Искусственный интеллект: Что это такое, как он работает и почему он важен

Что такое машинное обучение?

Обеспечение ответственного подхода к разработке ИИ имеет решающее значение для его безопасного, надежного и этичного развития. Но как можно решить вопросы прозрачности и объяснимости в контексте ответственного использования ИИ? Подробно данные понятия рассмотрены в нашей статье о создании ответственного искусственного интеллекта.

Системное мышление важно, поскольку большинство аналитиков работают в коммерческих компаниях, им нужно мыслить наперёд, оценивать возможные риски, понимать бизнес-процессы, чтобы оптимизировать их. Также, поскольку большая часть продуктов, использующих технологии ИИ, ориентированы на потребителей, специалист должен обязательно помнить об их потребностях.

Глубокое обучение позволяет сделать еще один шаг вперед. Продолжая пример с птицами, глубокое обучение может научиться распознавать не только основные черты птиц, но и такие сложные детали, как узоры на перьях, что сделает его намного более точным в идентификации птиц и даже позволит отделить орлов от голубей.

Система управления ИИ — это своего рода «мозг», на котором строится работа организации с проектами ИИ. Речь идет об установлении правил и методов, обеспечивающих ответственное и эффективное использование ИИ. Такая система помогает управлять всем — от оценки рисков до ответственного применения ИИ.

Критическое мышление — один из ключевых навыков для любого аналитика или инженера, который работает с ИИ. Важно ставить всё под сомнение, тщательно проверять любое предположение, комплексно анализировать любую задачу, чтобы понять, что в ней важно, а на что можно не обращать внимания. «Именно этот навык в первую очередь определяет успех специалиста в области данных», — считает руководитель отдела аналитики консалтингового агентства PwC.

«Нейронная сеть написала сценарий для фильма», «ИИ превратит ваши фотографии в картины импрессионистов», «Беспилотные трамваи и поезда вышли на маршруты в Англии и Китае» — ещё недавно такие новости показались бы нелепыми шутками, однако сегодня это реальность. Она вызывает не только восторг, но и страх — остаться без работы, пасть жертвой восстания машин. Но вместо того чтобы бояться, лучше учиться и адаптироваться. Рассказываем, зачем осваивать ИИ и почему никогда не поздно заняться этим.

Оглавление

Хотя это не всегда очевидно, искусственный интеллект уже давно стал неотъемлемой частью повседневной жизни миллионов людей. Виртуальные помощники, такие как Siri и Alexa, являются яркими примерами того, как искусственный интеллект может поддерживать человека в самых разных сферах — хотя бы тем, что делает жизнь более удобной.

Как же работает машинное обучение? Оно начинается с данных. С большого количества данных. Алгоритмы машинного обучения обучаются на огромных массивах данных, которые они анализируют, чтобы выявить закономерности, взаимосвязи и тенденции. Затем такие закономерности можно использовать для прогнозирования или принятия решений на основе новых, еще не изученных данных.

У сильного ИИ есть младший брат — специализированный (слабый) ИИ. Он решает узкопрофильные задачи и очень многого не умеет. Тем не менее в том или ином виде его можно найти в любом смартфоне: автоматическая обработка или стилизация фотографий, распознавание лиц на снимках, перевод, голосовые помощники и многое другое — практические варианты использования слабого ИИ.

Глубокое обучение — это разновидность машинного обучения. Тем не менее, глубокое обучение может анализировать больше типов информации и выполнять более сложные операции. Процесс глубокого обучения вдохновлен структурой и функциями человеческого мозга — в частности, тем, как нейроны связаны между собой и работают вместе для обработки информации. Благодаря этому, глубокое обучение позволяет делать более тонкие и глубокие прогнозы на основе предоставленных данных.

По своей сути машинное обучение — это способность компьютерной системы обучаться на основе данных, не будучи явно запрограммированной. Одним из примеров является фильтрация спама в электронной почте. Обнаруживая схожие закономерности в спам-сообщениях, почтовые платформы могут узнать, какие письма полезны, а какие следует держать подальше от папки «Входящие».

Одним из примеров международного стандарта в области ИИ является ISO/IEC 23894, посвященный управлению рисками в системах ИИ. Целью данного стандарта является обеспечение того, чтобы алгоритмы и модели ИИ были понятны и могли быть проверены на предмет предвзятости и справедливости, что способствует укреплению доверия к системам ИИ.