Лекция1_Искусственный_интеллект_Введение_в_ML

1. Технологии машинного обучения и анализа данных

Лекция 1

2.

УТВЕРЖДЕНА
Указом Президента
Российской Федерации
От 9 мая 2017 г. № 203
Стратегия развития информационного
общества в Российской Федерации на
2017 - 2030 годы
УТВЕРЖДЕНА
Распоряжением Правительства
Российской Федерации от 28 июля
2017 года № 1632-р
Индустрия 4.0
Цифровая экономика
Программа
"Цифровая экономика Российской
Федерации"

3. Основные сквозные цифровые технологии

•Большие данные;
•нейротехнологии и искусственный интеллект;
•технология блокчейн;
•облачные и туманные вычисления;
•интернет вещей (IoT);
•системы распределенного реестра;
•новые производственные технологии;
•промышленный интернет;
•компоненты робототехники и сенсорика;
•технологии беспроводной связи;
•технологии виртуальной и дополненной реальностей.

4. Основные сквозные цифровые технологии

•Большие данные;
•нейротехнологии и искусственный интеллект;
•технология блокчейн;
•облачные и туманные вычисления;
•интернет вещей (IoT);
•системы распределенного реестра;
•новые производственные технологии;
•промышленный интернет;
•компоненты робототехники и сенсорика;
•технологии беспроводной связи;
•технологии виртуальной и дополненной реальностей.

5.

«Базовые и дополнительные требования
к умным городам (стандарт "умный город")» везде встречаются понятия «интеллектуальный»

6.

• Интеллектуальная система:
Сложная система, способная воспринимать, сравнивать,
преобразовывать, создавать и хранить внутри себя
модели определенных объектов.
Источник:
ГОСТ Р 56875-2016
Информационные технологии (ИТ). Системы безопасности
комплексные и интегрированные. Типовые требования к
архитектуре и технологиям интеллектуальных систем
мониторинга для обеспечения безопасности предприятий
и территорий

7.

• ГОСТ Р 58776-2019 «Средства мониторинга поведения и
прогнозирования намерений людей. Термины и
определения»;
• ГОСТ Р 58777-2019 «Воздушный транспорт. Аэропорты.
Технические средства досмотра. Методика определения
показателей качества распознавания незаконных
вложений по теневым рентгеновским изображениям».
Вступают в действие с 1 сентября 2020 года

8. Что такое искусственный интеллект

• Интеллект (от лат. intellectus — ощущение, восприятие,
разумение, понимание, понятие, рассудок), или ум —
качество психики, состоящее из способности
приспосабливаться к новым ситуациям, способности к
обучению и запоминанию на основе опыта, пониманию
и применению абстрактных концепций и
использованию своих знаний для управления
окружающей средой.
• Интеллект — это общая способность к познанию и
решению трудностей, которая объединяет все
познавательные способности человека: ощущение,
восприятие, память, представление, мышление,
воображение.

9.

В начале 1980-х гг. ученые в области теории вычислений
Барр и Файгенбаум предложили следующее определение
искусственного интеллекта (ИИ):
Искусственный интеллект — это область информатики,
которая занимается разработкой интеллектуальных
компьютерных систем, то есть систем, обладающих
возможностями, которые мы традиционно связываем с
человеческим разумом, — понимание языка, обучение,
способность рассуждать, решать проблемы и т. д.

10. Сферы применения ИИ

11.

Искусственный интеллект (ИИ)
Artificial Intelligence (AI) - наука и технология
создания интеллектуальных машин.
• Работа с естественными языками (информационный
поиск и машинный перевод).
• Машинное обучение.
• Экспертные системы.
• Интеллектуальный анализ данных.
• Распознавание образов, компьютерное зрение.
• Робототехника.

12. Сферы применения ИИ

• Использование ИИ в целях обороны и в военном деле
(Искусственный интеллект в ВПК, Кибервойны, Боевые роботы).
• Искусственный интеллект в образовании
• Использование ИИ в бизнесе (ИИ в борьбе с мошенничеством,
поиск оптимальных решений).
• ИИ в электроэнергетике (улучшенное прогнозирование генерации и
спроса на энергоресурсы, оценка надежности
энергогенерирующего оборудования, снижение потерь,
оптимизация ценообразования, оптимизация энергопотребления с
учетом привычек и поведения клиента).
• ИИ в производственной сфере (на уровне проектирования,
производства, продвижения, обслуживания).
• ИИ в банках.

13. Сферы применения ИИ

• ИИ на транспорте
• ИИ в логистике.
• ИИ в торговле.
• Распознавание образов - используется в т.ч. для узнавания клиентов
и передачи им специализированных предложений.
Анализируя диалоги, бот не только научился вести переговоры — он
научился врать. Инженеры отмечают, что искусственный интеллект
может имитировать интерес не к тому, что его действительно
интересует, а к другому предмету.
Выиграв преференции в ходе переговоров, он возвращается к объекту
интереса. Впрочем, инженеры до конца не уверены, научился ли бот
вранью из человеческих диалогов, или вышел на тактику случайно, в
процессе самообучения.

14.

• Игры.
• Фотография (ретушь).
• ИИ в спорте.
• ИИ в медицине (здравоохранении).
• Анализ поведения граждан (Мониторинг и анализ
социальных сетей).
• Живопись, поэзия.
Разрежен воздух высоко в горах пытайся избежать ночлега ...
Вершины на семи ветрах
стоят по пояс
белые от снега

15. Появление термина «искусственный интеллект»

• В 1950 году один из пионеров в области вычислительной
техники, английский учёный Алан Тьюринг, пишет статью под
названием «Может ли машина мыслить?», в которой
описывает процедуру, с помощью которой можно будет
определить момент, когда машина сравняется в плане
разумности с человеком, получившую название теста
Тьюринга.
• 1956: Появление термина "искусственный интеллект».
Летом 1956 года в Университете Дартмута в США прошла
первая конференция с участием таких ученых, как Маккарти,
Минский, Шеннон, Тьюринг, которые впоследствии были
названы основателями сферы искусственного разума.
• В течение 6 недель ученые обсуждали возможности
реализации проектов в сфере искусственного интеллекта.
Именно тогда и появился сам термин artificial intelligence —
искусственный интеллект.

16.

• Искусственный интеллект - название всей области, как биология
или химия.
• Машинное обучение - это раздел искусственного интеллекта.
Важный, но не единственный.
• Нейросети — один из видов машинного обучения. Популярный, но
есть и другие, не хуже.
• Глубокое обучение — архитектура нейросетей, один из подходов к
их построению и обучению.
Машина может
Машина не
может
Предсказывать
Создавать
новое
Запоминать
Резко
поумнеть
Воспроизводить
Выйти за
рамки
задачи
Выбирать
лучшее

17.

В 1843 году Ада Лавлейс заметила: «Аналитическая машина не
может создавать что-то новое. Она может делать все, что мы и
сами знаем, как выполнять… ее цель состоит лишь в том, чтобы
помогать нам осуществлять то, с чем мы уже хорошо знакомы».

18. Машинное обучение

Область машинного обучения возникла из вопроса: может ли компьютер выйти за рамки
того, «что мы и сами знаем, как выполнять», и самостоятельно научиться решать
некоторую определенную задачу?
Может ли компьютер удивить нас?
Может ли компьютер без помощи программиста, задающего правила обработки данных,
автоматически определить эти правила, исследуя данные?
В машинном обучении система обучается, а не программируется явно. Ей передаются
многочисленные примеры, имеющие отношение к решаемой задаче, а она находит в этих
примерах статистическую структуру, которая позволяет системе выработать правила для
автоматического решения задачи.
Цель машинного обучения — предсказать результат по входным данным. Чем
разнообразнее входные данные, тем проще машине найти закономерности и тем точнее
результат.

19.

Машинное обучение
ИСКУССТВЕННЫЙ
ИНТЕЛЛЕКТ
Наука, которая
позволяет
компьютерам
имитировать
интеллект
человека.
МАШИННОЕ
ОБУЧЕНИЕ
Раздел
искусственного
интеллекта,
который
позволяет
машинам
выводить
закономерности на
основе
предыдущего опыта
Обучение с учителем
Обучение,
основанное на маркированных обучающих
данных.
Обучение без учителя
Обнаружение скрытых закономерностей
самостоятельно.
Обучение с подкреплением. Алгоритм
максимизации суммарного вознаграждения.

20.

Обучение с учителем (Supervised
learning)
• Используется для обучения алгоритмов с использованием
маркированных входных и выходных данных.
• Эффективность оценивается путем сравнения предсказания
Желаемый результат
обученной модели с реальным результатом.
y _train
Входные данные