Искусственный интеллект

Применение

Одна из наиболее осуществимых систем применения ИИ — эвристика, то есть сортировка информации по категориям, используя имеющиеся данные. Пример такой деятельности — анализ контрагентов при банковских операциях [7] . Ещё одна сфера, в которой искусственный интеллект необходим — самоорганизующиеся системы, то есть компьютерные системы, способные изменять себя согласно заданным параметрам, условиям окружающей среды или необходимым к выполнению задачам [9] .

Начиная писать этот отчет, я задался вопросом, почему скандинавские страны так невероятно широко представлены в области применения ИИ. Ответ, как мне сказали, заключается в том, что у них много общедоступных, хорошо организованных данных, а хорошо организованные данные — это основа практического ИИ.

Первые попытки теоретического проектирования мыслящих машин были предприняты после Второй Мировой войны сразу несколькими исследователями независимо друг от друга. В 1947 году Алан Тьюринг прочитал первую лекцию об искусственном интеллекте, в которой, вероятнее всего, первым постулировал, что построение оного будет с большей вероятностью заключаться в написании компьютерной программы, чем в проектировании вычислительной машины. Тремя годами позже он выпустил статью «Счётные машины и интеллект» (англ. Computing Machinery and Intelligence ), в которой обсудил вопросы оценки интеллектуальности машины и предложил критерий, по которому машина может считаться интеллектуальной, если она может убедительно представиться человеком информированному наблюдателю. Это было названо по имени создателя, «Тестом Тьюринга». При этом, в дальнейшем неоднократно проводились слепые тесты Тьюринга, которые показали, что большинство людей готовы признать человеком довольно глупую программу [1] .

Большие перспективы у применения искусственного интеллекта в робототехнике, так как это позволит в конечном итоге получить не только мыслящую и планирующую действия машину, но и выполняющую их. В конечном итоге это, в числе прочего, может наградить человечество машиной, сопоставимой по всем возможностям с человеком или даже превосходящей его [10] . Исследуются возможности искусственного интеллекта и в военной робототехнике [11] .

В 1930-х годах британский и австрийский математики Алан Тьюринг и Курт Гёдель, а также другие математики пришли к выводу, что не существует универсального алгоритма для решения любых задач в некоторых важных математических областях. Существуют задачи, которые не решаются путём составления алгоритма, но доступны к решению человеком, так что был сделан вывод, что компьютеры по своей природе не могут делать то, что делают люди [1] .

Традиционно издатели должны были решать, насколько узким должен быть их контент, прежде чем ограниченный масштаб интереса аудитории сделает репортажи коммерчески неустойчивыми. Но с роботами, работающими над всеобъемлющими местными базами данных, уровень детализации, который можно обслуживать, потенциально безграничен.

Структурированные данные

Помимо экономии времени и ресурсов на создание и распространение рассылки, внедрение персонализации улучшило вовлеченность в рассылку. «Мы увидели, что люди, получающие эту рассылку, были более активны на еженедельной основе на нашем сайте или в нашем приложении», — объяснил менеджер по данным и инновациям NRC Луук Виллекенс.

Главное отличие искусственного интеллекта от других программ в отсутствии чётко заданного алгоритма решении задачи [3] . Согласно одной из распространённых версий, есть необходимый набор свойств для программы, чтобы считаться искусственным интеллектом. Исследователи уточняют, что список может быть неполным, так как какие-то из свойств интеллекта ещё не открыты или достаточно не изучены. Список выглядит так [4] :

Искусственный интеллект может применяться как в качестве партнёра в играх (например, шахматах), так и в более серьёзных задачах. Например, с 1990-х годов ИИ используется для распознания речи, что повышает удобство различных сервисов. Способен искусственный интеллект и распознавать живую речь, для чего недостаточно просто распознавать отдельные слова. Ещё один вариант использования — компьютерное зрение. Мир, в котором мы находимся имеет три измерения, в то время как устройства ввода визуальной информации, что у человека, что у машины, воспринимают только двухмерную картинку. Задача ИИ в данном случае — обработать имеющееся изображение для распознания объектов на нём. Также ИИ используются для так называемых «экспертных систем» — систем анализа данных в определённой сфере знаний или деятельности, действующей эффективнее, чем человек за счёт высокой скорости обработки [3] [7] [8] .

При достаточном обучении ИИ будет принимать необработанные данные и создавать отдельные тексты, которые можно автоматически распространять через установленные издательские системы. Но его также можно использовать в качестве отправной точки для более широких пакетов контента и для предупреждения репортеров о возможностях для старого доброго расследования.

В 1960-х годах Стив Кук, Ричард Карп и другие учёные разработали теорию NP-полных задач, которые в теории решаемы, но время, необходимое на решение таких задач зависит от сложности задачи экспоненциально. При этом люди способны решать подобные задачи зачастую за гораздо меньшее время [1] . К началу 1970-х годов наука об искусственном интеллекте признала приоритет программирования систем над построением их материальной части в деле создания ИИ [6] . Примерно в это же время, начался резкий вал критики в отношении идей создания искусственного интеллекта, вылившийся в сокращение финансирования. В первую очередь это было связано с небольшими вычислительными мощностями существовавших тогда компьютеров, не позволявшими запустить сложную многоуровневую программу, из-за чего все практические образцы ИИ оставались на уровне «игрушек» (наибольшего успеха достигли программы для игры в шахматы).

Способность обрабатывать огромные объемы данных является ключевым фактором окупаемости инвестиций, как в отношении объема обрабатываемых данных, так и в отношении выпускаемого контента. Контент-роботу требуется одинаковое количество времени для создания одной, ста или тысячи статей. Чем больше данных Вы ему предоставляете, тем больше контента он может создать.

Тогда же, в конце 1940-х годов, была впервые выдвинута идея машинного обучения. Согласно им, необходимо сделать программу, которая обладает базовым набором знаний и возможностью усваивать информацию, что позволит делать только «оболочку», которая будет самостоятельно достраивать себя до полноценного ИИ [1] .

Все любят списки, и вместо того, чтобы публиковать только статьи о продаже отдельных объектов недвижимости, шведская новостная группа NTM использует ИИ для составления статей о крупнейших сделках, регион за регионом. Йенс Петтерссон, руководитель отдела вовлечения и лояльности в издательстве со 100—летним стажем, сказал нам: «Мы составляем список самых дорогих объектов недвижимости на этой неделе и самых дорогих объектов недвижимости в этом месяце. Вы можете разрабатывать продукты, выясняя, какая робототехника действительно работает для Вашей аудитории.»