Искусственный интеллект

Применение

Искусственный интеллект (Artificial Intelligence, AI) — это технология, которая позволяет компьютерным системам и машинам моделировать процессы человеческого интеллекта. С ее помощью роботы распознают речь, обрабатывают естественный язык, отвечают на вопросы пользователей, распознают и обрабатывают изображения благодаря машинному зрению, генерируют тексты, пишут музыку или программный код. Другими словами, выполняют задачи и действия, требующие разумного мышления.

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] .

Искусственный интеллект — способность компьютерной системы решать задачи и выполнять действия, которые требуют разумного мышления. В каких сферах уже используют технологии ИИ, как искусственный интеллект помогает развитию бизнеса и почему у него настолько высокие перспективы в будущем, читайте в статье.

Для быстрой и эффективной коммуникации с клиентами во всех каналах коммуникации используют чат-ботов на базе ИИ. Кстати, к таким системам, относится и омниканальная платформа AutoFAQ. Это чат-сервис для роботизации служб поддержки и баз знаний, основанный на технологиях искусственного интеллекта. Благодаря AI-алгоритмам платформа умеет распознавать естественную речь независимо от формулировок и опечаток. С помощью баз знаний быстро ищет и структурирует нужную информацию, сама отвечает на большинство типовых вопросов, а также дает подсказки операторам.

Сельское хозяйство. ИИ активно применяют и во многих отраслях сельского хозяйства, особенно роботизация набирает обороты в растениеводстве, животноводстве, рыбоводстве. С помощью искусственного интеллекта управляют полностью или частично автоматизированными вертикальными фермами и теплицами, выявляют заболевания растений на ранних стадиях. А еще алгоритмы машинного обучения, анализируя большие объемы данных, могут выявлять закономерности и делать прогнозы. Основываясь на этой информации, фермеры могут с точностью прогнозировать, какой объем урожая и в какие сроки они соберут, а также могут сразу просчитать его себестоимость.

Конечная цель практически всех исследований в области искусственного интеллекта — получить ИИ уровня, сопоставимого с человеческим интеллектом. В методах достижения этой цели единства у исследователей нет: кто-то считает, что это достижимо в обозримом будущем с применением существующих технологий и подходов путём увеличения вычислительной и запоминающей мощности несущих ИИ-устройств, а кто-то — что сроки загадывать невозможно, так как существующие подходы к созданию искусственного интеллекта требуют переработки или даже полной замены другими [1] .

Образование. Искусственный интеллект способен снизить рутинную нагрузку на преподавателей и помочь учащимся в освоении учебного материала. К примеру, робот может проводить тестирование и тут же выдавать его результаты. Или генерировать задание для проверки языковой грамотности и понимания текста. С помощью ИИ в некоторых учебных заведениях уже реализуют предсказательную аналитику. Она помогает педагогам оценить, сколько времени ученики потратят на то или иное упражнение, домашнее задание или контрольную работу.

Искусственный интеллект (ИИ, англ. artificial intelligence, AI ) — свойство искусственных вычислительно-интеллектуальных систем выполнять задачи, традиционно считающиеся прерогативой человека, в первую очередь творческого характера, а также наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. Не следует путать искусственный интеллект с искусственным сознанием. Искусственные интеллекты, существующие на настоящий момент — весьма узкоспециализированные и чаще всего некомпетентны за пределами своей основной задачи.

Исследование ИИ

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).

Технология искусственного интеллекта — важный ресурс для бизнеса. Интеграция ИИ в механизмы и системы позволяет автоматизировать рутинные, трудоемкие или сложные процессы, повысить их точность и производительность. В отличие от человека искусственный интеллект умеет не только обрабатывать, но и интерпретировать колоссальные объемы данных за очень короткое время. Кроме прочего, всевозможные системы и роботы на базе ИИ способны работать в режиме 24/7, не снижая эффективности. Их можно дообучать, совершенствовать и интегрировать с другими системами.

Несмотря на то, что в самой идее искусственного интеллекта исследователи ориентируются на интеллект человека, симуляция оного на компьютере — не есть цель большей части проектов. Используемый для оценки человеческого интеллекта коэффициент (IQ) не применим для оценки машинных систем, по причине того, что он завязан на интеллектуальное развитие ребёнка и если на взрослых людей эту шкалу можно экстраполировать, то высокие результаты искусственного интеллекта в тесте на IQ не будут означать высокого интеллекта системы. При этом, некоторые из задач, используемых в этих тестах всё же помогают изучать эффективность конкретного искусственного интеллекта. Также, в то время как интеллект всех людей основывается на примерно одинаковых механизмах и развивается приблизительно по одному пути, в машинном интеллекте дело может обстоять с точностью до наоборот: при наличии превосходящих человеческие возможности вычислительных мощностей он основывается на тех принципах и цепочках, которые заложены в него разработчиком, а потому в каждой системе могут, с одной стороны, присутствовать интеллектуальные функции, развиваемые человеком только с подросткового возраста, а с другой — отсутствовать какие-то механизмы, присущие маленьким детям. Осложняется это тем, что природа человеческого интеллекта до сих пор изучена не до конца [1] [2] .

Транспорт. Когда мы говорим об интеграции ИИ и транспорта, то подразумеваем автономные транспортные средства. К примеру, автомобили-беспилотники или беспилотные электропоезда. Управление таким автономным транспортным средством полностью автоматизировано и осуществляется без водителя/машиниста при помощи оптических датчиков, радиолокации и компьютерных алгоритмов. Также технологии искусственного интеллекта используют в сфере транспортного обслуживания. К примеру, чтобы эффективнее управлять трафиком, прогнозировать задержки рейсов, безопасно перевозить пассажиров и грузы.

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] .

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] .