Искусственный интеллект: его возможности и виды, развитие и использование

Источник: Misorobotics

ИИ неидеален, но с каждым днём ​​он становится всё лучше. Даже с таким «мозгом» ИИ принимает решения по многим вопросам. Лучшие кейсы с ИИ показывают технологические гиганты с огромными базами данных и страшно большими бюджетами. Но в последнее время технологии ИИ внедряет и малый бизнес: ИИ теперь доступен как услуга.

На рынке искусственного интеллекта нет консолидации, практически нет доминирующих тем, на которые приходится хотя бы 20% проектов по искусственному интеллекту. Примеры, которые я приведу в статье, — в подавляющем большинстве случаев либо проекты, которые мы внедряли, либо проекты, которые мы разрабатываем в данный момент. В меньшем числе случаев это будут проекты, обсуждаемые с компаниями в режиме консультаций, но не внедрённые непосредственно нами.

Джон Маккарти — чудаковатый учёный-компьютерщик из Стэнфорда — ввёл термин «искусственный интеллект» в 1956 году. В этот исторический год вместе с горсткой других учёных-математиков он провёл летний семинар на тему ИИ в Дартмутском колледже. Учёные с этой конференции в том же году создали первый ИИ в мире — компьютерную программу Logic Theorist. Она могла доказывать определенные математические теоремы. Так началась история искусственного интеллекта.

Мы 5 лет занимаемся образованием разработчиков по искусственному интеллекту, через нас прошли тысячи программистов и сотни компаний. Мы работаем с компаниями от многомиллиардных российских брендов до микробизнесов и малых стартапов. Речь пойдет о проектах по искусственному интеллекту именно в российских компаниях, потому что передовые проекты, которые внедряет Google, Microsoft или Илон Маск с OpenAI, и то, что внедряет условное производство фанеры в России, — совершенно разные миры.

В машину закладывается алгоритм на основе ИИ — он сканирует этикетку, понимает, что это, допустим, яблоко и кладёт фрукт сортировочными рычагами в нужный лоток. Всё, что нужно — правильная маркировка фруктов и система сканирования. Тут в основе работы будут правила, которые жестко закодированы людьми. Обойтись можно простым ИИ без машинного обучения либо вовсе разработать всё без ИИ — взять обычную программу с жёстким алгоритмом.

Еще пример: простое российское производство фанеры, малый бизнес. Есть 5 степеней качества березового шпона, из которого изготавливается фанера. Обычно степень качества определяют рабочие, но они часто ошибаются. Нейронная сеть же работает по фотографии: под камеру на стенде кладется лист шпона, и она с высокой точностью определяет качество.

Нанимает сотрудников

«К 2030 году… родители будут привлекать опытных ботов, чтобы помочь детям с домашним заданием и стимулировать разговоры за ужином. На работе боты будут проводить собрания. Бот-доверенное лицо будет считаться важным для психологического благополучия, и мы будем все чаще обращаться к таким товарищам за советом, начиная от того, что надеть, и заканчивая тем, на ком жениться».

Бизнес Игоря вытеснил конкурентов и взял долю их фруктов на себя. Теперь ИИ нужно сортировать ещё и фрукты, которые он никогда не видел. Придётся подключать Deep Learning (DL) — ИИ с глубоким обучением, ведь для него не нужно вручную вбивать информацию о каждом фрукте.

Программисты жёстко не кодируют алгоритмы машинного обучения (ML), нет прямых инструкций для каждой задачи. Программисты создают алгоритм, который с помощью математики, логики и статистики сам «узнаёт», как выполнить задачу наилучшим путём. Для этого ему нужно много примеров и время для обучения.

Спектр задач гораздо шире (например, разные чат-боты, распознавание речи), но в российских компаниях мы этих проектов практически не встречаем. Их либо нет, либо задачи решаются типовыми сервисами по подписке без создания уникального проекта по искусственному интеллекту. Но, в целом, российский рынок искусственного интеллекта пока слабо покрыт сервисами, для огромного процента задач нужна именно индивидуальная разработка.

В 2017 году команда Google заставила два ИИ DeepMind соревноваться друг с другом, чтобы собрать как можно больше виртуальных яблок. Как только яблоки начали уменьшаться, два ИИ стали агрессивными — лазерными лучами убивали друг друга и крали все яблоки. Чем умнее делали ИИ, тем более жадным и агрессивным он становился.

Например, у нас во внутренней ERP-системе ремонта автомобилей есть обратная связь от каждого ремонтника по каждому автомобилю, и надо классифицировать этот текст и определить, о чем идет речь — о неисправности двигателя, о необходимости заказа деталей, о поломке в электронике или о том, что машина в отличном состоянии.