Теперь все - AI. По крайней мере, так думают некоторые основатели стартапов. Однако во многих случаях оказывается, что за используемой ими фразой AI скрывается лишь простая автоматизация. Чтобы правильно использовать термин «искусственный интеллект», вам необходимо понимать, что это такое и какие технологии он использует.
Искусственный интеллект, машинное обучение, роботизация - вы наверняка часто слышите эти модные словечки. Когда я просматриваю колоды стартапов, пытающихся убедить нас в своих идеях, я вижу их каждый день. У меня сложилось впечатление, что основатели используют их как маркетинговый трюк, чтобы привлечь наше внимание. «У нас есть ИИ, так что мы крутые!» Эти фразы настолько популярны, что, если бы проводился конкурс на самые популярные слова в бизнесе, они, вероятно, заняли бы три верхних места. Но понимаем ли мы их значение и правильно ли используем? Я хотел бы, чтобы меня хорошо поняли. Мы, венчурные инвесторы, любим все, что есть искусственный интеллект. У нас это работает. Но мы также не совсем ИТ-профи и можем говорить о технологиях. Мы можем отличить обычную автоматизацию процессов от SkyNet!
Несколько лет назад я был разработчиком RPA. Я занимался внедрением роботизации процессов в крупной корпорации. После внедрения нового бота мы предложили клиенту его продемонстрировать. Бот выполнял свою работу безупречно на 70% меньше времени, чем люди делали это раньше. Реакция клиентов? "Вот это да! AI потрясающий! » Мы с коллегой посмотрели друг на друга, и я прикусил язык, чтобы не сказать клиенту, что то, что он видит, на самом деле не является искусственным интеллектом ...
Так что же это за волшебный ИИ?
Существует множество определений, и каждый ИТ-специалист устанавливает границы между ИИ и простой автоматизацией по своему усмотрению. Самым популярным считается создание Джона Маккарти, одного из гуру искусственного интеллекта, который сказал, что
искусственный интеллект - это способность системы правильно интерпретировать данные из внешних источников, учиться на них и использовать эти знания для выполнения конкретных задач и достижения целей посредством гибкой адаптации.
Я предпочитаю другой:
Искусственный интеллект - это обширная область информатики, из-за которой кажется, что машины обладают человеческим интеллектом.
Есть три общих подхода к определению ИИ. Некоторые считают, что это начинается, когда запрограммированная нами машина способна повторять поведение людей и выполнять их работу. В этом случае примером могут быть любые решения для автоматизации роботизированных процессов, которые позволяют компьютеру выполнять простую человеческую работу, например собирать данные из системы продаж и формировать на их основе отчет о продажах. Лично меня это не убеждает. Если мы называем искусственный интеллект компьютером, который шаг за шагом повторяет действия сотрудника, не следует ли говорить об одноименной соковыжималке таким же образом? В конце концов, это также работа, которую человек мог бы сделать вручную. Здесь профессионалы RPA будут возмущены, но в конце концов, и бот, и соковыжималка выполняют заранее определенную работу, для которой они были запрограммированы. И они не справляются с ситуациями, которые не были предусмотрены их создателями. Шах и мат! Хорошо, создание бота определенно намного сложнее, но это все еще автоматизация.
Второе, что мне ближе всего, это то, что ИИ появляется, когда машина может работать с внешними данными, которые она собирает (о чем я расскажу позже). Следовательно, в отличие от вышеупомянутой автоматизации, она может изменяться сама по себе. Точно так же, как человек, который не следует определенному образцу на протяжении всей своей жизни, а только учится, набирается опыта и с возрастом совершенно по-разному реагирует на одни и те же ситуации. Точно так же машина может «повзрослеть» и изменить свои привычки.
Третий подход, которому отдают предпочтение поклонники научной фантастики, заключается в том, что ИИ начинается, когда мы не можем различать поведение машины и человека. Или это близко к этому. В 1950 году Алан Тьюринг изобрел гипотетический тест, чтобы определить, разумна машина или нет. В тесте участвуют 2 человека и машина. Все они заперты в разных комнатах. Они не видят и не слышат друг друга. Один из людей действует как судья, который общается одновременно с человеком и машиной только посредством текста. Он задает им те же вопросы. Если реакция машины настолько «человечна», что судья не может определить, кто из его собеседников - человек, то мы считаем машину разумной. Что ж, C3PO справится с этим, но в реальной жизни еще не создано ни одной машины, способной обмануть человека.
Различные уровни ИИ
Как вы, наверное, догадались, последний подход не пользуется большой популярностью среди ИТ-специалистов (потому что всем нравится хвастаться, что они создают ИИ).
Чтобы избежать споров о том, что такое ИИ, в рамках консенсуса были придуманы 3 его уровня:
1. Узкий ИИ - это искусственный интеллект, который имитирует ограниченный спектр человеческого поведения и возможностей и фокусируется на одной или нескольких узких задачах. В эту категорию входят все известные нам сегодня ИИ-решения, которые могут собирать и использовать различные данные для определенных целей.
Прекрасный пример - компьютер Deep Blue, который победил Гаспарова в шахматы. После каждого движения человека компьютер анализировал огромное количество данных, последствия каждой возможной реакции и выбирал наилучшее из возможных движений. Откровенно говоря, у Гаспарова не было шансов против машины, выполняющей миллионы вычислений в секунду.
Но сможет ли тот же Deep Blue выиграть теннисный матч у человека? Нет, потому что это не было сделано для этого.
2. Общий искусственный интеллект - это гипотетическая способность машины понимать или изучать любую интеллектуальную задачу, которую может выполнить человек. Подчеркнуть слово «гипотетический», потому что такой машины еще не создано.
Теоретически в данном случае мы говорим о машине, которая способна сама делать все, что может человек. Не больше, не меньше. Умеет наблюдать за окружающим миром, обрабатывать информацию и принимать самостоятельные решения. Он может учиться, получать новые навыки. Точно так же, как человек всю жизнь. Он может поговорить с вами о погоде, бизнесе или политике. А пока он будет варить кофе или играть с вами в покер. По мнению многих, именно здесь начинается настоящий искусственный интеллект.
Хороший пример - C3PO из «Звездных войн». Помимо оловянного тела и знания всех языков галактики, он был очень человечным 😊
3. Суперинтеллект, также известный как Полный ИИ - кошмар фанатов Терминатора. Это следующий (гипотетический) уровень ИИ. В отличие от C3PO, он может выполнять множество действий параллельно, управлять несколькими процессами и связываться с другими машинами через ИТ-сеть. Фактически, рассмотрение возможностей суперкомпьютера является в высшей степени теоретическим и остается фантастикой, поскольку никто не может предсказать, на что он будет способен.
Примеры: SkyNet, Ultron 😊
Основные компоненты искусственного интеллекта
Общей чертой всех этих типов ИИ является то, что машины могут собирать и использовать данные. В этом предложении практически все самое главное. Машина, как и человек, может наблюдать за миром, обрабатывать полученную информацию, а затем использовать ее для выполнения определенных действий.
Давайте посмотрим на это поближе. Как мы собираем информацию из окружающего нас мира? Во-первых, из наблюдения. Мы используем глаза, чтобы анализировать окружающую среду. Благодаря этому мы знаем, что происходит вокруг нас. Мы используем уши, чтобы воспринимать звуки. Если кто-то говорит с нами, мы превращаем слова, которые слышим, в информацию. Мы также можем оценить чьи-то намерения или психическое состояние, наблюдая за поведением другого человека, тембром его голоса и конкретными словами.
Во-вторых, из опыта и знаний. Если, управляя автомобилем, мы видим, что на пешеходном переходе находятся дети, мы можем предсказать, что они могут выйти на дорогу даже на красный свет. Так что мы замедляемся. Если мы видим, что наш партнер расстроен, он или она говорит с нами на повышенных тонах, мы принимаем мягкий тон, чтобы снять напряжение. Откуда нам знать, как действовать в таких ситуациях? Из нашего опыта. От способности предсказывать различные события, которые могут быть следствием наблюдаемых нами явлений. Именно так сегодня работают умные компьютеры. Для этого они используют две технологии: когнитивный интеллект и машинное обучение.
Мы можем понимать когнитивный интеллект как набор решений, которые позволяют компьютерам наблюдать за миром. К ним относятся:
· распознавание изображений, то есть решения, позволяющие захватывать изображения и собирать данные на их основе (как наши глаза),
· распознавание голоса (или речи), то есть инструменты, позволяющие обрабатывать звуки (например, Alexa, Siri, голосовые боты),
· языковой перевод (который является частью обработки естественного языка), обработка определенных слов, как написанных человеком, так и произнесенных им, а затем преобразованных в данные для создания это «понятно» для компьютера (например, чат-ботов),
· анализ настроений - это производная от трех вышеперечисленных. На основе собранных изображений, звуков и слов он может оценить конкретное эмоциональное состояние человека.
Как видите, вышеупомянутые технологии могут позволить машинам наблюдать за миром, как люди. Но это еще только половина пути к искусственному интеллекту. Для того, чтобы она существовала, а значит, и машина была «умной», все же необходимо получить опыт, который позволит выбрать лучшее решение на основе собранной информации. Именно здесь на помощь приходит знаменитое машинное обучение.
Технология машинного обучения приближает компьютеры к людям, потому что, как в нашем случае, она позволяет принимать решения не на основе жестких руководящих принципов (программный код), а на основе опыта. Проще говоря, мы можем сказать, что компьютер, повторяя определенные действия, может анализировать их результаты, оценивать, какие из них были лучшими, и, таким образом, предсказывать, как он должен себя вести в конкретной ситуации. Он может даже адаптировать свой программный код, чтобы он был оптимальным для целей прогнозирования или принятия решений, не будучи запрограммированным людьми для этой цели. Алгоритмы машинного обучения используются во многих различных приложениях, таких как антиспам (фильтрация веб-сообщений на предмет нежелательной корреспонденции) и распознавание изображений, где разработка обычных алгоритмов для выполнения требуемых задач затруднена или невозможна.
Комбинация когнитивного интеллекта и машинного обучения является основой для создания настоящего искусственного интеллекта, каким мы его знаем из научно-фантастических фильмов.
Прекратите теоретизировать и пристегните ремни безопасности!
Я всегда говорю, что ИТ-проблемы лучше всего объяснить, сравнивая их с повседневной жизнью.
Представьте, что вы хотите поехать из дома на работу. Вы садитесь в машину, заводите ее, вы выходите на улицу. Вы нажимаете на газ - машина разгоняется. Поворачиваешь руль - крутятся колеса. Ваш автомобиль реагирует на то, что вы делаете, но все это основано на обычной механике. Здесь нет никакой разведки.
А теперь представьте, что в вашей машине есть простая функция автопилота. Вы вводите пункт назначения, автомобиль использует GPS, чтобы проверить, где он находится, и выбирает кратчайший маршрут. Вы запускаете его, и машина сама поворачивает, ускоряется и тормозит. Он не обращает внимания на пробки, время в пути и т. Д. Что еще хуже, он не реагирует на происходящее на дороге, так что лучше держите руки на руле! Автомобиль не думает, он просто выполняет запрограммированные в нем простые действия. Это автоматизация.
А теперь представьте, что ваш автомобиль подключен к Google Maps. Таким образом, он получает информацию, какой маршрут будет оптимальным с учетом пробок в определенные часы. Основываясь на многочисленном опыте и анализе, проведенном Google, система делает выводы, какая дорога в данный момент времени будет самой быстрой. Автомобиль использует данные на основе машинного обучения.
Затем представьте, что вы поместили камеру в машину, которая интегрирована с автомобильным компьютером. Камера наблюдает за окрестностями. Когда он видит, что машина перед вами внезапно тормозит, ваша тоже. В этой ситуации мы используем распознавание изображений.
Вы пролили кофе на штаны из-за резкого торможения. Вы расстроены и ругаетесь. Alexa использует распознавание речи, чтобы уловить ваши слова, преобразование текста, чтобы преобразовать их в понятный код, и, наконец, анализ настроений, чтобы обнаружить, что вы расстроены. Это когнитивный интеллект.
Вы слышите свою любимую песню из динамиков. Автомобиль «вспомнил», что в последний раз, когда случилась такая ситуация, вы играли именно эту песню, чтобы расслабиться, поэтому она проигрывает ее автоматически. Таким образом, он снова использует машинное обучение.
А теперь представьте, что вы Майкл Найт, а ваша машина - KITT. «Чувак, ты в порядке? Не волнуйтесь! Мы вернемся домой, или мне купить тебе новые штаны и отправить их в офис? » Это настоящий искусственный интеллект 😊
Мое предложение для первокурсников-основателей
В RKKVC мы получаем много колод с предполагаемым искусственным интеллектом и машинным обучением, но только в половине случаев эти термины действительно используются правильно в контексте представленных решений. Более того, основатели не всегда могут сказать нам, где на самом деле размещены эти технологии в их продуктах. Это производит плохое впечатление на нас, инвесторов, потому что мы не знаем, действительно ли основатель понимает технологии, которые он хочет внедрить.
Поэтому, прежде чем упоминать ИИ в своей презентации, хорошенько подумайте, действительно ли ваш продукт имеет к нему какое-то отношение. Если нет, не упоминайте AI или ML. И если да, будьте готовы к конкретным вопросам о том, как это работает, например о том, откуда он получает данные и как он их использует. Даже если мы не являемся экспертами в области технологий, нам всегда приятно об этом слышать 😊
