Что определяет будущее искусственного интеллекта?

Всего несколько лет назад было трудно представить, насколько важен искусственный интеллект для повседневной жизни. Сегодня интеллектуальные системы обеспечивают работу крупнейших поисковых систем в мире, помогая сортировать нескончаемые кучи данных на значимые классы, понимать большую часть того, что говорят люди, и интерпретировать все это на другом языке.

Частично это может быть естественным следствием роста вычислительной мощности и большей доступности очень мощного оборудования. Но само по себе оборудование не может быть главной движущей силой многих прорывов в области ИИ.

Глобальный переход к облаку привел к невероятному росту количества данных, хранящихся в сети. Современные сети глубокого обучения могут использовать собранные данные для обучения и получения способности, например, распознавать спам в подлинных сообщениях или упорядочивать изображения деревьев в соответствии с их видом.

При внимательном рассмотрении некоторых из наиболее важных подполей, которые ведут к развитию ИИ за счет использования возможностей, скрытых в больших коллекциях данных, можно лучше понять, к чему ведет эта интригующая технология.

Машинное обучение: компьютеры, безусловно, очень хороши в решении определенных проблем. Например, даже самый дешевый компьютер, который вы можете купить сегодня, мог бы легко вычислить сложную траекторию движущегося объекта, выполнить статистический анализ или посадить космический корабль на Луну. Но есть еще один набор проблем, с которыми сложно справиться даже самым мощным суперкомпьютерам.

В отличие от мира компьютеров, реальный мир не алгоритмичен и не предсказуем. Поэтому нужно в значительной степени полагаться на инстинкт, чтобы распознавать предметы, выбирать, когда посетить врача или во что одеваться.

Машинное обучение уже успешно используется в обучении, чтобы определять лица людей, локализовать землетрясения, прогнозировать изменения на фондовом рынке или побуждать пользователей к темам новостей в соответствии с их интересами и предыдущими предпочтениями.

Машинное обучение было бы по большей части безнадежным, по крайней мере, в том масштабе, который виден сейчас, если бы не использование нейронных сетей. Они состоят из бесчисленных тысяч отдельных частей аппаратного и программного обеспечения. Каждый маленький нейрон отвечает за одну небольшую задачу, его выходные данные дают знак большим системам.

В самом маленьком масштабе отдельные нейроны выполняют относительно простые операции, такие как исследование кривизны линии. Их выходной сигнал передается на другие нервы, которые работают по другому набору принципов, пока не активируется результирующий нейрон.

Самым большим недостатком нейронных сетей является их зависимость от больших наборов данных и низкая скорость обучения. Более того, их результат трудно предсказать, и может потребоваться очень много времени, чтобы обнаружить причину того или иного решения сети.

Подобно нейронам в больших нейронных сетях, сложная система ИИ требует интеграции многих навыков, таких как зрение, обучение, язык, речь, планирование и другие, что позволяет машинам полностью действовать в атмосфере открытого мира.

Заключение

Несмотря на то, что потребители постепенно все больше привыкают к миру, в котором интеллектуальные системы могут выполнять все более сложные задачи, все еще впереди. Нужно тщательно оценивать последствия, возникающие в результате использования ИИ, по мере того, как мы переходим от простых нейронных сетей к программам, которые более точно моделируются на основе нейронной структуры человека. Эти программы могут вполне реально начать работать непредсказуемыми способами, которые находятся за пределами непосредственного понимания человеком.

Однако все предполагаемые проблемы кажутся тривиальными, если учесть, как оперативный ИИ может повысить стандарты всех аспектов жизни человека.

Узнать больше об искусственном интеллекте можно на новостном портале (новости Украины myc.news).