Искусственный интеллект — это способность созданной человеком машины или системы имитировать, а в некоторых отношениях даже превосходить человеческий интеллект. Термин был придуман учёным-информатиком Джоном Маккарти в 1956 году, но сама концепция намного старше.
Понятие системы искусственного интеллекта
История развития искусственного интеллекта берёт начало ещё с середины прошлого века. В своей статье 1950 года, опубликованной в журнале Mind, Алан Тьюринг (создатель теста Тьюринга) задал вопрос, который до сих пор ставит учёных и философов в тупик: Могут ли машины думать?
Считается, что ИИ обладает спектром интеллекта, грубо разделённым на следующие три категории:
- ANI (искусственный узкий интеллект): изобилует в нашем современном мире; построен для конкретных задач; не имеет корысти; предсказуемый; не может имитировать человеческий интеллект.
- AGI (искусственный общий интеллект): теоретическая форма ИИ; имитирует сознание; имеет способность к самоанализу, планированию и самосовершенствованию; достаточно предсказуем; может имитировать человеческий интеллект.
- ИСИ (искусственный сверхразум): теоретическая форма ИИ; представляет собой сверхразум и способен к практически бесконечному познанию; непредсказуемый; может превосходить человеческий интеллект.
- ИИ, который мы используем сегодня, ANI (также известный как слабый ИИ), в основном предназначен для распознавания образов и создания запрограммированных выводов. Точно так же, как мы, люди, используем свои чувства, чтобы ориентироваться в окружающем мире и действовать соответствующим образом, ИИ использует данные, которые мы ему предоставляем, для самых разных вещей.
История искусственного интеллекта
Представление о неодушевлённых предметах, наделённых разумом, существует с древних времён.
Греческий бог Гефест изображался в мифах как статуя из золота роботоподобного вида. Инженеры в Древнем Египте также строили статуи богов, оживляемых жрецами.
На протяжении веков мыслители, от Аристотеля до испанского теолога 13-века Рамона Луллия, Рене Декарта и Томаса Байеса использовали инструменты и логику для описания мыслительных процессов человека. Это своего рода символов, закладывая основу для концепций ИИ, таких как представление общих знаний.
Конец 19-го и первая половина 20-го, связанны, с фундаментальной работай, которая привела к появлению современного компьютера. В 1836 году математик из Кембриджского университета Чарльз Бэббидж и Августа Ада Байрон, графиня Лавлейс, изобрели первый проект программируемой машины.
1940-года, математик из Принстона Джон фон Нейман разработал архитектуру компьютера с хранимой программой. Воплотив идею о том, что компьютерная программа и данные, которые обрабатывает, могут храниться в памяти компьютера. А Уоррен МакКаллох и Уолтер Питтс заложили основы нейронных сетей.
1950-года. С появлением современных компьютеров учёные смогли проверить свои идеи о машинном интеллекте. Один из методов определения того, обладает ли компьютер интеллектом, был разработан британским математиком и дешифровальщиком времён Второй мировой войны Аланом Тьюрингом.
Тест Тьюринга был сосредоточен на способности компьютера обмануть следователей, заставив их поверить в то, что ответы на вопросы были даны человеком.
1956-год, на летней конференции в Дартмутском колледже широко упоминается современная область искусственного интеллекта. На конференции приняли участие 10 светил в этой области, в том числе такие основоположники ИИ, как Марвин Мински, Оливер Селфридж и Джон Маккарти, которому приписывают введение термина «искусственный интеллект».
1950 и 1960-годы. После конференции в Дартмутском колледже исследователи предсказали, что искусственный интеллект, эквивалентный человеческому мозгу, уже не за горами. Это привлечёт поддержку правительства и промышленности, и почти 20 лет хорошо финансируемых фундаментальных исследований привели к значительным достижениям в области ИИ.
Например, в конце 1950-годах Ньюэлл и Саймон опубликовали алгоритм общего решения проблем (GPS), который хоть и не смог решить сложные проблемы, заложил основы для разработки более сложных когнитивных архитектур. А Маккарти разработал Lisp, язык для программирования ИИ, который используется до сих пор.
В середине 1960-годов профессор Массачусетского технологического института Джозеф Вейценбаум разработал ELIZA, раннюю программу обработки естественного языка, которая заложила основу для современных чат-ботов.
1970 и 1980-годы, также связаны с достижениями искусственного интеллекта, хотя этому мешали ограничения компьютерной обработки и памяти. Но, правительство и корпорации отказались от поддержки исследований в области ИИ, что привело к периоду застоя, длившемуся с 1974 по 1980 год, известному как первая «Зима ИИ».
В 1980-годах исследования в области методов глубокого обучения и внедрение экспертных систем Эдварда Фейгенбаума в промышленность вызвали новую волну энтузиазма в области ИИ. За этим последовал очередной крах государственного финансирования и поддержки отрасли – «Вторая зима ИИ», которая продлилась до середины 1990-годов.
С 1990-годов заметно увеличение вычислительной мощности и ренессанс ИИ, который продолжается и по сей день.
Повышенное внимание к ИИ привело к прорывам в обработке естественного языка, компьютерном зрении, робототехнике, машинном обучении, глубоком обучении и многом другом.
Более того, ИИ становится более осязаемым, приводя автомобили в действие, диагностируя болезни и укрепляя свою роль в массовой культуре. В 1997 году Deep Blue от компании IBM победил российского гроссмейстера Гарри Каспарова, став первой компьютерной программой, победившей чемпиона мира по шахматам.
Применение искусственного интеллекта
Когда вы что-то ищете в интернете, ИИ отображает результаты поиска, которые вы, скорее всего, найдёте полезными, основываясь на ключевых словах в ваших запросах или истории просмотров.
Например, на YouTube ИИ рекомендует видео, которые вы, скорее всего, захотите посмотреть, основываясь на истории просмотров (и других факторах). На Amazon искусственный интеллект определяет порядок списков продуктов, поэтому вы быстрее находите то, что ищете.
При использовании режима автономного вождения на Tesla ИИ использует датчики автомобиля. Это позволяет понимать окружение и решать, когда надо ускоряться, поворачивать, нажимать на тормоза и т. д. Области применения искусственного интеллекта крайне обширны.
Люди создали технологию искусственного интеллекта по той же причине, что и любые технологии: чтобы уменьшить страдания и увеличить удовольствие.
Сегодня ИИ помогает нам переводить языки, избегать пробок на дорогах, предотвращать мошенничество, управлять запасами, автоматизировать работу по дому, составлять планы диеты, торговать акциями, создавать контент, создавать иллюстрации, изучать аналитику и многое другое.
Риски и опасности технологии искусственного интеллекта
Хотя ИИ очень полезен, также потенциально представляет серьёзную опасность для общества.
Возможно, самая большая из них — это безработица. Люди обычно приходят на работу в возрасте 20 лет; это два десятилетия заботы и образования, необходимых для того, чтобы сделать кого-то экономически полезным.
Но ИИ может обучаться новому почти мгновенно и совершенствоваться с каждым поколением, особенно когда работа повторяется и предсказуема. И, в отличие от рабочих-людей, машины бесконечно послушны, не устают и не требуют ежемесячной зарплаты или пособий, что делает их более производительными, дешёвыми и, следовательно, более прибыльными, чем рабочие-люди.
Ещё одна опасность, которую представляет ИИ, — предвзятость и дезинформация.
Люди по своей природе предвзяты, поэтому было бы глупо предполагать, что наше создание ИИ не будет таковым. Разница в том, что мы можем определить наши предубеждения, но ИИ считает любые запрограммированные в нём данные объективной истиной.
Вот почему компании, работающие в социальных сетях, используют модераторов и проверяющих факты людей, чтобы ограничить распространение дезинформации.
Замените их ИИ, и всё рухнет. Тем не менее мы используем компьютерное зрение для модерации в социальных сетях, чтобы, как мы надеемся, не допустить, чтобы некоторые из наиболее тревожных материалов, размещённых в интернете, попадали на глаза незадачливым модераторам.
Кроме того, инструменты ИИ теперь используются для выдачи себя за знаменитостей, политиков и общественных деятелей с помощью технологий дипфейков и клонирования голоса.
Это крайне опасно по понятным причинам. К сожалению, по мере совершенствования технологий становится всё труднее отличить правду от подделки.
AI – искусственный интеллект как инструмент
Какие задачи решает искусственный интеллект? Понятие ИИ очень широкое, и мы коснулись только поверхности.
Вы, наверное, слышали или тестировали чат-ботов с искусственным интеллектом, как ChatGPT или встроенный чат-бот Microsoft Bing. Возможно, именно здесь возник ваш интерес к технологии. Хотя эти чат-боты на основе искусственного интеллекта впечатляют, они несвободны от ограничений и недостатков.
В то время как инструменты ИИ предоставляют ряд новых функций для бизнеса, использование искусственного интеллекта также вызывает этические вопросы, к лучшему или к худшему, система ИИ закрепит то, что уже изучила.
Это может быть проблематично, потому что алгоритмы машинного обучения, лежащие в основе многих передовых инструментов искусственного интеллекта, умны настолько, насколько хороши данные, которые им даются при обучении. Поскольку человек выбирает, какие данные использовать для обучения программы искусственного интеллекта, возможность смещения машинного обучения неотъемлема и должна тщательно отслеживаться.
Любой, кто хочет использовать машинное обучение как часть реальных производственных систем, должен учитывать этику в своих процессах обучения ИИ и стремится избегать предвзятости. Это особенно верно при использовании алгоритмов ИИ, которые по своей сути необъяснимы в приложениях глубокого обучения и генеративно-состязательной сети (GAN).
Необъяснимость — это потенциальный камень преткновения при использовании ИИ в отраслях, где действуют строгие нормативные требования.
Например, финансовые учреждения действуют в соответствии с положениями, требующими от них объяснения своих решений о выдаче кредита. Однако, когда решение об отказе в кредите принимается ИИ, может быть трудно объяснить, как оно было принято. Ведь инструменты ИИ, используемые для принятия таких решений, работают, выявляя тонкие корреляции между тысячами переменных.
Общий регламент ЕС по защите данных (GDPR) устанавливает строгие ограничения на то, как предприятия могут использовать данные потребителей. Это также препятствует обучению и функциональности многих приложений ИИ, ориентированных на потребителя.
Разработка законов для регулирования ИИ будет непростой задачей, отчасти потому, что ИИ включает в себя множество технологий, которые компании используют для разных целей. Отчасти потому, что регулирование может осуществляться благодаря прогрессу и развития ИИ.
Быстрая эволюция технологий является ещё одним препятствием для регулирования ИИ.
Технологические прорывы и новые приложения также могут мгновенно сделать существующие законы устаревшими. Например, существующие законы, регулирующие конфиденциальность разговоров, не охватывают проблемы, связанные с голосовыми помощниками, как Alexa от Amazon или Siri от Apple.
Но они собирают, хотя и не распространяют разговоры, кроме технических групп компаний, использующих их для улучшения алгоритмов машинного обучения.
Будущее ИИ (Джордан Питерсон) – видео
Оцените насколько полезна статья?
Нажмите на звезду, чтобы оценить!
Мы не претендуем на истину! Высказанное в обзорах, статьях и рейтингах мнение автора, является сугубо его личным, основанным на опыте, практике или других факторах. Оно может не совпадать с вашим, но это не значит, что неверно или не имеет права существовать. Все материалы, ссылки или контент сайта tehnobzor.ru носит сугубо познавательный (информационный) характер и не является рекламой, даже если содержит рекомендации автора