История развития искусственного интеллекта и создание системы

Что представляет собой искусственный интеллект

Искусственный интеллект — это свойство интеллектуальной системы выполнять те функции и задачи, которые обычно характерны для разумных существ. Это может быть проявление каких-то творческих способностей, склонности к рассуждению, обобщению, обучению на основе предыдущего опыта и так далее.

Его развитие осуществляется направлением науки, в рамках которого происходит аппаратное или программное моделирование тех задач человеческой деятельности, которые считаются интеллектуальной. Кроме того, искусственный интеллект часто понимается как направление в ИТ, основная цель которого — воссоздать разумные действия и рассуждения с помощью компьютерных систем.

История возникновения и развития искусственного интеллекта

Впервые термин «искусственный интеллект» (в переводе с английского «искусственный интеллект») был упомянут в 1956 году Джоном Маккарти, основателем функционального программирования и изобретателем языка Лисп, на лекции в Дартмутском университете.

Однако сама идея такой системы была сформирована в 1935 году Аланом Тьюрингом. Ученый описал абстрактную компьютерную машину, состоящую из неограниченной памяти и сканера, перемещающегося взад и вперед по памяти. Однако позже, в 1950 году, он предложил считать интеллектуальными те системы, которые в общении не будут отличаться от людей.

В то же время Тьюринг разработал эмпирический тест для оценки интеллекта машин. Он показывает, насколько далеко продвинулась искусственная система в обучении общению и сможет ли она притвориться человеком.

Первую успешную программу искусственного интеллекта создал Кристофер Стрейчи в 1951 году. А еще в 1952 году он играл в шашки с человеком и поражал публику своей способностью предсказывать ходы. По этому поводу в 1953 году Тьюринг опубликовал статью о шахматном программировании.

В 1965 году специалист Массачусетского технологического института Джозеф Вайценбаум разработал программу Eliza, которая теперь считается прототипом современной Siri. В 1973 году был изобретен Стэнфордский троллейбус, первый беспилотный автомобиль с компьютерным управлением. В конце 1970-х годов интерес к искусственному интеллекту начал угасать.

Новое развитие искусственный интеллект получил в середине 1990-х годов. Самый известный пример — суперкомпьютер IBM Deep Blue, который победил чемпиона мира по шахматам Гарри Каспарова в 1997 году. Сегодня такие сети очень быстро развиваются из-за оцифровки информации, увеличения товарооборота и объема. Машины достаточно быстро анализируют информацию и учатся, а впоследствии фактически приобретают навыки, которые раньше считались чисто человеческой прерогативой.

Отличие ИИ от нейросетей и машинного обучения

Нейронные сети — это математическая модель, компьютерный алгоритм, основанный на множестве искусственных нейронов. Суть этой системы в том, что ее не нужно программировать заранее. Он моделирует работу нейронов в мозгу человека, выполняет базовые вычисления и учится на предыдущем опыте, но это не связано с искусственным интеллектом.

Как мы помним, искусственный интеллект — это свойство сложных систем выполнять задачи, которые обычно присущи человеку. Искусственный интеллект часто называют узкоспециализированными компьютерными программами, а также различными научно-техническими методами и решениями. Искусственный интеллект в своей работе имитирует человеческий мозг, но основан на других логических и математических алгоритмах или инструментах, включая нейронные сети.

Под машинным обучением понимается использование различных технологий для программ самообучения. Следовательно, это одна из многих областей ИИ. Системы, основанные на машинном обучении, получают базовые данные, анализируют их, а затем на основе результатов находят закономерности в сложных задачах с множеством параметров и дают точные ответы. Один из самых распространенных вариантов организации машинного обучения — использование нейронных сетей.

По сравнению с людьми ИИ похож на мозг, машинное обучение — один из многих способов обработки входящих данных и решения возникающих проблем, а нейронные сети соответствуют объединению более мелких и более основных элементов мозга: нейронов.

Разница между искусственным и естественным интеллектом

Сравнение искусственного и естественного интеллекта возможно только по некоторым общим параметрам. Например, человеческий мозг и компьютер работают по примерно одинаковому принципу, который включает четыре этапа: кодирование, хранение данных, анализ и предоставление результатов. И естественный, и искусственный интеллект склонны к самообучению, они решают определенные задачи и задачи с помощью специальных алгоритмов.

Помимо общих умственных способностей к рассуждению, обучению и решению проблем, человеческое мышление также имеет эмоциональную окраску и сильно зависит от влияния общества. Искусственный интеллект не имеет эмоционального характера и не ориентирован на общество.

Если говорить об IQ, большинство ученых склоняются к мнению, что этот критерий не имеет ничего общего с искусственным интеллектом. С одной стороны, это правда, потому что стандартные тесты IQ предназначены для измерения «качества» человеческого мышления и связаны с развитием интеллекта на разных возрастных этапах.

С другой стороны, у ИИ есть собственный «IQ Test», названный в честь Тьюринга. Это помогает определить, насколько хорошо машина справилась и способна ли она стать похожей на человека в общении. Это своего рода планка для ИИ, установленная людьми. Но все больше ученых склоняются к тому, что компьютеры скоро превзойдут человечество по всем параметрам… Развитие технологий идет по непредсказуемому сценарию, и вполне возможно, что так оно и будет.

Сфера использования ИИ

Искусственный интеллект постепенно проникает во все отрасли человеческой деятельности, делая обычные программные системы интеллектуальными:

• Медицина и здравоохранение. Компьютерные системы ведут записи пациентов, помогают расшифровывать результаты диагностики. Например, изображения ультразвука, рентгеновских лучей, томографов и другого медицинского оборудования. Умные системы могут даже определить болезнь по наличию признаков у пациента и предложить лучшие варианты лечения. В магазине приложений Google вы можете найти программы, которые помогут вам вести здоровый образ жизни. Эти приложения измеряют частоту сердечных сокращений и температуру тела, когда вы касаетесь экрана телефона пальцами, чтобы определить уровень стресса человека и дать советы о том, как его снизить.
• Интернет-магазин. Многие уже знакомы с актуальной рекламой от Google и Яндекс. С его помощью ритейлеры предлагают товары и услуги в соответствии с интересами пользователя. Например, вы посетили онлайн-магазин купальных костюмов, посмотрели несколько дизайнов, прочитали об особенностях и так далее. Выйдя из магазина, вы некоторое время будете видеть рекламу купальных костюмов на других сайтах. Блоки «Похожие товары» в интернет-магазинах работают по аналогичному принципу. Системы аналитики изучают поведенческие показатели пользователей, определяют их покупательские привычки и показывают релевантные предложения (в их представлении.
• Политика. Умные машины помогли Бараку Обаме выиграть вторые президентские выборы. Для своей кампании тогдашний президент США нанял лучшую команду профессионалов в области науки о данных. Они использовали силу интеллектуальных машин, чтобы определить лучший день, штат и аудиторию для разговора об Обаме. По оценкам экспертов, это давало преимущество в 10-12%.
• Промышленность. Искусственный интеллект может анализировать данные с разных производственных участков и регулировать нагрузку на оборудование. Кроме того, интеллектуальные машины используются для прогнозирования спроса в различных отраслях.
• Игровая индустрия, образование. Создатели игр активно используют искусственный интеллект. Интеллектуальные машины и робототехника постепенно внедряются в образовательный процесс большинства государств.

История развития искусственного интеллекта

Термин «искусственный интеллект» появился в 1956 году, но сегодня технология искусственного интеллекта достигла своей настоящей популярности только на фоне увеличения объемов данных, улучшения алгоритмов, оптимизации вычислительной мощности и хранения данных.

Первое исследование ИИ, начавшееся в 1950-х годах, было сосредоточено на решении проблем и разработке символьных вычислительных систем. В 1960-х годах это направление привлекло внимание Министерства обороны США: американские военные начали обучать компьютеры для моделирования умственной деятельности человека. Например, Агентство перспективных исследовательских проектов Министерства обороны США (DARPA) в 1970-х годах выполнило ряд проектов по созданию виртуальных дорожных карт. И DARPA смогло создать умных личных помощников в 2003 году, задолго до появления Siri, Alexa и Cortana.

Эти работы стали основой для принципов автоматизации и формальной логики рассуждений, используемых в современных компьютерах, особенно в системах поддержки принятия решений и интеллектуальных поисковых системах, предназначенных для интеграции и расширения человеческих возможностей.

Хотя в научно-фантастических фильмах и романах ИИ часто изображают как гуманоидных роботов, захватывающих мир, технология ИИ на данном этапе развития не так уж и страшна. Напротив, развитие искусственного интеллекта позволяет этим технологиям приносить реальную пользу во всех секторах экономики. Ниже описаны примеры использования технологий искусственного интеллекта в здравоохранении, розничной торговле и других отраслях.

1950-е — 1970-е годы

Нейронные сети

Ранние разработки в области нейронных сетей вызвали сенсацию в связи с возможностью создания «мыслящих машин.

1980-е — 2010 гг

Машинное обучение

Технологии машинного обучения становятся популярными.

Настоящее время

Глубокое обучение

Достижения в области глубокого обучения привели к расцвету технологий искусственного интеллекта.

В чем заключается важность искусственного интеллекта?

• Искусственный интеллект позволяет автоматизировать повторяющиеся процессы обучения и исследования за счет использования данных. Однако искусственный интеллект отличается от роботизации, которая основана на использовании оборудования. Цель искусственного интеллекта — не автоматизировать ручную работу, а надежно и непрерывно выполнять многочисленные крупномасштабные вычислительные задачи. Этот тип автоматизации требует вмешательства человека для инициализации системы и правильной постановки вопросов.
• Искусственный интеллект делает существующие продукты умными. Как правило, технология искусственного интеллекта не реализуется как отдельное приложение. Функциональность искусственного интеллекта встроена в существующие продукты, что позволяет вам улучшать их, точно так же, как Siri была добавлена ​​в устройства Apple следующего поколения. Автоматизация, коммуникационные платформы, боты и интеллектуальные компьютеры в сочетании с большими объемами данных могут улучшить различные технологии, используемые в домах и офисах, от аналитики безопасности до инструментов инвестиционной аналитики.
• Искусственный интеллект адаптируется благодаря прогрессивным алгоритмам обучения, так что дальнейшее программирование выполняется на основе данных. Искусственный интеллект обнаруживает структуры и закономерности в данных, которые позволяют алгоритму овладеть определенным навыком: алгоритм становится классификатором или предсказателем. Таким образом, по тому же принципу, по которому алгоритм осваивает игру в шахматы, он может научиться предлагать подходящие продукты в Интернете. В то же время модели адаптируются по мере поступления новых данных. Обратное распространение — это метод, который корректирует модель, изучая новые данные, если исходный ответ оказывается неверным.

• Искусственный интеллект выполняет более глубокий анализ больших объемов данных с помощью нейронных сетей со многими скрытыми слоями. Несколько лет назад было практически невозможно создать систему обнаружения мошенничества с пятью скрытыми уровнями. Все изменилось с огромным ростом вычислительных мощностей и появлением больших данных. Модели глубокого обучения требуют огромного количества данных, поскольку именно на этих данных они обучаются. Следовательно, чем больше данных, тем точнее модель.
• Глубокие нейронные сети позволяют ИИ достигать беспрецедентного уровня точности. Например, работа с Alexa, Google Search и Google Фото — это глубокое обучение, и чем больше мы используем эти инструменты, тем эффективнее они становятся. В сфере здравоохранения диагностика раковых опухолей на МРТ-изображениях с использованием технологий искусственного интеллекта (глубокое обучение, классификация изображений, распознавание объектов) по точности не уступает заключениям высококвалифицированных радиологов.
• Искусственный интеллект позволяет максимально эффективно использовать данные. С появлением самообучающихся алгоритмов сами данные становятся объектом интеллектуальной собственности. Данные содержат нужные вам ответы — вам просто нужно найти их с помощью технологий искусственного интеллекта. Поскольку сейчас данные играют гораздо более важную роль, чем когда-либо, они могут обеспечить конкурентное преимущество. При использовании одних и тех же технологий в конкурентной среде побеждает тот, у кого самые точные данные.

Клиенты обсуждают технологии искусственного интеллекта и машинного обучения

Посмотрите это видео и узнайте о тенденциях в машинном обучении и искусственном интеллекте от клиентов SAS и экспертов в области искусственного интеллекта и их прогнозах относительно будущего развития технологий искусственного интеллекта.

В банковском секторе ИИ действительно помогает улучшить качество обслуживания клиентов: мы создаем для них актуальные предложения в нужное время и используем правильный канал связи Пьер Монтанье Директор по потребительскому маркетингу, аналитике и моделированию Банка Монреаля

Принципы ИИ

Прежде чем описывать технологические принципы, без которых немыслимо развитие искусственного интеллекта, стоит познать этические законы робототехники. Они были введены в 1942 году Исааком Азимовым в его романе «Хоровод»:

• Робот или система с искусственным интеллектом не может нанести вред человеку своим действием или своим бездействием, чтобы позволить причинить вред человеку.
• Робот должен подчиняться приказам, которые он получает от человека, за исключением тех, которые противоречат Первому закону.
• Робот должен позаботиться о своей безопасности, если это не противоречит Первому и Второму законам.

До публикации романа Азимова искусственный интеллект ассоциировался с образом Франкенштейна Мэри Шелли. Искусственно созданное подобие разумного человека восстает против людей. Сама история ужасов была перенесена в знаменитый голливудский блокбастер «Терминатор».

Интересен факт, что в 1986 году Айзек Азимов добавил еще один пункт к законам робототехники. Писатель предпочел называть это «нулевым»:

0. Робот не может причинить вред человеку, если не докажет, что в конечном итоге (вред) принесет пользу всему человечеству.

После рассмотрения этических законов перейдем к технологическим принципам искусственного интеллекта:

• Машинное обучение (ML) — принцип разработки искусственного интеллекта на основе самообучающихся алгоритмов. Участие человека в этом подходе ограничивается загрузкой ряда информации в «память» машины и определением целей. Существует несколько методов машинного обучения: Обучение с учителем: человек ставит конкретную цель, хочет проверить гипотезу или подтвердить закономерность. Обучение без учителя — результат интеллектуальной обработки данных неизвестен — компьютер самостоятельно находит закономерности, учится думать как человек. Глубокое обучение — это смешанный метод, основное отличие которого заключается в обработке больших объемов данных и использовании нейронных сетей.
  
• Нейронная сеть — это математическая модель, моделирующая структуру и функционирование нервных клеток живого организма. Следовательно, в идеале это самообучающаяся система. Если передать принцип на технологическую основу, нейронная сеть — это набор процессоров, которые выполняют задачу в масштабном проекте. Другими словами, суперкомпьютер — это сеть из множества обычных компьютеров.
  
• Глубокое обучение считается отдельным принципом искусственного интеллекта, поскольку этот метод используется для обнаружения закономерностей в огромных объемах информации. Для такой невыносимой для человека работы компьютер использует передовые методы.
• Когнитивные вычисления — это область искусственного интеллекта, которая изучает и реализует естественные процессы взаимодействия человека с компьютером, такие как взаимодействие человека. Цель технологии искусственного интеллекта — полностью имитировать человеческую деятельность более высокого порядка: язык, образное и аналитическое мышление.
• Машинное зрение — это направление искусственного интеллекта, используемое для распознавания графических изображений и видео. Сегодня искусственный интеллект может обрабатывать и анализировать графические данные и интерпретировать информацию в зависимости от окружающей среды.
  
• Синтезированная речь. Компьютеры уже могут понимать, анализировать и воспроизводить человеческий язык. Мы уже можем управлять программами, компьютерами и гаджетами с помощью голосовых команд. Например, Siri или Google Assistant, Алиса в Яндексе и другие.

Кроме того, трудно представить существование искусственного интеллекта без мощных графических процессоров, которые являются сердцем интерактивной обработки данных. Для интеграции искусственного интеллекта в различные программы и устройства требуется технология API — интерфейсы прикладного программирования. Используя API, вы можете легко добавить технологии искусственного интеллекта в любую компьютерную систему: домашнюю безопасность, умный дом, оборудование с ЧПУ и т.д.

Применение ИИ в современной жизни

В зависимости от области и области применения существует два типа ИИ: слабый ИИ, также называемый «слабым», и сильный, «сильный» ИИ. В первом случае перед системой ставятся узкоспециализированные задачи: диагностика в медицине, управление роботами, работа на базе электронных торговых площадок. Во втором — неявное решение глобальных проблем.

Следовательно, одним из самых популярных приложений искусственного интеллекта на рынке является Big Data. На крупных рынках аналогичные технологии используются для исследования поведения потребителей. Яндекс вообще создает музыку с их помощью. В некоторых мобильных приложениях есть встроенные голосовые помощники, такие как Siri, Alice или Cortana. Они упрощают навигацию и процесс покупки в сервисе. И не забывайте о программах с нейросетями, обрабатывающих фото и видео.

Искусственный интеллект также внедряется в производственные процессы для записи действий рабочих. Не обошлось и без внедрения новых технологических решений в транспортной сфере. Следовательно, искусственный интеллект следит за состоянием дорог, обнаруживает пробки, обнаруживает различные объекты в неположенных местах. И постоянно говорят об автономном вождении (беспилотном…

Люксовые бренды включают в свои системы искусственный интеллект для анализа потребностей клиентов. Использование таких систем в системах здравоохранения стремительно развивается, в основном для диагностики заболеваний, разработки лекарств, создания медицинского страхования, проведения клинических испытаний и т.д.

практически невозможно перечислить все области, в которых задействован искусственный интеллект одновременно. На данный момент это затрагивает все больше и больше различных областей. И тому есть много причин: сама автоматизация производственных процессов, стремительный рост циркуляции информации и инвестиций в этот сектор, даже социальное давление.

Строение искусственного интеллекта

Человеческий мозг чрезвычайно сложен. То, что мы считаем простым здравым смыслом, на самом деле является интерпретацией совокупности накопленных знаний, логического мышления, вероятностей и языка. За последние 50 лет исследователи искусственного интеллекта добились значительного прогресса в создании машины, которая действительно может «думать».

Логика

Даже во времена Аристотеля философы пытались сравнить и определить логические процессы, с помощью которых мы принимаем решения. Вместо того, чтобы жить так, как мы хотим, «рациональный компонент» заставляет нас делать выбор и действовать, основываясь на доказательствах и умозаключениях, причинах и следствиях. Если машина должна стать рационально работающей, ее программа должна определить, что если A и B верны, то единственный логический вывод — B.

Задача внедрения искусственного интеллекта — создать математические модели логических процессов, которые машина может использовать для принятия обоснованных решений на основе доказательств и теории вероятностей.

Влияние на различные области

ИИ все больше проникает в сферу экономики и, по некоторым прогнозам, увеличит объем мирового рынка на 15,7 трлн долларов к 2030 году. Лидирующие позиции в развитии этой технологии занимают США и Китай, но некоторые развиты не отстают такие страны, как Канада, Сингапур, Германия и Япония.

Искусственный интеллект может оказать значительное влияние на рынок труда. Это может привести к массовым увольнениям сотрудников из-за автоматизации большинства процессов. Ну и растущий спрос на разработчиков, конечно.

Некоторые ученые отмечают риски внедрения искусственного интеллекта в повседневную жизнь. Например, британский ученый Стивен Хокинг считал, что еще можно будет создать искусственный интеллект, превосходящий людей во всех отношениях, но мы не сможем этого сделать, и людям будет нанесен значительный вред. Илон Маск считает, что в будущем искусственный интеллект будет представлять гораздо большую угрозу, чем ядерное оружие.

Происхождение ИИ. Где и когда появился искусственный интеллект и куда он движется дальше…

• 4 век до н.э. Логика Аристотеля. Аристотель определяет силлогизм — когда третье следует из двух суждений.
• 4 век до н.э. Механический голубь. Арчита Тарентский строит деревянного голубя, который может махать крыльями и даже летать.
• 13 век. Автомобиль Лулля. Каталонский монах создает машину, допускающую различные комбинации концепций.
• 15 век. Часы с пружинным механизмом. Эти часы считаются первой механической измерительной машиной.
• 1642 гадюка Паскаля. В деревянном ящике с металлической ручкой можно было выполнять операции сложения и вычитания.
• 1801 Перфокарта. Французский ткач по шелку изобрел автоматический ткацкий станок на основе перфокарт.
• 1821 г. Первый отличительный двигатель. Чарльз Бэббидж работает на сложной компьютерной машине.
• 1850. Булева алгебра. Джордж Буль использует логические принципы силлогизма, чтобы свести математические функции к двум символам, 0 и 1.
• 1889 г. Электрическая система табуляции. Герман Холлерит изобретает способ механической записи данных.
• 1910 Основы математики. Первая работа по выводу математических истин из набора аксиом с использованием символической логики.
• 1921 г. Появляется слово «робот». В научной фантастике чешское слово «роботи» впервые упоминается в связи с автоматами».
• машина Тьюринга 1930 года. Великий ученый Тьюринг описывает свою «машину» — абстрактное устройство, определяющее логическую основу информатики.
• 1943 г. Кибернетика. Область исследования, направленная на изучение
• 1949 г. Компьютерная шахматная программа. Клод Шеннон разрабатывает шахматные программы для компьютеров.
• 1955 г. Появляется термин «искусственный интеллект». Джон Маккарти использует эту фразу на конференции по машинному обучению.
• 1956 г. Первая программа искусственного интеллекта. Был разработан Logic Theorist, первая программа, созданная для моделирования мыслительного процесса человека.
• 1979 г. Автономный робот. Тележка Стэнфорда успешно перемещалась по комнате, избегая препятствий с помощью датчиков и программного обеспечения
• 1997 Deep blue. Чемпион мира по шахматам Гарри Каспаров проигрывает суперкомпьютеру IBM.
• Google, 1997 г. Запущена самая влиятельная программа искусственного интеллекта в Интернете.
• 2011 IBM Watson. Суперкомпьютер DeepQA, использующий алгоритмы языкового анализа, победил двух бывших чемпионов викторины.

Нейроны человека и нейросети

Имеют ли нейронные сети какое-то отношение к нейронам в голове человека, и можно ли их назвать интеллектом?

Современное понимание процесса мышления человека основано на том факте, что нейроны в коре головного мозга могут общаться друг с другом с помощью своих аксонных процессов, периодически получая сигналы от «соседей» и переходя из основного состояния в возбужденное состояние. В человеческом мозге примерно 85-86 миллиардов нейронов, и один нейрон может иметь связи со многими (до 20 000) другими нейронами. Тот факт, что эта структура способна мыслить, всегда привлекал внимание ученых.

Термин «искусственный интеллект» впервые был изобретен и выражен в 1956 году американским ученым Джоном Маккарти. В описании модели перцептрона, которое было описано выше, уже в 1950-х и 1960-х годах были введены статистические концепции узлов, сетей и весов, и эти узлы, на которые повлияли работы того времени по изучению человека мозга, были названы нейронами.

С развитием искусственного интеллекта появилось много типов сетей. В нашем мозгу процессы распознавания изображений, текста и изображений происходят одновременно, и все это хранится в памяти. Компьютерные нейронные сети не столь универсальны: им пришлось изобрести несколько типов, каждый из которых лучше подходит для их задачи: сверточные — используются в основном для анализа изображений, рекуррентные — для анализа динамических изменений, автокодировщики — для классификаций (например, для распознавания буквы, символы), кодеры-декодеры — для определения ключевых характеристик объекта, конкурентные нейронные сети — для генерации новых объектов и специальные ячейки памяти (LTSM) — для хранения и хранения информации.

Параллельно с типами нейронных сетей появилась идея создания многослойных нейронных сетей, когда один слой идентичных нейронов является входом для другого слоя. Впоследствии они также начали объединять разные типы слоев в единую модель, и все это для приближения нейронных сетей к человеческому интеллекту с точки зрения уровня понимания.