Сегодня искусственный интеллект прочно занял свои позиции и активно помогает человечеству решать проблемы во многих областях от безопасности до развлечений и искусства. С помощью каких технологий это происходит, рассказала Алевтина Шаталова, преподаватель департамента машинного обучения и анализа данных Финансового университета, лектор и автор курсов GeekBrains (Mail.ru) и высшей школы «Среда обучения».
Не секрет, что современными учеными в настоящее время предпринимается ряд попыток создать совершенную модель искусственного интеллекта (ИИ), которая бы смогла во всем превзойти человека.
Вообще в теории современной науки выделяют три основных вида ИИ:
Так вот, значительную часть двадцатого столетия ученые пытались построить модели первых двух видов и только в наши дни появились доказательства, что создание модели третьего вида не за горами. Разумеется, первые два вида стали отличным подспорьем для этого. Те технологии, которые использовались для анализа данных и их обработки, а также машинное обучение, использующее регрессионные модели (выявление зависимостей) дали толчок развитию нейросетей.
Рассмотрим простой пример. Допустим, мы долгое время вели учет данных всех пациентов городской больницы и насобирали более 100 000 человек. Теперь на основе этих данных, предварительно обработав их и представив в нужном виде, можем построить модель, которая выявит линейные закономерности между возрастом и видом диагноза, лечащем врачом и смертностью и многое другое. Разумеется, мы должны вначале обучить модель, подсказать по какому принципу (модели регрессии) данные могут соединяться, натренировать ее на обучающей выборке, а уж затем давать ей данные для изучения и создания выводов. Такой подход является классическим приемом машинного обучения и чаще всего, когда речь идет о выводах на основе Big Data речь именно о нем. И это модель ИИ первого вида (Artificial Narrow Intelligence).
Теперь поговорим о втором типе (Artificial General Intelligence).
В настоящее время практически каждый знаком с термином искусственного интеллекта, как некой математической модели, реализованной по принципу работы головного мозга человека. Эта тоже разновидность машинного обучения, состоящая из слоев, каждый из которых может рассматриваться как ряд отдельных «нейронов». Если говорить общими словами, то для компьютера нейронная сеть — это математическая функция, которая принимает входные и производит выходные данные на основе промежуточных слоев. Практическая польза создания такой модели в том, что в отличие от предыдущего вида, она может выявлять более сложные закономерности (а не только линейные) и на основе их делать более точные выводы.
Теперь вспомним про современные ИИ, например, ChatGPT, который представляет собой модель, значительно превосходящую по сложности те, о которых мы говорили ранее. Это вид глубокого обучения – передовая область исследований машинного обучения, впервые появившаяся в 2006 году.
Глубокое обучение представляет собой несколько скрытых слоев искусственных нейронных сетей. Методология глубокого обучения применяет нелинейные преобразования и модельные абстракции высокого уровня на больших базах данных, она будет эффективно выполнять свою задачу даже без человеческого руководства (глубокое обучение может контролироваться, частично контролироваться или выполняться без участия человека).
В нынешнюю эпоху и в будущем глубокое обучение может стать полезным инструментом безопасности благодаря сочетанию распознавания лиц и речи. Помимо этого, цифровая обработка изображений является областью исследований, которая может применяться во множестве других областей. По этой причине и доказав истинную оптимизацию, глубокое обучение является современным и интересным предметом развития искусственного интеллекта.
| Комментарии: |