Что такое ИИ?
Простейшее определение состоит в том, что машина обладает искусственным интеллектом, когда она может интерпретировать данные и потенциально учиться на них, а также использовать эти знания для достижения конкретных целей.
Что делает ИИ?
Хотя цель может быть такой же сложной, как воспроизведение человеческих мыслей, даже простые классификации представляют разные уровни искусственного интеллекта. Roombas, Smart Assistants и рекомендации от крупных продавцов, таких как Amazon и Walmart, — все это отличные примеры искусственного интеллекта, хотя в современную эпоху он используется практически во всем, от найма до управления запасами. Основным типом ИИ, с которым мы ежедневно взаимодействуем, является Слабый ИИ, у которого есть узкая область, в которой он был обучен, например, Roomba, который был обучен хорошо пылесосить, но не более того.
Откуда появился ИИ?
Первым, кто действительно заговорил о машинном интеллекте, был Алан Тьюринг, человек, которого принято считать отцом информатики. Он постоянно задавал вопрос: «Могут ли машины думать?», и на его основе разработал тест, который мы теперь знаем как знаменитый «тест Тьюринга», в котором человек пытается отличить реакцию компьютера от реакции человека. Хотя это горячо обсуждалось с момента публикации, это все еще очень важная часть истории ИИ, и это тест, который мы используем по сей день. Он никогда не использовал слова «искусственный интеллект» для описания своей работы, вместо этого предпочитая «машинный интеллект».
Этот термин, искусственный интеллект, был придуман задолго до нашей нынешней революции ИИ, еще в 1950-х годах на Дартмутской конференции Джоном Маккарти. Он и его коллеги из разных профессий потратили 8 недель на обдумывание и придумывание многих частей ИИ, которые мы все еще знаем сейчас, таких как нейронные сети. Он также предложил свое собственное определение ИИ в статье, которую он написал: «Это наука и техника создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. Это связано с аналогичной задачей использования компьютеров для понимания человеческого интеллекта, но ИИ не должен ограничиваться методами, которые поддаются биологическому наблюдению».
Куда движется ИИ?
Эта конференция, хотя и важная и революционная в этой области, не всегда была самой реалистичной в отношении будущего ИИ. Марвин Мински (соучредитель AI LAB в Массачусетском технологическом институте) предсказал в 1970 году, что «через 3–5 лет у нас будет машина с общим интеллектом, как у человека». Общий искусственный интеллект такого масштаба в настоящее время называют Сингулярностью искусственного интеллекта. Наиболее распространенная гипотеза сингулярности заключается в том, что ИИ, способный учиться и расти, как человек, в конечном итоге испытает неконтролируемое, безудержное обучение, что приведет к сверхразуму, выходящему далеко за пределы человеческого понимания. Некоторые ученые до сих пор верят, что до сингулярности осталось всего несколько лет, в то время как другие считают, что заставить компьютеры думать и воспринимать так же, как мы, может быть действительно невозможно заставить компьютеры думать и воспринимать так же, как мы, навсегда оставив их вне досягаемости. Имитирует ли он человеческий мозг или намного превосходит его, этот тип ИИ называется сильным ИИ.
Чего ученые из Дартмута в то время не учитывали, так это того, что ИИ, подобно ребенку, не знает ничего, с чем еще не сталкивался. Дети постоянно получают сотни тысяч гигабайт данных, настолько много, что даже наши лучшие компьютеры почти 50 лет спустя даже близко не способны имитировать обычного человека, не говоря уже об ограничениях на наделение упомянутыми интеллектуальными чувствами, такими как осязание, обоняние. , и вкус. Например, даже если бы мы могли предоставить ИИ вкус, нам может понадобиться, чтобы все наши данные были помечены, чтобы он знал, хорошо или плохо дегустация мусора. Вот еще одно место, где общий ИИ сталкивается с некоторыми проблемами, учитывая разные вкусы каждого человека. Программируем ли мы ИИ так, чтобы вкус кинзы был мыльным? Чьему вкусу мы пытаемся подражать? Позволяем ли мы ему принимать собственные решения?
Почему сейчас?
Примерно до 2010 года мы не могли даже начать решать эти проблемы, так как ИИ застрял в том, что сейчас называется «зимой ИИ», когда в этой области был достигнут прогресс, в целом мы не достигли многого. если еще дальше к нашей сингулярности. Затем в 2010 году мы вступили в то, что известно как «Революция ИИ», которая началась не из-за какого-то одного события или изобретения, а скорее из-за десятилетий работы, которая медленно, но верно приводила к улучшениям в этой области.
Одним из важнейших факторов, способствующих революции ИИ, является то, насколько лучше мы стали обрабатывать данные. Во время конференции в Дартмуте лучшим компьютером, который у них был, был IBM 7090, который занимал практически всю комнату, использовал бумажные карты и мог выполнять только около 200 000 операций в секунду. Хотя это значительно быстрее, чем человек мог бы выполнить все эти вычисления, почти за 60 часов, и это действительно помогло нам делать прогнозы в свое время, например, для системы противоракетной обороны США, ИИ необходимо выполнять гораздо больше вычислений с помощью намного больше данных. Скорость любого данного компьютера связана с количеством транзисторов, с которыми он должен работать. Каждый год или около того мы удваиваем количество транзисторов, которые можем разместить в любом заданном пространстве, это закон Мура.
Это позволило нам сделать устройства намного меньше и более вычислительно мощными, даже первый iphone может выполнять 400 миллионов операций, а 13 — почти 15,8 триллиона. Это 79 миллионов первых айфонов вместе взятых, и все это чуть более чем за десятилетие. Наши современные суперкомпьютеры могут превзойти это, выполняя почти 30 квадриллионов операций в секунду. Если вы хотите попытаться осознать, насколько это велико, это сообщение в блоге действительно полезно, хотя стоит упомянуть, что человеческий мозг на самом деле не создан для понимания таких больших чисел, поэтому даже ваше самое лучшее воображение, вероятно, не продает. это. Другой способ визуализировать это со временем: задача, на выполнение которой современному суперкомпьютеру требуется 1 секунда, у IBM 7090 заняла бы 4753 года.
Только в 2005 году у нас была вычислительная мощность, чтобы действительно начать моделировать человеческий мозг и начать выводить нас из зимы ИИ.
Еще одним действительно важным событием, позволившим совершить революцию в области искусственного интеллекта, стал Интернет и социальные сети, которые позволили нам собрать больше данных, чем когда-либо прежде. Это и хорошо, и плохо. Хорошо то, что, используя все эти данные и вычислительную мощность, а также то, насколько доступным стал ИИ для обычного человека, мы можем создавать модели, которые предсказывают, когда у кого-то разовьется серьезная болезнь или когда после землетрясения обрушится цунами. когда нас, вероятно, поразит солнечная вспышка, и так много других применений, что мы постоянно окружены ИИ в современную эпоху. Плохо то, что крупные компании теперь могут использовать даже те данные, которые могут показаться вам совершенно незначительными, например, как быстро вы прокручиваете, как долго вы наводите курсор на то, что даже не нажимаете, кто рядом с вами сидит в поезде, наряду с искусственным интеллектом, чтобы помочь им дольше оставаться на их платформе или покупать больше продуктов.
В следующий раз мы углубимся в типы обучающихся машин и многое другое. Спасибо за прочтение.
