Искусственный интеллект

Подходы и направления [ править | править код ]

История искусственного интеллекта как нового научного направления начинается в середине XX века. К этому времени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга и мышления, экономисты и математики задавались вопросами оптимальных расчётов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений — теории алгоритмов — и были созданы первые компьютеры.

Методы машинного обучения позволяют одним автоматам распознавать устную речь и записывать ее подобно секретарям-машинисткам прошлых лет, а другим – точно идентифицировать лица или отпечатки пальцев среди десятков миллионов других и обрабатывать тексты, написанные на естественных языках. Благодаря этим же методам самостоятельно движутся автомобили, компьютеры лучше врачей-дерматологов диагностируют меланомы по фотографиям родинок, сделанных с помощью сотовых телефонов, роботы воюют вместо людей; а конвейеры на заводах все больше автоматизируются.

Стандартная интерпретация этого теста звучит следующим образом: «Человек взаимодействует с одним компьютером и одним человеком. На основании ответов на вопросы он должен определить, с кем он разговаривает: с человеком или компьютерной программой. Задача компьютерной программы — ввести человека в заблуждение, заставив сделать неверный выбор». Все участники теста не видят друг друга.

Возможности новых машин в плане скорости вычислений оказались больше человеческих, поэтому в учёном сообществе зародился вопрос: каковы границы возможностей компьютеров и достигнут ли машины уровня развития человека? В 1950 году один из пионеров в области вычислительной техники, английский учёный Алан Тьюринг, пишет статью под названием «Может ли машина мыслить?» [10] , в которой описывает процедуру, с помощью которой можно будет определить момент, когда машина сравняется в плане разумности с человеком, получившую название теста Тьюринга.

Направление инженерия знаний объединяет задачи получения знаний из простой информации, их систематизации и использования. Это направление исторически связано с созданием экспертных систем — программ, использующих специализированные базы знаний для получения достоверных заключений по какой-либо проблеме.

Сюда можно отнести несколько направлений. Нейронные сети используются для решения нечётких и сложных проблем, таких как распознавание геометрических фигур или кластеризация объектов. Генетический подход основан на идее, что некий алгоритм может стать более эффективным, если позаимствует лучшие характеристики у других алгоритмов («родителей»). Относительно новый подход, где ставится задача создания автономной программы — агента, взаимодействующей с внешней средой, называется агентным подходом.

Другие области исследований [ править | править код ]

По мнению специалиста в области вычислительных и управляющих систем, академика РАН Игоря Каляева, «если исходить из возможностей сегодняшних технологий, то суперкомпьютер с производительностью 10 21 флопс будет обладать габаритами, эквивалентными зданию 300 на 300 метров в основании и 50 метров высотой, и потреблять около 15 гигаватт электроэнергии, что сравнимо с ежесуточным потреблением города Москвы. В то же время человеческий мозг занимает всего лишь 0,0013 м 3 объема и потребляет около 20 Ватт. Поэтому я считаю, что все попытки создания аналога человеческого мозга с помощью современных компьютерных технологий — это путь в никуда, поскольку мозг работает по совершенно другим, до сих пор непонятным нам принципам. И чем дальше мы идем по этому пути, тем дальше мы уходим от нашей конечной цели — создания аналога человеческого мозга. Это обстоятельство порождает необходимость поиска альтернативных путей реализации ИИ, в том числе на новых физических принципах, чем сейчас активно занимаются ученые во всем мире, в том числе и в нашей стране» [38] .

лает работу с Security Capsule SIEM более интуитивно понятной и доступной. В отличие от традиционных систем SIEM, которые предоставляют «сырую» информацию и технические описания событий, генеративный искусственный интеллект интерпретирует эти данные и объясняет их смысл простым и понятным языком. Помимо описания инцидентов, искусственный интеллект генерирует рекомендации по их устран

Искусственный интеллект (ИИ) – это отрасль науки, официально увидевшая свет в 1956 году на летнем семинаре в Дартмут-колледже (Хановер, США), который организовали четверо американских ученых: Джон Мак-Карти, Марвин Мински, Натаниэль Рочестер и Клод Шеннон. С тех пор термин «искусственный интеллект», придуманный, вероятнее всего, с целью привлечения всеобщего внимания, стал настолько популярен, что сегодня вряд ли можно встретить человека, который никогда его не слышал. С течением времени этот раздел информатики развивался все больше, а интеллектуальные технологии в последние шестьдесят лет сыграли важную роль в изменении облика мира.

Наиболее горячие споры в философии искусственного интеллекта вызывает вопрос возможности мышления творения человеческих рук. Вопрос «Может ли машина мыслить?», который подтолкнул исследователей к созданию науки о моделировании человеческого разума, был поставлен Аланом Тьюрингом в 1950 году. Две основных точки зрения на этот вопрос носят названия гипотез сильного и слабого искусственного интеллекта.

Немаловажным направлением является обработка естественного языка [25] , в рамках которого проводится анализ возможностей понимания, обработки и генерации текстов на «человеческом» языке. В рамках этого направления ставится цель такой обработки естественного языка, которая была бы в состоянии приобрести знание самостоятельно, читая существующий текст, доступный по Интернету. Некоторые прямые применения обработки естественного языка включают информационный поиск (в том числе, глубокий анализ текста) и машинный перевод [26] .

Существуют продукты, которые используют ИИ для помощи людям в управлении их личными финансами. Например, Digit — это приложение, основанное на искусственном интеллекте, которое автоматически помогает потребителям оптимизировать свои расходы и сбережения, основываясь на своих личных привычках и целях. Приложение может анализировать такие факторы, как ежемесячный доход, текущий баланс и привычки к расходам, затем принимать собственные решения и переводить деньги на отдельный сберегательный счёт [49] . Wallet.AI, развивающийся в Сан-Франциско старт-ап, создаёт агентов, которые анализируют данные, которые генерирует потребитель, при взаимодействии со смартфонами и социальными сетями, чтобы проинформировать потребителя о своих расходах [50] .

Конкурс красоты [ править | править код ]

Искусственный интеллект и нейрофизиология, эпистемология, когнитивная психология образуют более общую науку, называемую когнитология. Важную роль в искусственном интеллекте играет философия. Также с проблемами искусственного интеллекта тесно связана эпистемология — наука о знании в рамках философии. Философы, занимающиеся данной проблематикой, решают вопросы, схожие с теми, которые решаются инженерами о том, как лучше представлять и использовать знания и информацию.

Среди исследователей до сих пор не существует какой-либо доминирующей точки зрения на критерии интеллектуальности, систематизацию решаемых целей и задач, нет даже строгого определения науки. Существуют разные точки зрения на вопрос, что считать интеллектом.

ИИ-стартап Tomoru запускает HR Tech-сервис на замену job-бордам Tomoru.Team — платформу для найма с предсказательной системой и ИИ, которая ускоряет рекрутинг в семь раз и делает его в три раза дешевле. Сервис уже подключили свыше 200 работодателей, среди которых T2, «T Банк», «Точка Банк», Skyeng и др. Об этом CNews со

В России 30 мая 2019 года на совещании по развитию цифровой экономики под председательством В. В. Путина было принято решение о подготовке национальной стратегии по искусственному интеллекту. В её рамках готовится федеральная программа с выделением 90 млрд рублей [14] .

Обитаемая и автономная агротехника выполняет самостоятельные действия в растениеводстве — от сева и культивации, анализа состояния растений и почвы до сбора урожая, когда обученная нейросеть посредством машинного зрения сама определяет степень зрелости агрокультуры и собирает их при помощи манипуляторов, в животноводстве — обслуживание скота. [69]

Алгоритмическая торговля предполагает использование сложных систем искусственного интеллекта для принятия торговых решений со скоростью, превышающую скорость, на которую способен человеческий организм. Это позволяет делать миллионы сделок в день без какого-либо вмешательства человека. Автоматизированные торговые системы обычно используются крупными институциональными инвесторами [45] .