Благодаря популярным средствам массовой информации, когда люди слышат слова «Искусственный интеллект» (ИИ), они часто вспоминают научно-фантастические фильмы, такие как 2001: Космическая одиссея, Терминатор или даже Матрица. ИИ стал темой, разделяющей два лагеря: одни считают, что ИИ приведет к глобальной катастрофе (антиутопия), либо будущее, в котором все наши проблемы будут решены (утопия). Истина где-то посередине. В этой статье рассказывается об истории ИИ, где мы находимся сегодня, и о приложениях, которые уже доступны для использования в управлении трафиком.

Что такое ИИ?

ИИ может означать много разных вещей для разных людей. В самом простом определении это компьютерная программа, которая может выполнять сложные задачи, задачи, которые, по мнению людей, требуют интеллекта. Многие области находятся под эгидой ИИ, наиболее важной из которых сегодня является машинное обучение (МО).

Что такое машинное обучение?

ML и AI часто используются взаимозаменяемо, и это может сбивать с толку. Машинное обучение — это просто компьютерная программа, запрограммированная на обучение — по мере того, как вы предоставляете программе все больше и больше данных, она меняется или «обучается» и работает лучше. Машинное обучение эффективно работает с большими объемами разнообразных данных. Как правило, чем их больше, тем лучше. Часто данные, поступающие от компьютеров, уже структурированы (например, числа в строках и столбцах в базе данных), что упрощает их использование. Но когда это не так (например, фотография), она должна быть помечена или организована в структурированном виде — задача, обычно выполняемая людьми.

Чем не является машинное обучение?

Программное обеспечение — это просто набор инструкций для преобразования заданного набора входных данных в набор выходных данных. Традиционные программы представляют собой жестко закодированные наборы инструкций — после запуска программы инструкции не меняются. ML — это программа, которая может меняться по мере использования данных, другими словами, она обучается и совершенствуется со временем.

Краткая история ИИ

ИИ не нов, он существует с 1950-х годов. Стэнфордский семинар 1956 года, который считается местом рождения ИИ, положил начало золотому веку ИИ, ознаменовав значительный прогресс в способности компьютеров решать такие задачи, как алгебра, геометрия и говорить по-английски.

Этот первоначальный ажиотаж не был удовлетворен — несмотря на значительное финансирование и прогресс, ИИ был ограничен доступной, рентабельной вычислительной мощностью и данными. Эта «зима ИИ» закончилась в 1980-х годах, когда такие программы, как «экспертные системы», стали популярны среди корпораций, что привело к кратковременному буму ИИ. К концу 1980-х годов, опять же из-за неоправданных ожиданий и стоимости этих систем, область ИИ снова упала. От пересмотренных ожиданий ИИ неуклонно и медленно продвигался вперед, переходя в современную эпоху.

Новая эра искусственного интеллекта

Перенесемся в сегодняшний день: искусственный интеллект привлек огромное внимание общественности и внимания. Три ключевых фактора современной эры ИИ:

  1. Доступно больше данных, поскольку устройства IoT становятся все более распространенными
  2. Доступные и масштабируемые в облаке графические процессоры (GPU) теперь удешевляют вычислительную мощность и делают ее более эффективной для программ ИИ.
  3. В настоящее время для разработчиков доступны широко доступные знания, инструменты и фреймворки. Задачи, для решения которых 20 лет назад требовалась группа исследователей, теперь могут быть выполнены одним человеком за несколько дней при значительно меньших затратах.

Новая эра ИИ достигает огромных успехов почти во всех основных отраслях, включая производство, автомобилестроение и рекламу, и она здесь, чтобы остаться. В Flow Labs мы теперь внедряем его в индустрию управления дорожным движением.

Итак, что это значит для вас?

Ежедневно из вашей транспортной сети собираются терабайты и терабайты данных. Эти данные собираются при обнаружении на дорогах, сигналах светофора и даже транспортных средствах, движущихся по вашим дорогам. Большая часть этих данных, вероятно, сейчас находится на ваших серверах или в хранилище данных, ожидая использования. Эти данные служат топливом для ИИ, помогая вам и вашим командам принимать ценные и эффективные решения, начиная с управления дорожными знаками и заканчивая планированием транзита и управлением дорожными происшествиями, — и эти приложения готовы к развертыванию уже сегодня.

Как организация вы должны спросить себя:

  1. Есть ли у нас проблема? Есть ли в настоящее время проблема, не имеющая решения? Что-то отнимает у нас много рабочего времени или денег?
  2. Есть ли у нас данные о проблеме? Где это происходит, когда это происходит, что происходит. Есть ли у нас данные, но мы не знаем, как их использовать? Есть ли еще данные, которые мы можем обработать?
  3. Достаточно ли у вас данных о проблеме? Для разных проблем требуется разное количество данных, просто спросите.

Если вы хотите лучше использовать данные, доступные сегодня, для решения ваших ключевых проблем, включая аналитику, оптимизацию сигналов светофора и приоритет сигналов транспорта, свяжитесь с нами по адресу [email protected].. эм>