Tehnologije umjetne inteligencije i strojnog učenja prestale su biti znanstvena fantastika i već su postale dio naših života. Glavni pokretač njihovog razvoja je veliki biznis: industrija, maloprodaja, bankarstvo. O problemima i specifičnostima implementacije umjetne inteligencije u Rusiji razgovaralo se s tvrtkom Jet Infosystems.
Vladimir MolodykhVoditelj Direkcije za razvoj i implementaciju softvera u Jet infosustavima
Koje je značenje tehnologija umjetne inteligencije danas? Koje mogućnosti i na kojim područjima razvoj AI otvara ljudima?
O umjetnoj inteligenciji možemo govoriti kao o filozofskom i futurološkom pojmu iz filmova o budućnosti. Ali ako govorimo o stvarni život, onda to podrazumijeva jednu ili drugu kombinaciju metoda strojnog učenja: kada uzmemo veliki skup akumuliranih podataka, na temelju njih, koristeći posebnu naprednu matematiku, kreiramo model i naučimo ga da riješi određeni problem.
Odnosno, u stvarnom životu AI je primjenjiv u područjima gdje postoji velika količina akumuliranih podataka. Događaju se različite vrste. Kada imate tri vrste podataka, jedan analitičar može njima baratati. Ali ako ima više od tisuću parametara, a neki od njih su nestrukturirani, onda to neće stati u glavu niti jednog analitičara. U takvim slučajevima ljudski um uz podršku analitičkih alata prijašnjeg tehnološkog poretka nisu u mogućnosti sve normalno analizirati. On će pojednostaviti, uzeti tri-četiri ključna parametra. I tada se strojno učenje, koje je praktična implementacija umjetne inteligencije, pokazuje učinkovitim.
Zašto se danas govori o umjetnoj inteligenciji, iako su na prvi pogled odgovarajuća matematika i računala postojali prije dvadesetak godina?
Ako govorimo o visoko specijaliziranim zadacima, strojno učenje se tamo već koristilo. Četiri su ključna faktora zbog kojih možemo reći da je AI novi globalni trend koji mijenja svijet. Prvi je što ima više podataka, primjerice, ako su prije u proizvodnji postojale samo papirnate evidencije, sada su na strojevima senzori koji prikupljaju informacije. Drugi i treći faktor su rast računalne snage plus razvoj relevantnih područja matematike. Trošak rješenja je smanjen: zahvaljujući jeftinijem hardveru više ne morate čekati deset godina na povrat projekta u proizvodnji. I na kraju, postupno se razvija poslovna praksa i pojavljuju se stručnjaci s projektnim iskustvom u ovom području.
Zašto je proces uvođenja umjetne inteligencije u Rusiji spor?
To je to. Sada u Rusiji stvarno više govore o umjetnoj inteligenciji nego što zapravo govore. Tema je pomodna, a kako bi o njoj izvijestili vrh, mnogi najavljuju nekakav hackathon i pokazuju fotografije na Instagramu. Ali rezultat koji mijenja posao se ne pojavljuje. Na temelju našeg iskustva vidimo da se u većini najvećih organizacija u Rusiji AI uspješno implementira samo u 5-7% slučajeva onoga što je rečeno.
Činjenica je da je riječ o novom tipu projekta s kojim još ne znaju kompetentno raditi. To je složena priča: uz pomoć strojnog učenja jedan se problem može riješiti dosta brzo, ali to zahtijeva značajno restrukturiranje poslovnih procesa. Primjer: možete napraviti model individualnih preporuka za klijente trgovačka mreža, ali ako uz to funkcionira klasični marketing, primjerice promocije u stilu “10% popusta na sve”, onda te preporuke neće funkcionirati. Ili smo, na primjer, izgradili model za predviđanje kvarova i kvarova na vozilima u voznom parku, ali tijekom izrade tog modela promijenio se dobavljač goriva i maziva. I to su također podaci koji utječu na model, a on se raspada. Odnosno, organizacija se treba promijeniti tako da njezini procesi odgovaraju zadacima koji se mogu riješiti pomoću strojnog učenja: učinkovito izgraditi razmjenu podataka između odjela i tako dalje. Ovo je skup promjena koje morate biti sposobni napraviti i morate biti spremni boriti se za njih.
Još smo u fazi generiranja tržišta, a zbog njegove novosti nastaju poteškoće. Konkretno, u proizvodnji smo se susreli sa situacijom kada su ljudi mislili: "Dakle, nećemo se mi boriti s nedostacima, nego neka vrsta AI modela, a ispada da mi nismo potrebni." Motivacija je patila, a umjesto pomoći ljudi su kritizirali. Ispred uprave je s jedne strane nekakav stručnjak za podatke iz Moskve, a s druge 45-godišnjak koji poznaje proizvodnju izvana i iznutra, koji kaže: “Ovo neće ići, ali ti ništa ne razumiješ.” I jasno je da se u takvoj situaciji redatelj ne osjeća baš sigurnim.
Koje industrije u Rusiji najčešće koriste AI i zašto?
Prvo, to su inovativne internetske tvrtke. Isti Yandex - ovo se općenito koristi posvuda. Ako uzmemo velike industrije, onda će maloprodaja biti na prvom mjestu, ali i banke i osiguravajuća društva. Ali apsolutno sam siguran da je najveći potencijal za primjenu AI-a u industriji: to su stvarni proizvodni procesi sa stvarnim novcem i mogućnošću smanjenja troškova. No, ova industrija još uvijek nešto zaostaje, jer je konzervativnija od maloprodaje, koja se zbog konkurentskog okruženja mora razvijati vrlo brzo.
Gdje god ima puno podataka. Učinak će biti posebno velik u industriji. Kriteriji su dostupnost podataka i što se može optimizirati. To mogu biti zadaci održavanja, popravka, borbe protiv nedostataka, predviđanja, "digitalnih blizanaca" koji omogućuju analizu. Ispravnije je gledati ne na industrije, već na vrstu zadataka. Ako se radi o komadnoj proizvodnji, poput proizvodnje borbenih zrakoplova, tada za većinu zadataka jednostavno neće biti potrebne količine podataka. A ako je velikih razmjera, poput valjanog čelika ili masovne montaže automobila, tada će umjetna inteligencija biti učinkovita.
Zašto implementirati AI u poduzeće?
Tvrtka obično radi ono što radi kako bi zaradila – a na ovaj način će zaraditi više. Danas proizvodni procesi postaju korak po korak sve složeniji, pojavljuje se sve više čimbenika i nijansi. Ako prije svega proces proizvodnje stane u glavu jednog tehnologa, sada je izvan onoga što jedna osoba ili grupa ljudi može uzeti u obzir. Sukladno tome, sve složeniji proizvodni proces zahtijeva nova rješenja, posebice AI i strojno učenje.
Osim toga, u proizvodnji su posebno vrijedni ljudi koji imaju neke jedinstvene kompetencije. Mogu se razboljeti, otići u mirovinu, a korištenje umjetne inteligencije povećava održivost poslovanja u odnosu na ljudski faktor.
Koje su najčešće zablude s kojima se susrećete o umjetnoj inteligenciji?
Postoje dvije vrste zabluda. Prvo: "Sada ću unajmiti stručnjaka za podatke, on će mi napraviti model i za nekoliko tjedana sve će krenuti." To se nikad ne događa tako. Drugi tip: “Sve su ovo fantazije i priče, ali mi imamo drugačiji život u kojem sve to nije primjenjivo.” Ali istina je ovdje zapravo negdje u sredini.
Rašireno je uvjerenje da će umjetna inteligencija s vremenom moći u potpunosti zamijeniti ljude u proizvodnji i drugim industrijama. Dijelite li ga?
Tijekom tri do pet do deset godina pojavit će se određena područja u kojima će se mijenjati ljudi. Vozila bez posade trenutno se testiraju; vjerojatno će postupno zamijeniti vozače jer mogu smanjiti broj nesreća i izbjeći plaćanje novca vozačima. Ako govorimo o poslu, to se događa pred našim očima. Ako je prije čovjek sam donosio odluke, sada to radi uz pomoć strojnog učenja ili robotike. Gdje je prije radilo stotinu ljudi, sada može biti jedan tehnolog, jedan data scientist, a ostalo rade strojevi.
Prvo će se zamijeniti tipični zadaci. Ljudi koji se bave individualnim, kreativnim zadacima za sada su sigurni. A u područjima gdje tisuće zaposlenika na istim radnim mjestima rade po propisima, za tri do pet godina zamijenit će ih AI.
Gdje započeti proces implementacije AI u poduzeće?
Prvi korak je pronaći iskusan tim koji razumije kako se to radi. Jer ovdje ima puno zamki i treba se nositi s njima. Drugi je pronalaženje problema koji se mogu riješiti u korist poslovanja, izrada kompetentnih, razumnih metrika i razumijevanje kako to pretvoriti u novac. Uostalom, važan je i brz uspjeh.
Kako odlučiti hoćete li to učiniti sami ili angažirati izvođača?
Svaka tvrtka mora postupno ići prema tome da joj IT ne postane samo pomoćna funkcija, već nešto što joj pomaže da zaradi novac. To znači da treba razvijati informatičke kompetencije, a to je spor proces. Stoga je u početnoj fazi racionalno uključiti stručnjake, a zatim zajedno s njima odlučiti koja područja tvrtka treba sama razvijati, au kojima se osloniti na partnere.
Kako odabrati partnera?
Važno je razumjeti da je tema umjetne inteligencije složena. Trebamo tim koji ne samo da razumije analitičku statistiku, podatkovnu znanost, strojno učenje, već ima i složene kompetencije: od upravljanja projektima do sposobnosti rada s podacima, visokoopterećenim sustavima i čišćenjem podataka. Važna je i informacijska sigurnost jer novi tipovi informatičkih rješenja povlače za sobom nove IT prijetnje, dok stare prijetnje ne nestaju. Stoga nam treba tim koji sve to može.
Što mislite kako će se AI tehnologija promijeniti u budućnosti?
U praktičnom smislu, još uvijek je važno ovladati onim što je dostupno. Ako govorimo o budućnosti, čini mi se da će se tehnologija prvenstveno kretati prema učenju s potkrepljenjem, samoučenju, kada sustav sam uči na temelju svježih podataka. Ali za sada je to više teorija nego praksa. Kada je u pitanju učenje računala da igra Go, učenje s potkrepljenjem funkcionira. Ali u složenijim praktičnim problemima još ne toliko.
Postoji li mnogo platformi za praktičnu raspravu o problemima umjetne inteligencije u Rusiji?
Postoji mnogo različitih foruma i svi govore o umjetnoj inteligenciji. Tema je hype, može ispasti kao s nanotehnologijom. S obzirom na sve ovo, održavamo vlastiti Forum ruske umjetne inteligencije (RAIF). Ove godine održat će se po treći put, a održat će se 22. i 23. listopada u Skolkovu u sklopu međunarodnog foruma „Otvorene inovacije“. Tu govorimo o praksi: koji problemi, poteškoće i tako dalje postoje na ovom području.
Koja je glavna tema ovogodišnjeg foruma?
Ove godine glavna tema foruma je kako projekt umjetne inteligencije “progurati” do industrijskog pogona da donese rezultate. Također stavljamo ključni naglasak na sve srodne teme. Imamo odjeljke o velikim podacima, informacijskoj sigurnosti i hardveru. Okupljamo matematičare, programere, stručnjake za hardver, stručnjake za infrastrukturu i operacije.
Govorimo o stvarnoj praksi, a ne o znanstvenim problemima - iako o tome imamo poseban odjeljak. Ali prije svega, okupljamo ljude koji provode AI projekte, razgovaramo o tome vlastito iskustvo, ukazujemo na zamke. I što je najvažnije, zadatke uvijek promatramo kao cjelinu, u kontekstu projekta, a ne nekakve filozofije ili znanosti.
Ove godine Yandex je lansirao glasovnog asistenta Alice. Nova usluga omogućuje korisniku slušanje vijesti i vremenske prognoze, dobivanje odgovora na pitanja i jednostavno komuniciranje s botom. "Alice" ponekad postane drzak, ponekad djeluje gotovo razumno i ljudski sarkastično, ali često ne može shvatiti što je pitaju i završi u lokvi.
Sve je to potaknulo ne samo val šala, već i novi krug rasprava o razvoju umjetne inteligencije. Vijesti o tome što su pametni algoritmi postigli danas stižu gotovo svakodnevno, a strojno učenje nazivaju jednim od najperspektivnijih područja kojem se možete posvetiti.
Kako bismo razjasnili glavna pitanja o umjetnoj inteligenciji, razgovarali smo sa Sergejem Markovim, stručnjakom za metode umjetne inteligencije i strojnog učenja, autorom jednog od najmoćnijih domaćih šahovskih programa SmarThink i kreatorom projekta XXII.
Sergej Markov,
stručnjak za umjetnu inteligenciju
Razotkrivanje mitova o umjetnoj inteligenciji
pa što je "umjetna inteligencija"?
Koncept " umjetna inteligencija“Do neke mjere nesretan. Nastala isprva u znanstvenoj zajednici, s vremenom je prodrla u fantastičnu književnost, a preko nje i u pop kulturu, gdje je doživjela niz promjena, dobila mnoga tumačenja i na kraju potpuno mistificirana.
Zbog toga često čujemo izjave poput ove od nestručnjaka: "AI ne postoji", "AI se ne može stvoriti." Nedostatak razumijevanja istraživanja koja se odvijaju u umjetnoj inteligenciji može ljude lako odvesti u druge krajnosti - npr. moderni sustavi Umjetnoj inteligenciji se pripisuje svijest, slobodna volja i tajni motivi.
Pokušajmo odvojiti muhe od kotleta.
U znanosti se umjetna inteligencija odnosi na sustave dizajnirane za rješavanje intelektualnih problema.
S druge strane, intelektualni zadatak je zadatak koji ljudi rješavaju koristeći vlastitu inteligenciju. Imajte na umu da u ovom slučaju stručnjaci namjerno izbjegavaju definirati pojam "inteligencije", budući da je prije pojave AI sustava jedini primjer inteligencije bila ljudska inteligencija, a definirati pojam inteligencije na temelju jednog primjera isto je kao pokušavati povući ravnu liniju kroz jednu točku. Takvih redaka može biti neograničen broj, što znači da bi rasprava o pojmu inteligencije mogla trajati stoljećima.
“jaka” i “slaba” umjetna inteligencija
AI sustavi podijeljeni su u dvije velike skupine.
Primijenjena umjetna inteligencija(izraz "slaba umjetna inteligencija" ili "uska umjetna inteligencija" također se koristi, u engleska tradicija- slaba/primijenjena/uska umjetna inteligencija) je umjetna inteligencija dizajnirana za rješavanje bilo kojeg intelektualnog problema ili malog skupa njih. Ova klasa uključuje sustave za igranje šaha, Go, prepoznavanje slike, govora, donošenje odluka o izdavanju ili neizdavanju bankovnog kredita i tako dalje.
Za razliku od primijenjene umjetne inteligencije, uvodi se koncept univerzalna umjetna inteligencija(također “strong AI”, na engleskom - strong AI/Artificial General Intelligence) - odnosno hipotetski (za sada) AI sposoban riješiti sve intelektualne probleme.
Često ljudi, bez poznavanja terminologije, poistovjećuju AI sa jakom AI, zbog čega se javljaju prosudbe u duhu “AI ne postoji”.
Jaka umjetna inteligencija zapravo još ne postoji. Gotovo sav napredak koji smo vidjeli u posljednjem desetljeću na polju umjetne inteligencije je napredak u aplikacijskim sustavima. Ove uspjehe ne treba podcjenjivati, budući da su primijenjeni sustavi u nekim slučajevima sposobni riješiti intelektualne probleme bolje od univerzalne ljudske inteligencije.
Mislim da ste primijetili da je koncept umjetne inteligencije prilično širok. Recimo, mentalno računanje također je intelektualni zadatak, a to znači da će se svaki računski stroj smatrati AI sustavom. Što je s računima? Abakus? Antikiterski mehanizam? Doista, sve su to formalno, iako primitivni, AI sustavi. Međutim, obično nazivanjem sustava AI sustavom naglašavamo kompleksnost problema koji taj sustav rješava.
Sasvim je očito da je podjela intelektualnih zadataka na jednostavne i složene vrlo umjetna, a naše predodžbe o složenosti pojedinih zadataka postupno se mijenjaju. Mehanički računski stroj bio je čudo tehnike u 17. stoljeću, no danas se njime više ne mogu impresionirati ljudi koji su od djetinjstva bili izloženi puno složenijim mehanizmima. Kada automobili koji igraju Go ili samovozeći automobili prestanu oduševljavati javnost, vjerojatno će biti ljudi koji će se trgnuti jer će netko takve sustave klasificirati kao AI.
“Izvrsni roboti”: o sposobnostima učenja umjetne inteligencije
Još jedna smiješna zabluda je da AI sustavi moraju imati sposobnost samoučenja. S jedne strane, to nije nužno svojstvo AI sustava: postoji mnogo nevjerojatnih sustava koji nisu sposobni za samoučenje, ali ipak rješavaju mnoge probleme bolje od ljudskog mozga. S druge strane, neki ljudi jednostavno ne znaju da je samoučenje svojstvo koje su mnogi AI sustavi stekli prije više od pedeset godina.
Kada sam 1999. godine napisao svoj prvi šahovski program, samoučenje je već bilo sasvim uobičajeno mjesto na ovim prostorima - programi su mogli pamtiti opasne pozicije, prilagođavati varijacije otvaranja kako sebi odgovaraju, regulirati stil igre prilagođavajući se protivniku. Naravno, ti su programi bili još jako daleko od Alpha Zero. Međutim, već su postojali čak i sustavi koji su naučili ponašanje na temelju interakcija s drugim sustavima kroz eksperimente u takozvanom "učenju s potkrepljenjem". Međutim, iz nekog neobjašnjivog razloga, neki ljudi još uvijek misle da je sposobnost samoučenja prerogativ ljudske inteligencije.
Strojno učenje, cijela znanstvena disciplina, bavi se procesima učenja strojeva rješavanju određenih problema.
Postoje dva velika pola strojnog učenja - nadzirano učenje i nenadzirano učenje.
Na trening s učiteljem stroj već ima određeni broj uvjetno točnih rješenja za određeni skup slučajeva. Zadatak treninga u ovom slučaju je naučiti stroj, na temelju dostupnih primjera, da donosi ispravne odluke u drugim, nepoznatim situacijama.
Druga krajnost je učenje bez učitelja. To jest, stroj je stavljen u situaciju u kojoj su ispravne odluke nepoznate, samo su podaci dostupni u sirovom, neoznačenom obliku. Ispada da u takvim slučajevima možete postići određeni uspjeh. Na primjer, možete naučiti stroj da identificira semantičke odnose između riječi jezika na temelju analize vrlo veliki set tekstovi.
Jedna vrsta nadziranog učenja je učenje s potkrepljenjem. Ideja je da AI sustav djeluje kao agent smješten u neko simulirano okruženje u kojem može komunicirati s drugim agentima, na primjer, sa svojim kopijama, i primati povratne informacije iz okoline putem funkcije nagrađivanja. Na primjer, šahovski program koji se igra sam sa sobom, postupno prilagođava svoje parametre i time postupno jača vlastitu igru.
Učenje s potkrepljenjem je prilično široko područje, s mnogim zanimljivim tehnikama koje se koriste, u rasponu od evolucijskih algoritama do Bayesove optimizacije. Najnovija postignuća u području umjetne inteligencije za igre upravo su povezani s jačanjem umjetne inteligencije tijekom učenja s potkrepljenjem.
Rizici razvoja tehnologije: trebamo li se bojati “Sudnjeg dana”?
Nisam jedan od uzbunjivača umjetne inteligencije i u tom smislu nipošto nisam sam. Primjerice, tvorac Stanfordskog tečaja o strojnom učenju, Andrew Ng, problem opasnosti od umjetne inteligencije uspoređuje s problemom prenapučenosti Marsa.
Doista, vrlo je vjerojatno da će ljudi kolonizirati Mars u budućnosti. Također je vjerojatno da bi prije ili kasnije moglo doći do problema prenapučenosti na Marsu, ali nije sasvim jasno zašto bismo se sada bavili tim problemom? S Ng se slažu i Yann LeCun, tvorac konvolucijskih neuronskih mreža, te njegov šef Mark Zuckerberg i Yoshua Benyo, čovjek uvelike zahvaljujući čijim istraživanjima moderne neuronske mreže mogu rješavati složene probleme u području obrade teksta.
Vjerojatno će trebati nekoliko sati da iznesem svoje viđenje ovog problema, pa ću se usredotočiti samo na glavne točke.
1. NE MOŽETE OGRANIČITI RAZVOJ AI
Uzbunjivači razmatraju rizike povezane s potencijalnim destruktivnim utjecajem umjetne inteligencije, dok zanemaruju rizike povezane s pokušajima ograničavanja ili čak zaustavljanja napretka u ovom području. Tehnološka moć čovječanstva raste iznimno velikom brzinom, što dovodi do učinka koji nazivam "pojeftinjenje apokalipse".
Prije 150 godina, uz svu želju, čovječanstvo nije moglo nanijeti nepopravljivu štetu ni biosferi ni sebi kao vrsti. Za provedbu katastrofičnog scenarija prije 50 godina bilo je potrebno koncentrirati svu tehnološku moć nuklearnih sila. Sutra bi mala šačica fanatika mogla biti dovoljna da izazove globalnu katastrofu koju je napravio čovjek.
Naša tehnološka moć raste mnogo brže od sposobnosti ljudske inteligencije da kontrolira ovu moć.
Osim ako se ljudska inteligencija, sa svojim predrasudama, agresijom, zabludama i ograničenjima, ne zamijeni sustavom sposobnim za donošenje boljih odluka (bilo umjetnom inteligencijom ili, što mislim da je vjerojatnije, ljudskom inteligencijom koja je tehnološki poboljšana i integrirana sa strojevima), mi može čekati globalna katastrofa.
2. stvaranje superinteligencije je fundamentalno nemoguće
Postoji ideja da će AI budućnosti sigurno biti superinteligencija, superiornija od ljudi čak i više nego što su ljudi superiorniji od mrava. U ovom slučaju, bojim se razočarati i tehnološke optimiste - naš Svemir sadrži niz temeljnih fizičkih ograničenja koja će, očito, učiniti stvaranje superinteligencije nemogućim.
Na primjer, brzina prijenosa signala ograničena je brzinom svjetlosti, a na Planckovoj skali pojavljuje se Heisenbergova nesigurnost. To dovodi do prve temeljne granice - Bremermannove granice, koja uvodi ograničenja na maksimalnu brzinu izračuna za autonomni sustav zadane mase m.
Drugo ograničenje povezano je s Landauerovim načelom, prema kojemu se prilikom obrade 1 bita informacije stvara minimalna količina topline. Prebrzi izračuni uzrokovat će neprihvatljivo zagrijavanje i uništavanje sustava. U stvari, moderni procesori su manje od tisuću puta iza Landauerove granice. Čini se da je 1000 dosta, ali drugi problem je što mnogi intelektualni zadaci pripadaju EXPTIME klasi težine. To znači da je vrijeme potrebno za njihovo rješavanje eksponencijalna funkcija veličine problema. Ubrzavanje sustava nekoliko puta daje samo stalni porast "inteligencije".
Općenito, postoje vrlo ozbiljni razlozi za vjerovanje da super-inteligentna jaka umjetna inteligencija neće uspjeti, iako bi, naravno, razina ljudske inteligencije mogla biti nadmašena. Koliko je ovo opasno? Najvjerojatnije ne baš puno.
Zamislite da ste odjednom počeli razmišljati 100 puta brže od drugih ljudi. Znači li to da ćete lako moći nagovoriti bilo kojeg prolaznika da vam da svoj novčanik?
3. zabrinuti smo zbog pogrešnih stvari
Nažalost, kao rezultat nagađanja uzbunjivača o strahovima javnosti, potaknutih na “Terminator” i slavni HAL 9000 Clarka i Kubricka, dolazi do pomaka naglaska u području sigurnosti umjetne inteligencije prema analizi malo vjerojatnih , ali učinkoviti scenariji. Pritom se iz vida gube stvarne opasnosti.
Svaka dovoljno složena tehnologija koja pretendira zauzeti važno mjesto u našem tehnološkom krajoliku svakako sa sobom nosi specifične rizike. Parni strojevi uništili su mnoge živote - u proizvodnji, transportu i tako dalje - prije nego što su razvijeni učinkoviti propisi i sigurnosne mjere.
Ako govorimo o napretku u području primijenjene umjetne inteligencije, možemo obratiti pozornost na problem takozvanog “Digitalnog tajnog suda”. Sve više aplikacija umjetne inteligencije donosi odluke o pitanjima koja utječu na živote i zdravlje ljudi. To uključuje medicinske dijagnostičke sustave i, primjerice, sustave koji u bankama donose odluke o izdavanju ili neizdavanju kredita klijentu.
Istodobno, struktura korištenih modela, skupovi korištenih čimbenika i drugi detalji postupka donošenja odluka skriveni su kao poslovna tajna od osobe čija je sudbina u pitanju.
Korišteni modeli mogu svoje odluke temeljiti na mišljenjima stručnih učitelja koji su činili sustavne pogreške ili su imali određene predrasude – rasne, spolne.
AI obučena na odlukama takvih stručnjaka vjerno će reproducirati te pristranosti u svojim odlukama. Uostalom, ti modeli mogu sadržavati određene nedostatke.
Rijetki se ljudi sada bave tim problemima, jer je, naravno, SkyNet pokretanje nuklearnog rata, naravno, puno spektakularnije.
Neuronske mreže kao “vrući trend”
S jedne strane, neuronske mreže su jedan od najstarijih modela koji se koriste za stvaranje AI sustava. Pojavljujući se u početku kao rezultat bioničkog pristupa, brzo su pobjegli od svojih bioloških prototipova. Jedina iznimka ovdje su impulsne neuronske mreže (međutim, još nisu pronašle široku primjenu u industriji).
Napredak posljednjih desetljeća povezan je s razvojem tehnologija dubokog učenja - pristupom u kojem se neuronske mreže sastavljaju od velikog broja slojeva, od kojih je svaki izgrađen na temelju određenih regularnih obrazaca.
Osim stvaranja novih modela neuronskih mreža, značajan napredak postignut je iu području tehnologija učenja. Danas se neuronske mreže više ne podučavaju pomoću središnjih računalnih procesora, već pomoću specijaliziranih procesora sposobnih za brzo izvođenje matričnih i tenzorskih izračuna. Najčešća vrsta takvih uređaja danas su video kartice. Međutim, aktivno je u tijeku razvoj još specijaliziranijih uređaja za treniranje neuronskih mreža.
Općenito, naravno, neuronske mreže danas su jedna od glavnih tehnologija u području strojnog učenja, kojima dugujemo rješenje mnogih problema koji su prije bili nezadovoljavajuće riješeni. S druge strane, naravno, morate shvatiti da neuronske mreže nisu lijek za sve. Za neke zadatke oni su daleko od najučinkovitijeg alata.
Koliko su današnji roboti zapravo pametni?
Sve se uči usporedbom. U usporedbi s tehnologijom iz 2000. godine, sadašnja dostignuća izgledaju kao pravo čudo. Uvijek će biti ljudi koji vole gunđati. Prije 5 godina govorili su iz sve snage o tome kako strojevi nikada neće pobijediti ljude u Gou (ili, barem, neće pobijediti vrlo brzo). Rekli su da stroj nikada ne bi mogao nacrtati sliku od nule, dok danas ljudi praktički ne mogu razlikovati slike koje su stvorili strojevi od slika njima nepoznatih umjetnika. Krajem prošle godine strojevi su naučili sintetizirati govor koji se praktički ne razlikuje od ljudskog govora, a u posljednjih godina Glazba koju stvaraju strojevi ne čini da vam se uši osuše.
Da vidimo što će se dogoditi sutra. Vrlo sam optimističan u pogledu ovih primjena umjetne inteligencije.
Obećavajući smjerovi: gdje započeti ronjenje u polje AI?
Savjetovao bih vam da pokušate dobra razina ovladati jednim od popularnih okvira neuronske mreže i jednim od najpopularnijih programskih jezika u području strojnog učenja (najpopularnija kombinacija danas je TensorFlow + Python).
Nakon što ste ovladali ovim alatima i idealno imajući snažne temelje u području matematičke statistike i teorije vjerojatnosti, trebali biste usmjeriti svoje napore na područje koje će vama osobno biti najzanimljivije.
Interes za predmet vašeg rada jedan je od vaših najvažnijih pomagača.
Potreba za stručnjacima za strojno učenje postoji u raznim područjima – u medicini, bankarstvu, znanosti, proizvodnji, pa danas dobar stručnjak ima veći izbor nego ikad prije. Moguće koristi bilo koje od ovih industrija čine mi se beznačajnima u usporedbi s činjenicom da ćete uživati u poslu.
Umjetna inteligencija je sposobnost digitalnog računala ili računalno upravljanog robota da obavlja zadatke koji su obično povezani s inteligentna bića. Izraz se često primjenjuje na projekt razvoja sustava obdarenih ljudskim specifičnim intelektualnim procesima, kao što je sposobnost zaključivanja, generaliziranja ili učenja iz prošlih iskustava. Osim toga, definicija pojma AI (umjetne inteligencije) svodi se na opis skupa povezanih tehnologija i procesa, kao što su, primjerice, strojno učenje, virtualni agenti i ekspertni sustavi. govoreći jednostavnim riječima AI je grubi prikaz neurona u mozgu. Signali se prenose od neurona do neurona i konačno izlaz - dobiva se numerički, kategorički ili generativni rezultat. Ovo se može ilustrirati ovim primjerom. ako sustav snimi fotografiju mačke i obučen je da prepozna je li mačka ili ne, prvi sloj može identificirati opće gradijente koji definiraju ukupni oblik mačke. Sljedeći sloj može identificirati veće objekte kao što su uši i usta. Treći sloj definira manje objekte (kao što su brkovi). Na kraju, na temelju tih informacija, program će ispisati "da" ili "ne" da kaže je li to mačka ili ne. Programer ne treba "reći" neuronima da su to funkcije koje trebaju tražiti. AI ih je sama naučila trenirajući na mnogim slikama (s mačkama i bez njih).
Što je umjetna inteligencija?
Opis umjetnog neurona
Umjetni neuron je matematička funkcija zamišljena kao model bioloških neurona, neuronske mreže. Umjetni neuroni su elementarne jedinice u umjetnim neuronskim mrežama. Umjetni neuron prima jedan ili više ulaza i zbraja ih kako bi proizveo izlaz ili aktivaciju, što predstavlja akcijski potencijal neurona, koji se prenosi duž njegovog aksona. Obično se svaki ulaz analizira zasebno, a zbroj se propušta kroz nelinearnu funkciju poznatu kao aktivacijska funkcija ili prijenosna funkcija.
Kada je počelo istraživanje umjetne inteligencije?
Godine 1935. britanski istraživač A.M. Turing je opisao apstraktni računalni stroj koji se sastoji od beskonačne memorije i skenera koji se kreće naprijed-natrag kroz memoriju, znak po znak. Skener čita ono što nađe, ispisujući daljnje znakove. Radnje skenera diktira program uputa, koji je također pohranjen u memoriji kao simboli. Najraniji uspješan AI program napisao je 1951. Christopher Strachey. Godine 1952. ovaj je program mogao igrati dame s osobom, iznenadivši sve svojom sposobnošću predviđanja poteza. Godine 1953. Turing je objavio klasičan rani rad o šahovskom programiranju.
Razlika između umjetne inteligencije i prirodne inteligencije
Inteligencija se može definirati kao opća mentalna sposobnost zaključivanju, rješavanju problema i učenju. Zbog svoje opće prirode, inteligencija integrira kognitivne funkcije kao što su percepcija, pažnja, pamćenje, jezik ili planiranje. Prirodnu inteligenciju odlikuje svjestan odnos prema svijetu. Ljudsko mišljenje uvijek je emocionalno obojeno i ne može se odvojiti od tjelesnosti. Osim toga, čovjek je društveno biće, pa je mišljenje uvijek pod utjecajem društva. AI nije povezan s emocionalnom sferom i nije društveno orijentiran.
Kako usporediti ljudsku i računalnu inteligenciju?
Ljudsko razmišljanje može se usporediti s umjetnom inteligencijom na temelju nekoliko općih parametara organizacije mozga i stroja. Aktivnost računala, poput mozga, uključuje četiri faze: kodiranje, pohranu, analizu podataka i izlaz. Osim toga, ljudski mozak i umjetna inteligencija mogu sami učiti ovisno o podacima primljenim od okruženje. Također, ljudski mozak i strojna inteligencija rješavaju probleme (ili probleme) pomoću određenih algoritama.
Imaju li računalni programi IQ?
Ne. IQ je povezan s razvojem inteligencije osobe ovisno o dobi. AI premašuje neke ljudske sposobnosti na neki način, na primjer, može zadržati ogroman broj brojeva u memoriji, ali to nema nikakve veze s IQ-om.
Što je Turingov test?
Alan Turing razvio je empirijski test koji pokazuje je li program u stanju uhvatiti sve nijanse ljudskog ponašanja do te mjere da osoba ne može odrediti komunicira li s umjetnom inteligencijom ili živim sugovornikom. Turing je predložio da vanjski promatrač ocijeni razgovor između osobe i stroja koji odgovara na pitanja. Sudac ne vidi tko točno odgovara, ali zna da je jedan od sugovornika AI. Razgovor je ograničen samo na tekstualni kanal (tipkovnica i ekran računala), tako da rezultat ne ovisi o sposobnosti stroja da riječi prikaže kao ljudski govor. Ako program uspije prevariti osobu, smatra se da je uspješno položila test.Simbolički pristup
Simbolički pristup umjetnoj inteligenciji skup je svih metoda istraživanja umjetne inteligencije temeljenih na simboličkim (čovjeku čitljivim) prikazima zadataka, logike i pretraživanja visoke razine. Simbolički pristup naširoko je korišten u istraživanjima umjetne inteligencije 1950-80-ih. Jedan popularan oblik simboličkog pristupa su ekspertni sustavi koji koriste kombinaciju određenih proizvodnih pravila. Pravila proizvodnje povezuju simbole u logičke veze koje su slične algoritmu If-Then. Ekspertni sustav obrađuje pravila kako bi izvukao zaključke i odredio koji dodatne informacije ona treba, odnosno koja pitanja postaviti, koristeći čitljive simbole.
Logičan pristup
Izraz "logički pristup" podrazumijeva pozivanje na logiku, razmišljanje i rješavanje problema korištenjem logičkih koraka. Logičari su još u 19. stoljeću razvili precizne oznake za sve vrste objekata u svijetu i odnose među njima. Do 1965. postojali su programi koji su mogli riješiti bilo koji problem logički problem(Vrhunac popularnosti ovog pristupa dogodio se kasnih 1950-ih–70-ih godina). Zagovornici logičkog pristupa u okviru logičke umjetne inteligencije nadali su se izgraditi inteligentne sustave na takvim programima (osobito napisanim u jeziku Prolog). Međutim, ovaj pristup ima dva ograničenja. Prvo, nije lako uzeti neformalno znanje i staviti ga u formalne uvjete koje zahtijeva AI obrada. Drugo, postoji velika razlika između rješavanja problema u teoriji i njegovog rješavanja u praksi. Čak i problemi s nekoliko stotina činjenica mogu iscrpiti računalne resurse bilo kojeg računala ako ono nema neke smjernice koje rezoniranje prvo koristiti.
Pristup temeljen na agentima
Agent je nešto što djeluje (od latinske riječi agere, "činiti"). Naravno, svi računalni programi rade nešto, ali od računalnih agenata se očekuje da rade više: rade autonomno, osjećaju okolišne znakove (pomoću posebnih senzora), prilagođavaju se promjenama, stvaraju ciljeve i ostvaruju ih. Racionalan agent je onaj koji djeluje kako bi postigao najbolji očekivani ishod.
Hibridni pristup
Vjeruje se da ovaj pristup, koji je postao popularan u kasnim 1980-ima, djeluje najučinkovitije jer je kombinacija simboličkih i neuralnih modela. Hibridni pristup povećava kognitivne i računalne sposobnosti stroja.
Tržište tehnologije umjetne inteligencije
Očekuje se da će tržište do 2025. narasti na 190,61 milijardu dolara, uz godišnju stopu rasta od 36,62%. Na rast tržišta utječu čimbenici kao što su uvođenje aplikacija i usluga u oblaku, pojava velikih skupova podataka i aktivna potražnja za inteligentnim virtualnim pomoćnicima. Međutim, još uvijek je malo stručnjaka koji razvijaju i implementiraju AI tehnologije, a to koči rast tržišta. Sustavi izgrađeni na AI zahtijevaju integraciju i tehničku podršku za održavanje.
Procesori za AI
Moderni zadaci umjetne inteligencije zahtijevaju snažne procesore koji mogu obraditi ogromne količine podataka. Procesori moraju imati pristup velikim količinama memorije, a uređaj također zahtijeva brze kanale za prijenos podataka.U Rusiji
Krajem 2018. u Rusiji je lansirana serija poslužitelja Elbrus-804 koji pokazuju visoke performanse. Svako računalo opremljeno je s četiri procesora s osam jezgri. Pomoću ovih uređaja možete graditi računalne klastere;
Svjetsko tržište
Pokretači i tržišni lideri su dvije korporacije - Intel i AMD, proizvođači najjačih procesora. Intel se tradicionalno usredotočio na izdavanje strojeva s većim radnim taktom, AMD je usredotočen na stalno povećanje broja jezgri i pružanje višenitnih performansi.
Nacionalni koncept razvoja
Tri tuceta zemalja već je odobrilo nacionalne strategije razvoja umjetne inteligencije. U listopadu 2019. u Rusiji bi trebao biti usvojen nacrt Nacionalne strategije razvoja umjetne inteligencije. Očekuje se da će u Moskvi biti uveden pravni režim koji će olakšati razvoj i implementaciju AI tehnologija.
Istraživanje umjetne inteligencije
Pitanja o tome što je umjetna inteligencija i kako funkcionira zabrinjavaju znanstvenike različite zemlje već više od desetljeća. Državni proračun SAD-a godišnje izdvaja 200 milijuna dolara za istraživanja. U Rusiji je tijekom 10 godina - od 2007. do 2017. - izdvojeno oko 23 milijarde rubalja. Odjeljci o podršci istraživanju u području umjetne inteligencije postat će važan dio koncepta nacionalne strategije. U Rusiji će se uskoro otvoriti novi istraživački centri, a nastavit će se i razvoj inovativnog softvera za AI.
Standardizacija u AI
Norme i pravila u području umjetne inteligencije u Rusiji su u procesu stalnog usavršavanja. Očekuje se da će krajem 2019. - početkom 2020. godine biti odobreni nacionalni standardi koje trenutno razvijaju vodeći ljudi na tržištu. Istovremeno se izrađuje Nacionalni plan normizacije za 2020. godinu i dalje. Standard “Umjetna inteligencija. Koncept i terminologija”, a 2019. stručnjaci su počeli razvijati njegovu rusificiranu verziju. Dokument bi trebao biti odobren 2021. godine.
Utjecaj umjetne inteligencije
Uvođenje umjetne inteligencije neraskidivo je povezano sa znanstvenim i tehnološkim napretkom, a područje primjene se svake godine širi. S tim se susrećemo svakodnevno u životu, kada nam veliki trgovački lanac na internetu preporuči proizvod ili tek otvorimo računalo vidimo reklamu za film koji smo upravo htjeli pogledati. Ove preporuke temelje se na algoritmima koji analiziraju što je potrošač kupio ili gledao. Iza ovih algoritama stoji umjetna inteligencija.
Postoji li rizik za razvoj ljudske civilizacije?
Elon Musk smatra da bi razvoj umjetne inteligencije mogao ugroziti čovječanstvo, a rezultati bi mogli biti gori od uporabe nuklearnog oružja. Stephen Hawking, britanski znanstvenik, strahuje da bi ljudi mogli stvoriti umjetnu inteligenciju sa super inteligencijom koja bi mogla naštetiti ljudima.O ekonomiji i biznisu
Prodor AI tehnologije u sva područja gospodarstva povećat će obujam globalnog tržišta usluga i robe za 15,7 trilijuna dolara do 2030. godine. SAD i Kina su još uvijek predvodnici po svim vrstama projekata u području umjetne inteligencije. Razvijene zemlje - Njemačka, Japan, Kanada, Singapur - također nastoje ostvariti sve mogućnosti. Mnoge zemlje čija gospodarstva rastu umjerenim tempom, poput Italije, Indije, Malezije, razvijaju snage u određenim područjima primjene umjetne inteligencije.
Na tržište rada
Globalni utjecaj umjetne inteligencije na tržište rada pratit će dva scenarija. Prvo, širenje nekih tehnologija dovest će do otpuštanja velikog broja ljudi, jer će računala preuzeti mnoge poslove. Drugo, zbog razvoja tehnološkog napretka, stručnjaci za umjetnu inteligenciju bit će u velikoj potražnji u mnogim industrijama.
AI pristranost
Pristranost AI sustava vjerojatno će postati sve češći problem kako se umjetna inteligencija seli iz laboratorija u stvarni svijet. Istraživači se boje da bi bez odgovarajuće obuke u procjeni podataka i prepoznavanju potencijala pristranosti u podacima, ranjive skupine u društvu mogle biti oštećene ili njihova prava mogla biti povrijeđena. Istraživači do sada nemaju podataka hoće li sustavi izgrađeni na temelju strojnog učenja ugroziti čovječanstvo.
Područja primjene
Umjetna inteligencija i njezine primjene prolaze kroz transformaciju. Definicija Weak AI ("slaba AI") koristi se kada se radi o implementaciji uskih zadataka u medicinskoj dijagnostici, elektroničkim platformama za trgovanje i kontroli robota. Dok Strong AI ("snažna AI") istraživači definiraju kao inteligenciju kojoj se daju globalni zadaci, kao da su stavljeni pred osobu.
Koristiti u obrambene i vojne svrhe
Do 2025. godine prodaja povezanih usluga, softvera i opreme na globalnoj razini porast će na 18,82 milijarde USD, a godišnji rast tržišta bit će 14,75%. AI se koristi za agregaciju podataka, u bioinformatici, vojnoj obuci i obrambenom sektoru.U obrazovanju
Mnoge škole uključuju uvodne lekcije o umjetnoj inteligenciji u svoje tečajeve informatike, a sveučilišta naširoko koriste tehnologije velikih podataka. Neki programi prate ponašanje učenika, ocjenjuju testove i eseje, prepoznaju pogreške u izgovoru riječi i nude mogućnosti ispravljanja.
Postoje i online tečajevi o umjetnoj inteligenciji. Na primjer, na edukativni portal.
U poslu i trgovini
Tijekom sljedećih pet godina vodeći trgovci na malo imat će mobilne aplikacije koje rade s digitalnim pomoćnicima kao što je Siri kako bi kupnja bila lakša. AI vam omogućuje da zaradite ogromne svote na internetu. Jedan od primjera je Amazon, koji neprestano analizira ponašanje potrošača i poboljšava svoje algoritme.
Gdje se može učiti na temu #umjetna inteligencija
U elektroprivredi
AI pomaže u predviđanju proizvodnje i potražnje za energetskim resursima, smanjuje gubitke i sprječava krađu resursa. U elektroenergetskoj industriji korištenje umjetne inteligencije u analizi statističkih podataka pomaže u odabiru najprofitabilnijeg opskrbljivača ili automatizaciji korisničke službe.
U sektoru proizvodnje
Prema istraživanju McKinseyja koje je obuhvatilo 1300 rukovoditelja, 20% tvrtki već koristi AI. Nedavno je tvrtka Mosselprom implementirala AI u svoju proizvodnju u odjel pakiranja. Koristi umjetnu inteligenciju za prepoznavanje slika. Kamera snima sve radnje zaposlenika skeniranjem barkoda otisnutog na odjeći i šalje podatke na računalo. Broj obavljenih transakcija izravno utječe na plaću zaposlenika.
U pivarstvu
Carlsberg koristi strojno učenje za odabir kvasca i proširenje asortimana. Tehnologija je implementirana na temelju digitalne platforme u oblaku.U bankarstvu
Potreba za pouzdanom obradom podataka, razvoj mobilnih tehnologija, dostupnost informacija i širenje softvera otvorenog koda čine umjetnu inteligenciju traženom tehnologijom u bankarskom sektoru. Sve više banaka prikuplja posuđena sredstva uz pomoć tvrtki za razvoj mobilnih aplikacija. Nove tehnologije poboljšavaju korisničku uslugu, a analitičari predviđaju da će u roku od pet godina umjetna inteligencija u bankama većinu odluka donositi samostalno.
Prijevozom
Razvoj AI tehnologija pokretač je transportne industrije. Praćenje stanja na cestama, detektiranje pješaka ili objekata na neprikladnim mjestima, autonomna vožnja, usluge u oblaku u automobilskoj industriji samo su neki od primjera korištenja AI u prometu.
U logistici
Mogućnosti umjetne inteligencije omogućuju tvrtkama učinkovitije predviđanje potražnje i izgradnju opskrbnih lanaca uz minimalne troškove. AI pomaže smanjiti broj vozila potrebnih za prijevoz, optimizirati vrijeme isporuke i smanjiti operativne troškove transporta i skladišnih objekata.
Na tržištu luksuznih dobara i usluga
Luksuzni brendovi također su se okrenuli digitalne tehnologije analizirati potrebe kupaca. Jedan od izazova s kojima se programeri suočavaju u ovom segmentu je upravljanje i utjecaj na emocije korisnika. Dior već prilagođava AI za upravljanje interakcijama kupaca i robnih marki pomoću chatbota. Dok se luksuzni brendovi natječu u budućnosti, odlučujući faktor bit će razina personalizacije koju mogu postići pomoću umjetne inteligencije.
U javnoj upravi
Vladine agencije u mnogim zemljama još nisu spremne za izazove skrivene u AI tehnologijama. Stručnjaci predviđaju da će mnoge postojeće vladine strukture i procesi koji su se razvili u proteklih nekoliko stoljeća vjerojatno zastarjeti u bliskoj budućnosti.
U kriminalistici
Za prepoznavanje kriminalaca koriste se različiti pristupi umjetne inteligencije javna mjesta. U nekim zemljama, poput Nizozemske, policija koristi AI za istraživanje složenih zločina. Digitalna forenzika znanost je u razvoju koja zahtijeva rudarenje ogromnih količina vrlo složenih skupova podataka.U pravosudnom sustavu
Razvoj na području umjetne inteligencije pomoći će radikalnoj promjeni pravosudnog sustava, čineći ga pravednijim i slobodnijim od korupcije. Kina je bila jedna od prvih koja je upotrijebila AI u pravosudnom sustavu. Može se pretpostaviti da će roboti suci s vremenom moći raditi s velikim brojem podataka iz skladišta javne službe. Strojna inteligencija analizira ogromne količine podataka i ne doživljava emocije kao ljudski sudac. AI može imati veliki utjecaj na obradu informacija i prikupljanje statistike, kao i predviđanje mogućih zločina na temelju analize podataka.
U sportu
Korištenje umjetne inteligencije u sportu posljednjih je godina postalo uobičajeno. Sportski timovi (bejzbol, nogomet, itd.) analiziraju pojedinačne podatke o učinku igrača, uzimajući u obzir razni faktori prilikom odabira. AI može predvidjeti budući potencijal igrača analizom tehnike igranja, fizičkog stanja i drugih podataka, kao i procijeniti njihovu tržišnu vrijednost.
U medicini i zdravstvu
Ovo područje primjene brzo raste. AI se koristi u dijagnostici bolesti, kliničkim istraživanjima, razvoju lijekova i zdravstvenom osiguranju. Osim toga, sada postoji procvat ulaganja u brojne medicinske aplikacije i uređaje.
Analiza ponašanja građana
Praćenje ponašanja građana široko se koristi u području sigurnosti, uključujući praćenje ponašanja na web stranicama (društvenim mrežama) i instant messengerima. Na primjer, 2018. kineski znanstvenici uspjeli su identificirati 20 tisuća potencijalnih samoubojica i dati im psihološka pomoć. U ožujku 2018. Vladimir Putin naredio je intenziviranje akcija vladinih agencija za borbu protiv negativnog utjecaja destruktivnih pokreta na društvenim mrežama.U razvoju kulture
Algoritmi umjetne inteligencije počinju generirati umjetnička djela koja je teško razlikovati od onih koje su stvorili ljudi. AI nudi kreativnim ljudima mnoge alate za oživljavanje njihovih ideja. Trenutno se mijenja shvaćanje uloge umjetnika u širem smislu, budući da AI pruža puno novih metoda, ali i postavlja mnoga nova pitanja čovječanstvu.
Slika
Umjetnost se dugo smatrala isključivom sferom ljudske kreativnosti. No pokazalo se da strojevi mogu mnogo više na kreativnom polju nego što ljudi mogu zamisliti. U listopadu 2018. Christie's je prodao prvu sliku koju je stvorila umjetna inteligencija za 432.500 dolara. Korišten je algoritam generativne kontradiktorne mreže koji je analizirao 15.000 portreta nastalih između 15. i 20. stoljeća.
Glazba
Razvijeno je nekoliko glazbenih programa koji koriste AI za stvaranje glazbe. Kao iu drugim poljima, AI u ovom slučaju također simulira mentalni zadatak. Značajna značajka je sposobnost AI algoritma da uči iz primljenih informacija, kao što je računalna tehnologija praćenja koja može slušati i pratiti ljudskog izvođača. AI također pokreće ono što je poznato kao interaktivna tehnologija skladanja, u kojoj računalo sklada glazbu kao odgovor na izvedbu glazbenika uživo. Početkom 2019. Warner Music sklopio je prvi ugovor s umjetnikom, Endel algoritmom. Prema uvjetima ugovora, neuronska mreža Endel objavit će 20 jedinstvenih albuma u roku od godinu dana.
Fotografija
AI ubrzano mijenja način na koji razmišljamo o fotografiji. Za samo nekoliko godina većina napretka u ovom području bit će usmjerena na AI, a ne na optiku ili senzore, kao dosad. Po prvi put napredak u fotografskoj tehnologiji neće biti povezan s fizikom i stvorit će potpuno novi način fotorazmišljanje. Već sada neuronska mreža prepoznaje i najmanje promjene prilikom modeliranja lica u uređivačima fotografija.
Video: zamjena lica
Facebook je 2015. godine započeo testiranje tehnologije DeepFace na stranici. U 2017. korisnik Reddita DeepFakes osmislio je algoritam koji vam omogućuje stvaranje realističnih videozapisa zamjene lica pomoću neuronskih mreža i strojnog učenja.
Mediji i književnost
Google AI je 2016. godine, nakon analize 11 tisuća neobjavljenih knjiga, počeo pisati svoju prvu književna djela. Istraživači Facebook AI Researcha 2017. osmislili su sustav neuronske mreže koji može pisati poeziju na bilo koju temu. U studenom 2015. godine otvoren je smjer za pripremu automatskih tekstova od strane Ruska tvrtka"Yandex".
Idi na igre, poker, šah
Godine 2016. AI je pobijedio čovjeka u igri Go (igra s preko 10.100 varijacija). U šahu je superračunalo pobijedilo ljudskog igrača zahvaljujući mogućnosti pohranjivanja u memoriju poteza koje su ljudi ikada odigrali i programiranja novih 10 koraka unaprijed. Poker sada igraju botovi, iako se prije vjerovalo da je gotovo nemoguće osposobiti računalo za igranje ove kartaške igre. Svake godine programeri sve više poboljšavaju svoje algoritme.Prepoznavanje lica
Tehnologija prepoznavanja lica koristi se i za prijenos fotografija i videozapisa. Neuronske mreže izgrađuju vektorski ili "digitalni" predložak lica, a zatim se ti predlošci uspoređuju unutar sustava. Na licu pronalazi referentne točke koje definiraju individualne karakteristike. Algoritam za izračun karakteristika je drugačiji za svaki sustav i glavna je tajna programera.
Za daljnji razvoj i primjenu AI potrebno je osposobiti prije svega ljude
Sergej Širkin
Dekan Fakulteta za umjetnu inteligenciju
Tehnologije umjetne inteligencije u obliku u kojem se sada koriste postoje oko 5-10 godina, ali za njihovu primjenu, čudno je, potreban je velik broj ljudi. Sukladno tome, glavni troškovi u području umjetne inteligencije su troškovi stručnjaka. Štoviše, gotovo sve osnovne tehnologije umjetne inteligencije (biblioteke, okviri, algoritmi) su besplatne i javno dostupne. Nekada je bilo gotovo nemoguće pronaći stručnjake za strojno učenje. Ali sada, uglavnom zahvaljujući razvoju MOOC-ova (Massive Open Online Course), ima ih više. viši obrazovne institucije Oni također opskrbljuju stručnjake, ali oni često moraju završiti studij putem online tečajeva.
Sada umjetna inteligencija može lako prepoznati da osoba planira promijeniti posao i može mu ponuditi relevantne online tečajeve od kojih se mnogi mogu završiti samo s pametnim telefonom. To znači da možete vježbati čak i dok ste na putu – primjerice, na putu do posla. Jedan od prvih takvih projekata bio je online resurs Coursera, no kasnije su se pojavili mnogi slični obrazovni projekti, od kojih svaki zauzima određenu nišu u online obrazovanju.
Morate shvatiti da je AI, kao i svaki program, prije svega kod, odnosno tekst formatiran na određeni način. Ovaj kod treba razvijati, održavati i poboljšavati. Nažalost, to se ne događa samo od sebe, bez programera kod ne može "oživjeti". Stoga su svi strahovi o svemoći umjetne inteligencije neutemeljeni. Programi su stvoreni za strogo definirane zadatke, nemaju osjećaje i težnje poput osobe, ne izvode radnje koje programer nije stavio u njih.
Možemo reći da u naše vrijeme AI ima samo određene ljudske vještine, iako može biti brži od prosječne osobe u brzini njihove primjene. Istina, tisuće programera provode mnogo sati truda kako bi razvili svaku takvu vještinu. Najviše što umjetna inteligencija do sada može jest automatizirati neke fizičke i mentalne operacije, oslobađajući tako ljude rutine.
Predstavlja li korištenje umjetne inteligencije rizike? Umjesto toga, sada postoji rizik neprepoznavanja mogućnosti korištenja tehnologija umjetne inteligencije. Mnoge tvrtke su toga svjesne i pokušavaju se razvijati u nekoliko smjerova odjednom u nadi da će jedan od njih zaživjeti. Primjer internetskih trgovina je indikativan: sada su plutali samo oni koji su shvatili potrebu za korištenjem umjetne inteligencije, kada to još nije bio trend, iako je bilo sasvim moguće "uštedjeti novac" i ne pozvati potrebne matematičare i programere iz nepoznatih razloga .
Perspektiva razvoja umjetne inteligencije
Računala sada mogu raditi mnoge stvari koje su prije mogli samo ljudi: igrati šah, prepoznavati slova abecede, provjeravati pravopis, provjeravati gramatiku, prepoznavati lica, diktirati, govoriti, pobjeđivati u igrama i još mnogo toga. Ali skeptici ustraju. Čim se još jedna ljudska sposobnost automatizira, skeptici kažu da je to samo još jedna računalni program, nije primjer samoučeće umjetne inteligencije. AI tehnologije tek nalaze široku primjenu i imaju ogroman potencijal rasta u svim područjima. S vremenom će čovječanstvo stvarati sve moćnija računala, koja će sve više napredovati u razvoju AI.
Je li cilj AI staviti ljudsku inteligenciju u računalo?
Postoji samo grubo razumijevanje kako funkcionira ljudski mozak. Do sada se ne mogu sva svojstva uma oponašati pomoću umjetne inteligencije.
Hoće li umjetna inteligencija moći doseći ljudsku razinu inteligencije?
Znanstvenici teže tome da umjetna inteligencija može riješiti još više različitih problema. Ali preuranjeno je govoriti o dostizanju razine ljudske inteligencije, jer se mišljenje ne može svesti samo na algoritme.
Kada će umjetna inteligencija dosegnuti razinu ljudskog razmišljanja?
Na u ovoj fazi akumulacije i analize informacija, što je sada postiglo čovječanstvo, AI je daleko od ljudskog razmišljanja. Međutim, u budućnosti se mogu pojaviti revolucionarne ideje koje će utjecati na nagli skok u razvoju AI.
Može li računalo postati inteligentan stroj?
Dio svakog složenog stroja je računalni sustav, a ovdje možemo govoriti samo o inteligentnim računalnim sustavima. Računalo samo po sebi nema inteligenciju.
Postoji li veza između brzine i razvoja inteligencije u računalima?
Ne, brzina je odgovorna samo za neka svojstva inteligencije. Sama brzina obrade i analize informacija nije dovoljna da bi se pojavila inteligencija.
Je li moguće stvoriti dječji stroj koji bi se mogao razvijati čitanjem i samoučenjem?
O tome istraživači raspravljaju gotovo sto godina. Ideja će vjerojatno jednom biti i realizirana. Danas AI programi ne obrađuju niti koriste toliko informacija koliko djeca mogu.
Kako su teorija izračunljivosti i računalna složenost povezane s umjetnom inteligencijom?
Teorija računalne složenosti usredotočuje se na klasificiranje računalnih problema prema njihovoj inherentnoj složenosti i međusobno povezivanje tih klasa. Računalni problem je problem koji se može riješiti pomoću računala. Računalni problem je rješiv mehaničkom primjenom matematičkih koraka, kao što je algoritam.
Zaključak
Umjetna inteligencija već je imala veliki utjecaj na razvoj našeg svijeta, što je bilo nemoguće predvidjeti prije jednog stoljeća. Pametne telefonske mreže usmjeravaju pozive učinkovitije od bilo kojeg ljudskog operatera. Automobile izrađuju automatizirani roboti u tvornicama bez ljudske posade. Umjetna inteligencija se integrira u najobičnije kućanske predmete, poput usisavača. Mehanizmi umjetne inteligencije nisu u potpunosti shvaćeni, ali stručnjaci predviđaju da će se razvoj umjetne inteligencije u nadolazećim godinama još više približiti razvoju ljudskog mozga.
Za Arhitekte inteligencije: Istina o umjetnoj inteligenciji od njezinih tvoraca, autor i futurist Martin Ford intervjuirao je 23 najistaknutija istraživača umjetne inteligencije, uključujući izvršnog direktora DeepMinda Demisa Hassabisa, šefa Googleove umjetne inteligencije Jeffa Deana i direktora Stanforda AI Feija. Ford je pitao svakog od njih u kojoj će godini vjerojatnost stvaranja snažne umjetne inteligencije biti najmanje 50%.
Od 23 osobe javilo se njih 18, a samo je dvoje pristalo objaviti predviđanja pod svojim imenom. Zanimljivo, dali su najekstremnije odgovore: Ray Kurzweil, futurist i direktor inženjeringa u Googleu, rekao je 2029., a Rodney Brooks, robotičar i suosnivač iRobota, rekao je 2200. Ostatak nagađanja pao je između ova dva pola , s prosjekom od 2099 , dakle u 80 godina.
Ford kaže da stručnjaci počinju davati dugoročne datume - u prošlim anketama rekli su da bi jaka umjetna inteligencija mogla biti udaljena oko 30 godina.
“Vjerojatno postoji neka korelacija između toga koliko ste drski ili optimistični i koliko ste mladi”, dodao je pisac, ističući da je nekoliko njegovih sugovornika imalo više od 70 godina i proživjelo uspon i pad umjetne inteligencije. "Nakon što ste desetljećima radili na ovom problemu, možda postanete malo pesimističniji", kaže on.
Ford je također istaknuo da stručnjaci imaju različita mišljenja o tome kako će se pojaviti AI opće namjene - neki vjeruju da su postojeće tehnologije dovoljne za to, dok se drugi s tim nikako ne slažu.
Neki istraživači tvrde da je većina alata već spremna i da sada samo zahtijevaju vrijeme i trud. Njihovi protivnici uvjereni su da još uvijek nedostaju mnoga fundamentalna otkrića za stvaranje snažne umjetne inteligencije. Znanstvenici čiji se rad usredotočio na dubinsko učenje skloni su misliti da će budući napredak biti postignut korištenjem neuronskih mreža, pokretača moderne umjetne inteligencije, rekao je Ford. Oni s iskustvom u drugim područjima umjetne inteligencije vjeruju da će izgradnja snažne verzije umjetne inteligencije zahtijevati dodatne tehnike poput simboličke logike.
“Neki ljudi u kampu dubokog učenja jako odbacuju ideju izravnog razvoja nečega sličnog zdrav razum u AI. Oni misle da je to glupo. Jedan od njih je rekao da je to kao da pokušavate ubaciti dijelove informacija izravno u mozak”, kaže Ford.
Svi ispitanici istaknuli su ograničenja postojećih AI sustava i ključnih vještina koje tek trebaju svladati, uključujući prijenos učenja, gdje se znanje iz jednog područja primjenjuje na drugo, i učenje bez nadzora, gdje sustavi uče nove stvari bez ljudske intervencije. Velika većina modernim metodama Aplikacije strojnog učenja oslanjaju se na podatke označene ljudima, što je glavna prepreka njihovom razvoju.
Ispitanici su također naglasili apsolutnu nemogućnost predviđanja u području poput umjetne inteligencije, gdje ključna otkrića stupaju na snagu tek desetljećima nakon njihova otkrića.
Stuart Russell, profesor na Kalifornijskom sveučilištu Berkeley i autor jednog od temeljnih udžbenika o umjetnoj inteligenciji, istaknuo je da tehnologije za stvaranje snažne umjetne inteligencije "nemaju nikakve veze s velikim podacima ili snažnijim strojevima".
“Uvijek pričam priču iz nuklearne fizike. Stav koji je izrazio Ernest Rutherford 11. rujna 1933. bio je da se energija ne može izvući iz atoma. Međutim, sljedećeg jutra, Leo Szilard je pročitao Rutherfordov govor, naljutio se i izmislio nuklearnu lančanu reakciju posredovanu neutronima! Tako je Rutherfordovo predviđanje opovrgnuto nakon otprilike 16 sati. Isto tako, potpuno je besmisleno davati točna predviđanja u području umjetne inteligencije”, rekao je Russell.
Istraživači se također ne slažu oko potencijalnih opasnosti umjetne inteligencije. Nick Bostrom, oksfordski filozof i autor knjige “Artificial Intelligence: Stages. Prijetnje. Strategies" i miljenik Elona Muska, tvrdi da umjetna inteligencija predstavlja veću prijetnju čovječanstvu od klimatskih promjena. On i njegovi pristaše vjeruju da je jedan od najvećih izazova na ovom polju podučavanje AI ljudskim vrijednostima.
“Ne radi se o tome da će nas AI mrziti jer smo nas porobili ili da će iznenada doći do iskre svijesti i pobuniti se. Umjesto toga, jako će se truditi slijediti cilj koji je drugačiji od naše prave namjere,” rekao je Bostrom.
Većina ispitanika rekla je da je pitanje prijetnje umjetne inteligencije krajnje apstraktno u usporedbi s pitanjima kao što su ekonomska recesija i korištenje napredne tehnologije u ratu. Barbara Grosz, profesorica umjetne inteligencije na Harvardu koja je značajno doprinijela polju obrade jezika, rekla je da su etička pitanja jake umjetne inteligencije u velikoj mjeri "smetnja".
“Imamo niz etičkih problema s postojećom umjetnom inteligencijom. Mislim da ne bismo smjeli odvratiti pažnju od njih zbog zastrašujućih futurističkih scenarija", rekla je.
Ford kaže da je rasprava najvažniji zaključak njegove ankete: pokazuje da nema lakih odgovora u tako složenom području kao što je umjetna inteligencija. Čak ni najeminentniji znanstvenici ne mogu doći do konsenzusa o temeljnim problemima ovog područja znanja.
