Вы знаете, что вам это нужно. Об этом так много говорится в новостях о проекте Google здесь и об интервью с Илоном Маском там, что вы знаете, что это должно быть частью вашего будущего. Есть более 3500 стартапов в области ИИ, множество книг, правительственные панели по ИИ, и это даже позволяет ученым разговаривать с дельфинами. Кажется, что искусственный интеллект наверняка получит свое место в мировом племенном барабане.
Но что мы имеем в виду, когда говорим искусственный интеллект? » Это сбивающий с толку вопрос, который скрывается за сложной математикой, интенсивными визуализациями и техно-болтовней, которые делают его похожим на волшебство. Его инструменты созданы в недрах таких ботаников, как IBM, MIT и Stanford, и идет гонка вооружений 21-го века, которая наталкивает США, Китай и Россию друг на друга за высший балл. пирога AI. Этот мир предназначен не для простых смертных, а для тех, кто пытается найти способ использовать эту технологию, чтобы иметь преимущество в своем бизнесе.
Знать, что искусственный интеллект не знает, что вам нужен ИИ, но знать, что вам нужны технологии, из которых состоит ИИ. Это особые технологии, старые и новые, которые прямо сейчас революционизируют мир вокруг вас. Эти технологии поддерживают ваши рекомендации Netflix, автономные автомобили и поиск работы в LinkedIn. В ближайшие десятилетия эти технологии станут источником энергии для мира, поэтому пора понять, что они из себя представляют и как работают.
Как лучше всего узнать об этом новом мире? Почему это, правда, детская игра. Думайте об искусственном интеллекте как о наборе симуляций, в которые мы играем, также известных как игры. На самом деле это кажется вполне уместным, поскольку технологические фирмы, такие как Gartner, уже заявляют, что искусственный интеллект - это технология, которая, как правило, имитирует человеческую деятельность, как правило, обучаясь, делая собственные выводы, создавая впечатление понимания сложного контента, участвуя в естественном диалоге с люди, улучшая когнитивные способности человека (также известные как когнитивные вычисления) или заменяя людей на выполнение нестандартных задач . Довольно сложно, но на самом деле это означает, что игры - это способ подражания человеческим возможностям. Вы играете, чтобы учиться.
Поэтому, пожалуйста, используйте этот список технологий искусственного интеллекта как возможность осмыслить все это пространство. Узнай правила. Играть честно. И, прежде всего, получайте удовольствие!
Интеллектуальная автоматизация: мышеловка
AKA: Роботизированная автоматизация процессов; Когнитивная автоматизация
Продавцы: IPSoft, Голубая призма, Automation Anywhere
Интеллектуальная автоматизация - это золотая середина между искусственным интеллектом и роботизированной автоматизацией процессов, которая сама по себе трансформирует многие отрасли прямо сейчас, от автоматизации операций центра обработки вызовов до оптимизации финансовой индустрии. Автоматизация процессов - это технология, которая имитирует этапы не субъективного процесса, основанного на правилах, без ущерба для существующей ИТ-архитектуры.
По сути, он выводит людей из процесса наведения указателей, щелчков мышью, сортировки и другой другой работы типа белых воротничков, которые используются во всех видах вычислительных процессов с помощью программного обеспечения, которое имитирует точную рутину самой работы (отсюда и термин 'роботизированный'). Конкретные примеры включают все, от очистки экрана до автоматизации специализированных аналитических панелей и автоматизации в масштабах всего предприятия. Эта автоматизация работает с разнообразным программным обеспечением и системами баз данных, включая Microsoft Excel, Microsoft Access, Oracle, SAP и Internet Explorer, а также с системами мэйнфреймов и серверами Citrix.
Чтобы правильно сформировать эти автоматизированные процессы, вы создаете архитектуру или основанную на правилах, подобную алгоритму систему, которая автоматизирует определенные задачи или целую серию задач. Эта автоматизация может осуществляться с помощью рабочих или полностью без посторонней помощи, а также может контролироваться в реальном времени менеджерами RPA, контролирующими операции автоматизации для обеспечения максимальной целостности. Добавляя в эту автоматизацию дополнительные технологии искусственного интеллекта, такие как обработка естественного языка или машинное обучение, вы можете обрабатывать сложные запросы в медицинских исследованиях, находить ответы на сложные вопросы для клиентов с молниеносной скоростью и выявлять мошеннические действия в очень сложных финансовых модели .
Как и в игре Mouse Trap, использование автоматизации требует понимания того, как построить эффективный план, чтобы поймать вашу мышь, что здесь улучшает обслуживание клиентов, финансовое понимание и делает вашу рабочую силу намного быстрее. Вы строите это, вы управляете им, вы ловите это. Удачи в поиске подходящего сыра.
Автономика: Саймон
AKA: Автоматизация предприятия.
Продавцы: Cognizant, HCL, Capgemini, Accenture, IPSoft
Близкий родственник интеллектуальной автоматизации - автономность, автоматизация на уровне платформы компании. Автономность существует в инфраструктурной части ИТ, где находятся облачные вычисления и серверные среды. Подумайте о тяжелой инженерной работе, такой как тестирование, управление производительностью приложений, оркестровка процессов и DevOps и добавление крупномасштабных механизмов самообучения, которые работают очень похоже на нервную систему человека.
Наличие действительно автономных систем означает создание цифрового инженера, который чувствует, видит и лечит в масштабе всего предприятия, развертывание автоматизации для конкретных сценариев управления ИТ, которое выполняет автоматическое регулирование управления производительностью и адаптирует ресурсы по запросу. Поскольку мощность вычислений необходима для обеспечения мира тяжелым миром данных, состоящим из искусственного интеллекта и аналитики, требуется автономность, чтобы уравновесить различные силы в корпоративных сетях. Как и нервная система, это необходимый компонент для постоянного успеха на платформе любой фирмы, постоянный свет и забота о проблемах по мере их возникновения.
Основное различие между интеллектуальной автоматизацией и автономностью - это аспекты автономности самообучения. Инженеры по автоматизации создают автономные пакеты, которые должны функционировать так, как будто инженер работает с системой на каждом этапе пути. Интеллектуальная автоматизация (IA) - это просто автоматизация конкретных задач для бизнес-обработки, тогда как автономность - это автоматизация жизненной силы, которой живет IA, серверов и сред облачных вычислений, которые позволяют выполнять вычисления. Это действительно самообучающаяся автоматическая функция, гнездо Google для рынков данных ваших компаний, финансовых систем или базы данных электронных медицинских карт.
Как и в Саймоне Милтона Брэдли, автономность создается для того, чтобы ее сначала учили, но потом она становится автоматической. Чтобы построить правильную автономную сеть, проектировщики и инженеры должны понимать все комбинации проблем, которые могут ограничить автоматическое функционирование. Почувствуйте музыку и звуки и создайте плавное состояние для функционирования вашей инфраструктуры.
Машинное обучение: Морской бой
AKA: контролируемое, неконтролируемое обучение с подкреплением (многие другие)
В некотором смысле, машинное обучение - это то, о чем мы говорим, когда говорим об искусственном интеллекте, потому что машинное обучение порождает так много различных частей технологий ИИ. Впервые появившееся в конце 1950-х годов, машинное обучение не начало получать должное до 1990-х годов, когда экспертные системы стали считаться устаревшими, и искусственный интеллект начал возвращаться к большему количеству моделей, основанных на статистике и теории вероятностей.
Машинное обучение - это обучение компьютеров точному прогнозированию моделей с использованием данных. Машинное обучение использует данные для обучения модели, определения конкретных критериев для различения элементов, изображений и данных и создания вычислительных технологий, которые позволяют нам понимать окружающий мир. Машинное обучение используется для определения диагноза пациента, выявления мошенничества, оптимизации инвентаризации. Когда мы думаем об ИИ, мы в основном имеем в виду технологии машинного обучения, которые используют модели и алгоритмы, чтобы помочь нам сортировать мир.
Машинное обучение подразделяется на определенные типы машинного обучения:
- Под контролем: прогнозирование моделей для моделирования мира с использованием определенных источников данных.
- Без учителя: разбиение и прогнозирование шаблонов с использованием неструктурированных источников данных.
- Обучение с подкреплением: использование обучения поведению (методом проб и ошибок) для достижения успеха в модели.
Как уже отмечалось, машинное обучение - это базовые блоки для построения более глубоких и сложных моделей искусственного интеллекта. Эти подходы являются некоторыми из других частей зонтика ИИ, которые вы увидите в новостях, таких как нейронные сети, глубокое обучение, кластерный анализ, байесовские сети, деревья решений и многое другое.
Понять основы машинного обучения - значит понять развитие ИИ, поэтому лучше всего полностью увидеть закономерности, как вы это делаете в вопросах и ответах в соревновательной игре« Морской бой . Собирайте информацию, делайте осознанный выбор и потопите этот корабль!
Нейронные сети: лабиринты
AKA: Искусственные нейронные сети.
Продавцы: Google, Atomwise, Kaggle, Skymind
Нейронные сети включают использование методов машинного обучения для передачи данных через узлы последовательности, чтобы узнать об этой модели. Вдохновленные биологическими сетями человеческого мозга, эти сети представляют собой совокупность единиц, которые сформированы аналогично нейронной сети в человеческом мозгу. Триггер запускается в начале кластера узлов, который проходит через последовательность сети. Вывод - это особая функция, которая различает и различает, позволяя выполнять все виды задач, если они выполняются в большом масштабе сети, такие как компьютерное зрение, машинный перевод, распознавание речи и игра в видеоигры.
Хотя это может показаться сложным, нейронные сети очень похожи на передачу информации человеку. Человек учится в процессе, постоянно собирая данные об окружающей среде и решая, как себя вести. Человек ночью пересекает густые джунгли и встречает льва, в следующий раз человек может нести копье. Человек прикасается к раскаленной плите, он больше к ней не прикасается. Искусственные нейронные сети делают то же самое, что и человек (в своем мозгу), имитируя те же действия, но в очень незначительном вычислительном масштабе.
Сотни, тысячи или миллионы этих искусственных единиц или узлов подключены друг к другу, ожидая ввода от других подключенных узлов. Информация подается через систему, и она учится, как человек, постоянно сравнивая предыдущие механизмы обратной связи для лучшего результата. Подумайте о том, когда вы двигаетесь, корректируете свой замах в гольфе или как вы играете в мяч после большого промаха на дорожках, и вы делаете то же самое, что мы пытаемся сделать с этими сетями искусственно.
Прямо сейчас нейронные сети используются по-разному: от автоматической раскраски фотографий до улучшения синтетических изображений и придания им реалистичности до автоматической классификации изображений кошек и собак. Уловка для определения правильного способа просмотра данных заключается в том, чтобы начать с начала узла и изучить лучший способ, используя данные, аналогичные соединенному лабиринту. Конечно, нейронные сети становятся все лучше и лучше при поиске пути через эти узлы, так что, надеюсь, вы тоже.
Компьютерное зрение: Где Уолдо
AKA : Моделирование внешнего вида, анализ движения, реконструкция изображения
Продавцы: Apple; Facebook; Люксофт
Компьютерное зрение - это вычислительный процесс методов искусственного зрения. Основываясь на многолетних попытках имитировать человеческие зрительные системы, компьютерное зрение сделало много шагов вперед с момента его первых итераций в 1960-х и 1970-х годах. По сути, чтобы создать способность искусственного зрения, мы должны построить математические модели, которые позволят нам правильно строить шаблоны. Сначала это началось с выделения краев и линий, но затем перешли к более сложным методам, включая многогранное моделирование, сегментацию изображения и морфинг изображения.
Вы можете использовать компьютерное зрение каждый день. Технология вашего смартфона, захват изображения в вашей игровой системе и идентификация отпечатка пальца - все это примеры использования компьютерного зрения. Распознавание объектов используется, чтобы помочь с автономными транспортными средствами теперь на дорогах. Реконструкция 3D-объектов позволяет нам заглянуть в прошлое. Даже сканирование штрих-кодов - это компьютерное зрение.
В настоящее время компьютерное зрение взаимосвязано с ИИ в машинном обучении, но также и в физике твердого тела, когда речь идет о датчиках изображения для обнаружения инфракрасного света или электромагнитного излучения. Используя квантовую механику, методы компьютерного зрения могут помочь нам обнаруживать движение в жидкостях и обеспечивать четкую артикуляцию движения.
Как и в случае с Уолдо, идентификация изображений - это всего лишь мозг, определяющий мельчайшие детали объектов. Эта идентификация с годами становилась все лучше и лучше. Представьте, что ваше глазное яблоко разбирает головоломку «Где Уолдо» на бесконечно все меньшие и меньшие пиксели. Затем вы можете определить отличительные черты одежды Уолдо и довольно легко найти его, используя высокоуровневую математику. Не так весело, но намного проще.
Обработка естественного языка: Игры в слова
AKA : Чат-боты; Генерация естественного языка; Речь в текст
Примеры: Google Home; Сири от Apple; Амазонка Алекса; Microsoft’ Cortana ; Амелия IPSoft
Скорее всего, вы уже экспериментируете с обработкой естественного языка (НЛП). Из-за повсеместного распространения Siri и других технологий НЛП в розничной торговле за последние несколько лет чат-боты стали одной из частей зонтика ИИ, которую могут идентифицировать как эксперты, так и новички.
Обработка естественного языка - это область, которая охватывает компьютерное понимание и манипулирование человеческим языком. Понимать язык не так просто, как вы думаете, поскольку компьютеры должны понимать нюансы человеческого языка, такие как структура, контекст и грамматика. Возможно, поэтому вы можете время от времени разочаровываться в НЛП на своем телефоне, но технология продолжает улучшаться день ото дня.
Настоящая магия НЛП заключается в его способности убрать представление об оборудовании из рук пользователя. Это означает, что с правильным устройством пользовательский интерфейс - это просто голос пользователя, полностью меняющий то, как люди взаимодействуют со своими машинами. Функционал поиска стал более конкретным. Становится намного проще анализировать конкретную или сложную информацию.
Прямо сейчас существуют интерфейсы чат-ботов для консьержа, покупки цветов, покупки одежды, предоставления информации о железной дороге и поиска работы для студентов. Вероятно, самая простая форма ИИ, которую ваши клиенты смогут понять, а также одна технология, которая может иметь самую легкую начальную новизну.
Чат-боты будут становиться только лучше со временем, поскольку технологии, ведущие к большему количеству прорывов в том, как люди взаимодействуют со своими данными. Подобно играм в слова, в которые мы все играем, НЛП станет лучше и лучше разбирать язык в текст, текст в речь и переводить разные языки в реальном времени.
Глубокое обучение: кроссворд
AKA : Глубокое структурированное обучение; Иерархическое обучение; Репрезентативное обучение
Если машинное обучение - рудиментарная технология дерева искусственного интеллекта, глубокое обучение объединяет семью. Глубокое обучение - это подмножество машинного обучения, которое основано на открытии представлений из необработанных наборов данных. Именно глубокое обучение делает возможным компьютерное зрение, обработку естественного языка и нейронные сети. Если машинное обучение - это гитара, то глубокое обучение - это вся группа.
Как описано в основных примерах глубокого обучения, DL пытается имитировать деятельность нейронной передачи в человеческом мозге. Это методы глубокого обучения, которые сканируют видео с YouTube и переводят голоса на разные языки в реальном времени e. Глубокое обучение - это то, что послужило основой для IBM Watson in Jeopardy. Его используют для борьбы с изменением климата.
Но что самое уникальное в глубоком обучении, так это то, что именно за ним будущее лежит в мире искусственного интеллекта. Опыт, извлеченный из предыдущих итераций технологии искусственного интеллекта, а также возросший опыт из других частей ландшафта DL приведут к крупномасштабным изменениям в обществе в ближайшем будущем. Мы будем искать лучшее распознавание речи. Лучшая идентификация изображения. Лучшее автономное управление транспортным средством.
Это может быть будущее персональных датчиков, наведения роботов и оптимизации улиц нашего города. DL - это действительно то, как искусственный интеллект может изменить весь наш мир. Как старый гуру кроссвордов, ему нужны лингвистические ноу-хау, мирской опыт и практика, чтобы овладеть искусством извлечения и передачи знаний. Глубокое обучение может даже выйти за рамки самого себя, поскольку мы можем овладеть другими вычислительными языками, которые мы можем изучить на нем, чтобы превзойти само себя. Теперь это будущее, в котором можно играть!
