Автор Джейсон Элдер, ведущий технический консультант Саратога.

Обман

Искусственный интеллект можно проследить до 1950-х годов, когда он оставался в относительной изоляции, за исключением нескольких фаз «бума», пока распространенность этого термина не возросла за последние несколько лет, став модным словом 21-го века. Достижения в области вычислительной мощности помогли машинному обучению расти как на дрожжах, нейронные сети стали более распространенными, и компании, которые инвестировали в них на раннем этапе, начали использовать преимущества этих технологий. В конечном итоге это привело к ажиотажу вокруг ИИ, и теперь люди и компании обещают решить множество мировых проблем с помощью этой технологии. Самая большая проблема заключается в том, что термин «ИИ» часто неправильно понимают, и его легко разбрасывать обещаниями решения проблем без истинного понимания значения и возможностей ИИ.

Так что же такое искусственный интеллект?

«Искусственный интеллект (ИИ) — это часть информатики, связанная с проектированием интеллектуальных компьютерных систем, то есть систем, которые демонстрируют характеристики, которые мы связываем с интеллектом в человеческом поведении — понимание языка, обучение, рассуждения, решение проблем и так далее». 1

Давайте сделаем паузу и задумаемся над этим на мгновение, поскольку это, по сути, означает, что настоящий ИИ должен искусственно имитировать человеческий мозг в компьютерных системах.

Реальность

ИИ еще не существует, на самом деле никто не достиг цели создания самосознающей системы ИИ, которая может думать, понимать, взаимодействовать и принимать решения, как человек. Исследования в области искусственного интеллекта развиваются во многих направлениях и уже способны на некоторые удивительные вещи, такие как победа над людьми в различных играх и просмотр данных быстрее, чем люди, но впереди еще долгий путь. В частности, области, связанные с пониманием человеческих мотивов или выводом нюансов из данных, все еще находятся за пределами понимания современных систем. Тем не менее, исследования ИИ также породили множество полезных технологий, актуальных сегодня и влияющих на нашу жизнь — некоторые из которых мы не обязательно осознаем, на самом деле являются ответвлениями ИИ.

Вот несколько примеров того, как ИИ уже влияет на нашу жизнь:

Личные помощники, которые слышат, понимают и отвечают нам, такие как Siri и Google Assistant.

Компании используют чат-ботов на передовой, чтобы предлагать автоматизированную поддержку или поддержку первого уровня.

Медицинские исследования используют нейронные сети и машинное обучение для диагностики заболеваний с большей точностью, чем раньше, и даже создают механические руки, которые могут «касаться» для людей с ампутированными конечностями2.

Существуют системы, которые могут распознавать и классифицировать объекты, людей, лица и текст из изображений и видео. Большинство смартфонов сегодня уже используют это, чтобы предлагать интеллектуальные предложения сцены, а также запускать распознавание лиц, чтобы классифицировать наши фотографии по людям.

Машинное обучение также широко применяется и используется в режиме реального времени для создания отчетов о дорожном движении в различных навигационных системах, таких как Google Maps, а также для предоставления персонализированной рекламы и рекомендаций.

Netflix использует машинное обучение для анализа вашей истории просмотров, ваших «лайков» и того, что находится в вашем списке наблюдения, чтобы понять ваши вкусы и предложить то, что по сути является автоматически выбранными предложениями. Интересно, что, по оценкам Netflix, предоставляя лучшие результаты поиска, она избегает отмененных подписок, которые могут снизить ее доход на 1 миллиард долларов в год.3

ИИ и машинное обучение также играют большую роль в решении проблем, с которыми сталкиваются отрасли в борьбе с мошенничеством, и некоторые компании, такие как Kount4, создают целые системы предотвращения мошенничества на основе машинного обучения5.

Другими крупными отраслями, извлекающими выгоду из ИИ, являются банковское дело и розничная торговля, где машинное обучение помогает им лучше ориентироваться на свою соответствующую аудиторию, предлагая более персонализированные услуги и предоставляя им возможность использовать свои огромные объемы данных для реагирования на конкурентоспособность на рынке3.

В приведенных выше примерах упоминается машинное обучение, нейронные сети, личные помощники и чат-боты, анализ данных и персональные рекомендации — но как они относятся к ИИ? Проще говоря, все вышеперечисленное относится к более широкому кругу исследований ИИ, и большинство приведенных примеров используют несколько подобластей одного и того же исследования. Давайте взглянем на некоторые из основных подполей:

Машинное обучение – использует алгоритмы для автономного обучения на основе данных и информации, чтобы принимать решения или анализировать данные.

Робототехника — автоматизирует системы для выполнения сложных задач, которые обычно требуют участия человека.

Обработка естественного языка — направлена ​​на то, чтобы заставить системы понимать входные данные из человеческой речи, а также генерировать ответы на человеческих языках.

Computer Vision — стремится разработать методы, помогающие компьютерам видеть и понимать содержание и контекст окружающего мира.

Нейронные сети — предназначены для распознавания закономерностей и в общих чертах моделируются человеческим мозгом.

Это лишь некоторые из многих способов, которыми ИИ влияет на нашу жизнь, и хотя ни один из вышеперечисленных способов не классифицируется как настоящий ИИ, если бы не важные исследования, проводимые в этой области, у нас не было бы ни одной из этих технологий. сегодня.

Начало работы

Специалисты по данным в основном подходят к ИИ с математической точки зрения для решения своих теоретических проблем, разрабатывая модели и алгоритмы, необходимые для интерпретации и извлечения смысла из своих данных. Разработчики принципиально ничем не отличаются, поскольку они подходят к своей работе, исходя из того, что, как они знают, будет работать и, где это необходимо, ищут и используют существующие платформы и улучшают их или разрабатывают новый код или платформы для решения проблем, с которыми они могут столкнуться при создании решений.

Начало работы с ИИ может показаться пугающим, поскольку многие люди предполагают, что для написания новых алгоритмов требуется степень в области компьютерных наук со специализацией в области ИИ, а также хорошее понимание линейной алгебры. Упомянутые ранее примеры, возможно, были созданы учеными по данным, но все они были созданы разработчиками. Для разработчика, стремящегося создавать решения в области ИИ, начальная кривая обучения довольно крутая, особенно в отношении понимания различных фреймворков, но большой секрет здесь заключается в том, что во всех упомянутых примерах, а также в других, есть обширная область применения. работы, которую можно использовать, не требуя написания единого алгоритма. Они варьируются от машинного обучения, фреймворков нейронных сетей до базовых алгоритмов, которые могут быть включены.

На Github есть различные проекты с открытым исходным кодом и учебные пособия, где можно посмотреть код, протестировать технологию и оттуда посмотреть, как ее можно использовать в будущем. Хотя многие из проектов типа ИИ, которые есть на Github, отлично подходят для начала, большинство из них далеки от готовности к производству. Для этих проектов будьте готовы приложить усилия для создания стабильного, готового к работе кода, который поддерживает многопоточность, базы данных, правильно обрабатывает исключения, и в большинстве случаев их необходимо будет преобразовать из их исходного языка в ваш собственный язык программирования по выбору. Если мы думаем о них просто как о новых фреймворках и/или инструментах, которые мы можем изучить и внедрить для использования в наших проектах, то разработчикам есть чем заняться, чтобы начать работу.

Хотя многие разработчики стремятся работать в сфере ИИ, из-за ажиотажа вокруг этого термина разработчикам действительно следует подумать о том, как они могут использовать текущие исследования в области ИИ для решения существующих проблем. Это откроет совершенно новый мир возможностей для создания еще более продвинутых решений для наших клиентов, более интеллектуальных, быстрых и актуальных на современном рынке, ориентированном на ИИ.

Ссылки:

1 — Справочник по искусственному интеллекту, том 1, Barr & Feigenbaum, 1981.

2 — Нейротехнология обеспечивает почти естественный смысл — DARPA, 2015.

3 — Искусственный интеллект: следующий цифровой рубеж — Глобальный институт McKinsey, 2017.

4 — Kount запускает ИИ нового поколения, меняя способ предотвращения мошенничества с платежами, 2019.

5 — 9 лучших способов искусственного интеллекта предотвратить мошенничество — Forbes, 2019.

*Эта статья была изначально опубликована командой Saratoga на сайте www.saratoga.co.za в августе 2019 г.

О Саратоге

Мы сотрудничаем с нашей глобальной клиентской базой, чтобы поставлять на рынок устойчивые и инновационные деловые и технологические решения быстро, рентабельно и этично. Саратога всегда ищет талантливых профессионалов в области технологий и бизнеса, которые могли бы присоединиться к нашей команде. Узнайте больше о наших открытых вакансиях здесь: www.saratoga.co.za/careers.