Искусственный интеллект, или ИИ, – это совокупность сложных алгоритмов, вычислений и методов обучения данным, позволяющих машинам и компьютерам имитировать человеческие знания и поведение.
В некотором смысле искусственный интеллект является противоположностью естественного интеллекта. Если живые существа рождаются с естественным интеллектом, то искусственным интеллектом обладают созданные человеком машины. По сути, один из пионеров искусственного интеллекта Джон Маккарти определил искусственный интеллект как “науку и инженерию создания интеллектуальных машин”.
Однако на практике компании, занимающиеся разработкой искусственного интеллекта, используют термин “искусственный интеллект” для обозначения машин, выполняющих те виды мышления и задач, которые человек довел до очень высокого уровня.
Что такое искусственный интеллект в простых терминах?
Компьютеры очень хорошо умеют производить вычисления – принимать входные данные, манипулировать ими и в результате генерировать выходные данные. Однако в прошлом они не были способны выполнять другие виды человеческих задач, такие как понимание и создание языка, распознование объектов на глаз, создание произведений искусства или обучение на основе прошлого опыта.
Сегодня многие компьютерные системы способны общаться с человеком с помощью обычной речи. Они могут распознавать лица и другие объекты. Они используют методы машинного обучения, в частности глубокое обучение и нейронные сети, что позволяет им извлекать уроки из прошлого и делать прогнозы на будущее.
Многие из этих технологий продолжают развиваться и совершенствоваться каждый день, но уже сейчас даже рядовой потребитель может использовать модели ИИ для создания контента, решения задач и ряда других сложных задач.
Что такое генеративный ИИ?
Генеративный искусственный интеллект – это особая, развивающаяся форма искусственного интеллекта, которая использует большие наборы обучающих данных, нейронные сети, глубокое обучение и некоторые методы обработки естественного языка для создания оригинального контента. Хотя в настоящее время наиболее часто используемые инструменты генеративного ИИ генерируют текст и код, решения генеративного ИИ могут также генерировать изображения, аудио, синтетические данные и другие результаты.
Генеративный ИИ сегодня является, пожалуй, самым популярным и быстро развивающимся типом ИИ, особенно благодаря всемирной популярности проектов ChatGPT и GPT-4 от компании OpenAI. Среди других популярных примеров генеративного ИИ – Google Bard, Jasper, Stable Diffusion, DALL-E, Microsoft и GitHub Copilot, DreamStudio.
Искусственный интеллект и машинное обучение
На самом простом уровне машинное обучение (МОО) представляет собой подмножество искусственного интеллекта. В то время как более широкое понятие “искусственный интеллект” включает в себя всевозможные подходы к решению проблем, подобных человеческим, машинное обучение предполагает разработку специально обученной модели, направленной на обучение машин выполнению целенаправленных задач и выявлению закономерностей в данных. Во многих случаях машинное обучение используется в сочетании с другими видами искусственного интеллекта.
Машинное обучение и глубокое обучение
Так же как машинное обучение является подмножеством искусственного интеллекта, глубокое обучение является подмножеством машинного обучения. Машинное обучение в целом – это извлечение информации из больших массивов данных и принятие решений на основе найденной информации. Это алгоритмический, управляемый данными подход к принятию решений. Глубокое обучение – это также алгоритмический подход к принятию решений, но несколько более сложный: вместо одного или небольшого количества алгоритмов модели глубокого обучения работают с несколькими слоями алгоритмов, называемыми нейронными сетями. Такая структура призвана помочь моделям глубокого обучения имитировать функции человеческого мозга.
Виды искусственного интеллекта
Ученые-компьютерщики предлагают различные способы классификации типов искусственного интеллекта. Одна из популярных классификаций использует три категории:
1. Искусственный узкий интеллект
Искусственный интеллект узкого назначения (ИНИ) предназначен для выполнения одной задачи или набора задач с высокой компетентностью и мастерством. Примерами узкого ИИ являются Siri от Apple, Watson от IBM и AlphaGo от Google. Узкий ИИ достаточно распространен в современном мире.
2. Искусственный общий интеллект
Искусственный интеллект общего назначения (ИОНИ) – это разновидность ИИ, выполняющая многие интеллектуальные задачи наравне с человеком. В настоящее время многие исследователи работают над созданием искусственного интеллекта общего назначения. Одним из лучших ранних примеров ИО является GPT-4, способный решать различные задачи и показавший хорошие результаты в ряде стандартизированных тестов для людей.
3. Искусственный сверхинтеллект
Искусственный сверхинтеллект (ИСИ), пока еще теоретический, обладает интеллектуальными возможностями, значительно превосходящими человеческие. Этот вид искусственного интеллекта пока не близок к тому, чтобы стать реальностью.
В другой популярной классификации используются четыре различные категории
1. Реактивные машины
Реактивные машины принимают входной сигнал и выдают выходной, но не обладают памятью и не учатся на прошлом опыте. Боты, с которыми можно играть во многих видеоиграх, являются хорошим примером реактивных машин.
2. Ограниченная память
Машины с ограниченной памятью могут заглянуть на небольшое расстояние в прошлое. Многие современные автомобили оснащены современными системами безопасности, которые относятся к этой категории. Например, если ваш автомобиль выдает предупреждение о приближении сзади идущего транспортного средства или человека, он использует ограниченный набор исторических данных для того, чтобы сделать выводы и выдать результаты.
3. Теория разума
Машины с теорией разума осознают, что люди и другие существа существуют и имеют свои собственные независимые мотивы. Большинство исследователей сходятся во мнении, что такой ИИ еще не создан, а некоторые утверждают, что не стоит и пытаться его создать. Однако некоторые из последних генеративных моделей ИИ показывают хорошие результаты в задачах и тестах на теорию разума.
4. Самосознание
Самоосознающие машины осознают свое существование и идентичность. Хотя некоторые исследователи утверждают, что самосознающий ИИ существует уже сегодня, это мнение разделяют лишь немногие. Разработка самосознающего ИИ является весьма спорной.
Хотя эти классификации интересны с теоретической точки зрения, большинство организаций гораздо больше интересует то, что они могут сделать с помощью ИИ.
Краткая история искусственного интеллекта
1950-1960-е годы
Многие начинают историю искусственного интеллекта с 1950 года, когда Алан Тьюринг опубликовал работу “Вычислительные машины и интеллект”. Эссе Тьюринга начинается словами: “Я предлагаю рассмотреть вопрос: “Могут ли машины мыслить?””. Далее излагается сценарий, получивший название “тест Тьюринга”. Тьюринг предложил считать компьютер разумным, если человек не может отличить машину от человека.
В 1956 году Джон Маккарти и Марвин Мински организовали первую конференцию по искусственному интеллекту – Дартмутский летний исследовательский проект по искусственному интеллекту (DSRPAI). Эта конференция убедила ученых-компьютерщиков в том, что искусственный интеллект является достижимой целью, и заложила основу для нескольких десятилетий дальнейших исследований. Одни из самых первых разработок в области искусственного интеллекта – боты для игры в шашки и шахматы – появились благодаря этой конференции.
В 1960-е годы были созданы рудиментарные роботы и несколько программ для решения задач. Особо следует отметить создание программы ELIZA, моделирующей психотерапию и представляющей собой ранний пример человеко-машинной коммуникации.
1970-е и 1980-е годы
В 1970-80-е годы развитие ИИ продолжалось, но более медленными темпами. В частности, значительные успехи были достигнуты в области робототехники, например, появились роботы, которые могли видеть и ходить. Кроме того, компания Mercedes-Benz представила первый (крайне ограниченный) автономный автомобиль. Однако государственное финансирование исследований в области ИИ резко сократилось, что привело к периоду, который некоторые называют “зимой ИИ”.
1990-е и начало 2000-х годов
В 1990-х годах интерес к ИИ вновь возрос. Чатбот Artificial Linguistic Internet Computer Entity (ALICE) продемонстрировал, что обработка естественного языка может привести к более естественному общению между человеком и компьютером, чем то, которое было возможно с помощью ELIZA. В это десятилетие также произошел всплеск развития аналитических методов, которые легли в основу последующих разработок ИИ, а также была создана первая архитектура рекуррентных нейронных сетей. В это же десятилетие компания IBM выпустила шахматный ИИ Deep Blue, который первым выиграл у действующего чемпиона мира.
Первое десятилетие 2000-х годов ознаменовалось бурными инновациями в области робототехники. Роботы Roombas начали пылесосить ковры, а роботы, запущенные NASA, исследовали Марс. Ближе к дому компания Google работала над созданием автомобиля без водителя.
2010-е
Годы, начиная с 2010-го, были отмечены беспрецедентным ростом технологий искусственного интеллекта. Как аппаратное, так и программное обеспечение развилось настолько, что стало возможным распознавание объектов, обработка естественного языка и голосовые помощники. Компьютер Watson компании IBM победил в игре Jeopardy. Появились Siri, Alexa и Cortana, а чат-боты стали неотъемлемой частью современного ритейла. AlphaGo от Google DeepMind победил человека в игре Го. Предприятия всех отраслей начали внедрять инструменты ИИ для анализа данных и повышения успешности своей деятельности.
Возможно, наиболее значимым для сегодняшнего ландшафта генеративного ИИ является тот факт, что в 2017 году компания Google опубликовала исследовательскую работу, в которой впервые была определена концепция архитектуры нейронных сетей, получившая название “трансформатор”. С тех пор трансформер стал одной из основополагающих технологий для разработки генеративных моделей ИИ.
2020-е
ИИ начинает выходить за рамки узких и ограниченных функций и переходить к более продвинутым реализациям, некоторые из которых становятся доступными для широкой публики; действительно, в этом десятилетии демократизации ИИ уделяется больше внимания, чем когда-либо ранее. В первые годы этого десятилетия развивался генеративный ИИ, причем более сложные модели создавались для корпоративных пользователей, а упрощенные и недорогие версии были доступны всем желающим.
Наибольшее развитие и популярность ИИ получили в конце 2022 года, когда компания OpenAI впервые запустила своего чат-бота ChatGPT и большую языковую модель (LLM). С тех пор появилось множество конкурентов и аналогичных моделей, поддерживающих работу с текстом, кодом, аудио, видео, изображениями и синтетическими данными.
Помимо создания контента в различных его формах, в 2020-х годах будут развиваться такие направления ИИ, как поиск и виртуальные помощники на базе ИИ в веб-браузерах и различных бизнес-приложениях, медицинские и фармацевтические исследования на базе ИИ, а также более продвинутые варианты компьютерного зрения на базе ИИ для AR, VR и XR. ИИ все чаще становится объектом регулирования, обсуждаются вопросы его этики и влияния на окружающую среду.
Примеры использования ИИ: Что может сделать искусственный интеллект?
Возможные варианты использования и применения искусственного интеллекта практически безграничны. Среди наиболее распространенных на сегодняшний день вариантов использования искусственного интеллекта можно назвать следующие:
Генерация контента
Генеративные модели ИИ используются для создания контента в различных форматах: не только текст, но и код, синтетические данные, аудио и музыка, изображения, видео и голос. В настоящее время модели генерации контента применяются в различных отраслях и сферах, включая маркетинг и продажи, обслуживание клиентов, обучение сотрудников, кибербезопасность, компьютерное зрение, здравоохранение и фармацевтику, развлечения и игры, а также юридическую и государственную деятельность.
Рекомендательные системы
Покупаете ли вы новый свитер, ищете фильм для просмотра, просматриваете социальные сети или пытаетесь найти настоящую любовь, вы наверняка столкнетесь с алгоритмом, основанным на искусственном интеллекте, который выдает рекомендации. Большинство рекомендательных систем используют модели машинного обучения для сравнения ваших характеристик и исторического поведения с окружающими вас людьми. Эти модели могут очень хорошо определять предпочтения даже в тех случаях, когда пользователь сам не знает о них.
Обработка естественного языка
Обработка естественного языка (NLP) – это широкая категория ИИ, включающая в себя преобразование речи в текст, текста в речь, определение ключевых слов, извлечение информации, перевод и генерацию языка. Она позволяет людям и компьютерам взаимодействовать не через языки программирования, а через обычный человеческий язык (звуковой или печатный). Поскольку многие инструменты НЛП включают в себя возможности машинного обучения, они, как правило, совершенствуются с течением времени.
Анализ настроений
ИИ может не только понимать человеческий язык, но и определять эмоции, лежащие в основе разговора людей. Например, ИИ может проанализировать тысячи разговоров с техподдержкой или взаимодействий в социальных сетях и определить, какие клиенты испытывают сильные положительные или отрицательные эмоции. Такой анализ позволяет службам технической поддержки сосредоточить внимание на клиентах, которые могут быть подвержены риску отказа от сотрудничества, и/или на тех, кто с большим энтузиазмом поддерживает бренд и может стать его защитником.
Синтез голоса и голосовые помощники
Многие из нас ежедневно взаимодействуют с Siri, Alexa, Cortana или Google. Хотя мы часто воспринимаем этих помощников как нечто само собой разумеющееся, в них используются передовые технологии ИИ, включая обработку естественного языка и машинное обучение. Некоторые новые решения на основе генеративного ИИ также предлагают синтез и помощь голосом.
Предотвращение мошенничества
Финансовые компании и предприятия розничной торговли часто используют передовые методы машинного обучения для выявления мошеннических операций. Они ищут закономерности в финансовых данных и, если транзакция выглядит ненормальной или соответствует известной схеме мошенничества, выдают предупреждения, которые позволяют остановить или смягчить последствия преступной деятельности.
Распознавание изображений
Многие из нас используют систему распознавания лиц на основе ИИ для разблокировки своих телефонов. Этот вид ИИ также позволяет создавать автономные транспортные средства и автоматизировать обработку данных при проведении многих медицинских обследований и анализов.
Предиктивное обслуживание
Многие отрасли промышленности, такие как обрабатывающая, нефтегазовая, транспортная и энергетическая, в значительной степени зависят от оборудования, и его простои могут быть очень дорогостоящими. В настоящее время компании используют комбинацию методов распознавания объектов и машинного обучения для заблаговременного определения вероятности поломки оборудования, чтобы запланировать его обслуживание на время, позволяющее свести к минимуму перебои в работе.
Предиктивная и предписывающая аналитика
Предиктивные алгоритмы могут анализировать практически любые бизнес-данные и использовать их в качестве основы для прогнозирования вероятных будущих событий. Предписывающая аналитика, которая пока находится в стадии становления, идет дальше и не только делает прогноз, но и предлагает рекомендации по подготовке к вероятным будущим событиям. Эти подходы к аналитике, основанные на использовании искусственного интеллекта, применяются в различных отраслях, но особенно активно они развиваются в отраслях, основанных на котировках, таких как страхование.
Автономные транспортные средства
Большинство автомобилей, выпускаемых сегодня, обладают некоторыми автономными функциями, такими как помощь при парковке, центрирование полосы движения и адаптивный круиз. И хотя они пока еще дороги и встречаются сравнительно редко, полностью автономные автомобили уже на дорогах, а технологии искусственного интеллекта, на которых они основаны, становятся все лучше и дешевле с каждым днем.
Робототехника
Промышленные роботы были одной из первых реализаций ИИ, и они продолжают оставаться важной частью рынка ИИ. Все большее распространение получают бытовые роботы, такие как роботы-пылесосы, бармены и газонокосилки.
Разумеется, это лишь некоторые из наиболее известных случаев применения ИИ. Технологии ИИ проникают в повседневную жизнь множеством способов, о которых мы часто даже не догадываемся.
AIOps
AIOps – искусственный интеллект для ИТ-операций – все чаще используется для упрощения рабочих процессов и нагрузки на квалифицированных технических специалистов. ИИ может использоваться для выполнения задач, связанных с управлением сервисами и производительностью, управлением и анализом данных.
Плюсы и минусы использования искусственного интеллекта
ИИ проникает в каждый уголок бизнеса и дома, но, как и любая другая новая и быстро меняющаяся технология, искусственный интеллект имеет как значительные плюсы, так и минусы.
Плюсы
- Высокий уровень точности: упрощает рабочие процессы и снижает вероятность человеческих ошибок.
- Повышение доступности сотрудников: Снимает нагрузку с работников, выполняющих повторяющиеся задачи, позволяя им сосредоточиться на более значимых задачах.
- Расширенные возможности генерации контента: Многие модели ИИ позволяют быстро и недорого создавать контент и анализировать данные.
- Новые исследования и открытия, основанные на анализе с помощью ИИ: Разработки ИИ приводят к сложным аналитическим достижениям в таких областях, как медицина и фармацевтика.
Минусы
- Зачастую дороговизна и энергоемкость: высокая стоимость и потребность в энергии часто являются частью работы моделей ИИ.
- Недостатки, связанные с конфиденциальностью и безопасностью пользователей: Вопросы конфиденциальности и безопасности пользователей имеют первостепенное значение, особенно с учетом того, какой объем данных требуется для обучения моделей ИИ; при использовании новейших генеративных моделей ИИ также существует опасение, что модели будут обучаться, сохранять и передавать данные пользователя без разрешения.
- Нарушение трудовых отношений: Усовершенствованные инструменты ИИ потенциально могут отнять рабочие места у людей.
- Отсутствие чувства собственного достоинства: ИИ не обладает самосознанием и творческим потенциалом; все запрограммировано и может привести к предвзятости или неадекватным/опасным результатам.
Ограничения искусственного интеллекта
Ограничения ИИ зависят как от данных, на которых он обучается, так и от среды, в которой он работает. Вот несколько примеров ограничений ИИ:
- Предвзятость ИИ: если обучающие данные не являются надежными, точными и разнообразными, модель может получить неточные или частичные результаты. Предвзятость ИИ является серьезной проблемой, поскольку машины, обученные на предвзятых данных, могут не удовлетворять потребности более разнообразных групп населения и вариантов использования.
- Отсутствие эмоций и творческого подхода: ИИ продолжает развивать свои разговорные и творческие возможности, однако он по-прежнему остается алгоритмической моделью, которая не “думает”, а действует на основе обучения. Поэтому решения на основе ИИ не могут полностью заменить эмоциональный интеллект и творческие способности человека.
- Ограниченность памяти и контекстного понимания: Несмотря на то, что некоторые новейшие генеративные модели ИИ и другие модели ИИ могут опираться на свою недавнюю историю, многие инструменты ИИ могут обрабатывать только входные данные, не учитывая никакого дополнительного контекста при генерации выходных данных.
- Ограниченная оперативность: Не все модели ИИ имеют доступ к Интернету и другим ресурсам с актуальной информацией в режиме реального времени. В результате они могут генерировать неточные ответы или не учиться на недавних ошибках.
- Требования к вычислительной мощности: Большинство моделей ИИ требуют значительных вычислительных мощностей, что может быть дорогостоящим и энергоемким процессом. Поэтому многие модели ИИ используются только на крупных предприятиях, обладающих достаточными ресурсами для реализации такого рода ИИ.
Важность этики ИИ
В течение многих лет этика ИИ обсуждалась в более теоретическом смысле, но особенно по мере того, как ИИ становился все более распространенным и способным, обсуждение этики ИИ стало как никогда важным. Этика ИИ невероятно важна для долгосрочного здоровья и развития ИИ, поскольку этические проблемы с ИИ могут привести к потере клиентов, репутации, судебным разбирательствам и денежным потерям. В некоторых случаях неэтичные случаи использования ИИ могут даже привести к гибели людей.
При наличии прочной этической базы ИИ компании и пользователи ИИ могут рассчитывать на следующие преимущества:
- Предотвращение вредных предубеждений: Этика ИИ в значительной степени ориентирована на создание инструментов, которые хорошо работают для всех, включая пользователей по всему миру, разных рас, полов, культурных особенностей и инвалидности.
- Защита конфиденциальности пользователей: Для успешной работы ИИ требуются огромные объемы данных, и иногда эти данные посягают на личную жизнь. Этика ИИ обучает модели более бережному отношению к вводимым пользователем данным, а также к его платежной информации, его изображению/личности и т.д.
- Поощряет ответственное отношение к окружающей среде: Многие модели ИИ потребляют большое количество энергии, что уже оказывает негативное влияние на окружающую среду. Некоторые из ведущих компаний в области ИИ работают над тем, чтобы включить ответственное потребление энергии и другие экологические соображения в этику ИИ.
- Повышение уровня безопасности человека: Этика ИИ побуждает разработчиков ИИ создавать инструменты, в которых на первый план выходит безопасность пользователей и людей; например, автономные автомобили должны пройти тщательные испытания, прежде чем ими смогут управлять люди или они будут ездить рядом с пешеходами.
Будущее искусственного интеллекта
Каким же видится будущее искусственного интеллекта? Очевидно, что ИИ уже сейчас формирует потребительские и деловые рынки, но ему еще предстоит пройти долгий путь, прежде чем он действительно сравняется с человеческими знаниями и возможностями.
Технологии, на которых базируется ИИ, продолжают уверенно развиваться. Будущие достижения, такие как квантовые вычисления, могут в конечном итоге привести к появлению новых инноваций, но в ближайшей перспективе представляется вероятным, что сама технология будет продолжать идти по предсказуемому пути постоянного совершенствования.
Менее ясно, как люди будут адаптироваться к ИИ. Многие первые внедрения ИИ столкнулись с серьезными проблемами. В некоторых случаях данные, используемые для обучения моделей, приводили к тому, что предвзятость заражала системы ИИ, делая их непригодными для использования.
Во многих других случаях предприятия не всегда видели финансовые результаты, на которые они рассчитывали после внедрения ИИ. Технология может быть зрелой, но бизнес-процессы, связанные с ней, – нет. Поэтому будущее корпоративного ИИ будет во многом зависеть от того, какие инвестиции предприятия сделают в эту технологию.
“Успешное применение ИИ в бизнесе будет зависеть от тщательного отбора сценариев использования”, – говорит Алис Вудворд, старший директор-аналитик компании Gartner. “Для демонстрации заинтересованным сторонам влияния инвестиций в ИИ на бизнес очень важны сценарии использования, которые обеспечивают значительную ценность для бизнеса и при этом могут быть масштабированы для снижения рисков”.
Наконец, что, пожалуй, наиболее важно, широкая общественность неоднозначно реагирует на разработки в области искусственного интеллекта. В то время как многие пользователи с воодушевлением воспринимают новые инструменты ИИ, такие как генеративные модели ИИ, другие переживают из-за того, что могут потерять работу или личную информацию в результате использования этой технологии. Другие обеспокоены будущими последствиями использования инструментов, которые становятся все “умнее” и способнее.
Высокие уровни внедрения способствовали развитию некоторых форм ИИ, в то время как другие томились в безвестности. В самом деле, будущее ИИ может зависеть не столько от машин, сколько от людей.
Искусственный интеллект: Дополнительные ресурсы
В условиях постоянно меняющегося рынка искусственного интеллекта бывает трудно уследить за последними новостями и тенденциями. Мы собрали в одном месте несколько наших лучших ресурсов, которые помогут вам оставаться в курсе последних событий в области искусственного интеллекта: