Что означает слово intelligence в словосочетании artificial intelligence в информатике

Видео:Что такое искусственный интеллект и как его используют сегодня | GeekBrainsСкачать

Активизируем английский

Видео:Как выглядит нейросеть? What is Ai ? #ai #нейросеть #aiart #ailookbookСкачать

Сайт для тех, кто хочет научиться свободно говорить по-английски

Видео:Как нейросети видят наше будущее? 🤯#ии #искусственныйинтелект #ai #рекомендации #рекСкачать

Активизируем английский

Видео:Что Не Может Искусственный Интеллект? | Маргулан СейсембаевСкачать

Сайт для тех, кто хочет научиться свободно говорить по-английски

Видео:Вот почему Илон Маск хочет остановить нейросетиСкачать

Artificial Intelligence

1. Искусственный интел­лект, так­же из­вест­ный как ИИ, – это то, что я сей­час изу­чаю. ПРОВЕРИТЬ СЕБЯ

✓ Artificial intelligence , also known as AI , is what I’m study­ing right now.

Искусственный интел­лект – это то, над чем ра­бо­та­ет на­ша ком­па­ния. ПРОВЕРИТЬ СЕБЯ

✓ Artificial intelligence is what our com­pa­ny is work­ing on.

Что на самом деле мы зна­ем об ис­кус­ст­вен­ном ин­тел­лек­те? Очень ма­ло. Фак­ти­чес­ки – ни­че­го. ПРОВЕРИТЬ СЕБЯ

✓ What do we actually know about ar­ti­fi­cial in­tel­li­gence ? Very little. In fact, noth­ing.

Искусственный интел­лект, ко­то­рый мы соз­да­ли, са­мый луч­ший в ми­ре. ПРОВЕРИТЬ СЕБЯ

✓ The artificial intelligence we have cre­at­ed is the best in the world.

(Речь не об ИИ вооб­ще, а о том кон­к­рет­ном, что со­зда­ли мы са­ми. От­сю­да упо­треб­ле­ние ар­тик­ля ‘the’. В про­тив­ном слу­чае он не ста­вит­ся.)

Думаю, в скором вре­ме­ни лю­ди не смо­гут со­пер­ни­чать с ис­кус­ст­вен­ным ин­тел­лек­том. ПРОВЕРИТЬ СЕБЯ

✓ I think human be­ings will soon be un­able to com­pete with ar­ti­fi­cial in­tel­li­gence .

✓ I think human be­ings will soon be un­able to vie with ar­ti­fi­cial in­tel­li­gence .

Развитие (разработ­ка) ис­кус­ст­вен­но­го ин­тел­лек­та в кон­це кон­цов из­ме­нит на­шу жизнь. ПРОВЕРИТЬ СЕБЯ

✓ The development of artificial in­tel­li­gence will even­tu­al­ly change our life.

Наша компания – пио­нер в тех­но­ло­гии ис­кус­ст­вен­но­го ин­тел­лек­та. ПРОВЕРИТЬ СЕБЯ

✓ Our company is a pioneer in ar­ti­fi­cial in­tel­li­gence tech­nol­o­gy .

Действительно ли ИИ пред­став­ля­ет для нас угро­зу? ПРОВЕРИТЬ СЕБЯ

✓ Does AI really pose a threat to us?

Видео:Что такое осознанный искусственный интеллект #ai #искуственныйинтеллект #программированиеСкачать

Комментарии

1. Словосочетание озна­ча­ет «ис­кус­ст­вен­ный ин­тел­лект» (ИИ).

Оно состоит из двух слов:

• прилагательного ar­ti­fi­cial [ˌɑːtɪˈfɪʃl (BrE) || ˌɑːrtɪˈfɪʃl (AmE)] – «ис­кус­ст­вен­ный»;
• существительного in­tel­li­gence [ɪnˈtelɪdʒəns] в зна­че­нии «ум, ин­тел­лект».

Произносится [ˌɑːtɪfɪʃl ɪnˈtelɪdʒəns (BrE) || ˌɑːrtɪfɪʃl ɪnˈtelɪdʒəns (AmE)].

Аббревиатура AI про­из­но­сит­ся [ˌeɪ ˈaɪ].

У существительного intelli­gence есть так­же зна­че­ние «ра­зум» в смыс­ле «спо­соб­ность ра­зум­но мыс­лить».

Например, любители научно-фан­та­сти­че­ско­го жан­ра по­сто­ян­но чи­та­ют кни­ги и смо­трят филь­мы о по­ис­ках в да­лё­ких ми­рах ра­зум­ной жиз­ни (in­tel­li­gent life) и вне­зем­но­го ра­зу­ма (ex­tra­ter­res­tri­al in­tel­li­gence).

Исходя из этого, artificial in­tel­li­gence мы впол­не мог­ли бы пе­ре­ве­сти как «ис­кус­ст­вен­ный ра­зум». Тем не ме­нее в ка­че­ст­ве тер­ми­на в рус­ском язы­ке при­жил­ся имен­но «ис­кус­ст­вен­ный ин­тел­лект».

2. Существительное intelligence в дан­ном сло­во­со­че­та­нии не­ис­чис­ляе­мое, а по­то­му са­мо сло­во­со­че­та­ние, как пра­ви­ло, упо­треб­ля­ет­ся без ка­ко­го-ли­бо ар­тик­ля во­об­ще, на­при­мер:

What do you know about ar­ti­fi­cial in­tel­li­gence? – Что ты зна­ешь об ис­кус­ст­вен­ном ин­тел­лек­те?

Artificial intelligence is what our com­pa­ny is wor­king on – Ис­кус­ст­вен­ный ин­тел­лект – это то, над чем ра­бо­та­ет на­ша ком­па­ния

Тем не менее если речь идёт не об ИИ во­об­ще, а о ка­ком-ли­бо конк­рет­ном ИИ, то оп­ре­де­лён­ный ар­тикль the, по об­ще­му пра­ви­лу упо­треб­ле­ния ар­тик­лей с не­ис­чис­ляе­мы­ми су­щест­ви­тель­ными, ста­вит­ся, на­при­мер:

The artificial intelligence we have cre­at­ed is the best in the world – Ис­кус­ст­вен­ный ин­тел­лект, ко­то­рый мы соз­да­ли, са­мый луч­ший в ми­ре

Потому что здесь мы го­во­рим не об ИИ во­об­ще, а о том кон­к­рет­ном, что со­зда­ли мы са­ми.

Но всё же чисто ста­тис­ти­че­ски AI упо­треб­ля­ет­ся ча­ще без ар­тик­ля.

3. Глагол [vaɪ] озна­ча­ет «со­пер­ни­чать».

to vie with smb for smth – со­пер­ни­чать с кем-л. за что-л.

to vie to do smth – со­пер­ни­чать, что­бы сде­лать что-л.

I can hardly vie with him for a place in the team – Вряд ли я мо­гу с ним со­пер­ни­чать за мес­то в ко­ман­де

We all vied to get a place in the team – Мы все со­пер­ни­ча­ли, что­бы по­лу­чить мес­то в ко­ман­де

Ближайший синоним – гла­гол com­pete [kəmˈpiːt], озна­чаю­щий «со­стя­зать­ся», «со­рев­но­вать­ся», «кон­ку­ри­ро­вать», «со­пер­ни­чать», на­при­мер:

How many athletes will be com­pe­ting to­mor­row? – Сколь­ко ат­ле­тов бу­дет со­рев­но­вать­ся завт­ра?

Управление у него ана­ло­гич­но гла­го­лу vie, на­при­мер:

We’re competing with them for the con­tract – Мы кон­ку­ри­ру­ем с ни­ми за конт­ракт

Our companies are compet­ing to get the con­tract – На­ши ком­па­нии кон­ку­ри­ру­ют, что­бы по­лу­чить конт­ракт

В чём же разница между гла­го­ла­ми vie и com­pete?

Разница минимальна: to com­pete – это обыч­ный и наи­бо­лее упот­ре­би­тель­ный гла­гол (в обыч­ной ре­чи пред­поч­те­ние от­да­ём ему); to vie – эмо­цио­наль­но бо­лее силь­ный гла­гол и к то­му же пред­по­ла­га­ет дос­та­точ­но жёст­кое со­пер­ни­чест­во.

Иными словами, to vie with smb – это to com­pete very hard with smb.

Поскольку наша за­да­ча – нау­чить вас раз­но­об­ра­зию ан­глий­с­кой ре­чи и при­вить вам чувст­во яз­ыка, в при­ме­ре 5 мы да­ём оба ва­ри­ан­та.

4. Наречие [ɪˈventʃuəli] озна­ча­ет «в кон­це кон­цов», «в ко­неч­ном счё­те», на­при­мер:

The development of AI will even­tu­al­ly change our life – Раз­ви­тие (раз­ра­бот­ка) ИИ в кон­це кон­цов из­ме­нит на­шу жизнь

Это очень хорошее и упот­ре­би­тель­ное на­ре­чие. Обя­за­тель­но возь­мите его се­бе в ак­тив.

5. Существительное [dɪˈveləpmənt] мо­жет озна­чать и «раз­ви­тие», и «раз­ра­бот­ку», на­при­мер:

the development of artificial in­tel­li­gence – раз­ви­тие ис­кус­ст­вен­ного ин­тел­лек­та

the development of artificial in­tel­li­gence – раз­ра­бот­ка ис­кус­ст­вен­ного ин­тел­лек­та

Из контекста, как пра­ви­ло, яс­но, о чём кон­к­рет­но идёт речь, и пу­та­ни­цы ча­ще все­го не бы­ва­ет.

6. Существительное [tekˈnɒlədʒi] озна­ча­ет «тех­но­ло­гия», «тех­ни­ка (в абст­ракт­ном смыс­ле)» и мо­жет быть как ис­чис­ляе­мым (ко­гда мы го­во­рим о ка­кой-ли­бо конк­рет­ной тех­но­ло­гии), так и не­ис­чис­ляе­мым (ко­гда мы го­во­рим о тех­но­ло­гии, тех­ни­ке во­об­ще), на­при­мер:

science and technology – наука и тех­ни­ка

recent advances in ar­ti­fi­cial in­tel­li­gence tech­no­l­o­gy – не­дав­ние дос­ти­же­ния в тех­но­ло­гии ис­кус­ст­вен­ного ин­тел­лек­та

Когда оно неисчис­ляе­мое и упо­треб­ля­ет­ся в об­щем, аб­ст­ракт­ном смыс­ле, ар­тикль пе­ред ним не ста­вит­ся, как в при­ме­рах вы­ше.

А вот пример, когда оно ис­чис­ля­е­мое:

to apply new technologies – при­ме­нять но­вые тех­но­ло­гии

7. Выражение озна­ча­ет «пред­став­лять для ко­го-л./че­го-л. угро­зу», на­при­мер:

This smog poses a threat to our health – Этот смог пред­став­ля­ет угро­зу для на­ше­го здо­ро­вья

This substance poses no threat to our health – Это ве­щест­во не пред­став­ля­ет угро­зы для на­ше­го здо­ро­вья

Хорошее выражение. Ре­ко­мен­ду­ем взять его в ак­тив.

8. Проверьте правильность про­из­но­ше­ния сле­ду­ю­щих слов [BrE || AmE]:

• eventually – [ɪˈventʃuəli]
• a pioneer – [ˌpaɪəˈnɪə(r) || ˌpaɪəˈnɪr]
• science – [ˈsaɪəns]
• technology – [tekˈnɒlədʒi || tekˈnɑːlədʒi]
• (a) threat – [θret]

Видео:Что такое искусственный интеллект?Скачать

Искусственный интеллект, машинное обучение и глубокое обучение: в чём разница

Компьютер запросто диагностирует рак, управляет автомобилем и умеет обучаться. Почему же машины пока не захватили власть над человечеством?

Мы пользуемся Google-картами, позволяем сайтам подбирать для нас интересные фильмы и советовать, что купить. И, в общем-то, слышали, что под капотом всех этих умных вещей — искусственный интеллект, машинное обучение и deep learning. Но сможете ли вы с ходу отличить одно от другого? Разбираемся на примерах.

Видео:Искусственный интеллект обрел сознаниеСкачать

Что такое искусственный интеллект

Искусственный интеллект (англ. artificial intelligence) — это способность компьютера обучаться, принимать решения и выполнять действия, свойственные человеческому интеллекту.

Кроме того, ИИ — это наука на стыке математики, биологии, психологии, кибернетики и ещё кучи всего. Она изучает технологии, которые позволяют человеку писать «интеллектуальные» программы и учить компьютеры решать задачи самостоятельно. Главная задача ИИ — понять, как устроен человеческий интеллект, и смоделировать его.

В области искусственного интеллекта есть подразделы. К ним относятся робототехника, наука о компьютерном зрении, обработка естественного языка и машинное обучение.

Хотите знать, может ли машина мыслить и чувствовать как человек? Приходите на курс «Философия искусственного интеллекта». Здесь вы получите новые знания об ИИ, обсудите актуальные вопросы с преподавателями и однокурсниками и прокачаете навык публичных выступлений.

Пишет про digital и машинное обучение для корпоративных блогов. Топ-автор в категории «Искусственный интеллект» на Medium. Kaggle-эксперт.

Видео:Знаете ли Вы, что такое искусственный интеллект?Скачать

Каким бывает искусственный интеллект

Исследователи обычно делят ИИ на три группы:

Слабый ИИ (Weak, или Narrow AI)

Слабый интеллект — тот, что нам уже удалось создать. Такой ИИ способен решать определённую задачу. Зачастую даже лучше, чем человек. Например, как Deep Blue — компьютерная программа, которая обыграла Гарри Каспарова в шахматы ещё в 1996 году. Но такая Deep Blue не умеет делать ничего другого и никогда этому не научится. Слабый ИИ используют в медицине, логистике, банковском деле, бизнесе:

• Искусственный интеллект от Google смог опередить опытных врачей в точности диагностики рака молочной железы. Чтобы это сделать, использовали сотни тысяч результатов скрининга . По данным Американского онкологического общества, врачи не диагностируют рак примерно в 20% случаев и часто ставят ложный диагноз. ИИ не только поставил более точный диагноз, чем врачи, — на 9,4%, — но и чаще указывал на болезнь там, где онкологи не сумели её распознать.
• Amazon — одна из ведущих ИИ-компаний в мире — разработала систему Fraud Detector. Она помогает бороться с онлайн-мошенничеством, из-за которого люди и компании теряют миллионы долларов. Алгоритм следит за действиями пользователей в реальном времени, находит их и сообщает об аномалиях — например, помечает подозрительные заказы, которые нужно проверить до совершения платежа. Это можно использовать в банках, онлайн-магазинах и крупных компаниях.
• Беспилотные автомобили Waymo благодаря машинному обучению способны передвигаться по реальным дорогам без вреда для пассажиров и прохожих. Кстати, такие машины — правда, от компании Toyota — будут использовать на следующих Олимпийских играх в Японии для транспортировки гостей.

Это несколько примеров, в реальности применений намного больше.

Сильный ИИ (Strong, или General AI)

Как выглядел бы сильный искусственный интеллект, можно увидеть в игре Detroit: Become Human.

Во вселенной Detroit роботы способны учиться, мыслить, чувствовать, осознавать себя и принимать решения. Одним словом, становятся похожи на человека. А в обычной жизни ближе всего к General AI чат-боты и виртуальные ассистенты, которые имитируют человеческое общение. Здесь ключевое слово — имитируют. Siri или Алиса не думают — и неспособны принимать решения в ситуациях, которым их не обучили. Сильный искусственный интеллект пока остаётся мечтой.

Суперинтеллект (Superintelligence)

Мы не только не создали суперинтеллект, но и не имеем пока что ни малейшего представления, как это сделать и можно ли вообще. Это не просто умные машины, а компьютеры, которые во всём превосходят людей. Проще говоря, что-то из области фантастики.

Видео:Выключить в случае восстания машин: новая вакансия OpenAIСкачать

Машинное обучение: как учится ИИ

Машинное обучение (англ. machine learning) — это один из разделов науки об ИИ. Здесь используются алгоритмы для анализа данных, получения выводов или предсказаний в отношении чего-либо. Вместо того чтобы кодировать набор команд вручную, машину обучают и дают ей возможность научиться выполнять поставленную задачу самостоятельно.

Чтобы машина могла принимать решения, необходимы три вещи:

• Алгоритм — специальная программа, которая говорит компьютеру, что делать и откуда брать данные. Например, мы можем написать программу, которая сортирует пиццу: «Маргарита», с грибами, с колбасой.
• Набор данных — примеры, на которых машина тренируется. Это могут быть картинки, видео, текст — что угодно. В нашем случае понадобятся тысячи фотографий различных пицц. Чем больше примеров, тем богаче опыт, — совсем как у людей.
• Признаки — на что компьютеру смотреть при принятии решения? Если мы занимаемся машинным обучением с учителем, то вручную выделяем грибочки и кусочки колбасы. При обучении без учителя — сливаем все данные в программу и даём компьютеру самому разобраться, где что, а при необходимости корректируем.

В машинном обучении много разных алгоритмов. Один из самых простых — линейная регрессия. Её применяют, если есть линейная зависимость между переменными. Пример: чем больше сумма заказа, тем больше вы оставите чаевых. По имеющимся данным можно предсказать сумму чаевых в будущем. В общем-то, простая математика.

Есть байесовские алгоритмы. В их основе применение теоремы Байеса и теории вероятности. Эти алгоритмы используют для работы с текстовыми документами — например, для спам-фильтрации. Программе нужно дать наборы данных по категориям «спам» и «не спам». Дальше алгоритм будет самостоятельно оценивать вероятность того, что слова «Бесплатные туры для пенсионеров» и «Закажи маме тур, пожалуйста» относятся к той или иной категории.

А ещё есть нейронные сети, о них вы наверняка слышали. Они относятся к методам глубокого машинного обучения, и об этом чуть подробнее.

Видео:Искусственный интеллект в Microsoft officeСкачать

Deep learning: глубокое обучение для разных целей

Глубокое обучение — подраздел машинного обучения. Алгоритмам глубокого обучения не нужен учитель, только заранее подготовленные (размеченные) данные.

Самый популярный, но не единственный метод глубокого обучения, — искусственные нейронные сети (ИНС). Они больше всего похожи на то, как устроен человеческий мозг.

Нейронные сети — это набор связанных единиц (нейронов) и нейронных связей (синапсов). Каждое соединение передаёт сигнал от одного нейрона к другому, как в мозге человека. Обычно нейроны и синапсы организованы в слои, чтобы обрабатывать информацию. Первый слой нейросети — это вход, который получает данные. Последний — выход, результат работы. Например, несколько категорий, к одной из которых мы просим отнести то, что было отправлено на вход. И между ними — скрытые слои, которые выполняют преобразование.

По сути, скрытые слои выполняют какую-то математическую функцию. Мы её не задаём, программа сама учится выводить результат. Можно научить нейросеть классифицировать изображения или находить на изображении нужный объект. Помните, как reCAPTCHA просит найти все изображения грузовиков или светофоров, чтобы доказать, что вы не робот? Нейронная сеть выполняет то же самое, что и наш мозг, — видит знакомые элементы и понимает: «О, кажется, это грузовик!»

А ещё нейросети могут генерировать объекты: музыку, тексты, изображения. Например, компания Botnik скормила нейросети все книги про Гарри Поттера и попросила написать свою. Получился «Гарри Поттер и портрет того, что выглядит как огромная куча пепла». Звучит немного странно, но как минимум с точки зрения грамматики это сочинение имеет смысл.

Сегодня нейронные сети могут применяться практически для любой задачи. Например, при диагностике рака, прогнозировании продаж, идентификации лиц в системах безопасности, машинных переводах, обработке фотографий и музыки.

Чтобы обучить нейросеть, нужны гигантские наборы тщательно отобранных данных. Например, для распознавания сортов огурцов нужно обработать 1,5 млн разных фотографий. Не получится просто слить рандомные картинки или текст из интернета — их нужно подготовить: привести к одному формату и удалить то, что точно не подходит (например, мы классифицируем пиццу, а в наборе данных у нас фото грузовика). На разметку данных — подготовку и систематизацию — уходят тысячи человеко-часов.

Чтобы создать новую нейросеть, требуется задать алгоритм, прогнать через него все данные, протестировать и неоднократно оптимизировать. Это сложно и долго. Поэтому иногда проще воспользоваться более простыми алгоритмами — например, регрессией.

Видео:Этот искусственный интеллект монтирует видео😍🥰Скачать

Подведём итоги

Искусственный интеллект — одновременно и наука, которая помогает создавать «умные» машины, и способность компьютера обучаться и принимать решения.

Машинное обучение — одна из областей искусственного интеллекта. МО использует алгоритмы для анализа данных и получения выводов.

А глубокое обучение — лишь один из методов машинного обучения, в рамках которого компьютер учится без учителя подспудно, с помощью данных.

Если чувствуете, что вас привлекает проектирование машинного интеллекта, продолжить образование можно на нашем курсе. Вы научитесь писать алгоритмы, собирать и сортировать данные и получите престижную профессию Data Scientist — специалист по машинному обучению.

Первичное, обычно регулярное, обследование тех, у кого нет клинических симптомов. Проводится с целью ранней диагностики заболевания.

До покупки Google, Waymo cars была самостоятельной компанией по производству самопилотируемых автомобилей.

Умный облачный помощник для устройств Apple.

Виртуальный голосовой помощник, созданный компанией «Яндекс».

Одна из основных теорем элементарной теории вероятностей. Позволяет переставить причину и следствие: по известному факту события вычислить вероятность того, что оно было вызвано этой причиной.

Видео:Первый робот с искусственным интеллектом прошел тест Тьюринга. Она может думать.Скачать

Искусственный интеллект

Искусственный интеллект – это технология, а точнее направление современной науки, которое изучает способы обучить компьютер, роботизированную технику, аналитическую систему разумно мыслить также как человек. Собственно мечта об интеллектуальных роботах-помощниках возникла задолго до изобретения первых компьютеров.

Людей в середине 50-х годов прошлого столетия сильно поразили возможности вычислительных машин, особенно способности ЭВМ, безошибочно выполнять множество задач одновременно. В головах ученых и писателей сразу возникли фантастические идеи о мыслящих машинах. Именно в этот период начинают зарождаться первые технологии искусственного интеллекта.

Исследования в сфере ИИ ведутся путем изучения умственных способностей человека и переложения полученных результатов в поле деятельности компьютеров. Таким образом, искусственный интеллект получает информацию из самых разных источников и дисциплин. Это и информатика, математика, лингвистика, психология, биология, машиностроение. На основе массива данных с помощью технологии машинного обучения компьютеры пытаются имитировать интеллект человека.

Главные цели ИИ достаточно прозрачны:

• Создание аналитических систем, которые обладают разумным поведением, могут самостоятельно или под надзором человека обучаться, делать прогнозы и строить гипотезы на основе массива данных.
• Реализация интеллекта человека в машине – создание роботов-помощников, которые могут вести себя как люди: думать, учиться, понимать и выполнять поставленные задачи.

Видео:Искусственный интеллект для бизнесаСкачать

История развития искусственного интеллекта

Авторство термина «искусственный интеллект» приписывают Джону Маккарти – основоположнику программирования, изобретателю языка Лисп. В 1956 году будущий лауреат престижной премии Тьюринга продемонстрировал в университете Карнеги-Меллон прототип программы на основе ИИ.

Умными роботами человечество начало грезить в первой четверти 20 века. Известный литератор Карел Чапек в 1924 года поставил в лондонском театре пьесу «Универсальные роботы». Представление поразило публику, а слово «робот» прочно вошло в обиход.

В 1943-45 годах закладываются основы для понимания и создания нейронных сетей, а уже в 1950 году Алан Тьюринг публикует в научном издании анализ интеллектуальной шахматной игры. В 1958 году появляется первый язык программирования искусственного интеллекта – Лисп.

В период с 1960 по 1970 ряд ученых доказали, что компьютеры способны понимать естественный язык на достаточно хорошем уровне. В 1965 году разработали Элизу – первого робота-помощника, который мог говорить на английском языке. В эти же годы направление ИИ стало привлекать правительственные и военные организации США, СССР и других стран. Так Министерство обороны США уже к 70-м годам запустило проект виртуальных уличных карт – прототип GPS.

В 1969 году ученые Стэнфордского университета создали Шеки – робота с ИИ, способного самостоятельно перемещаться, воспринимать некоторые данные и решать несложные задачи.

В Эдинбургском университете четырьмя годами позже (1973) был создан робот Фредди – это шотландский представитель семейства ИИ мог использовать компьютерное зрение для того, чтобы находить и собирать разные модели.

В СССР искусственный интеллект также развивался стремительно. Академики А.И. Берг и Г.С.Поспелов в 1954-64 годах создают программу «АЛПЕВ ЛОМИ», которая автоматически доказывает теоремы. В эти же годы советскими учеными был разработан алгоритм «Кора», который моделирует деятельность человеческого мозга при распознавании образов. В 1968 году Турчиным В.Ф создается символьный язык обработки данных РЕФАЛ.

80-е годы XX века стали прорывными для ИИ. Учеными были разработаны обучающие машины – интеллектуальные консультанты, которые предлагали варианты решений, умели самообучаться на начальном уровне, общались с человеком на ограниченном, но уже естественном языке.

В 1997 году создали известную шахматную программу – компьютер «Дип Блю», который обыграл чемпиона мира по шахматам Гарри Каспарова. В эти же годы Япония приступает к разработке проекта компьютера 6-го поколения на основе нейросетей.

Интересен факт, что в 1989 году другая шахматная программа Deep Thought обыграла гроссмейстера международного уровня Бента Ларсена. После этого поединка машины и человека, Гарри Каспаров заявил:

«Если интеллектуальная машина сможет переиграть в шахматы лучшего из лучших, значит, она сможет писать самую лучшую музыку, сочинять самые лучшие книги. Я не могу в это поверить. Когда я узнаю, что ученые создали компьютер с рейтингом интеллекта 2800, то есть равному моему, я сам вызову машину на шахматный поединок, чтобы защитить человеческую расу»

В 2000-е годы вновь появился интерес к робототехнике. ИИ активно внедряется в космическую отрасль, а также осваивается в бытовой сфере. Появляются системы умного дома, «продвинутые» бытовые устройства. Роботы Кисмет и Номад исследуют районы Антарктиды.

С 2008 начинается эра технологической сингулярности, которая по расчетам экспертов должна выйти в зенит в 2030 году. Начинается интеграция человека с вычислительными машинами, увеличиваются возможности человеческого мозга, появляются биотехнологии.

Видео:Искусственный Интеллект #AI #stablediffusion #artificialintelligence chatgpt, ии, нейросетьСкачать

Принципы ИИ

Прежде чем описываться технологические принципы, без которых немыслимо развитие искусственного интеллекта, стоит познакомиться с этическими законами робототехники. Их в 1942 году вывел Айзек Азимов в своём романе «Хоровод»:

• Робот или система с искусственным интеллектом не может навредить человеку своим действием или же своим бездействием допустить, чтобы человеку был приченен вред.
• Робот должен повиноваться приказам, которые получает от человека, кроме тех, которые противоречат Первому закону.
• Робот должен заботиться о своей безопасности, если это не противоречит Первому и Второму Законам.

До выхода в свет романа Азимова, искусственный интеллект ассоциировался с образом Франкенштейна Мэри Шелли. Искусственно созданное подобие человека с разумом восстает против людей. Эту же страшилку перенесли и в знаменитый блокбастер Голливуда «Терминатор».

Интересен факт, что в 1986 году Айзек Азимов дописал еще один пункт к законам робототехники. Писатель предпочел назвать его «нулевым»:

0. Робот не может навредить человеку, если только не докажет, что в конечном итоге это (вред) будет полезно для всего человечества.

Разобравшись с этическими законами, перейдем к технологическим принципам искусственного интеллекта:

Машинное обучение (МО) – принцип развития ИИ на основе самообучающихся алгоритмов. Участие человека при таком подходе ограничивается загрузкой в «память» машины массива информации и постановкой целей. Существует несколько методик МО: обучение с учителем – человек задает 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 способ, главное отличие в обработке больших массивов данных и использование нейросетей.

Нейросеть – математическая модель, которая имитирует строение и функционирование нервных клеток живого организма. Соответственно в идеале – это самостоятельно обучаемая система. Если перенести принцип на технологическую основу, то нейросеть – это множество процессоров, которые выполняют какую-то одну задачу в масштабном проекте. Другими словами суперкомпьютер – это сеть из множества обычных компьютеров.

Кроме того, трудно представить существование искусственного интеллекта без мощных графических процессоров, которые являются сердцем интерактивной обработки данных. Для интеграции ИИ в различные программы и устройства необходима технология API – программные интерфейсы приложений. Используя API можно без труда добавлять технологии искусственного интеллекта в любые компьютерные системы: домашняя безопасность, умный дом, оборудование на ЧПУ и прочее.

Видео:Обувь с искусственным интеллектом 😎Скачать

Сфера использования ИИ

Искусственный интеллект постепенно приходит во все отрасли человеческой деятельности, делая обычные программные комплексы интеллектуальными:

• Медицина и здравоохранение. Компьютерные системы ведут учет пациентов, помогают в расшифровке диагностических результатов. Например, снимки УЗИ, рентгена, томографа и другого медоборудования. Интеллектуальные системы даже могут по наличию признаков у пациента определять болезнь, предлагать оптимальные варианты лечения. В магазине приложений Гугла можно найти программы-помощники здорового образа жизни. Эти приложения считывают пульс и температуру тела при касании дисплея телефона палицами, чтобы определить уровень стресса человека и подсказать, как его снизить.
• Розничные продажи в онлайн-магазинах. Многим уже знакома релевантная реклама Гугла и Яндекса. С её помощью ритейлеры предлагают товары и услуги в соответствии с интересами пользователя. Например, вы посещали интернет-магазин купальников, какие-то модели рассматривали, читали характеристики и прочее. Покинув магазин, вы некоторое время будете видеть рекламу купальников на других сайтах. По схожему принципу работают блоки «похожие товары» в интернет-магазинах. Системы аналитики изучают поведенческие метрики пользователя, определяют его покупательские пристрастия и показывают релевантные (по их мнению) предложения.
• Политика. Интеллектуальные машины помогли Барак Обаме выиграть вторые президентские выборы. Для своей кампании тогда ещё действующий президент США нанял лучшую команду профессионалов в области анализа данных. Специалисты использовали возможности интеллектуальных машин, чтобы рассчитать наилучший день, штат и аудиторию для выступлений Обамы. По оценкам специалистов это дало перевес 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 разных отраслях промышленности.
• Игровая индустрия, образование. Искусственный интеллект активно применяется создателями игр. Умные машины, робототехника постепенно внедряются в образовательные процессы большинства государств.

Видео:Искусственный интеллект опасен: Хинтон ушел из GoogleСкачать

Основные проблемы ИИ

Как вы понимаете возможности искусственного интеллекта на данной стадии развития не безграничны. Перечислим главные трудности:

1. Обучение машин возможно только на основе массива данных. Это означает, что любые неточности в информации сильно сказываются на конечном результате.
2. Интеллектуальные системы ограничены конкретным видом деятельности. То есть умная система, настроенная на выявление мошенничества в сфере налогообложения, не сможет выявлять махинации в банковской сфере. Мы имеем дело с узкоспециализированными программами, которым ещё далеко до многозадачности человека.
3. Интеллектуальные машины не являются автономными. Для обеспечения их «жизнедеятельности» необходима целая команда специалистов, а также большие ресурсы.

Видео:ХУДШИЙ язык для НОВИЧКА | Правда от SENIOR программистаСкачать

Резюме

Мы познакомились с понятием, что такое искусственный интеллект. Изучили основные принципы: этические и технологические. Рассмотрели главные препятствия на пути развития ИИ. Искусственный интеллект тесно связан с развитием компьютерной техники, а также таких наук как математика, статистика, комбинаторика и других.

💡 Видео

#33. Искусственный интеллект (B1)/Artificial intelligence (B1)Скачать

Как я запустил стартап в IT с искусственным интеллектом за 50.000 руб.Скачать