Как работают искусственный интеллект, машинное и глубокое обучение

А что насчет глубокого обучения? Чем оно отличается от машинного?

Если говорить упрощенно, смысл этой сверточной нейронной сети в том, чтобы оценивать каждый элемент картинки (пиксель) не отдельно, а в группе с несколькими соседними, благодаря чему можно находить как базовые фигуры (линии, углы, и т.д.), так и объекты целиком. Примерно такой же процесс происходит и в человеческом мозге при обработке визуальной информации. После снятия всех возможных визуальных признаков в нейросети, как и в человеческом мозге, происходит анализ этих признаков, а затем принимается решение: видим мы, допустим, кошку или собаку.

Финансовая и банковская сферы. Искусственный интеллект используют в финансовой сфере, к примеру, при проведении торгов, оказании персональных финансовых консультаций, для онлайн-идентификации пользователей банковскими услугами, кредитного скоринга и т. п. Банки активно применяют чат-ботов и виртуальных помощников для информирования клиентов о предложениях и услугах, а также для обработки транзакций, где в участии человека нет необходимости.

Это уже скорее философский вопрос. Мыслительный процесс напрямую связан с наличием сознания. Нейронная сеть, как и любой другой алгоритм машинного обучения, по своей сути является лишь математической функцией, и умеет решать лишь одну конкретную задачу. Нейросеть, которую учили отличать кошек и собак, не сможет отличить медведя от слона, ведь она даже не знала, что такие существуют. Процессы же анализа данных, которые происходят в голове у человека, намного сложнее чем те, что происходят в нейросети, так что даже при наличии данных, сопоставимых по размеру с массивом информации, которую за жизнь получает человек, сегодня обучить нейросеть думать, как человек, невозможно.

Искусственным интеллектом сейчас принято называть все, что способно решать нерутинные задачи на уровне, близком к человеческому, а иногда и лучше. Такие задачи окружают нас везде. Камеры над дорогой вычисляют скорость автомобиля, распознают его знак и высылают штраф, а системы безопасности в метро и аэропортах находят преступников в толпе. Все это сегодня принято считать искусственным интеллектом, хотя в действительности алгоритмы, лежащие в основе каждой такой технологии, уникальны. И только некоторые используют машинное обучение.

С математической точки зрения нейросеть — это функция с большим количеством параметров. Штрафование этой функции за неверное определения лица — это когда мы, упрощенно говоря, корректируем работу функции таким образом, чтобы в будущем она меньше ошибалась. Соответственно, поощрение нейросети — это когда мы ее просто не штрафуем.

В теории — да. Но на практике мы сталкиваемся с большим количеством проблем, начиная от недостаточного количества данных для обучения, заканчивая невозможностью интерпретировать действия человека при решении такой же задачи. Получается, что невозможно построить алгоритм, который эти действия бы совершал. Хороший пример — автопилотируемый автомобиль. Научить машину держать полосу, входить в повороты и автоматически перестраивать маршрут, если на дороге ремонт, сравнительно несложно, потому что есть понимание, как вел бы себя человек (а значит, как должна вести себя машина) в таких ситуациях.

И все же можно как-то сравнить процессы внутри нейросети с деятельностью мозга?

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.

Умные дома, самоуправляемые автомобили, роботы-помощники… Нас окружают инновационные технологии, в основе которых лежат алгоритмы, по своей специфике напоминающие работу человеческого мозга. Их называют по-разному: алгоритмы с использованием машинного обучения, глубокого обучения, а иногда и вовсе искусственный интеллект (ИИ).

Как машинное обучение является подвидом искусственного интеллекта, так и глубокое обучение является подвидом машинного (см. картинку в начале статьи). В глубоком обучении используются те же подходы: алгоритму дают много данных и «ругают» его за ошибки. Разница здесь в том, что сами алгоритмы глубокого обучения устроены гораздо сложнее и часто используют более серьезные математические модели. Сейчас под алгоритмами глубокого обучения практически всегда подразумевают нейронные сети.

Бизнес-процессы. В абсолютно любой компании найдутся процессы, которые можно автоматизировать: отправка писем клиентам, автозаполнение документов и счетов, рассылка коммерческих предложений. Роботы подсказывают сотрудникам, когда у них встреча, какому клиенту и когда нужно отправить важный документ. Они уведомляют руководителей о невыполненных подчиненными задачах и сорванных дедлайнах. Алгоритмы машинного обучения активно используют в бизнес-аналитике и маркетинге для более полного понимания своей целевой аудитории и ее предпочтений.

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.

Такое сравнение действительно часто используется. Нейронная сеть — это последовательность слоев, каждый из которых, в свою очередь, состоит из нейронов, и каждый выполняет свою роль. Есть нейроны (или структуры нейронов), которые учатся выделять важные элементы на изображениях, например шерсть у кошки или собаки; есть те, которые учатся делать выводы, исходя из выделенных элементов — например, если у животного длинные лапы, то, скорее всего, это собака. Эти нейроны объединяются в группы (слои), а они превращаются в единую искусственную нейронную сеть.

Медицина. В системе здравоохранения врачи при помощи ИИ прогнозируют болезни, выявляют группы пациентов с высоким риском заболеваний, организуют меры профилактики. Искусственный интеллект помогает автоматизировать и оптимизировать различные процессы в лечебных учреждениях, повышать точность диагностики и снизить риски для пациентов. Новейшие технологии дают возможность врачам персонализировано подбирать лечение, назначать те или иные лекарства и исследования. Всевозможные приложения и чат-боты улучшают уровень обслуживания в клиниках в целом: помогают пациентам записаться к врачу, получить результаты анализов, найти нужный кабинет или корпус.

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.