На этой неделе мы говорим об искусственном интеллекте или ИИ. ИИ повсюду — об этом говорит президент Обама, он помогает вам получать лучшие результаты поиска от Google, настраивает Netflix и Facebook под вас, даже диагностирует состояние кожи. Так что же это такое, как это работает, и в какой момент оно станет разумным и познает жестокое жало предательства любовника? Давайте погрузимся!

Введение

ИИ — это сложное для определения понятие, как искусство или тип кухни, которую подают в «Джек-в-коробке» (серьезно, как в одном месте можно так хорошо готовить гамбургеры и тако?). Определение того, что является ИИ, а что нет, является субъективным, эволюционирующим и даже может быть спорным. Для простоты давайте просто скажем, что искусственный интеллект — это демонстрация сложных рассуждений, ответов или реакций машин, подобных человеческим. На самом деле это намного больше, но это хорошая отправная точка.

Наглядным примером является тест Тьюринга, в котором говорится, что если человек не может отличить компьютер от другого человека во время текстового чата, компьютер проходит тест и является интеллектуальным (или, возможно, тестируемый человек является … менее умный, но я отвлекся). Изобретатель теста, Алан Тьюринг, был героем Второй мировой войны, преследуемым за свою сексуальность, и отцом информатики и ИИ. Его биографический фильм, метко названный Игра в имитацию, с участием Butterbread Snapchat… Бенедикт Камбербанд… Бенедикт Камбербэтч! Вон тот. Это стоит посмотреть.

ИИ по своей сути является междисциплинарным, в значительной степени основанным на математике, статистике, информатике и логике. В зависимости от приложения он также может включать такие области, как оптика, лингвистика и неврология. Еще больше усложняет определение ИИ эффект ИИ, который представляет собой практику понижения уровня технологии, которую мы когда-то называли ИИ, до общей категории программного обеспечения, когда она становится популярной или хорошо изученной.

Учитывая сложность определения ИИ, мы собираемся применить более наглядный подход и обсудить самые модные словечки и такие понятия, как сверхразум, нейронные сети, машинное обучение, глубокое обучение, компьютерное зрение и обработка естественного языка (НЛП). Мы также поговорим о некоторых приложениях, заложив основу для будущих статей о влиянии ИИ и его значении для нашего будущего. А теперь мясо!

Мясо

Сверхразум и сильный ИИ: стоит ли мне беспокоиться о том, что компьютеры захватят мир?

Когда светила вроде Илона Маска, Билла Гейтса и Стивена Хокинга начинают предупреждать нас о появлении компьютеров, они часто используют такие термины, как сверхразум или сильный ИИ. Эти два термина используются для описания компьютерного интеллекта, который выходит за рамки человеческих возможностей: сильный ИИ просто относится к компьютерам, которые, по крайней мере, так же умны и способны, как и люди, выполнять широкий спектр задач, а не только одну задачу, а сверхразум относится к возможностям, выходящим далеко за рамки что у людей, опять же при выполнении самых разных задач, а не только одной. Вот краткое уравнение/визуальное изображение:

Слабый ИИ ‹‹ Люди == Сильный ИИ ‹‹ Сверхразум

Продолжайте читать, и вы тоже можете стать сверхразумным. Так должны ли мы беспокоиться о сверхразуме и компьютерах, которые порабощают нас и захватывают мир? Как сказал Ван Уайлдер: Беспокойство похоже на кресло-качалку. Это дает вам что-то, чем можно заняться, но ни к чему не приводит. Так что нет, не волнуйтесь. Но должны ли мы что-то с этим делать? Честно говоря, наверное, нет. Несмотря на то, что некоторые из самых умных, самых успешных и/или самых богатых людей в мире говорят об этом, в контексте теоретическая опасность все еще далека от реальности. «По словам Эндрю Нг, одного из ведущих исследователей и разработчиков ИИ, беспокоиться о сверхразуме — все равно, что беспокоиться о перенаселении Марса. В конце концов, это может стать проблемой, но есть и другие проблемы, с которыми нужно разобраться в первую очередь. На данный момент большую озабоченность вызывает то, что ИИ отнимет у вас работу или, по крайней мере, 50% или более ее.

Определение и применение Buzz: машинное обучение, нейронные сети, глубокое обучение и НЛП

Машинное обучение описывает набор методов программирования компьютеров, чтобы научиться лучше выполнять задачу. Это не просто обучение компьютеров решению проблемы, это обучение их тому, как лучше решать проблему с течением времени и с использованием большего количества данных. Этот набор методов называется обучением, потому что мы ожидаем, что с большим опытом решения задачи компьютер улучшится. Когда вы слышите фразы глубокое обучение, обучение с учителем, обучение без учителя, обучение с подкреплением и т. д., все это методы в области машинного обучения. Если вы хотите узнать, что это такое более подробно, выделите 30 минут, чтобы ознакомиться со второй частью вступительной лекции Эндрю Нг. Очень распространенным примером прикладного машинного обучения является спам-фильтр (сочетание правил и опыта, которые учат компьютер, какие электронные письма помечать как спам, со временем улучшаясь с увеличением количества отзывов). Вы когда-нибудь замечали огромное сокращение электронных писем, связанных с улучшением мужских качеств? Спам-фильтры не идеальны, но со временем они продолжают улучшаться.

Нейронные сети, также называемые искусственными нейронными сетями (или «нейронными сетями», если вы модный человек или живете в Силиконовой долине (я говорю «или», потому что вы почти наверняка не являетесь и тем, и другим)), представляют собой Подход или класс алгоритмов, используемых в машинном обучении, призван быть символическим и отражающим то, как работает наш мозг. Нейронные сети — это сети узлов или нейронов, отвечающие за получение данных, выполнение небольших вычислений и последующую передачу этих данных следующему нейрону. Это лучше всего понять по аналогии: представьте, что вам нужно перевести книгу с английского на итальянский. У вас есть три переводчика, которые знают английский и испанский языки, три переводчика, которые знают испанский и французский языки, и три переводчика, которые знают французский и итальянский языки. Вам также дается большое предложение, которое представляет собой идеальный перевод с английского на итальянский, чтобы помочь обучить/проверить, какие переводчики наиболее надежны и какие переводчики лучше всего работают с какими другими переводчиками.

Вот картинка:

Следующие два абзаца представляют собой более технические детали/определения нейронных сетей, не стесняйтесь переходить к разделу «Глубокое обучение», если это не представляет интереса. Если вы все еще здесь, в приведенной выше аналогии каждый набор трансляторов считается «слоем», а каждый отдельный транслятор — нейроном или узлом. Большое предложение, которое уже переведено, — это «данные для обучения». Англоговорящие переводчики — это входной слой, а испано-французские переводчики — это «скрытый» слой, так как мы не знаем ни одного языка и не проверяем его. Итальяноговорящие переводчики являются выходным слоем. Обучение и тестирование переводчиков в общих чертах представляют то, что называется «обратным распространением», а предоставление одним переводчикам большего значения, чем другим, называется «взвешиванием».

Глядя на это изображение, мы видим систему, в которой процесс перевода происходит только с английского на итальянский. Так работает нейронная сеть с прямой связью. Представьте себе процесс, в котором французско-итальянские переводчики крутятся туда-сюда с испанско-французскими переводчиками, чтобы улучшить их точность. Так работает «рекуррентная» нейронная сеть. Нет никаких ограничений на количество уровней и узлов, которые может иметь сеть, и в некоторых случаях большее количество уровней жизненно важно для производительности. В других случаях большее количество слоев может снизить производительность так же, как игровой телефон, также известный как шепот в переулке.

Глубокое обучение — это особый тип машинного обучения, в котором используются нейронные сети с несколькими скрытыми слоями (таким образом, глубокая часть) и почти всегда моделируется для распознавания образов. Он очень часто используется в компьютерном зрении, с помощью которого компьютеры могут понимать изображения и видео, технологии, имеющей первостепенное значение для таких технологий, как беспилотные автомобили, роботы, автоматизированное наблюдение и визуальный поиск.

Обработка естественного языка или НЛП относится к области исследований, посвященной тому, как компьютеры могут обрабатывать человеческий язык. Эта область включает в себя сложные проблемы, такие как распознавание речи (жизненно важно для таких задач, как автоматическая транскрипция и управление голосом, используемые такими продуктами, как Siri, Google Now и продукты Amazon Alexa). NLP также является ключом к автоматическому переводу и сложному поиску. Так много информации, созданной людьми, находится в форме устного или письменного слова, что делает способность компьютеров обрабатывать слова жизненно важными для технического прогресса.

Мы закончим наш общий обзор ИИ здесь. Если это казалось очень техническим, то это потому, что так оно и было. Однако, если вы справились со всем вышеперечисленным, у вас должно быть достаточно основы, чтобы узнать о том, как ИИ повлияет на наш мир и будет звучать очень умно в День Благодарения. Мы вернемся к этим темам очень скоро, после части 2 о налогах, конечно.

P.S. Особая благодарность команде J-Team за помощь в работе над этой статьей — Джавану Белеру, Дженнифер Гонсалес и Джону Кейси.