Искусственный интеллект (AI), машинное обучение и глубокое обучение: в чём разница

Машинное обучение: как учится ИИ

Нейронные сети — это набор связанных единиц (нейронов) и нейронных связей (синапсов). Каждое соединение передаёт сигнал от одного нейрона к другому, как в мозге человека. Обычно нейроны и синапсы организованы в слои, чтобы обрабатывать информацию. Первый слой нейросети — это вход, который получает данные. Последний — выход, результат работы. Например, несколько категорий, к одной из которых мы просим отнести то, что было отправлено на вход. И между ними — скрытые слои, которые выполняют преобразование.

Чаще всего можно услышать, что искусственный интеллект подразумевает способность электронной вычислительной машины анализировать данные и принимать решения в соответствии с принципами, по которым функционирует человеческий мозг. Таким образом, от нейросети мы вправе требовать умения обучаться и применять свои знания на практике. Современный искусственный интеллект успешно справляется с этими задачами.

Чтобы обучить нейросеть, нужны гигантские наборы тщательно отобранных данных. Например, для распознавания сортов огурцов нужно обработать 1,5 млн разных фотографий. Не получится просто слить рандомные картинки или текст из интернета — их нужно подготовить: привести к одному формату и удалить то, что точно не подходит (например, мы классифицируем пиццу, а в наборе данных у нас фото грузовика). На разметку данных — подготовку и систематизацию — уходят тысячи человеко-часов.

Мы пользуемся Google-картами, позволяем сайтам подбирать для нас интересные фильмы и советовать, что купить. И, в общем-то, слышали, что под капотом всех этих умных вещей — искусственный интеллект, машинное обучение и deep learning. Но сможете ли вы с ходу отличить одно от другого? Разбираемся на примерах.

По сути, скрытые слои выполняют какую-то математическую функцию. Мы её не задаём, программа сама учится выводить результат. Можно научить нейросеть классифицировать изображения или находить на изображении нужный объект. Помните, как reCAPTCHA просит найти все изображения грузовиков или светофоров, чтобы доказать, что вы не робот? Нейронная сеть выполняет то же самое, что и наш мозг, — видит знакомые элементы и понимает: «О, кажется, это грузовик!»

GeekBrains — это ведущая образовательная онлайн-платформа в русскоязычном пространстве. Над курсами GB работают опытные преподаватели, которые отлично разбираются в теории и могут похвастаться практическими достижениями, а значит, на личном опыте расскажут, как создают ИИ. Программа обучения построена таким образом, чтобы у пользователей оставалось время на работу и личную жизнь. Кроме того, GB поможет войти в профессию. Для этого площадка обеспечивает все условия:

Слабый ИИ (Weak, или Narrow AI)

Не секрет, что сегодня технологии развиваются с огромной скоростью. Искусственный интеллект (ИИ, AI) и нейронные сети еще не так давно были плодом воображения писателей-фантастов, а сегодня стали реальностью. С искусственным интеллектом можно решать множество задач, ведь он широко применяется в разных областях — медицине, тяжелой промышленности, маркетинге и других. Мы постоянно используем ИИ в повседневной жизни, нередко сами того не подозревая. Поскольку все больше компаний и предприятий внедряет ИИ в свою деятельность, спрос на высококвалифицированных специалистов в соответствующей сфере стремительно растет.

В машинном обучении много разных алгоритмов. Один из самых простых — линейная регрессия. Её применяют, если есть линейная зависимость между переменными. Пример: чем больше сумма заказа, тем больше вы оставите чаевых. По имеющимся данным можно предсказать сумму чаевых в будущем. В общем-то, простая математика.

Прежде всего стоит отметить, что искусственный интеллект — это достаточно размытый термин, однозначного определения нет по сей день. В 1956 году, когда на научном семинаре в Дартмуте впервые прозвучало это словосочетание, в него вкладывалось значение, которое существенно отличалось от современного. В те годы искусственный интеллект рассматривался как некая сущность, которая сможет выполнять перевод текстов с одного языка на другой, производить распознавание объектов по фотографии или видеозаписи, понимать человеческую речь и соответственно на нее отвечать. Современный ИИ способен делать все вышеперечисленное. Однако чем больших успехов удавалось достичь, тем больше требований выдвигалось к ИИ.

Во вселенной Detroit роботы способны учиться, мыслить, чувствовать, осознавать себя и принимать решения. Одним словом, становятся похожи на человека. А в обычной жизни ближе всего к General AI чат-боты и виртуальные ассистенты, которые имитируют человеческое общение. Здесь ключевое слово — имитируют. Siri или Алиса не думают — и неспособны принимать решения в ситуациях, которым их не обучили. Сильный искусственный интеллект пока остаётся мечтой.

А ещё нейросети могут генерировать объекты: музыку, тексты, изображения. Например, компания Botnik скормила нейросети все книги про Гарри Поттера и попросила написать свою. Получился «Гарри Поттер и портрет того, что выглядит как огромная куча пепла». Звучит немного странно, но как минимум с точки зрения грамматики это сочинение имеет смысл.

Есть байесовские алгоритмы. В их основе применение теоремы Байеса и теории вероятности. Эти алгоритмы используют для работы с текстовыми документами — например, для спам-фильтрации. Программе нужно дать наборы данных по категориям «спам» и «не спам». Дальше алгоритм будет самостоятельно оценивать вероятность того, что слова «Бесплатные туры для пенсионеров» и «Закажи маме тур, пожалуйста» относятся к той или иной категории.

Машинное обучение (англ. machine learning) — это один из разделов науки об ИИ. Здесь используются алгоритмы для анализа данных, получения выводов или предсказаний в отношении чего-либо. Вместо того чтобы кодировать набор команд вручную, машину обучают и дают ей возможность научиться выполнять поставленную задачу самостоятельно.

Слабый интеллект — тот, что нам уже удалось создать. Такой ИИ способен решать определённую задачу. Зачастую даже лучше, чем человек. Например, как Deep Blue — компьютерная программа, которая обыграла Гарри Каспарова в шахматы ещё в 1996 году. Но такая Deep Blue не умеет делать ничего другого и никогда этому не научится. Слабый ИИ используют в медицине, логистике, банковском деле, бизнесе: