mąsto kaip žmogus.

Pepper protingas asistentas

Vaizdo žaidimuose tai matome nuolat, nes mašinų kontroliuojami priešai dažnai siekia imituoti žmonėms panašų elgesį. Atskirtas nuo vaizdo žaidimų, buvo pasiekta, kad dirbtinis intelektas gali rašyti su trūkumais ir nelygumais, kaip tai darytų žmogus.

PV, kurie mąsto racionaliai

Turbūt labiausiai paplitusi šios technologijos versija šiandien. Mes sakome, kad jie mąsto racionaliai, nes suteikiame jiems priemonių, leidžiančių pasiūlyti efektyvius ir reikšmingus rezultatus. Jie geba lengvai prisitaikyti prie aplinkos, kurioje yra, nors patys toli gražu negalvoja.

„AlphaStar“ mokymasis

To pavyzdys yra dirbtinis intelektas, žaidžiantis tokius vaizdo žaidimus kaip „AlphaStar“ („StarCraft II“) arba „AlphaZero“ (šachmatai, „shogi and go“). Šios mašinos netgi sugeba kovoti su žmonių priešininkais ir jau yra įveikusios retkarčiais pasaulio čempioną.

Poveikis yra racionalus

Kadangi jie „elgiasi“, mes atrandame, kad jie netvarko duomenų, kuriuos jiems perduodame, todėl jie mąsto tik racionaliai. Tai yra paprasčiausia šios technologijos versija ir tai yra etapas, kurį mes jau didžiąja dalimi praėjome. Kai kurios kompiuterinės sistemos naudojasi šia technologija, nes jas yra daug lengviau programuoti, o jų darbas paprastai yra paprastas.

Išmanusis dulkių siurblys

Pvz., Aparatai, priimantys skambučius ir nukreipiantys jus į galimybes, arba intelektualieji tinklalapių padėjėjai, kurie paprastai prašo rekomenduoti susijusius sprendimus.

Jau turėdami priimtiną įvaizdį, kaip intelektas pasiskirsto pagal tai, kiek jie sudėtingi, paimkime jus į reikalo esmę.

Minties matematika

Vienas iš dirbtinio intelekto programavimo būdų yra duomenų tvarkymas įsivaizduojamais vienetais, vadinamais įtampomis. Jutikliai yra sudėtingas algebrinis vienetas (iš skalių, vektorių ir matricų), kuriam tinkamai žinoti reikia matematikos. Taigi AI programos bus veiksmingos taip pat, kaip buvo atliktos matematinės duomenų manipuliacijos.

Supaprastintas posūkių paaiškinimas

Norėdami išplėsti šio tipo programinės įrangos plėtrą, daugelis grupių sukūrė ir atidarė savo kodų bibliotekas visuomenei, kad galėtų bendradarbiauti ir kartu su bendruomene sukurti intelektualesnes sistemas. „TensorFlow“ , „ Google“, „CNTK“ , „ Microsoft “, „Theano “ , „Caffe2“ ir „Keras“ yra keli svarbiausi pavyzdžiai. Kiekvienoje bibliotekoje pagrindinis dėmesys skiriamas problemai iš skirtingų aspektų, todėl jos dėka mes turime AI plėtrą skirtingais abstrakcijos lygiais.

Jei nežinote, kokie yra abstrakcijos lygiai, tai yra sistema, kuri išmatuoja, kiek artima kompiuterio kalba šnekamajai kalbai. Kuo aukštesnis abstrakcijos lygis, tuo labiau jis primena žmonių kalbą ir kuo žemesnis, tuo daugiau mašininio kodo, tai yra tas pasaulis, kuris veikia tik su nuliais ir tais.

Naujos sistemos, nauja aparatūra

Akivaizdu, kad visa programinė įranga veikia aparatinės įrangos viduje, tačiau lengva pakliūti į iliuziją, kad debesis gali su viskuo susidoroti, tačiau tikrovė nėra tokia jau jauki. Priklausomai nuo to, kaip optimizuotas kodas, gali būti, kad PG veikia vietoje (išmaniajame telefone, asmeniniame kompiuteryje ar daiktų interneto įrenginyje). Arba įrenginiams gali būti leista nusiųsti skaičiavimus į serverius, juos apdoroti ir jie grąžina rezultatą.

Debesų paslaugos

Daugeliu atvejų „mažas“ įrenginys bando didelę dalį skaičiavimų atlikti vietoje ir siunčia serveriui tik dalį problemos, taip sutaupydamas daug paslaugų valdymo išlaidų.

Dirbtinis intelektas kasdien

Žinome, kad galvoti apie šios ateities ateitį yra labai įdomu ir kai kam net įdomu, tačiau norint pamatyti pirmuosius vaisius nereikia taip toli nueiti. Kur galime rasti dirbtinio intelekto pėdsakų šiandienos visuomenėje?

Dirbtinis intelektas mobiliajame telefone

Tai gali atrodyti nepastebėta, tačiau ji supa mus iš visų pusių. Pradedant namų įrenginiais, naujuose mobiliuosiuose telefonuose dažnai yra nedidelės įmontuotos sistemos, vadinamos dirbtiniu intelektu, kurios padeda geriau fotografuoti. Atrankos būdu fokusuokite vaizdus po apdorojimo, kad jie atrodytų ryškesni, spalvingesni ar kontrastingi. Kai kurie netgi sugeba atpažinti mūsų užfiksuotus objektus ir siūlo mums susijusias paieškas.

Šioje srityje taip pat išsiskiria kolega, kurio „OK Google“ nėra, kuris mokosi iš visko, ką jai sakome, ir geba apdoroti begalines užklausas. Nors mes galime jus rasti „lengvai suplanuotus“ (pavyzdžiui, negalėdami užmegzti pokalbio), negalime atmesti sunkaus darbo, kuris, mūsų manymu, yra už jo.

„Google“ padėjėjas

Taip pat turime kalbėti apie gresiantį autonominį vairavimą. Tokie automobiliai kaip „Tesla“ kai kuriose šalyse jau siūlo tas AI kontroliuojamas alternatyvas. Šios sistemos gali užfiksuoti aplinką aplink automobilį, apdoroti draudimus, pavojus ir panašiai bei atitinkamai vairuoti.

Nors mums nereikia siekti tokio aukšto intelekto lygio automobilių pasaulyje. Matome, kad kai kurie automobiliai jau turi tokias įdomias sistemas kaip avarinio sustojimo aptikimas ar automatinė stovėjimo aikštelė.

Šešėlinė karalienė:

Dabar jūs jau galvojate, kad AI yra visur ir kad bet kuriuo momentu jie maištauja, tačiau būkite tikri, jūsų skrudintuvas neketins tavęs užmušti miegodamas. Ką galime patvirtinti, kad ši technologija kontroliuoja daugiau, nei jūs manote, ir yra atsakinga už daugelį visuomenės tendencijų.

„YouTube“, „Twitter“, „Google“ skelbimai… Visa tai tam tikru mastu kontroliuoja ne tik jūsų nurodyti nustatymai, bet ir dirbtinis intelektas, kuris nusprendžia, ką jums parodyti. Ar girdite pranešimą, panašų į: „Noriu pasidalinti savo duomenimis su„ Google “, kad jis man pasiūlytų skelbimus, kurie mane galėtų sudominti“ ?

Kaip tai veikia? Na, pamatysite, atsižvelgiant į tai, ką vartojate internete, sukuriamas jūsų skonio profilis ir esate susijęs su daugeliu kitų žmonių. Kai interneto paslaugoms reikia ką nors parodyti, jie naudoja šį profilį, sudarytą iš milijonų asmenų, kad įvertintų, kas jus gali sudominti.

Supaprastintas didelių duomenų paaiškinimas

Šis būdas analizuoti didžiulį duomenų kiekį („Big Data“) naudojant AI reikalauja daug jėgų, o karjera rodoma visame pasaulyje, pasirengusia rengti ateitį šia tema. Kaip jūs suprasite, duomenis, kuriuos vartotojai naudoja, „TeraBytes“ skaičiuoja kas sekundę, todėl žmogus nesugeba jų visų išanalizuoti. Čia dirbtinis intelektas veikia su duomenimis, o žmonės, naudodamiesi juo, rengia įverčius ir pan., Naudodamiesi, pavyzdžiui, statistika.

REKOMENDUOJAME JUMS „Google Home Mini“: kas tai yra ir kam jis skirtas, funkcijos

Fondas: gilus, mašininis mokymasis

Ketiname šiek tiek naršyti vaizdo žaidimų pasaulyje, kad šiek tiek geriau suprastume giluminį mokymąsi, nes AI pateko į vaizdo žaidimų sritį ir kaip žaidėjas (kaip jau minėjome anksčiau), ir kaip programuotojas bei dizaineris. Jei sekate pramonės pažangą, NVIDIA vis labiau pažino įvairias technologijas, tarp kurių yra jos DLSS (Deep Learning Super Sampling) sistema, dirbtinis intelektas, galintis pakeisti vaizdus.

DLSS palyginimas

DLSS funkcija yra konvertuoti vaizdą iš „FullHD“ (1080p) į „UltraHD“ (4k), kad būtų galima atkurti pačius reikliausius pavadinimus su geresne kadrų sparta. Iš pradžių vartotojai skundėsi, kad vaizdai atrodo neryškūs ir nefokusuoti, tačiau tik po kelių mėnesių rezultatai yra puikūs.

Tai dėka giluminis mokymasis - sistema, per kurią dirbtinis intelektas mokosi su praktika ir klaida. DLSS atveju „NVIDIA Intelligence“ nuolat analizavo vaizdus „UltraHD“ raiška ir bandė juos atkurti naudodamas „FullHD“ vaizdą kaip pagrindą. Kitaip tariant, atrodo , kad jie davė jums ketvirtadalį paveikslėlio ir jūs turėjote užpildyti spragas, kurių nežinote. Giluminis mokymasis yra sistemos rūšis, priklausanti vadinamajam mašininiam mokymui arba automatiniam mokymuisi ispanų kalba.

Mašinų mokymasis ir giluminis mokymasis

Mašinų mokymasis galėtų būti klasifikuojamas kaip dirbtinio intelekto pamatinis akmuo. Tai yra skirtingi algoritmų rinkiniai, kurie, be kitų dalykų, dažnai naudojami mašinoms mokytis užduočių. Pvz., Atpažinti vaizdą, žaisti šachmatais ar aptikti nuotaikas yra iššūkiai, kurių galima išmokti, atsižvelgiant į iššūkį, naudojami įvairių tipų algoritmai.

Teigiama, kad mašinų mokymasis yra algoritmų rinkinys, leidžiantis mašinai mokytis iš kaupiamos patirties. Kita vertus, giluminis mokymasis yra nukreiptas į mokymąsi heterogeniškomis sąnaudomis. Abi disciplinos yra tobulinamos ir tiriamos su energija, nes dirbtinio intelekto ateitis yra neaiški.

Dirbtinio intelekto ateitis

Mūsų požiūriu, dirbtinio intelekto galimybės atrodo begalinės. Mes vis dar nežinome, kokia yra mūsų riba, ir jau dirbame kurdami kitą, į mus panašų būtybę, tačiau ko galime tikėtis ateityje?

Nieko, ką mes komentuosime, negalima laikyti savaime suprantamu dalyku, tačiau tai yra teiginiai, pagrįsti tam tikrais argumentais, gautais daugiausia stebint, kaip šios mašinos vystėsi.

Internetas

Visų pirma atrodo neišvengiama, kad judame link pasaulio, kuriame dominuoja internetas, todėl PG turės daugiau reikšmės ir galios visoje terpėje. Tai neturėtų mus gąsdinti, nes tai yra vienintelis būdas, kuriuo galėtume užtikrinti platformos priežiūrą. Tokiu būdu galėtume naršyti internete šiek tiek labiau apsaugotoje erdvėje, tačiau tuo pat metu ir daug saugesnėje vietoje. Kaip pirmieji to pradininkai, turime „ Facebook“ žiniatinklio robotus, kurie analizuoja ir įvertina, ar mintys apie savižudybę sklinda pro jus ir, jei jie ją aptinka, susisiekia su jumis.

Panašiai ir fiziniame pasaulyje autonominiai automobiliai ir pagalbiniai automobiliai vis labiau dominuos iki to momento, kai vairavimas yra tik pramoginis. Galbūt pokyčiai neįvyks per šimtą metų, bet pokyčiai įvyks.

Kitas numatomas pokytis yra keitimasis sunkiu darbu prie mašinų. Tai revoliucija, kurios daugelis bijo, tačiau ji atrodo neišvengiama, todėl turėsime būti pasirengę.

Kiborgas Neilas Harbissonas

Ir nors tai atrodo kažkas tipiško mokslinės fantastikos, labai tikėtina, kad ateityje turėsime rasti būdų, kaip integruoti technologijas ir dirbtinį intelektą į savo kūną. Tiesą sakant, pirmasis kiborgas istorijoje jau egzistuoja ir yra vadinamas Neil Harbisson.

Už šio kranto idėjų jūra yra didžiulė. Kas žino? Galbūt visos gamyklos mašinos veikia vieningai, vadovaujant vyriausiajai mašinai su primityviomis mašinų-mašinų kalbomis. Turbūt vieną dieną geriausias vertybinių popierių biržos spekuliantas bus dirbtinio intelekto ar net geriausias motoGP motociklininkas.

Dirbtinis intelektas

Tai gali atrodyti keista, bauginanti ateitis, bet mes tikrai turime ir kitų problemų, kurias reikia pabandyti išspręsti!

O ką tu žinai apie PG? Ar nekantrauji pamatyti, kas ateis? Papasakokite, kokios yra jūsų idėjos apie dirbtinį intelektą.

„PowerDataIberdrolaIndraNewsRoom“ šriftas