
10545
.pdfМашинное обучение — это |
область |
Нейросеть — это один из методов |
|||||||
знаний, |
исследующая |
алгоритмы, |
машинного |
|
обучения. |
Это |
|||
которые обучаются на данных с целью |
математическая модель, а также её |
||||||||
найти |
|
закономерности. |
В |
нем |
программное |
|
или |
аппаратное |
|
используются методы |
нейросетей, |
воплощение, построенная по принципу |
|||||||
статистики, исследования |
операций и |
организации |
и |
функционирования |
|||||
т.п. для выявления скрытой полезной |
биологических |
нейронных |
сетей — |
||||||
информации в данных; при этом явно |
сетей |
нервных |
клеток |
живого |
|||||
не |
программируются |
инструкции, |
организма. |
|
|
|
указывающие, где искать данные и как
делать выводы.
17
В глубоком обучении используются |
Когнитивные вычисления — |
сложные нейросети со множеством |
направление ИИ, задачей которого |
нейронов и слоев. Для обучения этих |
является обеспечение процесса |
глубоких нейросетей, а также для |
естественного взаимодействия человека |
обнаружения сложных закономерностей |
с компьютером, аналогичного |
в огромных массивах данных |
взаимодействию между людьми. |
используются повышенные |
Конечная цель ИИ и когнитивных |
вычислительные мощности и |
вычислений — имитация когнитивных |
усовершенствованные методики. |
процессов человека компьютером |
Распространенные области |
благодаря интерпретации изображений |
применения: распознавание |
и речи с выдачей соответствующей |
изображений и речи. |
ответной реакции. |
18
Компьютерное зрение опирается на |
Обработка естественного языка — |
распознавание шаблонов и на глубокое |
это способность компьютеров |
обучение для распознавания |
анализировать, понимать и |
изображений и видео. Машины уже |
синтезировать человеческий язык, |
умеют обрабатывать, анализировать и |
включая устную речь. Сейчас мы уже |
понимать изображения, а также снимать |
можем управлять компьютерами с |
фото или видео и интерпретировать |
помощью обычного языка, |
окружающую обстановку. |
используемого в повседневном обиходе. |
|
Например, используя Siri или Google |
|
assistant. |
19
Кроме того, функционирование ИИ обеспечивают следующие технологии:
•Существование ИИ невозможно без графических процессоров, так как они предоставляют вычислительные мощности, необходимые для итеративной обработки данных. Для обучения нейросетей необходимы «большие данные» и вычислительные ресурсы.
•Интернет вещей собирает колоссальные объемы данных от подключенных устройств. Большая часть этих данных не проанализирована. Автоматизация моделей с помощью ИИ позволит использовать больше таких данных.
•Разрабатываются и по-новому комбинируются более совершенные алгоритмы, которые позволяют быстрее анализировать больший объем данных сразу на нескольких уровнях. Такая интеллектуальная обработка
— ключ к выявлению и прогнозированию редких событий, пониманию сложных систем и оптимизации уникальных сценариев.
20

•API (программные интерфейсы
приложений) представляют собой переносимые пакеты кода, благодаря которым функционал ИИ может быть интегрирован в существующие продукты и пакеты программ. С помощью API можно добавить функцию распознавания изображений в домашнюю систему безопасности или вопросноответные функции для описания данных, создания титров и заголовков, обнаружения в данных интересных закономерностей и иной полезной информации.
Рисунок 3 – одни из самых популярных API
21
Цель ИИ - обеспечение работы программных продуктов, способных к анализу входных данных и интерпретации полученных результатов. Искусственный интеллект — средство, обеспечивающее более интуитивный процесс взаимодействия человека с программами и помощь при принятии решений в рамках определенных
задач. ИИ не замена человеку, и в обозримом будущем таковой не станет.
22
Какой бывает ИИ?
Искусственный интеллект обычно разделяют на две большие категории:
•Слабый ИИ [Weak AI]: этот вид искусственного интеллекта, который иногда называют «узким ИИ» [Narrow AI], работает в ограниченном контексте и является имитацией человеческого интеллекта. Слабый ИИ часто ориентирован на очень хорошее выполнение одной задачи. И, хотя эти машины могут показаться умными, они работают с большими ограничениями.
•Общий искусственный интеллект (AGI): AGI, иногда называемый «сильным ИИ» [Strong AI], – вид искусственного интеллекта, который мы видим в фильмах, например, роботов из «Мира Дикого Запада» или голограмму Джой из «Бегущего по лезвию 2049». AGI – это машина с общим интеллектом, которая, как и человек, может применять его для решения любой проблемы.
23
Что такое слабый искусственный интеллект?
Искусственный интеллект обычно разделяют на две большие категории:
Слабый ИИ окружает нас повсюду, и на
сегодняшний день это самая успешная реализация искусственного интеллекта.
Ориентируясь на выполнение конкретных задач, за последнее десятилетие он совершил множество прорывов, которые принесли «значительные общественные выгоды и внесли вклад в экономическую
жизнеспособность |
нации», |
согласно |
отчету «Подготовка |
к |
будущему |
искусственного |
интеллекта», |
опубликованному администрацией Обамы
Вот несколько примеров слабого ИИ:
•поиск Google;
•ПО для распознавания изображений;
•Siri, Alexa и другие голосовые помощники;
•Беспилотные автомобили;
•Рекомендательные системы Netflix и Spotify;
•IBM Watson;
в 2016 году. |
24 |

Как работает слабый ИИ?
Большая часть слабого ИИ основана на достижениях в области машинного
обучения и глубокого обучения. Схожесть этих понятий может сбивать с толку,
однако их следует различать. Венчурный капиталист Фрэнк Чен предложил следующее определение: «Искусственный интеллект – это набор алгоритмов, которые пытаются имитировать человеческий интеллект. Машинное
обучение является одним из них, а |
|
|
глубокое обучение – одним из методов |
Рисунок 4 – пример машинного обучения |
|
машинного обучения». |
||
|
25
Другими словами, машинное обучение снабжает компьютер данными и использует статистические методы, чтобы помочь ему научиться выполнять задачи, не будучи специально запрограммированным для них, что устраняет необходимость в миллионах строк написанного кода. Популярными видами машинного обучения являются обучение с учителем (с использованием помеченных наборов данных), обучение без учителя (с использованием немаркированных наборов данных), и обучение с подкреплением.
Глубокое обучение — это тип машинного обучения, при котором вводимые данные
обрабатываются через архитектуру нейронной сети, основанной на биологических принципах.
Нейронные сети содержат ряд скрытых слоев, через которые обрабатываются данные, что позволяет машине «углубиться» в свое обучение, устанавливать связи и взвешивать ввод для достижения наилучших результатов.
26