ии. Понятно об искусственном интеллекте. Понятно об искусственном интеллекте (ИИ)

Название	Понятно об искусственном интеллекте (ИИ)
Дата	09.11.2022
Размер	24.97 Kb.
Формат файла
Имя файла	Понятно об искусственном интеллекте.docx
Тип	Документы #778915

Понятно об искусственном интеллекте (ИИ)

Если упростить, искусственный интеллект (ИИ) — это система или машина, которые могут имитировать человеческое поведение, чтобы выполнять задачи, и постепенно обучаться, используя собираемую информацию.

На сегодняшний день искусственный интеллект (ИИ) считается одним из самых перспективных направлений развития не только ИТ-отрасли, но и многих других сфер деятельности человека.

Например:

чат-боты используют ИИ, чтобы быстрее анализировать обращения заказчиков и давать соответствующие ответы;
«умные помощники» используют ИИ, чтобы извлекать информацию из больших наборов данных в произвольной форме и оптимизировать планирование;
системы рекомендаций автоматически подбирают похожие программы для телезрителей на основе ранее просмотренных.

ИИ — это не формат и не функция, это процесс и умение думать и анализировать данные. При слове «искусственный интеллект» многие представляют разумных человекоподобных роботов, которые стремятся завоевать мир. Однако ИИ не предназначен на замену людям. Его целью является расширение человеческих умений и возможностей. Что делает его ценным бизнес-ресурсом.

Немного истории

Искусственный интеллект имеет длинную историю, основанную на теоретических работах Тьюринга по кибернетике, датированных началом XX века.

В 1830-х годах английский математик Чарльз Бэббидж придумал концепцию сложного цифрового калькулятора — аналитической машины, которая, как утверждал разработчик, могла рассчитывать ходы для игры в шахматы. А уже в 1914 году директор одного из испанских технических институтов Леонардо Торрес Кеведо изготовил электромеханическое устройство, способное разыгрывать простейшие шахматные эндшпили почти так же хорошо, как и человек.

С середины 30-х годов прошлого столетия, с момента публикации работ Тьюринга, в которых обсуждались проблемы создания устройств, способных самостоятельно решать различные сложные задачи, к проблеме искусственного интеллекта в мировом научном сообществе стали относиться внимательно. Тьюринг предложил считать интеллектуальной такую машину, которую испытатель в процессе общения с ней не сможет отличить от человека. Тогда же появилась концепция Baby Machine, предполагающая обучение искусственного разума на манер маленького ребенка, а не создание сразу «умного взрослого» робота — прообраз того, что сейчас мы называем машинным обучением.

Развитие в наши дни

Первые примеры воодушевляющих и впечатляющих результатов применения наработок в области искусственного интеллекта удалось достичь в деятельности, требующей учета большого числа часто изменяющихся факторов и гибкой адаптивной реакции человека, например, в развлечениях и играх.

Интерес к способностям создать "умную машину", сравнимую по ее интеллектуальным возможносям с человеком, стал последовательно нарастать с 1997 года, когда суперкомпьюетр IBM Deep Blue победил действующего чемпиона мира по шахматам Гарри Каспарова.

КАСПАРОВ VS DEEP BLUE https://www.youtube.com/watch?v=NJarxpYyoFI

В 2005-2008 годах в работах по ИИ произошел качественный скачок. Математический научный мир нашел новые теории и модели обучения многослойных нейронных сетей, ставших фундаментом развития теории глубокого машинного обучения. А ИТ-отрасль стала выпускать высокопроизводительные, и, что главное, недорогие и доступные вычислительные системы.

В 2011 году когнитивная самообучающаяся система IBM Watson победила бессменных чемпионов в игре Jeopardy! (российский аналог программы «Своя игра»).

В начале 2016 г. программа AlphaGo от Google обыграла в игру Го Фаня Хуэя, чемпиона Европы. Еще через два месяца AlphaGo со счётом 4:1 разгромила Ли Седоля, одного из лучших игроков Go в мире. Этим событием ИИ взял один из исторических рубежей — до этого считалось, что компьютеру не обыграть игрока такого уровня: слишком велик уровень абстракции и слишком много сценариев развития событий для перебора. В некоем смысле, компьютеру в игре Go надо уметь творчески «думать».

В январе 2017 г. программа Libratus, разработанная в Университете Карнеги — Меллона победила в 20-дневном покерном турнире «Brains Vs. Artificial Intelligence: Upping the Ante», выиграв на сумму более 1,7 млн. долл. Следующая победа была одержана улучшенной версией ИИ под названием Lengpudashi, против выступал участник Мировой серии покера (WSOP) Алан Дю, а также ряд ученых и инженеров. Причем особенность этой ситуации состояла в том, что игрок планировал одержать победу над ИИ, используя его слабые стороны. Тем не менее, стратегия не сработала, и продвинутая версия Libratus вновь одержала победу. Как сообщает Blomberg, один из разработчиков Libratus Ноам Браун сказал, что человек недооценивает искусственный интеллект: «Люди думают, что блеф характерен для людей, но это не так. Компьютер может понять, что если блефуешь, то выигрыш может быть больше».

За последние несколько лет решения на базе ИИ удалось внедрить во многих сферах деятельности, добившись повышения эффективности процессов, и не только в сфере развлечений. Технологические гиганты Facebook, Google, Amazon, Apple, Microsoft, Baidu и ряд других компаний вкладывают в исследования ИИ гигантские средства и уже сейчас применяют различные разработки в своей практической деятельности. В мае 2017 г. компания Microsoft выступила с заявлением, что планирует применять механизмы ИИ в каждом своем программном продукте и сделать их доступными для каждого разработчика.

Снижение стоимости ИИ платформ и повышение их доступности позволило работать с ними не только крупным корпорациям, но и специализированным компаниям и даже стартапам. Один из самых известных примеров – это стартап, создавший очень популярное мобильное приложение Prisma — команда разработчиков сделала сервис для обработки фотографий со стилизацией под того или иного художника.

Нейронные сети и машинное обучение – основные понятия ИИ

На сегодняшний день накоплены и систематизированы самые разнообразные подходы и математические алгоритмы для построения систем ИИ, такие как байесовские методы, логистическая регрессия, метод опорных векторов, решающие деревья, ансамбли алгоритмов и т.д.

В последнее время ряд экспертов приходит к выводу, что большинство современных и действительно удачных реализаций – это решения, построенные на технологии глубоких нейронных сетей (deep neural networks) и глубокого машинного обучения (deep learning).

Нейронные сети (neural networks) основаны на попытке воссоздать примитивную модель нервных систем в биологических организмах. У живых существ нейрон — это электрически возбудимая клетка, которая обрабатывает, хранит и передает информацию с помощью электрических и химических сигналов через синаптические связи.

ВСТАВИТЬ КАКОЙ-ТО ВИДИК ПО НЕЙРОННЫМ СЕТЯМ ИЛИ МАШИННОМУ ОБУЧЕНИЮ.

Например:

https://www.youtube.com/watch?v=HcqpanDadyQ

Риски и опасения, связанные с ИИ

Вместе с лавинообразным ростом публикаций про перспективы ИИ и появлением все новых и новых примеров создания ИТ-решений на его основе, возрастает и число высказываний экспертов, озабоченных последствиями, которые могут наступить в ближайшие годы и десятилетия от их внедрения.

Опасения экспертов заключаются в том, что, хотя искусственный интеллект и принесет радикальное повышение эффективности в различных отраслях, для простых людей это приведет к безработице и неопределенностям в карьере, поскольку их «человеческие» рабочие места заменяются машинами.

И такие опасения возникают не на пустом месте. Например, американская компания Goldman Sachs уже заменила трейдеров, занимавшихся торговлей акциями по поручению крупных клиентов банка, на автоматически работающий бот на базе ИИ. Сейчас из 600 человек, работавших в 2000 году, осталось два — остальных заменили торговые роботы, к обслуживанию которых привлечено 200 инженеров.

На электронной площадке Amazon арбитражем взаимных претензий покупателей и продавцов товаров занимаются программы-роботы. Они обрабатывают свыше 60 млн. претензий в год, что почти в 3 раза больше числа всех поданных исков через традиционную судебную систему США.

Какие именно задачи можно поручать ИИ?

Andrew Ng, работавший в Google Brain team и лаборатории искусственного интеллекта Стэнфорда (Stanford Artificial Intelligence Laboratory), говорит о том, что в настоящее время СМИ и шумиха вокруг ИИ иногда придают этим технологиям нереалистическую силу. На самом деле реальные возможности применения ИИ достаточно ограничены: современный ИИ пока способен давать точные ответы лишь на простые вопросы.

Совместно с большим объемом исходных данных для обучения, именно реальная и посильная постановка задачи являются важнейшим условием будущего успеха или провала ИИ проекта. Пока ИИ не может решать сложные задачи, непосильные и врачу, вроде создания фантастического прибора, самостоятельно сканирующего человека и способного поставить ему любой диагноз и назначить эффективное лечение. Сейчас ИИ способен скорее решать более простые задачи, например, оценить – присутствует ли инородное тело или патология на рентгенологическом снимке или ультразвуковом изображении? Имеют ли раковые клетки в цитологическом материале? и т.д. Но неуклонный рост точности диагностики посредством ИИ модулей заставляет задуматься. В публикациях уже заявлялись полученные значения точности ИИ до 93% при обработке радиологических изображений, МРТ, маммограм; до 93% точности при обработке пренатальных УЗИ; до 94,5% в диагностике туберкулеза; до 96,5% в предсказании язвенных инцидентов.

Искусственный интеллект в медицине сегодня

Направление медицины и здравоохранения уже сегодня считается одним из стратегических и перспективных с точки зрения эффективного внедрения ИИ. Использование ИИ может массово повысить точность диагностики, облегчить жизнь пациентам с различными заболеваниями, повысить скорость разработки и выпуска новых лекарств и т.д.

Пожалуй, самым крупным и наиболее обсуждаемым проектом применения ИИ в медицине является американская корпорация IBM и ее когнитивная система IBM Watson. Первоначально это решение стали обучать и затем применять в онкологии, где IBM Watson уже длительное время помогает ставить точный диагноз и находить эффективный способ излечения для каждого из пациентов.

Для обучения IBM Watson было проанализировано 30 млрд медицинских снимков, для чего корпорации IBM пришлось купить компанию Merge Healthcare за 1 млрд. долл. К этому процессу потребовалось добавиться 50 млн. анонимных электронных медицинских карт, которые IBM получила в свое распоряжение, купив стартап Explorys.
В 2014 году IBM объявила о сотрудничестве с Johnson & Johnson и фармацевтической компанией Sanofi для работы над обучением Watson пониманию результатов научных исследований и клинических испытаний. По утверждению представителей компании, это позволит существенно сократить время клинических испытаний новых лекарств, а врачи смогут давать лекарства, наиболее подходящие конкретному пациенту. В том же 2014 году IBM объявила о разработке программного обеспечения Avicenna, способного интерпретировать и текст, и изображения. Для каждого типа данных используются отдельные алгоритмы. Так что в итоге Avicenna сможет понимать медицинские снимки и записи, и будет выполнять функции ассистента радиолога. Над похожей задачей работает и другой проект IBM — Medical Sieve. В данном случае речь идет о развитии искусственного интеллекта «медицинского ассистента», который сможет быстро анализировать сотни снимков на предмет отклонения от нормы. Это поможет радиологам и кардиологам заняться теми вопросами, в которых искусственный интеллект пока бессилен.

ИСКУСТВЕННЫЙ ИНТЕЛЛЕКТ В МЕДИЦИНЕ https://www.youtube.com/watch?v=jZg5QhL3Ckc