Искусственный интеллект — что это вообще такое?

На самом деле это часть математики.

Это область науки, которую в СССР именовали кибернетикой.

Обзорная лекция на тему "ИСПОЛЬЗОВАНИЕ СОВРЕМЕННЫХ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ для обеспечения надёжности, живучести и безопасности сложных систем" проливает свет на соотношение понятий "Машинное обучение" (ML, Machine Learning) и "Искусственный интеллект" (АI, Artificial Intelligence).

ML чаще всего использует искусственные нейронные сети (ИНС), хотя не всегда. Имея много достоверных данных о каком-либо процессе, явлении — представленных точками многомерного пространства — методами машинного обучения можно с какой-то вероятностью (эта вероятность всегда меньше единицы) предсказать что-то о похожих явлениях.

Основные задачи машинного обучения:

Регрессия — предсказание непрерывной функции. Примеры: прогнозирование цен на недвижимость, оценка спроса на товары.

Классификация — отнесение объекта к одному из заранее заданных классов. Примеры: распознавание лиц, определение спама в почте.

Кластеризация — группировка объектов по схожести без заранее заданных меток. Примеры: сегментация клиентов, анализ биомаркеров.

Выявление аномалий, другие задачи.

Искусственные нейронные сети разной архитектуры — модели, вдохновлённые биологическими нейронами — применяются для обработки изображений и видео (раскраска, генерация, анализ), анализа аудиоданных (классификация звуков, распознавание речи). Машинное обучение внедряется в медицину (анализ биомаркеров, оценка когнитивного возраста); геоинформационные системы (ГИС) и навигацию; бизнес?процессы (ERP?системы, автоматизация); химию и другие научные исследования.

Генеративный ИИ — модели, способные имитировать творчество человека, генерируя новый контент: текст, изображения, музыку — приносят меньше пользы. Они изначально предназначены фантазировать (и галлюцинировать), в то время как широкая общественность, к сожалению, неоправданно ожидает от них точных, достоверных ответов. Однако и они могут быть полезны. Пример — большие языковые модели (LLM, Large Language Models), используемые для перевода и генерации текста.

Машинное обучение — мощный инструмент для решения сложных задач в разных сферах, однако подбирать и применять их следует с разбором. Хирургу для каждого конкретного действия нужен специальный хирургический инструмент; так и в машинном обучении — для каждой задачи строится, обучается, тестируется, проходит экспертную оценку СВОЯ, индивидуально разработанная ИНС.

Ключевые проблемы ML: потребность в больших объёмах качественных данных; вычислительные затраты; этические вопросы (прозрачность решений, предвзятость человеческих суждений относительно этих алгоритмов).

Вопреки ожиданиям журналистов и писателей-фантастов, сильного (широкого, общего) ИИ пока не существует: современные системы ИИ всегда узкоспециализированы. Развитие ML продолжается — фокус смещается на интерпретируемость, эффективность и этичное использование технологий.

В сферу разработки ИИ приглашаются молодые специалисты, владеющие математикой и программированием.

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: