От робототехники к искусственному интеллекту. Искусственный интеллект. Нейронные сети. Машинное зрение. 9 класс
Цель: создание условий для осознания школьниками важности построения дальнейшей индивидуальной образовательной траектории и ранней профориентации через знакомство с перспективными направлениями развития ИТ-индустрии (на примере искусственного интеллекта и машинного обучения).
Что такое Искусственный интеллект? ИИ - это, прежде всего, научная область, занимающаяся созданием программ и устройств, имитирующих интеллектуальные функции человека. Это достаточно общее определение, ведь интеллектуальных функций очень много!
Современные специалисты делят область Искусственного Интеллекта на две большие группы - специализированный (или слабый) и сильный: ● слабый Искусственный Интеллект (название говорит за себя) решает и справляется только с какими-то конкретными задачами, например, играть в шахматы, или находить и фильтровать спам в почте, опознать котика на фотографии... ● сильный Искусственный Интеллект - это те самые персонажи (роботы и компьютеры), которых мы видим в фильмах, играх и научной фантастике. Они способны осознать себя и во всем соответствовать человеку или даже превзойти его!
Искусственный интеллект (англ. artificial intelligence ) — это способность компьютера обучаться, принимать решения и выполнять действия, свойственные человеческому интеллекту. Кроме того, ИИ — это наука на стыке математики, биологии, психологии, кибернетики и ещё кучи всего. Она изучает технологии, которые позволяют человеку писать «интеллектуальные» программы и учить компьютеры решать задачи самостоятельно. Главная задача ИИ — понять, как устроен человеческий интеллект, и смоделировать его.
Слабый интеллект — тот, что нам уже удалось создать. Такой ИИ способен решать определённую задачу. Зачастую даже лучше, чем человек. Например, как Deep Blue — компьютерная программа, которая обыграла Гарри Каспарова в шахматы ещё в 1996 году. Но такая Deep Blue не умеет делать ничего другого и никогда этому не научится. Слабый ИИ используют в медицине, логистике, банковском деле, бизнесе: Искусственный интеллект от Google смог опередить опытных врачей в точности диагностики рака молочной железы. Чтобы это сделать, использовали сотни тысяч результатов скрининга. По данным Американского онкологического общества, врачи не диагностируют рак примерно в 20% случаев и часто ставят ложный диагноз. ИИ не только поставил более точный диагноз, чем врачи, — на 9,4%, — но и чаще указывал на болезнь там, где онкологи не сумели её распознать.
Сильный ИИ ( Strong, или General AI) Как выглядел бы сильный искусственный интеллект, можно увидеть в игре Detroit : Become Human. Во вселенной Detroit роботы способны учиться, мыслить, чувствовать, осознавать себя и принимать решения. Одним словом, становятся похожи на человека. А в обычной жизни ближе всего к General AI чат-боты и виртуальные ассистенты, которые имитируют человеческое общение. Здесь ключевое слово — имитируют. Siri или Алиса не думают — и неспособны принимать решения в ситуациях, которым их не обучили. Сильный искусственный интеллект пока остаётся мечтой. Суперинтеллект ( Superintelligence ) Мы не только не создали суперинтеллект, но и не имеем пока что ни малейшего представления, как это сделать и можно ли вообще. Это не просто умные машины, а компьютеры, которые во всём превосходят людей. Проще говоря, что-то из области фантастики.
Машинное обучение: как учится ИИ Машинное обучение (англ. machine learning ) — это один из разделов науки об ИИ. Здесь используются алгоритмы для анализа данных, получения выводов или предсказаний в отношении чего-либо. Вместо того чтобы кодировать набор команд вручную, машину обучают и дают ей возможность научиться выполнять поставленную задачу самостоятельно.
Чтобы машина могла принимать решения, необходимы три вещи: Алгоритм — специальная программа, которая говорит компьютеру, что делать и откуда брать данные. Например, мы можем написать программу, которая сортирует пиццу: «Маргарита», с грибами, с колбасой. Набор данных — примеры, на которых машина тренируется. Это могут быть картинки, видео, текст — что угодно. В нашем случае понадобятся тысячи фотографий различных пицц. Чем больше примеров, тем богаче опыт, — совсем как у людей. Признаки — на что компьютеру смотреть при принятии решения? Если мы занимаемся машинным обучением с учителем, то вручную выделяем грибочки и кусочки колбасы. При обучении без учителя — сливаем все данные в программу и даём компьютеру самому разобраться, где что, а при необходимости корректируем.
Нейросети способны выполнять целый набор сложных задач в разных сферах науки и бизнеса — начиная от сортировки картинок и заканчивая сложными вычислениями.
Что такое нейросеть Нейросеть — это тип машинного обучения, при котором компьютерная программа имитирует работу человеческого мозга. Подобно тому, как нейроны в мозге передают сигналы друг другу, в нейросети информацией обмениваются вычислительные элементы. Идею нейронных сетей впервые предложили исследователи из Чикагского университета Уоррен Маккалоу и Уолтер Питтс в 1944 году. Первую обучаемую нейросеть в 1957 году продемонстрировал психолог Корнеллского университета Фрэнк Розенблатт. Она была примитивной (одноуровневой).
В 1980-х годах, когда появились более мощные компьютеры для вычислений, исследователи смогли разработать нейросети с двумя и тремя уровнями обучения. Однако возрождение интереса к нейронным сетям и революция в глубоком обучении произошли лишь в последние годы благодаря индустрии компьютерных игр. Современные игры требуют сложных вычислений для обработки большого числа операций. В итоге производители начали выпускать графические процессоры (GPU), которые объединяют тысячи относительно простых вычислительных ядер на одном чипе. Исследователи вскоре поняли, что архитектура графического процессора очень похожа на архитектуру нейросети. Современные GPU позволили развивать «глубокое обучение» — повышать глубину слоев нейросети. Именно благодаря ему появились самообучаемые нейросети, которые не требуют специальной настройки, а самостоятельно обрабатывают входящую информацию.
Как работает нейросеть Каждая нейронная сеть состоит из искусственных нейронов, которые имитируют работу человеческих. Это программные модули или узлы, которые взаимодействуют и обмениваются информацией для решения задачи. Базовая нейронная сеть содержит три слоя искусственных нейронов: входной — обрабатывает информацию извне, анализирует или классифицирует ее и передает на следующий слой; скрытый (их может быть несколько) — анализирует выходные данные предыдущего слоя, обрабатывает их и передает на следующий; выходной — выдает окончательный результат после обработки всех данных.
Схемы организации нейронных сетей
Как применяются нейросети Нейронные сети широко используются в самых разных областях — от медицины и до сферы развлечений. Они выполняют несколько основных типов задач. 1. Автоматическая генерация контента 2. Распознавание и обработка естественного языка 3. Классификация объектов
Объяснимый ИИ, который также называют XAI или прозрачный ИИ, представляет собой систему, в которой люди могут с легкостью понять действия ИИ. Цель – добиться ясного понимания того, как и почему ИИ принимает те или иные решения. Несомненно, появление объяснимого ИИ – шаг в правильном направлении, поскольку он делает технологию применения нейросетей более прозрачной.
Представьте: если бы искусственный интеллект и нейросети были во времена Ньютона, и вместо того, чтобы размышлять об устройстве мироздания лежа под яблоней, сэр Исаак стал бы «скармливать» своей нейросетке видеозаписи падения разных предметов – перышка, шишки, чугунного ядра, куска материи, пылинки… Узнали бы мы тогда о законе всемирного тяготения? Вряд ли.
Подведём итоги Искусственный интеллект — одновременно и наука, которая помогает создавать «умные» машины, и способность компьютера обучаться и принимать решения. Машинное обучение — одна из областей искусственного интеллекта. МО использует алгоритмы для анализа данных и получения выводов. А глубокое обучение — лишь один из методов машинного обучения, в рамках которого компьютер учится без учителя подспудно, с помощью данных.
