Доступно рассказываем, что такое искусственный интеллект, и какие подводные камни ждут в процессе погружения в данную отрасль.
Искусственный интеллект сегодня: какой он?
Разумные, самосознательные роботы ближе, чем вы думаете. Разработка компьютерных систем, которые равняются или превосходят человеческий разум – это цель искусственного интеллекта. ИИ – это исследование компьютерных наук, сфокусированное на разработке ПО или машин, которые демонстрируют человеческий интеллект.
Эта технология способна изменить будущее.
Цели и применение ИИ
В первичные задачи ИИ входят дедукция и мышление, представление знаний и планирование, обработка естественного языка и обучение, а также восприятие и способность манипулировать объектами. Долгосрочные цели преследуют креативный, социальный и человеческий уровни интеллекта.
Влияние искусственного интеллекта в разных сферах сложно распознать. Приложения ИИ интегрированы в инфраструктуру каждой отрасли.
«Как только AI заработает, никто не назовет его искусственным интеллектом» – Джон Маккарти, ученый, основатель ИИ.
Типы искусственного интеллекта
Концепцию можно разделить на три категории сложности. Вы наверняка сталкивались с некоторыми из перечисленных примеров:
- Слабый ИИ фокусируется на одной задаче. У слабого ИИ отсутствуют самосознание и истинный интеллект. Siri – пример слабого ИИ, который помогает пользователю. Стоит лишь немного поговорить с виртуальным помощником, чтобы его слабость стала очевидной.
- Сильный или Истинный ИИ – это компьютер такой же умный, как мозг человека. Сильный ИИ сможет выполнять задачи, которые выполняет человек. В этой области проводится много исследований и предстоит еще много работы.
- Искусственный суперинтеллект – это «интеллект, который намного умнее лучших человеческих умов практически во всех областях, включая научное творчество, общую мудрость и социальные навыки» – Ник Бостром, философ, профессор Оксфордского университета.
Искусственный суперинтеллект вызывает обеспокоенность ученых по поводу возможного исчезновения человечества.
От фантастики к реальности
Роботы еще не поступили в наше распоряжение, но ИИ уже повлиял на прогноз погоды, фильтрацию спама, поисковые запросы и распознавание голоса. Даже если вы не думали, что сталкивались с искусственными интеллектом, – поверьте, вы сталкивались.
Эти технологии объединяют алгоритмы машинного обучения, благодаря которым происходит взаимодействие в режиме реального времени. Считается, что положительный эффект, который искусственный интеллект окажет на общество, несоизмерим с возможными сложностями.
Изучение искусственного интеллекта
Хотите стать профи в области AI? Что ж, единого ответа на вопрос, чем занимается искусственный интеллект, нет. Почти каждый автор, пишущий книгу об ИИ, отталкивается от какого-либо определения, рассматривая в его свете достижения этой науки.
В философии не решён вопрос о природе и статусе человеческого интеллекта. Нет и точного критерия достижения компьютерами «разумности», хотя на заре искусственного интеллекта был предложен ряд гипотез, например, тест Тьюринга или гипотеза Ньюэлла – Саймона.
Думай медленно... Решай быстро
Поймите, что ответы на большинство вопросов в области ИИ могут быть сокращены до приемлемого размера с учетом эпистемологических ограничений.
Утверждение эпистемологии:
«Вы можете изучить только то, что уже знаете».
Это истина, высказанная профессором Массачусетского технологического института Патриком Уинстоном еще в 80-х. Она сформировала основу того, что сегодня известно как «Deep Learning», и стала большим достижением в ИИ за последние 20 лет.
Логическое мышление медленное, наш мозг тратит только 0,001% циклов в этом режиме. В сравнении, интуитивное понимание быстрее и используется для всего: от сокращений мышц во время ходьбы и коммуникативных функций, до наслаждения музыкой. Сегодня исследования ИИ сосредоточены вокруг этих 0,001%, пренебрегая 99.999% интуитивного мышления.
В книге «Думай медленно... Решай быстро» детально описаны оба режима мышления.
Итак, если вы хотите начать работу с ИИ, знайте, что «Понимание» важнее «Мышления». Большинство книг и методов обсуждают малую проблему «Мышления», поэтому придется изучать всё, что касается методов реализации «Понимания». Они реализуются специальными техниками машинного обучения, которые основаны на обучении без учителя. Подробнее в документе MIT Model Free Methods.
Полезные ссылки для легкого старта:
- Dual Process Theory
- Artificial Understanding – введение в эпистемологию ИИ
- Syntience Technology Resources on the Web
Если понять базис, можно игнорировать 90% учебников и материалов, сосредоточиться на важных понятиях «значимости», «понимания» и эпистемологии.
Дальше понадобится язык программирования. Справится любой «старый» язык. Необязательно использовать экзотику вроде Haskell и Lips: подойдут Python, Ruby, C, Java.
"С какими проблемами я столкнусь в изучении ИИ?"
Сегодня искусственный интеллект – не только научная дисциплина, но и коммерческая гонка. Компании-гиганты стремятся заполучить специалистов первыми, как ресурс способный повлиять на будущее.
В 50-х и 60-х годах, после зарождения первых идей ИИ, появились программы с логическим мышлением. Эти программы решали головоломки, играли в шахматы и отвечали на вопросы.
Но это было задолго до знаменитого эксперимента «Китайская комната», который до сих пор остается загадочной дилеммой «сильного» искусственного интеллекта.
Сразу после этого появилось много алгоритмов, основанных на семантических отношениях. Алгоритмы походили на механические игрушки 18-го века, которые способны писать запрограммированные стихи, танцевать и выполнять другие «трюки». Позже, с появлением поисковых систем, мы получили нечто действительно мощное. Но не приблизились к человеческим пониманию и мышлению.
В итоге классические труды состоят из рецептов, которые не работают. Почерпнуть из книг можно только упомянутые выше проекты.
На практике необходимы технические и математические знания. И если с этим проблемы, нужно встать на путь инженера машинного обучения – изучать последние фреймворки и классические алгоритмы.
Но еще полезней научиться исследовать и понимать новые идеи из научных статей в десять страниц и не задокументированного кода. Придется создавать эту науку, не с нуля конечно, но перед написанием кода, нужно придумать теорию о том, как работает ум.
Стать разработчиком AI и нейросетей
Мечтали о вакансии из будущего? Вот она!
Мало того, что отрасль безумно перспективная, так еще и высокооплачиваемая. А если вы любите работать с искусственным интеллектом, то это просто рай для вас. Главные требования – гибкая логика, умение в алгоритмы, а также готовность принимать самостоятельные решение в обход шаблонных.
Но и это не всё. Специалист по машинному обучению должен быть хорошо подкован в математике, хотите вы того или нет.
Если вы совсем новичок, то подыщите соответствующую стажировку, заручитесь поддержкой менторов, и – вуаля – до официального трудоустройства только рукой подать.
Будущий сотрудник будет проходить стажировку в офисах компании в Киеве, Чернигове или Кракове, которая длится 2 месяца, а по ее завершении – официальное трудоустройство в компанию.
Вам пригодятся наши материалы по теме:
- Учебный план освоения глубокого обучения и нейросетей за 6 недель
- Советы по глубокому обучению: распознавание объектов в 10 строк
- Иллюстративное введение в теорию графов и её применение
Комментарии