Если вы хотите узнать о захватывающих и быстро развивающихся технологиях искусственного интеллекта, мы расскажем обо всем, начиная с машинного обучения и общего ИИ и заканчивая нейронными сетями.
Перевод большого материала zdnet
- Что такое искусственный интеллект?
- Как я могу использовать ИИ?
- Каковы различные типы искусственного интеллекта?
- Что такое узконаправленный ИИ?
- Что такое общий искусственный интеллект?
- Что такое супер ИИ?
- Какие примеры ИИ можно привести за последнее время?
- ChatGPT (и GPTs)
- Самоуправляемые автомобили
- Робототехника
- DeepMind
- Что такое машинное обучение?
- Что входит в систему машинного обучения?
- Контролируемое обучение
- Неконтролируемое обучение
- Обучение с подкреплением
- Что такое большие языковые модели?
- Что такое глубокое обучение?
- Что такое нейронные сети?
- Какие возможности доступны для использования ИИ уже сейчас?
- Какая компания лидирует в гонке искусственного интеллекта?
- OpenAI
- Alphabet
- Microsoft
- Другие компании
- Как искусственный интеллект изменит мир?
- Может ли искусственный интеллект лишить вас работы?
Что такое искусственный интеллект?
Услышав термин “искусственный интеллект” (ИИ), вы можете подумать о самоуправляемых автомобилях, роботах, ChatGPT или других чат-ботах с ИИ, а также об искусственно созданных изображениях. Но важно также заглянуть за результаты ИИ и понять, как работает эта технология и каково ее влияние на нынешнее и будущие поколения.
ИИ – это концепция, которая формально существует с 1950-х годов, когда она была определена как способность машины выполнять задачи, для которых раньше требовался человеческий интеллект. Это довольно широкое определение, которое менялось на протяжении десятилетий исследований и технологического прогресса.
Когда вы рассматриваете вопрос о присвоении интеллекта машине, такой как компьютер, имеет смысл начать с определения термина “интеллект” – особенно когда вы хотите определить, действительно ли искусственная система заслуживает этого.
Уровень интеллекта отличает нас от других живых существ и имеет важное значение для человеческого опыта. Некоторые эксперты определяют интеллект как способность адаптироваться, решать проблемы, планировать, импровизировать в новых ситуациях и учиться новому.
Поскольку интеллект иногда рассматривается как основа человеческого опыта, неудивительно, что мы пытаемся искусственно воссоздать его в научных исследованиях.
И современные системы ИИ могут демонстрировать некоторые черты человеческого интеллекта, включая обучение, решение проблем, восприятие и даже ограниченный спектр креативности и социального интеллекта.
Как я могу использовать ИИ?
ИИ существует в различных формах, которые стали широко доступны в повседневной жизни. Умные колонки на вашей кухне со встроенным голосовым помощником Алиса, Alexa или Google являются двумя отличными примерами ИИ. Другими хорошими примерами являются популярные чат-боты с ИИ, такие как ChatGPT, новый Bing Chat и Google Bard.
Когда вы спрашиваете у ChatGPT столицу какой-либо страны или просите Алису сообщить вам погоду, вы получаете ответы, которые являются результатом работы алгоритмов машинного обучения.
Хотя эти системы не заменяют человеческий интеллект или социальное взаимодействие, они способны использовать свое обучение для адаптации и приобретения новых навыков для выполнения задач, на которые они не были запрограммированы.
Каковы различные типы искусственного интеллекта?
Искусственный интеллект можно разделить на три общепризнанные подкатегории: узконаправленный ИИ, общий ИИ и супер ИИ.
Что такое узконаправленный ИИ?
Искусственный узконаправленный интеллект (ИУИ) имеет решающее значение для голосовых помощников, таких как Алиса, Siri, Alexa и Google Assistant. К этой категории относятся интеллектуальные системы, которые были разработаны или обучены выполнять конкретные задачи или решать конкретные проблемы, не будучи явно предназначенными для этого.
ИУИ часто называют слабым ИИ, поскольку он не обладает общим интеллектом, но некоторые примеры возможностей узкого ИИ включают вышеупомянутые голосовые помощники, а также системы распознавания изображений, технологии, которые отвечают на простые запросы обслуживания клиентов, и инструменты, которые отмечают неприемлемый контент в Интернете.
ChatGPT является примером ИУИ, поскольку он запрограммирован на выполнение конкретной задачи – генерировать текстовые ответы на заданные ему вопросы.
Что такое общий искусственный интеллект?
Искусственный общий интеллект (AGI), также известный как сильный ИИ, все еще остается гипотетической концепцией, поскольку он предполагает понимание и выполнение машиной самых разных задач на основе накопленного ею опыта. Этот тип интеллекта находится на уровне человеческого интеллекта, поскольку системы AGI смогут рассуждать и думать, как человек.
Как и человек, AGI потенциально сможет понять любую интеллектуальную задачу, мыслить абстрактно, учиться на своем опыте и использовать эти знания для решения новых задач. По сути, речь идет о системе или машине, способной к здравому смыслу, что в настоящее время недостижимо ни для одной из форм доступного ИИ.
Разработка системы с собственным сознанием все еще, предположительно, находится на достаточно большом расстоянии, но это конечная цель в исследованиях ИИ.
Что такое супер ИИ?
Искусственный сверхинтеллект (ИСИ) – это система, которая не только потрясет человечество до основания, но и может его уничтожить. Если это звучит прямо из научно-фантастического романа, то это потому, что так оно и есть: ASI – это система, в которой интеллект машины превосходит все формы человеческого интеллекта, во всех аспектах, и превосходит человека в каждой функции.
Интеллектуальная система, которая может обучаться и постоянно самосовершенствоваться, все еще является гипотетической концепцией. Тем не менее, это система, которая при эффективном и этичном применении может привести к необычайному прогрессу и достижениям в медицине, технологиях и многом другом.
Какие примеры ИИ можно привести за последнее время?
В целом, наиболее заметными достижениями в области ИИ являются разработка и выпуск GPT 3.5 и GPT 4. Но было и много других революционных достижений в области искусственного интеллекта – слишком много, чтобы включить их все сюда.
Вот некоторые из наиболее заметных:
ChatGPT (и GPTs)
ChatGPT – это чат-бот с искусственным интеллектом, способный генерировать, переводить и отвечать на вопросы на естественном языке. Хотя это, пожалуй, самый популярный инструмент ИИ, благодаря его широкой доступности, OpenAI сделал значительные шаги в мире искусственного интеллекта, создав GPTs 1, 2 и 3.
GPT расшифровывается как Generative Pre-trained Transformer, и GPT-3 была самой большой языковой моделью из существующих на момент ее запуска в 2020 году, имея 175 миллиардов параметров. Последняя версия, GPT-4, доступная через ChatGPT Plus или Bing Chat, имеет один триллион параметров.
Самоуправляемые автомобили
Хотя безопасность самодвижущихся автомобилей вызывает наибольшую озабоченность у потенциальных пользователей, технология продолжает развиваться и совершенствоваться благодаря прорывам в области искусственного интеллекта. Эти автомобили используют алгоритмы машинного обучения для объединения данных с датчиков и камер, чтобы воспринимать окружающую обстановку и определять наилучший курс действий.
Функция автопилота в электромобилях Tesla, вероятно, является тем, о чем думает большинство людей, когда рассматривает самодвижущиеся автомобили, но Waymo, материнская компания Google, Alphabet, осуществляет автономные поездки, как такси без водителя, в Сан-Франциско, Калифорния, и Финиксе, AZ.
Cruise – еще один сервис роботизированных такси, а такие автомобильные компании, как Apple, Audi, GM и Ford, предположительно, также работают над технологией самоуправляемых автомобилей.
Робототехника
Достижения Boston Dynamics выделяются в области искусственного интеллекта и робототехники. Хотя нам еще далеко до создания ИИ на уровне технологий, показанных в фильме “Терминатор”, наблюдение за тем, как роботы Boston Dynamics используют ИИ для навигации и реагирования на различную местность, впечатляет.
DeepMind
Родственная Google компания DeepMind является пионером в области ИИ, делающим шаги к конечной цели – искусственному интеллекту общего назначения (ИИОН). Хотя компания еще не достигла этой цели, она впервые попала в заголовки газет в 2016 году благодаря AlphaGo, системе, которая обыграла профессионального игрока в го.
С тех пор DeepMind создала систему прогнозирования сворачивания белков, которая может предсказывать сложные трехмерные формы белков, и разработала программы, которые могут диагностировать глазные заболевания так же эффективно, как лучшие врачи мира.
Что такое машинное обучение?
Самое главное качество, которое выделяет ИИ среди других предметов ИТ, – это способность легко автоматизировать задачи с помощью машинного обучения, которое позволяет компьютерам учиться на основе различного опыта, а не быть явно запрограммированными на выполнение каждой задачи. Именно эту способность многие называют ИИ, но на самом деле машинное обучение – это подмножество искусственного интеллекта.
Машинное обучение предполагает обучение системы на большом количестве данных, что позволяет ей учиться на ошибках и распознавать закономерности, чтобы точно делать прогнозы и принимать решения, независимо от того, сталкивались ли они с конкретными данными или нет.
Примеры машинного обучения включают распознавание изображений и речи, защиту от мошенничества и многое другое. Одним из конкретных примеров является система распознавания изображений, когда пользователи загружают фотографии в социальную сеть. Система распознавания изображений может анализировать фотографии и распознавать лица, что приводит к рекомендациям отметить разных друзей. Со временем и практикой система оттачивает этот навык и учится давать более точные рекомендации.
Что входит в систему машинного обучения?
Как уже упоминалось выше, машинное обучение является подмножеством ИИ и обычно делится на две основные категории: контролируемое и неконтролируемое обучение.
Контролируемое обучение
Это распространенная техника обучения систем ИИ с помощью множества классифицированных примеров, которые были отобраны людьми. Эти системы машинного обучения получают огромное количество данных, которые были аннотированы, чтобы выделить интересующие их характеристики – по сути, вы обучаете на примерах.
Если бы вы хотели обучить модель машинного обучения распознавать и различать изображения кругов и квадратов, вы бы начали со сбора большого набора данных с изображениями кругов и квадратов в различных контекстах, например, рисунок планеты для круга или таблицы для квадрата, дополненный метками, обозначающими каждую форму.
Затем алгоритм изучает эту коллекцию изображений с метками, чтобы различать формы и их характеристики, например, круги не имеют углов, а квадраты имеют четыре равные стороны. После обучения на наборе изображений система сможет увидеть новое изображение и определить, какую фигуру она нашла.
Неконтролируемое обучение
В отличие от этого, обучение без подконтроля использует другой подход, когда алгоритмы пытаются выявить закономерности в данных, ища сходства, которые могут быть использованы для классификации этих данных.
Примером может быть объединение в кластеры фруктов, которые весят одинаковое количество, или автомобилей с одинаковым объемом двигателя.
Алгоритм не настраивается заранее на отбор конкретных типов данных; он просто ищет данные, имеющие сходство, которые он может сгруппировать, например, сгруппировать клиентов на основе покупательского поведения, чтобы направить на них персонализированные маркетинговые кампании.
Обучение с подкреплением
При обучении с подкреплением система пытается максимизировать вознаграждение на основе входных данных, проходя в основном процесс проб и ошибок, пока не придет к наилучшему возможному результату.
Рассмотрим обучение системы игре в видеоигру, где она может получить положительное вознаграждение, если наберет большее количество баллов, и отрицательное – если наберет малое. Система учится анализировать игру и делать ходы, а затем учится исключительно на основе получаемого вознаграждения, достигая того момента, когда она сможет играть самостоятельно и зарабатывать высокие оценки без вмешательства человека.
Обучение с подкреплением также используется в научных исследованиях, где оно может помочь обучить автономных роботов оптимальному поведению в реальных условиях.
Что такое большие языковые модели?
Одним из самых известных видов ИИ в настоящее время являются большие языковые модели (LLM). Эти модели используют неконтролируемое машинное обучение и обучаются на огромном количестве текстов, чтобы узнать, как работает человеческий язык. К таким текстам относятся статьи, книги, веб-сайты и многое другое.
В процессе обучения LLM обрабатывают миллиарды слов и фраз, изучая закономерности и взаимосвязи между ними, что делает модели способными генерировать человекоподобные ответы на запросы.
Самым популярным LLM является GPT 3.5, на котором основан ChatGPT, а самым большим LLM является GPT-4. Bard использует LaMDA, LLM, разработанный Google, который является вторым по величине LLM.
Что такое глубокое обучение?
Являясь частью семейства машинного обучения, глубокое обучение предполагает обучение искусственных нейронных сетей с тремя и более слоями для выполнения различных задач. Эти нейронные сети расширяются до разветвленных сетей с большим количеством глубоких слоев, которые обучаются на огромном количестве данных.
Модели глубокого обучения, как правило, имеют более трех слоев, и могут иметь сотни слоев. В процессе обучения может использоваться контролируемое или неконтролируемое обучение или их комбинация.
Поскольку технология глубокого обучения может научиться распознавать сложные закономерности в данных с помощью искусственного интеллекта, она часто используется в обработке естественного языка (NLP), распознавании речи и изображений.
Что такое нейронные сети?
Успех машинного обучения зависит от нейронных сетей. Это математические модели, структура и функционирование которых в значительной степени основаны на связи между нейронами в человеческом мозге, имитируя способ передачи сигналов друг другу.
Представьте себе группу роботов, которые работают вместе, чтобы решить головоломку. Каждый из них запрограммирован распознавать различные формы или цвета кусочков головоломки. Роботы объединяют свои способности, чтобы вместе решить головоломку. Нейронная сеть похожа на группу роботов.
Нейронные сети могут настраивать внутренние параметры, чтобы изменить то, что они выдают. В процессе обучения каждой из них подаются базы данных, чтобы узнать, что она должна выдавать при получении определенных данных.
Они состоят из взаимосвязанных слоев алгоритмов, которые передают данные друг другу. Нейронные сети можно обучить выполнять конкретные задачи, изменяя важность данных по мере их прохождения между слоями. В процессе обучения нейронных сетей весовые коэффициенты, приписываемые данным при прохождении между слоями, будут изменяться до тех пор, пока выходной сигнал нейронной сети не станет очень близким к желаемому.
В этот момент сеть “научится” выполнять определенную задачу. Желаемый результат может быть любым: от правильной маркировки фруктов на изображении до предсказания того, когда лифт может выйти из строя, на основе данных его датчиков.
Что такое разговорный ИИ?
Разговорный ИИ включает системы, запрограммированные на общение с пользователем: они обучены слушать (вход) и отвечать (выход) в разговорной манере. Разговорный ИИ использует обработку естественного языка, чтобы понимать и отвечать естественным образом.
Примерами разговорного ИИ являются чат-боты, такие как Google Bard, умные колонки с голосовым помощником, такие как Алиса, Amazon Alexa, или виртуальные помощники на вашем смартфоне, такие как Siri.
Какие возможности доступны для использования ИИ уже сейчас?
Как обычным потребителям, так и компаниям доступно множество услуг искусственного интеллекта для ускорения выполнения задач и повышения удобства повседневной жизни – наверняка у вас дома есть что-то, что в той или иной степени использует искусственный интеллект.
Вот несколько распространенных примеров искусственного интеллекта, доступных широкой публике, как бесплатно, так и за плату:
- Голосовые помощники: Алиса в фирменной колонке, Amazon Alexa в устройстве Echo на вашей полке, Siri от Apple в вашем iPhone и Google Assistant – все они используют обработку естественного языка, чтобы понимать и отвечать на ваши вопросы или команды.
- Чат-боты: ИИ-чатботы – это еще одна форма виртуальных помощников, которые могут взаимодействовать с людьми и, в некоторых случаях, вести беседы, похожие на человеческие, даже имитируя сочувствие и заботу.
- Перевод языка: Машинное обучение распространяется далеко и широко, и такие сервисы, как DeepL, Google Translate, Microsoft Translator, Amazon Translate и ChatGPT, используют его для перевода текста.
- Продуктивность: Microsoft 365 Copilot – отличный пример использования LLM в качестве инструмента продуктивности ИИ, встроенного в Word, PowerPoint, Outlook, Excel, Teams и другие приложения для автоматизации задач. Простая просьба “отправить команде сообщение о последнем состоянии проекта” приведет к тому, что Copilot автоматически соберет информацию из электронных писем и документов, чтобы создать текст, содержащий то, о чем вы просили.
- Распознавание изображений и видео: Различные программы используют ИИ для поиска информации о содержимом изображений и видео, таких как лица, текст и объекты на них. Clarifai, которая использует машинное обучение для организации неструктурированных данных из источников, и Amazon Rekognition, сервис AWS, который позволяет пользователям загружать изображения для получения информации, являются двумя примерами этого.
- Разработка программного обеспечения: Многие разработчики начали использовать ChatGPT для написания и отладки кода, но существует множество других инструментов ИИ, которые могут облегчить работу программиста. Один из примеров – парный ИИ-программист GitHub Copilot от OpenAI Codex – это генеративная языковая модель, которая позволяет писать код быстрее и с меньшими усилиями за счет мгновенного автозавершения комментариев и кода.
- Создание бизнеса: Помимо обычного пользователя, использующего искусственный интеллект вокруг себя, существуют сервисы, предлагающие инструменты ИИ для бизнеса, включая API GPT-4 от OpenAI (в настоящее время в списке ожидания) для создания приложений и сервисов с использованием LLM; или Amazon Bedrock, набор облачных инструментов ИИ для разработчиков.
Какая компания лидирует в гонке искусственного интеллекта?
Хотя генеративный ИИ лидирует в рейтинге прорывов в области искусственного интеллекта 2023 года, есть и другие ведущие компании, работающие над своими собственными прорывами.
OpenAI
Неудивительно, что в этом году OpenAI занял лидирующую позицию в гонке ИИ, после того как сделал генеративные инструменты ИИ доступными для широкого использования бесплатно, такие как ИИ-чатбот ChatGPT и Dall-E 2, который является генератором изображений.
Alphabet
Материнская компания Google, Alphabet, имеет в своих руках несколько различных систем ИИ через некоторые из своих компаний, включая DeepMind, Waymo и вышеупомянутый Google.
DeepMind продолжает заниматься искусственным интеллектом общего назначения, о чем свидетельствуют научные решения, которые она стремится достичь с помощью систем ИИ. Компания разработала модели машинного обучения для ИИ документов, оптимизировала взаимодействие со зрителями на Youtube, сделала AlphaFold доступным для исследователей по всему миру и многое другое.
Хотя вы можете не слышать об искусственном интеллекте Alphabet в новостях каждый день, его работы в области глубокого обучения и ИИ в целом способны изменить будущее человека.
Microsoft
Помимо создания Microsoft 365 Copilot для множества приложений 365, Microsoft предоставляет набор инструментов ИИ для разработчиков на Azure, таких как платформы для разработки машинного обучения, аналитики данных и разговорного ИИ, настраиваемые API, которые позволяют достичь человеческого паритета в компьютерном зрении, речи и языке.
Microsoft также инвестирует значительные средства в развитие OpenAI и использует GPT-4 в новом Bing Chat, а также более продвинутую версию Dall-E 2 для Bing Image Creator.
Другие компании
Это лишь несколько примеров компаний, лидирующих в гонке ИИ, но в мире существует множество других компаний, которые также делают успехи в области искусственного интеллекта, включая Baidu, Alibaba, Cruise, Lenovo, Tesla и другие.
Как искусственный интеллект изменит мир?
Искусственный интеллект способен изменить то, как мы работаем, наше здоровье, то, как мы потребляем медиа и добираемся до работы, нашу частную жизнь и многое другое.
Подумайте о том, какое влияние определенные системы ИИ могут оказать на мир в целом. Люди могут попросить голосового помощника на своем телефоне вызвать автономные автомобили, чтобы отвезти их на работу, где они могут использовать инструменты ИИ, чтобы быть более эффективными, чем когда-либо прежде.
Врачи и радиологи смогут ставить диагнозы рака, используя меньше ресурсов, выявлять генетические последовательности, связанные с заболеваниями, и идентифицировать молекулы, которые могут привести к созданию более эффективных лекарств, что потенциально спасет бесчисленное количество жизней.
В качестве альтернативы стоит подумать о том, к каким нарушениям может привести наличие нейронных сетей, способных создавать реалистичные изображения, таких как Dall-E 2, Midjourney и Bing; способных воспроизводить чей-то голос или создавать видеоролики deepfake, используя сходство с человеком. Это может поставить под угрозу то, какие фотографии, видео или аудиозаписи люди могут считать подлинными.
Еще одна этическая проблема, связанная с ИИ, касается распознавания лиц и наблюдения, а также того, что эта технология может стать вторжением в частную жизнь людей, и многие эксперты хотят полностью запретить ее.
Может ли искусственный интеллект лишить вас работы?
Возможность того, что искусственные интеллектуальные системы заменят значительную часть современного труда, является достоверной возможностью ближайшего будущего.
Хотя повсеместный искусственный интеллект не заменит все рабочие места, несомненно то, что ИИ изменит характер труда, и вопрос лишь в том, как быстро и насколько глубоко автоматизация изменит рабочее место.
Однако искусственный интеллект не может работать сам по себе, и хотя многие профессии, связанные с рутинной, повторяющейся работой с данными, могут быть автоматизированы, работники других профессий могут использовать такие инструменты, как генеративный ИИ, чтобы стать более продуктивными и эффективными.
Среди экспертов по ИИ существует широкий спектр мнений о том, как быстро искусственные интеллектуальные системы превзойдут человеческие возможности.
Полностью автономные самодвижущиеся автомобили еще не стали реальностью, но, по некоторым прогнозам, одна только индустрия самодвижущихся грузовиков неизбежно займет более 500 000 рабочих мест в США, даже без учета влияния на курьеров и таксистов.