Искусственный интеллект: Что это такое, как он работает и почему он важен

Что такое обработка естественного языка?

Рассматривайте ее как дорожную карту для разумного использования ИИ по мере развития данной технологии. Система управления ИИ представляет собой структурированный способ управления рисками и возможностями, связанными с ИИ. Она включает в себя такие ключевые компоненты, как прозрачность, объясняемость и автономность, давая организациям четкие указания по использованию ИИ в соответствии с развивающимися нормативными актами (например, Законом ЕС об ИИ).

По своей сути искусственный интеллект — это способность машины или компьютерной системы выполнять задачи, для которых обычно требуется человеческий интеллект. Это включает в себя программирование систем для анализа данных, обучения на основе опыта и принятия разумных решений — под руководством человека. Наиболее известной формой ИИ являются виртуальные помощники, такие как Siri или Alexa, но существует множество разновидностей данной технологии.

Глубокое обучение — это разновидность машинного обучения. Тем не менее, глубокое обучение может анализировать больше типов информации и выполнять более сложные операции. Процесс глубокого обучения вдохновлен структурой и функциями человеческого мозга — в частности, тем, как нейроны связаны между собой и работают вместе для обработки информации. Благодаря этому, глубокое обучение позволяет делать более тонкие и глубокие прогнозы на основе предоставленных данных.

Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера

Одним из основных барьеров для распространения ИИ являются значительные объемы требуемых инвестиций, а также нехватка кадров. Более 60% организаций тратят на ИИ менее 1% от затрат на внедрение и использование цифровых технологий. Осторожное поведение объясняется тем, что ИИ-проекты, как правило, имеют длительный цикл реализации и отложенные во времени эффекты. Даже при оценке таких эффектов пользователи сталкиваются со сложностями, в том числе из-за нехватки экспертизы и стандартов по разным аспектам разработки и внедрения ИИ-решений и уникальности проектов для каждой отдельной компании.

Однако, когда на сцену вышел генеративный ИИ, такой как ChatGPT, его удивительная способность имитировать человеческие реакции и доступность для каждого, у кого есть компьютер, неожиданно вывели дискуссии о машинном обучении и соблюдении этических норм в публичную сферу. Такие понятия, как глубокое обучение, NLP и нейронные сети, просочились в повседневные профессиональные и даже личные разговоры.

Еще одна из ключевых этических проблем, связанных с ИИ, — это конфиденциальность. Поскольку системы искусственного интеллекта собирают огромные объемы данных из баз данных по всему миру, необходимо обеспечить защиту личной информации и ответственное ее использование. Например, технология распознавания лиц, часто используемая в системах безопасности или на платформах социальных сетей, вызывает вопросы о получении предварительного согласия и возможном неправомерном использовании.

Как же работает машинное обучение? Оно начинается с данных. С большого количества данных. Алгоритмы машинного обучения обучаются на огромных массивах данных, которые они анализируют, чтобы выявить закономерности, взаимосвязи и тенденции. Затем такие закономерности можно использовать для прогнозирования или принятия решений на основе новых, еще не изученных данных.

Документы

Россия относится к немногим странам, имеющим собственные фундаментальные заделы в области ИИ, в т. ч. мегамоделей. Наиболее популярные из них — GigaChat, Kandinsky (ПАО «Сбербанк»), YaLM («Яндекс»); появляются и другие оригинальные разработки компаний и университетов.

Организации отдают предпочтение преимущественно российским продуктам. Активнее всего используются отечественные решения на основе технологий распознавания и синтеза речи (82,4%), а также биометрии, компьютерного зрения и кибербезопасности (более 60% организаций). Зарубежные решения не занимают сопоставимых позиций ни по одной из групп технологий. Вместе с тем в ряде случаев они могут использоваться в организациях вместе с отечественными: чаще всего это рекомендательные системы, биометрия, а также решения на основе перспективных методов ИИ (например, автоматическое машинное обучение (AutoML), трансферное машинное обучение и др.).

Система управления ИИ — это своего рода «мозг», на котором строится работа организации с проектами ИИ. Речь идет об установлении правил и методов, обеспечивающих ответственное и эффективное использование ИИ. Такая система помогает управлять всем — от оценки рисков до ответственного применения ИИ.

Данный материал ИСИЭЗ НИУ ВШЭ может быть воспроизведен (скопирован) или распространен в полном объеме только при получении предварительного согласия со стороны НИУ ВШЭ (обращаться issek@hse.ru). Допускается использование частей (фрагментов) материала при указании источника и активной ссылки на интернет-сайт ИСИЭЗ НИУ ВШЭ (issek.hse.ru), а также на авторов материала. Использование материала за пределами допустимых способов и с нарушением указанных условий приведет к нарушению авторских прав.

Хотя это не всегда очевидно, искусственный интеллект уже давно стал неотъемлемой частью повседневной жизни миллионов людей. Виртуальные помощники, такие как Siri и Alexa, являются яркими примерами того, как искусственный интеллект может поддерживать человека в самых разных сферах — хотя бы тем, что делает жизнь более удобной.

ИИ способен произвести революцию в различных отраслях, позволяя машинам решать сложные задачи и мыслить интуитивно, выходя за рамки простой автоматизации. ИИ включает в себя различные области и технологии, такие как машинное обучение и обработка естественного языка.

Глубокое обучение позволяет сделать еще один шаг вперед. Продолжая пример с птицами, глубокое обучение может научиться распознавать не только основные черты птиц, но и такие сложные детали, как узоры на перьях, что сделает его намного более точным в идентификации птиц и даже позволит отделить орлов от голубей.

Например, в рамках базового машинного обучения компьютер может научиться распознавать птиц на фотографиях. Обучаясь на фотографиях птиц и других животных или предметов, машина учится различать их, знакомясь с уникальными птичьими особенностями, такими как крылья и клювы.

Стандарты и искусственный интеллект

Наиболее востребованы продукты на основе технологий компьютерного зрения и распознавания и синтеза речи (78,7 и 62% ответов соответственно) (рис. 1). Активно применяются и рекомендательные системы на основе предиктивной аналитики и больших данных (40,7%), обеспечивающие функции прогнозирования развития ситуаций и поведения объектов, например, при обслуживании оборудования и транспортных средств. Чаще всего ИИ-решения оптимизируют управленческие задачи (продажи и маркетинг, финансовый и бухгалтерский учет), в меньшей степени — производственные процессы. Гораздо реже (около 10%) респонденты применяют интеллектуальные системы управления для автоматизации сложных процессов, которые трудно контролировать традиционными методами. Подобные системы — необходимый элемент цифровых фабрик (полностью распределенных производств), позволяющий гибко подстраивать производственные процессы под изменения спроса и внешних условий.

Обеспечение ответственного подхода к разработке ИИ имеет решающее значение для его безопасного, надежного и этичного развития. Но как можно решить вопросы прозрачности и объяснимости в контексте ответственного использования ИИ? Подробно данные понятия рассмотрены в нашей статье о создании ответственного искусственного интеллекта.

Источники: результаты обследования организаций — пользователей технологий и продуктов искусственного интеллекта в рамках проекта «Мониторинг развития и распространения искусственного интеллекта» тематического плана научно-исследовательских работ, предусмотренных Государственным заданием НИУ ВШЭ.

Например, при обучении на непроверенных данных искусственный интеллект может копировать негативные предрассудки о расе, религии, воспитании и других характеристиках человека. Такие случаи могут стать потенциально опасными, если искусственный интеллект будет использоваться в здравоохранении, подборе персонала, юриспруденции и других сферах, ориентированных на человека.

Среди пользователей ИИ наиболее популярны «коробочные» продукты в силу более низкой стоимости и готового функционала (рис. 2). Для удешевления и ускорения создания продукта применяется открытое ПО (open source), в частности оно наиболее востребовано во внутренней разработке. Однако и применение стандартизированных решений, и доведение открытого ПО до готового продукта требует дополнительных усилий и донастройки под специфику деятельности конкретной компании. Проприетарное ПО преобладает в заказной внешней разработке и в таких сферах, как робототехника, беспилотный транспорт, интеллектуальные системы управления.

Искусственный интеллект, способный синтезировать, анализировать и действовать на основе огромных объемов данных за считанные секунды, является чрезвычайно мощным. Как и в случае с любой другой мощной технологией, очень важно ответственно подходить к ее внедрению, чтобы максимально использовать ее потенциал и при этом минимизировать негативные последствия.

Для тех, кто не знаком с компьютерными науками, попытка разобраться в многочисленных аспектах искусственного интеллекта и их последствиях может оказаться непосильной задачей. Здесь мы расскажем, что такое искусственный интеллект, как он работает, в чем разница между машинным обучением, глубоким обучением, обработкой естественного языка и многим другим. Давайте приступим.

После первой волны визионерского восприятия и завышенных ожиданий к технологиям ИИ решения на их основе постепенно становятся неотъемлемым инструментом бизнеса и применяются практически во всех сферах деятельности — от мониторинга сельхозугодий и управления космическими аппаратами до помощи в написании научных работ и новостей СМИ. Растущий интерес, расширение потребительских предпочтений и демократизация данного направления технологий приводят к появлению новых рынков и продуктов на основе ИИ.