Штучний інтелект (ШІ): вступ та типи
Евелін Кларк
⚡ Розумний підсумок
Штучний інтелект дозволяє машинам виконувати когнітивні функції, такі як сприйняття, навчання, міркування та вирішення проблем, як і люди. Цей посібник охоплює визначення, історію, цілі, підгалузі та типи ШІ, а також пояснює, чим він відрізняється від машинного навчання та чому він переживає бум сьогодні.
Що таке штучний інтелект (ШІ)?
ШІ (Штучний інтелект) — це здатність машини виконувати когнітивні функції так само, як і люди, такі як сприйняття, навчання, міркування та вирішення проблем. Орієнтором для ШІ є людський рівень з точки зору міркування, мовлення та зору.
У цьому посібнику зі штучного інтелекту ви дізнаєтеся про основи штучного інтелекту, розглянуті в розділах нижче.
Як штучний інтелект створює цінність для бізнесу
Сьогодні штучний інтелект використовується майже в усіх галузях, надаючи технологічну перевагу компаніям, які інтегрують його у великих масштабах. За даними McKinsey, штучний інтелект має потенціал створити 600 мільярдів доларів вартості в роздрібній торгівлі та на 50% збільшити додаткову цінність у банківській справі порівняно з іншими аналітичними методами. У транспорті та логістиці потенційне зростання доходів сягає 89%.
Наприклад, якщо організація використовує штучний інтелект для своєї маркетингової команди, вона може автоматизувати буденні, повторювані завдання, щоб торгові представники могли зосередитися на побудові відносин та розвитку потенційних клієнтів. Компанія під назвою Gong надає послугу аналізу розмов: щоразу, коли торговий представник здійснює дзвінок, машина записує, транскрибує та аналізує розмову, а менеджери використовують аналітику та рекомендації штучного інтелекту для формування виграшної стратегії.
Коротше кажучи, штучний інтелект надає передові технології для обробки складних даних, які людина не може обробити самостійно. Він автоматизує надлишкові завдання, щоб працівники могли зосередитися на завданнях з високою цінністю, а при масштабному впровадженні знижує витрати та збільшує дохід.
Історія штучного інтелекту
Штучний інтелект сьогодні є модним словом, але цей термін не новий. У 1956 році експерти з різним досвідом організували літній дослідницький проект зі штучного інтелекту. Його очолили чотири яскраві уми: Джон Маккарті (Дартмутський коледж), Марвін Мінскі (Гарвардський університет), Натаніель Рочестер (IBM) та Клод Шеннон (Bell Telephone Laboratories). Ось коротка історія штучного інтелекту.
| рік | Віха / Інновації |
|---|---|
| 1923 | П'єса Карела Чапека «Універсальні роботи Россума» ввела в англійську мову слово «робот». |
| 1943 | Foundationбули закладені умови для нейронних мереж. |
| 1945 | Айзек Азімов, випускник Колумбійського університету, використав термін «робототехніка». |
| 1956 | Джон Маккарті вперше використав термін «штучний інтелект», і було продемонстровано першу працюючу програму ШІ. |
| 1964 | Дисертація Денні ��обров з Массачусетського технологічного інституту показала, як комп'ютери можуть розуміти природну мову. |
| 1969 | Стенфордський дослідницький інститут розробив Shakey, робота з можливістю пересування та вирішення проблем. |
| 1979 | Було побудовано Stanford Cart, перший у світі автономний транспортний засіб з комп'ютерним керуванням. |
| 1990 | Значні демонстрації в машинному навчанні. |
| 1997 | Шахова програма Deep Blue перемогла чемпіона світу Гаррі Каспарова. |
| 2000 | Інтерактивні роботизовані домашні тварини стали комерційно доступними; MIT продемонстрував Kismet, робот, який виражає емоції. |
| 2006 | Штучний інтелект увійшов у світ бізнесу; такі компанії, як Facebook, Netflix, і Твіттер почав його використовувати. |
| 2012 | Google запущений “Google Зараз», а Android функція пропонує прогнози. |
| 2018 | IBM«Проект Дебатер» обговорював складні теми з майстрами дебатів і показав виняткові результати. |
Цілі штучного інтелекту
Основні цілі ШІ:
- Скоротіть час, необхідний для виконання конкретних завдань.
- Спростіть для людей взаємодію з машинами.
- Сприяти більш природній та ефективній взаємодії людини з комп'ютером.
- Підвищити точність і швидкість медичної діагностики.
- Допоможіть людям швидше засвоювати нову інформацію.
- Покращити комунікацію між людьми та машинами.
Підгалузі штучного інтелекту
Ось важливі підгалузі штучного інтелекту.
машинне навчання: Мистецтво вивчення алгоритмів, що навчаються на прикладах та досвіді. Воно базується на виявленні закономірностей у даних та їх використанні для майбутніх прогнозів. На відміну від жорстко запрограмованих правил, машина сама вивчає правила.
Глибоке навчання: Підгалузь машинного навчання, яка використовує кілька шарів для навчання на основі даних. Глибина моделі – це кількість шарів, які вона містить; наприклад GoogleМодель LeNet для розпізнавання зображень має 22 шари.
Обробка природних мов (НЛП): Галузь штучного інтелекту, яка дозволяє машинам читати, розуміти та генерувати людську мову. Вона забезпечує роботу таких програм, як чат-боти, переклад, аналіз настроїв та розпізнавання мовлення.
Експертні системи: Інтерактивна, надійна комп'ютерна система прийняття рішень, яка використовує факти та евристику для вирішення складних проблем у певній області. Вона спрямована на вирішення найскладніших питань у цій області.
Fuzzy Logic: Багатозначна логіка, в якій значеннями істинності можуть бути будь-які дійсні числа від 0 до 1. Вона обробляє поняття часткової істинності для ситуацій, коли твердження не є ні повністю істинним, ні повністю хибним.
Види штучного інтелекту
Штучний інтелект можна класифікувати двома способами — за можливостями та за технікою.
За можливостями:
- Вузький ШІ: Інтелектуально виконує окреме спеціалізоване завдання, таке як додавання тегів до зображень або голосові помічники.
- Загальний ШІ: Може виконувати будь-яке інтелектуальне завдання так само ефективно, як і людина (все ще теоретично).
- Супер ШІ: Гіпотетичний рівень, де машини перевершують людський інтелект.
За технікою:
- Штучний інтелект на основі правил: Застосовує набір заздалегідь визначених правил до вхідного набору даних для отримання відповідного результату.
- Дерево рішень ШІ: Схожий на ШІ на основі правил, але дозволяє розгалуження та looping зважити різні варіанти.
- Нейронні мережі: Багатошарові моделі, натхненні людським мозком, які вивчають складні закономірності з даних та лежать в основі робототехніки за допомогою здібностей до міркування, планування та навчання.
Штучний інтелект проти машинного навчання
Штучний інтелект та машинне навчання часто використовуються як взаємозамінні, але це не те саме. Штучний інтелект — це наука про навчання машин виконанню людських завдань; цей термін був введений у 1950-х роках. Машинне навчання — це підмножина ШІ, в якій машина вивчає закономірності з даних, а не будучи явно запрограмованою.
| Аспект | Штучний Інтелект | машинне навчання |
|---|---|---|
| Сфера | Широка наука про імітацію людського інтелекту | Підмножина штучного інтелекту, зосереджена на навчанні з даних |
| Мета | Моделювання людського мислення та прийняття рішень | Знаходьте закономірності та робіть прогнози |
| Підхід | Правила, логіка та навчання поєднані | Навчання на основі даних з прикладами |
| Приклад | Система автономного керування автомобілем | Модель розпізнавання зображень всередині нього |
Ви також можете прочитати різницю між Глибоке навчання, машинне навчання та штучний інтелект.
Де використовується ШІ? Приклади
Штучний інтелект має широке застосування в різних галузях.
- Усунення повторюваних завдань: Штучний інтелект може безперервно повторювати завдання без втоми та байдужий до роботи, яку він виконує.
- Удосконалення існуючих продуктів: Фірми додають штучний інтелект для покращення функціональності продукту, а не створюють його з нуля. Наприклад, колись Facebook вимагав ручного додавання тегів до фотографій; сьогодні штучний інтелект пропонує друзям автоматично додавати теги.
Штучний інтелект використовується в кожній галузі — від маркетингу та ланцюгів поставок до фінансів та переробки харчових продуктів. Згідно з опитуванням McKinsey, фінансові послуги та високотехнологічні комунікації лідирують у впровадженні ШІ.
Чому саме зараз переживає бум ШІ?
Нейронні мережі існують з 1990-х років, після основоположної статті Янна Лекуна, але відомими вони стали приблизно у 2012 році. Три критичні фактори зумовлюють сьогоднішній бум штучного інтелекту.
Обладнання
Протягом останніх двох десятиліть потужність процесорів різко зросла, що дозволило користувачам навчати невеликі моделі глибокого навчання на ноутбуці. Однак комп'ютерний зір та великі моделі глибокого навчання потребують більшої потужності. Завдяки інвестиціям NVIDIA та AMD, нове покоління графічних процесорів (графічних процесорів) дозволяє виконувати паралельні обчислення, розподіляючи роботу між кількома графічними процесорами для пришвидшення обчислень. Наприклад, NVIDIA TITAN X може навчати модель ImageNet за два дні порівняно з тижнями на традиційному процесорі, а великі компанії використовують кластери графічних процесорів, такі як NVIDIA Tesla K80, для скорочення витрат на центри обробки даних та підвищення продуктивності.
дані
Глибоке навчання – це структура моделі, а дані – це рідина, яка оживляє її. Без даних нічого не можна зробити. Сучасні технології зберігання даних дозволяють легко зберігати величезні обсяги даних у центрі обробки даних, а Інтернет робить збір та розповсюдження даних доступними для живлення алгоритмів машинного навчання.
Такі програми, як Flickr та Instagram зберігати мільйони зображень з тегами, які можуть навчити нейронну мережу розпізнавати об'єкти без ручного маркування. Штучний інтелект у поєднанні з даними – це нове золото: компанія з найбільшою кількістю даних має конкурентну перевагу. Світ щодня створює близько 2.2 екзабайт (2.2 мільярда гігабайт) даних, а різноманітні джерела даних допомагають моделям знаходити закономірності та навчатися у великих масштабах.
Алгоритм
Апаратне забезпечення потужніше, ніж будь-коли, а дані легкодоступні, але точніші алгоритми роблять нейронні мережі надійними. Ранні нейронні мережі були простими множеннями матриць без глибоких статистичних властивостей; з 2010 року визначні відкриття покращили їх. Штучний інтелект використовує прогресивні алгоритми навчання, які дозволяють даним виконувати програмування, тому комп'ютер може навчитися виконувати такі завдання, як виявлення аномалій або діяти як чат-бот.
