Наука ИИ
Искусственный интеллект представляет собой совокупность разных наук :
- Машинное обучение (МО)
- Нейронные сети (NN)
- Глубокое обучение (DL)
- Большие данные
Ученые ИИ
Специалисты по искусственному интеллекту создают программное обеспечение с помощью алгоритмов, которые могут выполнять задачи, обычно требующие человеческого интеллекта.
Специалисты по искусственному интеллекту могут быть экспертами в нескольких областях искусственного интеллекта:
- Прикладная математика
- Вычислительная статистика
- Информатика
- Машинное обучение
- Глубокое обучение
Некоторые специалисты по искусственному интеллекту также имеют значительный опыт работы с большими данными:
- Бизнес-аналитика
- Дизайн базы данных
- Дизайн хранилища данных
- Сбор данных
- SQL-запросы
- SQL-отчетность
Слабый ИИ
Слабый искусственный интеллект ограничен определенными или узкими областями, как и большинство ИИ, которые мы имеем сегодня:
- Поисковые системы
- Siri от Apple
- Кортана от Microsoft
- Алекса от Амазонки
- IBM Watson
Слабый ИИ также называют узким ИИ.
Слабый ИИ имитирует человеческое познание в отличие от сильного ИИ, обладающего человеческим познанием .
Сильный ИИ
Сильный искусственный интеллект — это тип ИИ, который имитирует человеческий интеллект.
Сильный ИИ указывает на способность думать, планировать, учиться и общаться.
Сильный ИИ — это теоретически следующий уровень ИИ: Истинный интеллект .
Сильный ИИ движется к машинам с самосознанием, сознанием и объективными мыслями.
Машинное обучение (МО)
Классическое программирование использует программы для создания результатов:
Традиционные вычисления
Данные + компьютерная программа = результат
Машинное обучение использует результаты для создания программ (алгоритмов):
Машинное обучение
Данные + Результат = Компьютерная программа
«Машинное обучение — это область исследования, которая дает компьютерам возможность учиться без программирования».
Артур Сэмюэл (1959)
Нейронные сети (NN)
Одним из самых значительных открытий в истории является мощь нейронных сетей (NN).
В нейронных сетях множество слоев данных, называемых нейронами , складываются вместе или накладываются друг на друга для вычисления новых уровней данных.
Часто используемые короткие имена:
- Глубокая нейронная сеть DNN
- Сверточная нейронная сеть CNN
- Рекуррентная нейронная сеть RNN
Глубокое обучение (DL)
Глубокое обучение — это алгоритмы, использующие нейронные сети для извлечения данных более высокого уровня.
Каждый последующий слой использует предыдущий слой в качестве входных данных.
Например, оптическое чтение использует нижние слои для определения краев, а более высокие уровни — для распознавания букв.
Глубокое обучение состоит из двух этапов:
1. Обучение: входные данные используются для расчета параметров модели.
2. Вывод: «обученная» модель выводит данные из любого заданного ввода.
Революция глубокого обучения
Революция глубокого обучения уже здесь!
Революция глубокого обучения началась примерно в 2010 году. С тех пор глубокое обучение использовалось для решения многих «неразрешимых» проблем.
Примеры
Сверточные нейронные сети (CNN)
Глубокие CNN, такие как ResNeta и Inception , снизили количество ошибок в классификации ImageNet с 25% в 2011 году до 5% в 2017 году.
ImageNet — это база данных изображений, организованная по иерархии WordNet, в которой каждый узел иерархии содержит сотни и тысячи изображений. ImageNet — это полезный ресурс для исследователей, преподавателей, студентов и всех, кто увлекается изображениями.
WordNet — это лексическая база данных семантических отношений между словами в более чем 200 языках. Он организован как комбинация словаря и тезауруса, связывая слова в семантические отношения с помощью синонимов, гипонимов и меронимов.
Рекуррентные нейронные сети (RNN)
RNN помогают создавать музыкальные партитуры и звуки новых инструментов:
https://magenta.tensorflow.org/demos .
История ИИ
1950 г. | Алан Тьюринг публикует книгу «Вычислительные машины и интеллект». |
1956 г. | ИИ впервые упоминается Джоном Маккарти на научной конференции. |
1957 г. | Первый язык программирования для числовых и научных вычислений (FORTRAN) |
1958 г. | Первый язык программирования ИИ (Lisp) |
1959 г. | Артур Сэмюэл использовал термин «машинное обучение». |
1961 г. | Первый промышленный робот (Unimate) на конвейере General Motors. |
1965 г. | ELIZA Джозефа Вейценбаума была первой интерактивной программой, которая могла общаться на любые темы. |
1972 г. | Первый язык логического программирования (PROLOG) |
1997 г. | Deep Blue (IBM) побеждает чемпиона мира по шахматам |
2002 г. | Первый робот-пылесос (Roomba) |
2005 г. | Самоуправляемый автомобиль (STANLEY) выиграл DARPA |
2008 г. | Прорыв в распознавании речи (Google) |
2011 | Нейронная сеть побеждает людей в распознавании дорожных знаков (99,46% против 99,22%). |
2011 | Яблоко Сири |
2011 | Watson (IBM) выигрывает Jeopardy! |
2014 | Амазонка Алекса |
2014 | Майкрософт Кортана |
2014 | Беспилотный автомобиль (Google) сдал государственный экзамен по вождению |
2015 | Google AlphaGo победила различных чемпионов среди людей в настольной игре Go |
2016 | Человек-робот София от Hanson Robotics |