Технологии искусственного интеллекта

Сегодня под понятием «искусственный интеллект» понимается сразу несколько взаимосвязанных понятий. В первую очередь подразумевается наличие такого процесса, когда обнаруживаются свойства, в чем-то схожие с проявлением разума человека. Исследования искусственного интеллекта (в дальнейшем ИИ) создали научное направление, удачно комбинирующее достижения самых разных наук: психологии, математики, кибернетики, философии, нейрофизиологии. Сам фактор творческой деятельности стал объектом исследования – механизм принятия творческих решений серьезно изучается современными психологами и физиологами. Для современной философии ИИ стал экспериментальной концепцией, в рамках которой ментальность человека может быть повторена с помощью искусственных вычислительных устройств, что породило множество споров и диспутов о возможностях ИИ и его роли в будущем для цивилизации.
Как область современной информатики ИИ стал попыткой смоделировать процессы мыслительной деятельности посредством реализации на современных ЭВМ. Методы, применяемые людьми, внедряются для того, чтобы повысить производительность современных ЭВМ в самых разных областях человеческой деятельности. В целом в информационных технологиях к ИИ принято относить любые устройства, программное обеспечение, механизмы, обладающие определенной долей интеллектуальности и копирующей людей в их деятельности. Пока все решения на базе ИИ имеют очень узкое конкретное применение.
Вначале работы по созданию искусственного интеллекта условно разделяли на две части: кибернетику и нейрокибернетику. С точки зрения нейрокибернетиков, искусственное устройство, обладающее разумом, должно быть схожим с головным мозгом человека. Нейрокибернетики изучали структуры, подобные человеческой нервной системе. Именно они стали пытаться создать системы элементов, сходных с нейронами. Так возникло направление в развитии искусственного интеллекта – нейронные сети. Для кибернетиков изначально было не важно, как устроен мылящий механизм, поэтому они сосредоточились на равнозначности реакции человека и машины в плане принятия каких-то решений.
Сегодня ИИ развивают для решения следующих задач:
ИИ пытаются научить методам решения задач, которые требуют человеческого осмысления. Таким образом, цель создания ИИ состоит в том, чтобы научить ЭВМ мыслить подобно людям, сознательно используя методы аналогии, дедукции, индукции, используя накопленные уже ранее фундаментальные знания.
ИИ должен находить методику решения сложных или вообще не решаемых задач, оптимизируя временные затраты, занимаемые объемы физической памяти и т.д.
ИИ должен моделировать высшую нервную деятельность человека, в том числе для медицинских целей.
ИИ должен так использовать данные ему знания, чтобы самостоятельно обучаться, заменяя людей на ответственных местах для выполнения самых разнообразных задач.
Сегодня бурно развивается прикладная область математики, специализирующаяся на создании нейронных сетях. Нейросети сегодня применяют для автоматизации процессов распознавания образов, управления, прогнозирования, создания экспертных систем и множества других приложений. Широкий круг задач, решаемых такими нейронными сетями, сегодня позволяет создавать специализированное программное обеспечение.
Идея нейронных сетей родилась в рамках теории искусственного интеллекта как результат попытки имитировать способности биологических нервных систем к обучению и исправлению ошибок. Нейронная сеть - это модель биологических нейронных сетей мозга человека, в которой нейрон имитируется относительно простым элементом. Например, сеть может быть представлена направленным графом с взвешенными связями, в котором искусственные нейроны являются вершинами, а синаптические связи - дугами.
Сегодня нейронные сети переживают очередной виток своего развития, но существуют и другие технологии, с помощью которых строят системы искусственного интеллекта: экспертные системы, эволюционные вычисления, биологические системы на основе генных и микробиологических технологий, системы логического вывода и ряд других.
Сегодня одной из ключевых технологий искусственного интеллекта изучается современным разделом прикладной математики – машинным обучением. Машинное обучение стало фундаментом для прорыва сразу по нескольким техническим направлениям. Суть машинного обучения заключается в создании комплексного аналитического алгоритма для обработки громадных объемов разнообразных данных. В процессе работы алгоритма идет постоянное сопоставление разной информации, поиск неочевидных связей, построение моделей. На основе всего этого идет процесс обучения ЭВМ. Именно способность обучатся является главной особенностью технологии машинного обучения. Причем обучение позволяет не только достигать более точных результатов, но и модифицировать данный алгоритм, делая его точнее. Наиболее простой формой машинного обучения является регрессионная модель, которая позволяет предсказывать заданные значения, используя статистическую базу. Однако, как малая, так и очень большая статистическая база, делает регрессионную модель не очень рациональной. В этих условиях стараются использовать глубокое машинное обучение, использующее статистику, полученную в результате действия других алгоритмов машинного обучения.
Именно машинное обучение позволяет получить такие алгоритмы, с помощью которых можно создавать робот и устройства, отлично распознающих, анализирующих и генерирующих человеческую речь, отпечатки пальцев, венозную и капиллярную структуру, сетчатку и радужку глаза

. При этом перестали быть новинкой роботы, отлично способные не только отвечать на вопросы людей, но полноценно взаимодействовать с ними в рамках каких-то проблем. Важнейшие разработки в данной области сегодня относятся к когнитивным вычислениям, особенность которых в том, что организуется взаимодействие человек-машина на простом и условном, но уже межличностном уровне. За счет таких вычислений речь людей не только может быть опознана, но и хорошо проанализирована вплоть до выводов о поведении людей. Относительно простые алгоритмы позволяют роботам отвечать на распространенные вопросы (например, на вопрос «как пройти на вокзал» робот сориентирует на карте проложенным маршрутом). При этом машины с помощью когнитивных вычислений оказываются способными ответить на достаточно сложные и неоднозначные вопросы, которые часто допускают многочисленные варианты правильного ответа в зависимости от контекста и ситуации. Типичным «поведением» робота будет ответ из нескольких наиболее подходящих вариантов при поддержке обратной связи с собеседником, которая может позволить машине уточнить уже данные ответы и рекомендации. Скорость ответов и их реконструкций при этом достаточно высокая. За счет когнитивных вычислений системы искусственного интеллекта обучаются значительно быстрее, используя большие базы данных и статистики. Однако, для полноценного функционирования таких систем все еще требуются суперкомпьютеры, обладающие громадной вычислительной мощностью. Использование подобных роботов возможно путем интерактивного подключения к ресурсам суперкомпьютера. Современным лидером среди компаний, предоставляющих свой суперкомпьютер для активных вычислений, является американская IBM со своим высокомощным компьютером Watson, который используют уже множество банков мира для когнитивных вычислений в собственных нуждах.
Основными функциями когнитивных вычислений являются:
- Непосредственное взаимодействие с клиентом на когнитивном уровне и, как следствие, постоянное увеличение количества продаж за счет предоставляемых точечных персональных предложений клиентам определенных продуктов (например, какого-то конкретного кредитного продукта).
- Создание условий для глубокой автоматизации внутренних процессов предприятия с целью сокращения задействованного персонала и повышения эффективности использования ценных квалифицированных специалистов, решающих отдельные важные задачи.
- Когнитивные советы пользователям, определенные за счет анализа основных образцов и главных закономерностей нескольких миллиардов самых разных источников в режиме реального времени.
Примерами применения машинного обучения и разработок на его основе могут служить многочисленные голосовые и текстовые помощники, основанные на распознавании человеческого образа и голоса. Программа-голосовой помощник представляет собой робота-собеседника, способного вести общение на определенном уровне, помогать и консультировать в определенной сфере. Среди таких помощников, получивших известность и широкое применение, можно отметить Siri (корпорация Apple) Coogle Assistant, Alexa (компания Amazon). Эти сервисы сегодня используют только в США уже больше половины граждан в возрасте от 18 до 55 лет включительно. Сегодня никого не удивляет способность современных ЭВМ воспринимать голос человека и отвечать на него синтезированной человеческой речью либо совершать определенные действия. Сегодня все ведущие IT- компании разрабатывают своих голосовых помощников.
В основе работы голосовых помощников лежит набор базовых знаний, в первую очередь стандартные фразы конкретных языков. Если ассистент встроен в программное обеспечение смартфона, то в своей работе он, как правило, анализирует электронную почту и поисковые запросы пользователя, формируя свою дополнительную базу знаний. Например, Google Now. Однако, такой ассистент не способен по-настоящему общаться с человеком – только становится специалистом по своему хозяину на основе отслеживания его деятельности. Если говорить об аналогах данного ассистента, то они могут вести намного более самостоятельно, что-то активно рекомендуя, причем практически полноценным человеческим тембром, но обычно значительно медленнее. Некоторые приложения способны встраиваться в систему «умного дома», даже могут шутить (правда, набор шуток ограничен), но в целом придерживаются определенного алгоритма поведения, за рамки которого не выходят. Также ассистенты различаются по своим умениям взаимодействовать с другими приложениями. Некоторые голосовые помощники даже могут общаться по Skype с другими ботами (роботами), но это происходит либо в рамках взаимодействия с «родными» приложениями, либо в рамках шутки, которая не влечет за собой никаких действий. Слабым местом всех ассистентов сегодня является их «преданность» компании-изготовителю, выражаемая в постоянных навязчивых маркетинговых ходах и предложениях. Многие ассистенты даже понимают юмор людей, но также в рамках алгоритма. Сегодня данный сегмент очень активно развивается, но все-таки очень далек от реального общения, и даже не улавливает тонкости сложных языков (русский, китайский и т.д.).
Помимо голосовых помощников хорошим примером использования машинного обучения являются роботы, копирующие отдельные действия и функции человека