В постоянно меняющемся соревновании по модернизации и совершенствованию технологий искусственный интеллект находится на переднем крае. Они уже повлияли на автомобили, робототехнику и бесчисленное множество других отраслей, а технологические гиганты, такие как Intel, потратили миллиарды долларов на приобретение компаний, производящих микросхемы ИИ, в надежде, что они смогут использовать любые новые разработки раньше, чем их конкуренты.

Нейронные сети недавно приобрели известность как компонент настоящего и будущего ИИ. В настоящее время нейронные сети используются для наблюдения и анализа данных с приложениями для распознавания изображений, языковой обработки и принятия решений. Если все это звучит так, как будто человеческий мозг гораздо лучше справляется с этим, то вы правы, потому что идея нейронных сетей заключается в имитации функций мозга. В частности, эта технология стремится имитировать синапсы, пространства, в которых взаимодействуют нейроны. Эти нейроны способны улавливать закономерности в данных, а также закономерности в других нейронах.

Так как же были созданы эти системы?

Это далеко не копия человеческого мозга, а лишь один из компонентов его функционирования. Однако мозг служит источником вдохновения и моделью для программирования нейронных сетей, предназначенного для решения проблем, с которыми не может справиться большинство компьютеров; вычисление чисел — это одно, а определение визуальных стимулов — другое. Обычно это вопрос распознавания образов; в котором прошлый опыт формирует текущую реакцию.

Нейронные обучающие сети состоят из ряда нелинейных узлов, предназначенных для имитации нейронов. В то время как один узел может только читать и обрабатывать входные данные, большая группа узлов, работающих параллельно друг другу, может выполнять множество задач. Узлы адаптируются со временем в зависимости от ответов других; плохой вывод заставит узел настроить себя, чтобы улучшить его в будущем.

Первые нейронные сети столкнулись с проблемами; компьютеры просто не могли обрабатывать тот объем данных, который обрабатывали сети. Недавние достижения в области распределенных вычислений смягчили эти проблемы. Алгоритмы, которые управляют нейронными сетями, не сильно отличаются от тех, что были созданы в 80-х, но теперь у них есть костяк более совершенных компьютеров, а также преимущество больших данных, которое дает им больше зубов. При этом технологические компании с удовольствием пересмотрели старые идеи, используя нейронные сети для распознавания лиц, интерпретации языка и таргетинга рекламы на основе привычек пользователей, среди прочего.

Основа есть, но есть несколько тестов, которые нейронные сети должны достичь в течение нескольких лет. Skype выразил заинтересованность в использовании этих систем для мгновенного перевода языка во время видеозвонка, мало чем отличающегося от универсальных переводчиков из «Звездного пути». Основа нейронных сетей для обработки речи, безусловно, хорошо задокументирована: смартфоны и множество других устройств теперь оснащены функциями обработки голоса с разным уровнем точности. В транспортной отрасли нейронные сети используются для лучшей подготовки автономных транспортных средств к работе на дорогах, что помогает пионерам в этой области, таким как Uber и Google.

Примечательно, что будущее нейронных сетей и искусственного интеллекта может быть хотя бы частично органичным. Исследователи из Стэнфордского университета недавно создали частично органический искусственный синапс, потенциально открывающий двери для связи с человеческим мозгом и еще более эффективными нейронными сетями. Ожидайте достижений в области робототехники и протезирования в ближайшем будущем от нейронных сетей; они, вероятно, станут основой, на которой наконец будет построен настоящий ИИ.

Первоначально опубликовано на damianesteban.com 17 марта 2017 г.