Искусственный интеллект в наших смартфонах: каким он может быть

Какие виды искусственного интеллекта существуют

Искусственный интеллект – это комплекс технологий, находящихся на стыке многих наук, которые помогают машинам выполнять задачи по аналогии с тем, как это делают люди. Нейронные сети – элемент ИИ, вдохновленный нейронными связями в мозге: они обучаются на основе огромных массивов данных, а также определяют закономерности. И AI, и нейросети сегодня активно используются в бытовой и коммерческих сферах, научных исследованиях и других отраслях, требующих точности, скорости и автоматизации рутинных задач.

Никого уже не заставишь отказаться от дурацкого и неправильного термина ИИ и заменить его на более правильный «программная поддержка вспомогательного функционала». Безграмотность, как обычно, победила. Но прежде чем говорить о любых компьютерных технологиях, надо очень хорошо представлять, что такое на самом деле компьютер, что он может, а чего не может. С этим у очень большого количества людей совсем плохо. Напомню, что такие компьютер. Электронно-вычислительная машина потребляет электричество и производит вычисления. 99% потреблённой энергии ЭВМ выделяет в виде тепла, 1% — это результат вычислений, упорядоченная информация. ЭВМ состоит из арифметико-логического устройства (АЛУ) и ячеек памяти, организованных тем или иным образом в массивы. АЛУ умеет выполнять, по сути, всего две операции: сложение и сдвиг двоичного числа на один разряд.Таким образом, ЭВМ — это электрическая машина с КПД 1%, умеющая складывать два двоичных числа и сдвигать двоичное число на один разряд вправо или влево. Все результаты вычислений ЭВМ получает многократным повторением этих двух операций.Такой простой машины вполне достаточно, чтобы реализовать любые вычислительные алгоритмы. Основные недостатки всех ЭВМ – очень низкий КПД и невозможность масштабирования. То есть нет возможности повысить КПД ЭВМ, просто построив большую ЭВМ, как, например, это возможно с грузовыми автомобилями – большой грузовик тратит меньше топлива на перевозку килограмма груза, чем маленький. Все так называемые «суперкомпьютеры» — это тысячи обычных ЭВМ, соединённых проводами. КПД у такой системы меньше, чем у одной ЭВМ.Ввиду наличия этих ограничений ЭВМ развиваются в сторону уменьшения общего потребления электроэнергии, сохраняя низкий КПД. Уменьшая размер транзистора до пяти нанометров, уменьшается общее потребление электроэнергии. Но этот путь не бесконечен. Сделать транзистор меньше атома нельзя.Теперь всем должно стать понятно в каком жесточайшем кризисе находится компьютерная индустрия. КПД компьютеров не растет. Растёт мнимая мощность вычислений, обусловленная снижением общего потребления энергии и размеров. При достижении минимально возможного размера транзистора этот рост остановится, и компьютерную индустрию ждут тяжёлые времена. Нужно совершенно четко понимать, что, кроме АЛУ, человечество пока ничего не придумало и нет на самом деле никаких других вычислительных машин, пригодных для применения. Квантовые компьютеры, нейронные компьютеры и прочие – это просто способы выпрашивания денег у инвесторов, как частных, так и государственных, при помощи сказки о том, что квантовый компьютер мгновенно взломает все коды и пароли. Вы заметили как, последние пару лет потускнели восторги по поводу квантовых компьютеров. И как эти же пару лет нам активно продают ИИ? Завтра ещё что-нибудь придумают. И так по кругу. Пока основная проблема компьютеров не будет решена, а именно — пока не станет возможным строить большой компьютер, а не соединять проволокой тысячи маленьких ни о каком ИИ или Искусственном Осознании речи нет. А между тем, направление развития математической модели, которую представили в 1943 году Маккалок и Питтс, очень перспективно при наличии «больших» компьютеров. Модель обучаема. Это значит, что можно подать на вход данные, например изображение, и при помощи человека настроить вычислительные единицы так, чтобы они выдавали правильный результат. Возможность обучения модели – это очень важно! При помощи обучения можно «перенести» в ЭВМ часть, пусть и очень маленькую, человеческого знания. Теоретически, если построить и обучить очень большую модель, то она будет способна «впитать» в себя бОльшую часть человеческого знания. Совсем теоретически, очень, очень большая модель способна впитать в себя всё знание человека. Этим и живут «фантасты», которые рассказывают про искусственный интеллект. Но, к сожалению, у нас пока нет таких мощных вычислительных машин. Помните, КПД компьютеров мало и, как сделать большой компьютер, мы пока не знаем. Так-то…

Системы искусственного интеллекта также не имеют «желаний» или «мотивации» за пределами предопределенных алгоритмов. Они ничего не могут сделать по своей воле, потому что для этого потребуется сознание. Ведутся серьезные споры о том, сможем ли мы когда-нибудь создать сознательные системы (биологические или машины), но сейчас речь не об этом. Поговорим о том, в чем хорош нынешний искусственный интеллект.

Midjourney — передовая модель генерации изображений, упрощающая жизнь дизайнеров и других специалистов, работающих с визуальным контентом. Подходит для ретуши фото, создания аватарок и логотипов, умеет комбинировать образы, например, изобразит Белоснежку в стиле японского аниме или перенесет Карлсона в сюжет Pixar.

BenderUnit, Не знаю, зачем обычным, а вот в программировании, надеюсь, подвижки будут. Ибо согласен, пока это только игрушки. Например:1. Усовершенствование TDD методики разработки. Программист пишет тесты как сейчас, но дополняет их словесным описанием назначения функции. ИИ не просто пишет функцию по описанию, но сразу ее тестирует и если что дорабатывает. Исключаем галюцинирование и не просто пишем функции с ИИ, а разрабатываем сразу весь модуль.2. Умная транспиляция. Очень часто прототип проще написать на динамическом языке. Там исследовательской работы больше, чем собственно кодирования. Но когда написал, уже лень переписывать, оно ведь уже работает. Или например переписать уже существующую библиотеку на другой язык, с учетом его best practice. Буквально на днях, столкнулся, что лучшая (для меня) библиотека для токенизации текста — razdel на Питон. А на rust даже близко похожего нет. Но не буду же я несколько тысяч строк переписывать.Возможно что и для других ниш или обываетеля, следующий шажок развития превратит из игрушки в практичную вещь.

Как уже говорилось, ИИ хорошо распознает закономерности. Он может обрабатывать огромные наборы данных, например, медицинскую информацию в виде снимков и результатов анализов, и распознавать возможные заболевания. ИИ может распознавать закономерности в финансовой сфере и помогать вам торговать, выявлять мошенничества и оценивать риски.

Но, возможно, самой интересной и популярной функцией ИИ в наши дни является его способность распознавать и понимать естественный человеческий язык. Отсюда и появление больших языковых моделей, чат-ботов и других помощников на основе искусственного интеллекта.

системы принятия решений на основе недетерминированных (их еще называют — стохастические, вероятностные) алгоритмов называются экспертными системами, и к искусственному интеллекту отношения не имеют. экспертные системы позволяют имитировать принятие решений на основе качественных показателей, а не количественных, путем построения системы правил, где каждое правило сопоставляет набор входных условий некоторому результату. экспертная система может имитировать принятие решений даже в реальном времени — все упирается в быстродействие железа, на котором эта ЭС функционирует, и в степень охвата предметной области системой правил. то, что маркетологи называют сегодня ИИ, по факту в 99% случаев является именно ЭС.полноценный ИИ базируется на нейросетях, где каждая нейросеть умеет решать некую узкоспециализированную задачу без участия системы правил. с нейросетями все хорошо, кроме одного — современную нейросеть нельзя ДОобучить «новым трюкам», как человека, а можно только ПЕРЕобучить. соотв. ждем, пока разрабы додумаются выстроить ИИ, как именно систему из различных нейросеток, часть из которых будет заниматься классификацией задач, а другая часть — их решением.

Copyright © 2002—2024 mobile-review.com

Владимир Репин, 1. Мы уже эту тему обсуждали. Неизвестно, сколько должна одна операция потреблять энергии. А без этого, любое обсуждение КПД теряет смысл. Вы можете быть как правы, так и катастрофически ошибаться. Причем в любую сторону. Может сейчас КПД 10%. А может всего 0.01%.2. Нейронные, точнее нейроморфные компьютеры не сказка. Знаю людей, которые с ними работают. Но по их словам, время еще не пришло. Для простых задач у компьютеры общего назначения справляются, а для сложных… сильно часто меняется программная и даже алгоритмическая часть.3. Согласен, обучение нынешних моделей почти достигло лимита. Но это лишь значит, что надо переходить на другую архитектуру нейросетей. Точнее не самих сетей, которые изучают связи, а кодирования этих связей.

Облачные системы искусственного интеллекта запускают модели ИИ и обрабатывают данные на удаленных серверах, размещенных в дата-центрах. Ваш смартфон должен быть подключен к Интернету, чтобы обмениваться запросами с этими дата-центрами, и в большинстве случаев через Интернет передаются не только запросы, но и некоторые пользовательские данные для выполнения поставленной задачи.

Обучение, обработка и последующее принятие решений требует доступа к большим объемам данных. Для примера рассмотрим голосовые ассистенты и чаты, такие как Алиса: для предоставления ответа на вопрос они используют всю информацию из интернета, чтобы обеспечить релевантность. А системам, распознающим рукописный текст, нужно обработать миллионы образцов.

Искусственный интеллект должен интегрироваться со сторонними системами и сервисами, обеспечивая бесшовность. Это актуально для сферы бизнеса, где нужно получать сведения об оплате, поступающих заявках, остатках и других процессах в режиме реального времени и с привлечением не только AI, но и дополнительных сервисов.

Искусственный интеллект, особенно в проектах с потребностью быстрого принятия решений, должен адаптироваться под текущую ситуацию. Например, ИИ в интеллектуальных системах управления транспортом должен подстраиваться под текущие дорожные и даже погодные условия, а также продолжать обучаться для постепенного улучшения работы.

Понятно, почему компании не так много говорят об облачном ИИ, особенно сейчас, когда люди очень чувствительны к использованию своих личных данных. Еще одна потенциальная проблема заключается в том, что такие системы наверняка перейдут на модели подписки после первых нескольких лет хайпа.