Искусственный интеллект, разработка и области применения

Технологии искусственного интеллекта

Искусственный интеллект — это не будущее, искусственный интеллект — это настоящее.

Краткое содержание:

Технологии искусственного интеллекта (ИИ) применяются повсеместно уже почти с десяток лет.

Это дало нам много интеллектуальных продуктов, которые мы активно используем сейчас, но все еще есть много возможностей для их улучшения.

Все, чего мы достигли до сегодняшнего дня, — это библиотеки для разработки ИИ, которые в основном требуют контролируемого обучения.

Но такие технологические гиганты, как Microsoft, Facebook и Google, работают над созданием программ, которые будут работать поверх существующих библиотек разработки ИИ, чтобы дать им кроссплатформенность и поддержку самообучения.

Для разработки самообучающегося ИИ будут использоваться большие данные (англ. big data), квантовые вычисления, распределенные вычисления и связь 5G.

Что такое искусственный интеллект?

Искусственный интеллект — это искусственно созданная система, основной целью которой является воспроизведение некоторых или всех черт человеческого интеллекта, а именно — планирование, обучение, рассуждение, решение проблем, оперирование данными и их использование, восприятие, контроль и манипулирование объектами и, в меньшей степени, социальный интеллект и креативность.

Как мы знаем, человеческое мышление базируется на взаимодействии нейронов мозга, связи которых изменяются под влиянием жизненного опыта.

Аналогично, алгоритмы ИИ были разработаны на основе нейронных сетей, которые позволяют компьютерам обретать новые навыки, как это делают люди.

Нет необходимости программировать всю логику ИИ вручную, поскольку компьютер способен оптимизировать программу и самостоятельно подстраиваться для корректного выполнения необходимых действий.

На какой технологии основаны современные системы ИИ?

Существует несколько основных, базовых направлений в разработке ИИ, но на текущий момент, наиболее эффективны алгоритмы на основе CNN (сверточная нейронная сеть) и RNN (рекуррентная нейронная сеть).

CNN — это однонаправленная (без обратных связей) многослойная сеть, которая отлично подходит для работы с такими данными, как изображения и видео, где данные размещены в виде сетки пикселей. В свою очередь RNN хорошо справляется с последовательными данными, такими как текст и аудио.

CNN называется «сетью прямой связи», а RNN называется «сетью обратной связи».

Слух, возможность говорить, зрение и прогнозирующая интуиция базируются на использовании обеих сетей (CNN и RNN), а также
технологии обработки естественного языка (NLP), которые дополняют друг друга. Подобные технологии используются в Alexa, Siri, Google Now, Cortana и других интеллектуальных голосовых помощниках.

Какие программы используются для создания ИИ?

Существуют десятки фреймворков для разработки ИИ, но в этот список включены только самые выдающиеся.

KERAS

Это библиотека нейронных сетей на основе Python с открытым исходным кодом, которая может работать под управлением Microsoft CNTK (Cognitive Toolkit), Tensorflow и многих других сред.

KERAS лучше всего подходит новичкам.

TENSORFLOW

Tensorflow является наиболее выдающейся средой для разработки искусственного интеллекта, которая использует методы машинного обучения, такие как нейронные сети.

Tensorflow был разработан командой Google Brain, именно этот фреймворк в ответе за автозавершение фраз в текстовое поле поисковой системы Google, а также ИИ приложений Google.

SONNET

Созданная командой Google DeepMind, Sonnet — это библиотека, работающая поверх TensorFlow для построения сложных нейронных сетей глубокого обучения. SONNET лучше всего подходит для исследований и разработок в области искусственного интеллекта и является очень сложной для новичков.

CNTK (Microsoft Cognitive Toolkit)

Ранее известный как CNTK, Microsoft Cognitive Toolkit нацелен обучить алгоритмы мыслить как человеческий мозг. Он обладает скоростью, масштабируемостью, качеством и совместимостью с C ++ и Python. Microsoft использует его для функций AI в Skype, Cortana и Bing.

Microsoft CNTK позволяет пользователям комбинировать популярные модели глубокого обучения, такие как DNN, CNN и RNN.

PYTORCH

Pytorch — это библиотека машинного обучения с открытым исходным кодом для Python, основанная на Torch, которая использует технологии обработки естественного языка (NLP).

DL4J (Deeplearning4j)

Deeplearning4j — это библиотека с открытым исходным кодом для разработки ИИ с использованием методов глубокого обучения. Написана специально для Java и JVM (Java Virtual Machine).

DL4J работает на базе собственной библиотеки числовых вычислений и может работать как на CPU, так и на GPU.

Есть еще много различных сред для разработки искусственного интеллекта. Коротко лишь отметим ONNX, платформу глубокого обучения, которая совместно разработана Facebook и Microsoft, а также перечислим несколько других: H2O, DSSTNE, Theano, DeepDetect, ConvNetJS, ACT-R, Caffe и CaffeOnSpark.

MXNET

Apache MXNET — это программная среда с глубоким обучением для развертывания нейронных сетей. Она имеет масштабируемую модель обучения, которая поддерживает несколько языков программирования для разработки AI: Go, R, Scala, Perl, C ++, Python, Julia, Matlab, JavaScript, и является проектом с открытым исходным кодом.

MXNET используется для развертывания нейронных сетей в службах общего хостинга, таких как AWS и Microsoft Azure.

Где используется искусственный интеллект?

Интеллектуальные системы применяются в разных областях и сферах. Их можно найти в голосовых помощниках, в торговых роботах, военных разработках и так далее. Давайте пробежимся по наиболее важным.

Голосовые помощники

Голосовые помощники, основанные на базе искусственного интеллекта, такие как Siri, Google Now, Alexa, Bixby и Cortana. Они слушают, что говорит пользователь, чтобы преобразовать речь в машиночитаемый вектор, после чего выдается вектор ответа, который произносится голосовым помощником с помощью Natural Language Processing (NLP).

Умные помощники

Autodesk Eva является отличным примером интеллектуального помощника, который работает на CNN и NLP для взаимодействия с клиентами в режиме реального времени.

Умный помощник, смоделированный в 3D, может вести диалог с клиентом в режиме реального времени и имитировать соответствующие выражение лица.

Беспилотные автомобили

Беспилотные автомобили используют радар, LIDAR (детектор света и определитель дистанции), GPS и камеру для создания трехмерных моделей приближающихся транспортных средств. Все эти данные объединяются для определения местоположения транспортного средства с очень высокой точностью. Водителем выступает ИИ, который анализирует всю поступающую информацию с датчиков.

Распознавание лиц

Разработка искусственного интеллекта на основе CNN сделала возможным внедрение системы распознавания лиц.

Недавно в Китае начали использовать систему распознавания лиц с помощью камер видеонаблюдения по всему городу, налагая штраф за нарушение правил дорожного движения. Магазины Alibaba в Китае используют распознавание лиц и изображений для выставления счета.

Балансировка нагрузки

Балансировка нагрузки на дороги, транспортные системы, серверы и так далее.

Языковые переводчики

Гугл переводчик является хорошим примером. Он имеет два модуля: кодировщик и декодер. Кодировщик берет входные предложения из речи или текста, а затем переводит их в вектор, который является одинаковым форматом для входных данных со всех языков.

Модуль декодера принимает этот вектор в качестве входных данных, а затем генерирует текст или речь на целевом языке. Распознавание языка происходит с помощью RNN, вывод речи выполняется с помощью NLP.

Поиск и анализ изображений

Поиск и анализ изображений используется для проверки плагиата,
поиска людей, для SEO целей, поиска оскорбительного контента в социальных сетях.

Оптимизация для достижения наилучших результатов

Модули Deepmind были обучены игре в шахматы, Go, Dota 2, Starfield 2.

Эти модули наиграли игр на сотни лет всего за несколько недель обучения, что привело AI к победе над лучшими игроками в мире.

Конечно, это не все сферы применения ИИ. По мере развития технологий и способностей ИИ, сфера применения интеллектуальных систем будет только расширяться.

Если тенденция развития технологий сохранится или ускорится, боюсь, что мы успеем застать эпоху, когда компьютеры станут умнее людей, и все службы, системы и средства будут подключены к централизованной системе под управлением искусственного интеллекта.

Оставьте первый комментарий

Оставить комментарий

Ваш электронный адрес не будет опубликован.


*