Искусственный интеллект понятие, сферы применения

1. Искусственный интеллект: понятие, сферы применения

ИСКУССТВЕННЫЙ
ИНТЕЛЛЕКТ:
ПОНЯТИЕ, СФЕРЫ
ПРИМЕНЕНИЯ

2. Искусственный интеллект (ИИ) – это в первую очередь технология.

3. Принципы работы ИИ

Искусственный интеллект действует по циклическому принципу,
проходя ряд этапов.
■ Сначала данные собираются из различных источников — базы данных,
интернет-потоки (data streams), датчики, которые служат источниками
информации о физическом мире в разных форматах — изображения, звук,
телеметрия, биометрия и т.д. Они используются для обучения систем
искусственного интеллекта восприятию и пониманию информации.
■ Далее
собранные
данные
обрабатываются,
проходят
очистку,
структурируются и форматируются.
■ Затем модели обучаются с использованием алгоритмов машинного обучения
с целью выявить закономерности.
■ Полученные знания используются для решения конкретных задач, таких
задач как распознавания образов, перевода текстов или предоставления
рекомендаций.
■ Модели проходят регулярную проверку и корректируются на основании
предоставленных результатов.

4.

Рассмотрим пример, поясняющий этот цикл.
Система ИИ обучается распознавать изображения
домашних животных.
На этапе сбора данных она получает тысячи фотографий
кошек, собак, птиц.
Затем изображения обрабатываются — нормализуются
по размеру, устраняются шумы и искажения.
После этого система с помощью алгоритмов машинного
обучения анализирует закономерности — выявляет
характерные признаки, по которым различаются кошки,
собаки и птицы.
После обучения модель применяет полученные знания
на практике для распознавания животных на новых
изображениях.
Периодически работа оценивается, и при необходимости
проводится дообучение на новых данных.

5. Технологии ИИ

За «способностью» искусственного интеллекта обучаться и решать задачи, стоят
следующие технологии:
■ Машинное обучение (Machine Learning) — область искусственного интеллекта, которая
разрабатывает алгоритмы и статистические модели, позволяющих компьютерным
системам обучаться на данных и находить закономерности и принимать решения,
аналогичные человеческому мышлению. Машинное обучение используется для анализа
предпочтений пользователей и предложения релевантного контента.
■ Нейронные сети строятся по принципу работы биологических нейронных сетей, таких как
человеческий мозг. Они состоят из взаимосвязанных узлов (искусственных нейронов),
которые преобразуют входные данные, проходя через функцию активации и передают
сигнал дальше другим нейронам. Нейронные сети способны к самообучению и
распознаванию сложных закономерностей. Они лежат в основе инструментов
распознавания лиц, речи и жестов, таких как, например, FaceID от Apple.
■ Глубокое обучение (deep learning) — область машинного обучения, основанная на
использовании многослойных нейронных сетей, которые выявляют нелинейные
зависимости в огромных массивах данных. Глубокие нейронные сети демонстрируют
результаты в таких областях, как компьютерное зрение, распознавание речи, обработка
естественного языка, рекомендательные системы.

6.

Искусственный интеллект —
понятие, которое объединяет
разные технологии, а машинное
обучение и нейронные сети
являются его составными
частями. Так машинное
обучение представляет собой
метод обработки и анализа
данных в ИИ, а нейронные сети
— математические модели,
работающие по принципу
нейронной сети живого
организма.

7. Искусственный интеллект и человеческий мозг

Для того, чтобы лучше понять принципы работы искусственного
интеллекта, полезно кратко рассмотреть, как функционирует человеческий
мозг:
■ Передача информации происходит через электрохимические импульсы
между рецепторными клетками и нейронами.
■ Параллельная обработка данных множеством нейронов позволяет
оценивать ситуации, принимать решения и реагировать на окружающий
мир.
■ Когнитивные вычисления — это подход в области искусственного
интеллекта, направленный на создание компьютерных систем, способных
имитировать человеческое мышление и решать сложные задачи,
требующие рассуждений, обучения и адаптации. Поступающая
информация анализируется на основании накопленного опыта и
используется для решения задач.

8. Типы искусственного интеллекта

По уровню развития и сложности ИИ можно разделить на
следующие типы:
■ Узкий или слабый ИИ (Narrow AI) применяется для решения специфических
задач в узких областях знаний, таких как бизнес-аналитика, логистика или
медицинская диагностика, системы компьютерного зрения в беспилотных
автомобилях, способные распознавать разметку и другие объекты на дороге.
■ Общий или сильный ИИ (General AI) – теоретическая форма ИИ, в которой
машина будет иметь интеллект равный человеческому. Общий ИИ будет
способен обучаться, чувствовать, мыслить абстрактно и решать задачи.
■ «Сверхинтеллект» или «суперИИ» (Super AI) — концепция искусственного
интеллекта, который превосходит человеческий разум по всем параметрам,
включая скорость обучения, логику, память и креативность. Идея
«суперинтеллекта», превосходящего человека во всех сферах, активно
обсуждается в научной фантастике, но пока не существует четких путей
достижения этой стадии ИИ. Скорее всего, это вопрос времени.

9. Инструменты искусственного интеллекта

Инструменты ИИ — это программные приложения,
которые используют алгоритмы искусственного интеллекта для
выполнения интеллектуальных задач.
Эти инструменты
могут анализировать
данные,
распознавать шаблоны, принимать решения или делать
прогнозы, они предназначены для автоматизации задач,
предоставления аналитики и оптимизации операций

10. Преимущества использования инструментов ИИ

1. Повышение эффективности и производительности
2. Улучшение возможности принятия решений
3. Повышение точности
4. Снижение риска человеческой ошибки
5. Сокращение затрат и оптимизация ресурсов

11. Типы инструментов искусственного интеллекта

1. Инструменты обработки естественного языка (NLP) предназначены для
понимания и манипуляции человеческим языком.
Их используют в чат-ботах для перевода языков и анализа
настроений. Эти инструменты также могут использоваться для более
сложных задач, таких как: резюмирование текста, обнаружение спама и
генерация креативного контента
Примеры:
IBM Watson
Google Cloud AI
GPT-4 от OpenAI

12. Типы инструментов искусственного интеллекта

2. Инструменты компьютерного зрения позволяют компьютерам
интерпретировать и принимать решения на основе визуальных
данных из окружающего мира.
Кроме того, они играют важную роль в автономных
транспортных средствах, инспекции качества в производстве и
опытах дополненной реальности
Примеры:
Clarifai
IBM Watson
Google Cloud AI

13. Типы инструментов искусственного интеллекта

3.
Платформы
машинного
обучения
предоставляют
инфраструктуру и инструменты, необходимые для создания,
обучения и развертывания моделей машинного обучения,
которые важны для анализа данных и аналитики
Примеры: C3.ai
Microsoft Azure AI
Amazon Web Services (AWS) AI
H2O.ai

14. Типы инструментов искусственного интеллекта

4. Инструменты автоматизации процессов (RPA) автоматизируют
рутинные задачи, имитируя действия человека в цифровых системах.
Их широко используют в бизнеспроцессах для повышения
эффективности. Помимо простой автоматизации, инструменты RPA
могут интегрироваться с ИИ для обработки более сложных процессов,
таких как понимание неструктурированных данных и принятие
решений
Примеры:
DataRobot
UiPath
Salesforce Einstein

15. Развитие ИИ в мире

По мере развития технологий инвестиции в
область искусственного интеллекта продолжают
расти. Microsoft, Google, OpenAI, Amazon и Apple
играют важную роль в стимулировании развития
и внедрения решений ИИ в повседневную жизнь.

16. Перспективы искусственного интеллекта

■ Мнения исследователей о будущем искусственного интеллекта расходятся.
Оптимисты полагают, что высокоразвитый ИИ появится уже через 50 лет
благодаря прогрессу в области машинного обучения, нейросетей и
вычислительных мощностей. Пессимисты утверждают, что прогресс замедлится
из-за сложности моделирования человеческого мозга, содержащего 86
миллиардов нейронов.
■ Несмотря на впечатляющие успехи в области искусственного интеллекта,
воспроизвести сложность биологического мозга при помощи компьютерных
технологий пока не представляется возможным. Изучение принципов работы
человеческого мозга остается сложной задачей для нейробиологии и когнитивных
наук.
■ Внедрение ИИ также сталкивается с рядом проблем, включая адаптацию бизнеспроцессов, нехватку специалистов, влияние на экологию и сложности применения
в науке, связанные с воспроизводимостью результатов.
■ Тем не менее, искусственный интеллект продолжает менять наш мир, а будущее
зависит от нашей способности решать сложные проблемы, совершенствовать
технологии и сотрудничать в этом захватывающем направлении.

17. Домашнее задание

■ Приведите пример использования ИИ. (Не менее 15 предложений).