ИИ — Что такое искусственный интеллект, история появления и применение технологии

История развития искусственного интеллекта берёт начало ещё с середины прошлого века. В своей статье 1950 года, опубликованной в журнале Mind, Алан Тьюринг (создатель теста Тьюринга) задал вопрос, который до сих пор ставит учёных и философов в тупик: Могут ли машины думать?

ИИ использует алгоритмы, которые позволяют компьютеру обрабатывать большие объёмы данных и находить в них закономерности. На основе этих закономерностей он может делать выводы, предсказывать события или принимать решения.

Представим, что наш мозг — это огромная команда сотрудников, которые вместе работают над разными проектами. Искусственный интеллект — это попытка создать такую же команду с помощью компьютеров и программ. Простой пример ИИ — это шахматный компьютер, который может анализировать ситуацию на доске и делать ходы, основанные на определённых правилах и тактиках. Он имитирует процесс мышления человека при игре в шахматы, но делает это с помощью алгоритмов и вычислений.

Иногда ИИ путают с нейросетью, но это справедливо только отчасти. Нейросети — это один из подходов к созданию ИИ, который вдохновлён системой нейронов в мозге. Вместо того чтобы писать сложные алгоритмы для решения задач, нейросети обучаются на основе большого количества данных и находят в них закономерности.

Искусственный интеллект можно поделить на ИИ, основанный на возможностях, либо на ИИ, основанный на функциональности.

Искусственный узкий интеллект (ANI), или узкий интеллект, — это название слабого ИИ. Узкий искусственный интеллект — это тип искусственного интеллекта, в котором алгоритм обучения создается для выполнения единственной функции. Любые знания, полученные в ходе этой деятельности, не будут применяться в других видах деятельности. Машины ANI настроены на работу в рамках определенного набора инструкций или области. Они могут выполнять только те функции и инструкции, которые им заранее запрограммированы. ANI не обладают интеллектом, способным мыслить нестандартно, как это сделал бы человек.

Примеры ANI: беспилотные автомобили, поиск Google, голосовой помощник Алиса, Siri, Face ID, Google Assistant, программное обеспечение для распознавания изображений и т.д.

Машины ANI настроены на работу в рамках определенного набора инструкций или области. Они могут выполнять только те функции и инструкции, которые им заранее запрограммированы. ANI не обладают интеллектом, способным мыслить нестандартно, как это сделал бы человек.

Искусственный интеллект общего назначения (AGI) — это гипотетический интеллектуальный агент, который может понять или научиться любой интеллектуальной задаче, которую может решить человек или другие животные. AGI также определяется как автономные системы, которые превосходят человеческие возможности при выполнении большинства экономически ценных работ. Целью системы AGI является выполнение любой задачи, на которую способен человек. AGI — это, по сути, гипотетический интеллект машин. Это концепция, согласно которой машины имитируют или подражают интеллекту человека или его поведению, обладая способностью учиться и применять этот подход/интеллект для решения любых разнообразных задач. Основное отличие AGI от узконаправленного искусственного интеллекта (ANI) заключается в том, что ANI способен разрешать только задачи, определенные и заранее запрограммированные для конкретных процессов, и не способен адаптироваться к новым условиям и проблемам, а AGI учиться и применять свои способности в широком смысле.

AGI считается следующим этапом развития искусственного интеллекта после создания ANI. Когда будет создан AGI, он сможет не только выполнять конкретные задачи, но также учиться и самостоятельно адаптироваться в большем количестве областей, не ограничиваясь только заранее зафиксированными задачами.

Примеры AGI в мире еще не созданы. Однако такие компании, как OpenAI, стремятся к этому. Согласно опросам, примерно половина экспертов в области искусственного интеллекта считают, что общий искусственный интеллект появится к 2060 году. Однако в OpenAI считают, что первый AGI будет лишь точкой на континууме интеллекта. Они считают, что, скорее всего, прогресс будет продолжаться и дальше, возможно, сохраняя те темпы прогресса, которые мы наблюдали в последнее десятилетие, в течение длительного периода времени.

Существует множество теоретических моделей и подходов к разработке AGI, которые опираются на идеи, представления и решения, которые использует человеческий мозг. Также есть и другие модели, такие как методы машинного обучения, которые строятся благодаря принципам обработки данных и распознавания образов.

Создание AGI является сложным и долгосрочным процессом, и пока что не было создано ни одной системы, которая бы полностью соответствовала определению AGI. Однако, стоят огромные инвестиции в научные исследования и разработку AGI, так как это может быть ключевым прорывом для развития искусственного интеллекта в многих отраслях, начиная с производства и заканчивая здравоохранением и научной исследованием.

Искусственный сверхинтеллект (ASI) определяется как форма ИИ, способная превзойти человеческий интеллект, проявляя когнитивные способности и развивая собственные навыки мышления. Это гипотетический ИИ, которого мы еще не смогли достичь, но мы знаем, что произойдет, если мы его достигнем. АСИ отличается от обычного искусственного интеллекта (ИИ), который предполагает программную имитацию человеческого интеллекта, способный выполнить такие задачи, которые даже сложно представить.

Вопрос развития ASI вызывает много опасений и споров, поскольку в случае, если такой искусственный интеллект получает неограниченные возможности, он может привести к непредсказуемым и катастрофическим последствиям, таким как угроза существования человечества.

Важно отметить, что пока мы далеки от создания ASI, но все больше инженеров и ученых занимаются исследованием этой темы. Кроме того, в принципе существует несколько подходов к созданию ASI. Один из них заключается в создании системы, способной улучшать свой собственный интеллект и способности. Это называется «ускоряющийся (обучающийся) интеллект», то есть ИИ, который быстрее технологически развивается, чем любое человеческое существо, что приводит к бесконечному ускорению и развитию ИИ пропорционально времени. Основная проблема, связанная с возможным развитием ASI (какого мы еще не достигли), заключается в том, что мы как люди больше не сможем контролировать и управлять таким искусственным интеллектом, что выходит за грань нашего понимания. Пока что общественность и ученые продолжают дискутировать и думать о том, как минимизировать возможные опасности создания ASI и довольно рано говорить о том, как именно этот мог бы выглядеть и что он бы мог делать.

Реактивный ИИ может только воспринимать окружающий мир и реагировать на него, причём реагировать одинаково на одинаковые ситуации. Он не учится, у него нет памяти. Это, например, Deep Blue в 1997 году обыгравший в шахматы чемпиона мира Гарри Каспарова.

Но с шахматами проще — ИИ видит всю картину (все фигуры). Если бы реактивный ИИ играл в покер, он основывал бы все решения на текущих картах у себя в руке. Этот информационный дефицит — большое препятствие для реактивного ИИ. Если бы реактивный ИИ играл в покер, он основывал бы все решения на текущих картах у себя в руке.

Такой ИИ учится на прошлом и накапливает эмпирические знания. Но информация в его «мозгу» хранится короткое время. Это наиболее широко используемый вид ИИ. Если бы он играл в покер, то учитывал бы ещё и свои прошлые решения, и решения других игроков. Если бы он играл в покер, то учитывал бы ещё и свои прошлые решения, и решения других игроков.

Этот тип ИИ должен понимать человеческие эмоции, убеждения и социально взаимодействовать. Такой ИИ ещё не разработан. Игрок с теорией разума учитывал бы и поведенческие сигналы других игроков. Игрок с теорией разума учитывал бы и поведенческие сигналы других игроков.

Самосознательный ИИ — это сверхразумная машина с сознанием, чувствами, желаниями, потребностями, эмоциями и убеждениями. Самосознательный игрок с ИИ задался бы вопросом, является ли игра в покер на деньги лучшим способом потратить своё время и усилия.

Представление о неодушевлённых предметах, наделённых разумом, существует с древних времён.

Греческий бог Гефест изображался в мифах как статуя из золота роботоподобного вида. Инженеры в Древнем Египте также строили статуи богов, оживляемых жрецами.

На протяжении веков мыслители, от Аристотеля до испанского теолога 13-века Рамона Луллия, Рене Декарта и Томаса Байеса использовали инструменты и логику для описания мыслительных процессов человека. Это своего рода символов, закладывая основу для концепций ИИ, таких как представление общих знаний.

Конец 19-го и первая половина 20-го, связанны, с фундаментальной работай, которая привела к появлению современного компьютера. В 1836 году математик из Кембриджского университета Чарльз Бэббидж и Августа Ада Байрон, графиня Лавлейс, изобрели первый проект программируемой машины.

1940-года, математик из Принстона Джон фон Нейман разработал архитектуру компьютера с хранимой программой. Воплотив идею о том, что компьютерная программа и данные, которые обрабатывает, могут храниться в памяти компьютера. А Уоррен МакКаллох и Уолтер Питтс заложили основы нейронных сетей.

1950-е: тест Тьюринга и конференция в Дартмуте

С появлением современных компьютеров учёные смогли проверить свои идеи о машинном интеллекте. Один из методов определения того, обладает ли компьютер интеллектом, был разработан британским математиком и дешифровальщиком времён Второй мировой войны Аланом Тьюрингом.

Тест Тьюринга был сосредоточен на способности компьютера обмануть следователей, заставив их поверить в то, что ответы на вопросы были даны человеком.

В 1951 году Кристофер Стрейчи разработал программу, которая умела играть в шашки с человеком и предсказывать дальнейшие ходы.

1956-год, на летней конференции в Дартмутском колледже широко упоминается современная область искусственного интеллекта. На конференции приняли участие 10 светил в этой области, в том числе такие основоположники ИИ, как Марвин Мински, Оливер Селфридж и Джон Маккарти, которому приписывают введение термина «искусственный интеллект».

1960-е: Золотые годы искусственного интеллекта

После конференции в Дартмутском колледже исследователи предсказали, что искусственный интеллект, эквивалентный человеческому мозгу, уже не за горами. Это привлечёт поддержку правительства и промышленности, и почти 20 лет хорошо финансируемых фундаментальных исследований привели к значительным достижениям в области ИИ.

Например, в конце 1950-годах Ньюэлл и Саймон опубликовали алгоритм общего решения проблем (GPS), который хоть и не смог решить сложные проблемы, заложил основы для разработки более сложных когнитивных архитектур.

Алгоритмы машинного обучения совершенствовались:
● Начали разрабатывать первые экспертные системы — компьютерные программы, которые моделируют знания человека в определенной области. Например, в химии или физике. Эти системы обычно состояли из двух компонентов: базы знаний и механизма вывода. База знаний содержала информацию о предметной области, а механизм вывода работал как диалоговое окно. Например система DENDRAL помогала определять структуру молекул неизвестных органических соединений.
● Появились персептроны — первые нейронные сети, которые смогли обучаться на данных и решать простые задачи классификации. Например, распознавать рукописные цифры.
● Разработан язык программирования LISP, который стал основным языком для исследований в области ИИ.
● В середине 1960-х профессор Массачусетского технологического института Джозеф Вайценбаум создал ELIZA — первого чат-бота, который имитировал работу психотерапевта и мог общаться с человеком на естественном языке.

1970–80-е: Спад и возрождение ИИ

1970-80-годы, также связаны с достижениями искусственного интеллекта, хотя этому мешали ограничения компьютерной обработки и памяти. Но, правительство и корпорации отказались от поддержки исследований в области ИИ, что привело к периоду застоя, длившемуся с 1974 по 1980 год, известному как первая «Зима ИИ».

В 1973 году изобретена «Стэнфордская тележка»: первое в мире подвижное устройство, которым управляла автоматика.

В 1980-годах исследования в области методов глубокого обучения и внедрение экспертных систем Эдварда Фейгенбаума в промышленность вызвали новую волну энтузиазма в области ИИ. За этим последовал очередной крах государственного финансирования и поддержки отрасли – «Вторая зима ИИ», которая продлилась до середины 1990-годов.

Вот некоторые разработки западных учёных того времени:

● Более продвинутые экспертные системы. Например, MYCIN могла диагностировать менингит и рассчитывать дозировку антибиотика для его лечения.
● Алгоритмы обратного распространения ошибки, которые позволили обучать нейронные сети гораздо эффективнее.

1990–2000-е: машины стали обыгрывать людей

С 1990-годов заметно увеличение вычислительной мощности и ренессанс ИИ, который продолжается и по сей день.

Повышенное внимание к ИИ привело к прорывам в обработке естественного языка, компьютерном зрении, робототехнике, машинном обучении, глубоком обучении и многом другом.

Благодаря увеличению вычислительной мощности стали возможными более сложные и мощные алгоритмы машинного обучения:

• В 1997 году Deep Blue от IBM (компьютерная система для игры в шахматы) победила гроссмейстера Гарри Каспарова ― действующего чемпиона мира по шахматам.
• Внедрено программное обеспечение для распознавания речи Dragon Systems в Windows.
• В конце 1990-х годов разработали Kismet — искусственного гуманоида, который мог распознавать и демонстрировать эмоции.
• В 2002 году искусственный интеллект появился в домах в виде Roomba — первого робота-пылесоса.
• В 2004 году два робота-геолога NASA — Opportunity и Spirit — исследовали поверхность Марса без помощи человека.
• В 2009 году Google начала разрабатывать технологию самоуправляемых автомобилей. Позже они прошли тест на самостоятельное вождение.

2010-е — наше время: мысли о сингулярности

В XXI веке ИИ стал развиваться стремительно, и вот почему:

1. Появился объём данных из социальных сетей и других медиа, на котором ИИ может полноценно учиться.
2. Мощные компьютеры позволили обрабатывать и анализировать огромные объёмы данных с большей скоростью и эффективностью.
3. Появились новые технологии и подходы, которые поддерживают развитие искусственного интеллекта. Машинное обучение, нейронные сети, глубокое обучение стали доступными и дали новые возможности для создания более умных и адаптивных систем.

4 декабря 2012 года на конференции Neural Information Processing Systems (NIPS) группа исследователей представила подробную информацию о своих свёрточных нейронных сетях, которые помогли им выиграть в конкурсе классификации ImageNet. Классификация изображения — это процесс определения категории или класса, к которому оно относится. Например, мы видим кота и понимаем: это рыжее пушистое существо — точно кот. Нейросеть определяет кота на изображении, анализируя пиксели и выделяя характерные признаки. Модель, которую представили на конференции, содержала нейросеть со множеством слоёв. Такая архитектура помогла распознавать изображения с точностью 85% — всего на 10% слабее человека.

Спустя два года классификация в конкурсе ImageNet с помощью свёрточных нейросетей обогнала по точности человека и достигла 96%. Технологию начали применять не только для распознавания изображений, но и для аналитики в финансах, распознавания голоса в смартфонах, в беспилотных автомобилях и компьютерных играх.

За последние 10 лет разработано больше, чем за всю историю ИИ. Вот некоторые достижения:

• В 2011 году Watson — система вопросов и ответов IBM на естественном языке — выиграла викторину Jeopardy!, победив двух бывших чемпионов. В том же году Юджин Густман — говорящий компьютерный чат-бот — обманул судей во время теста Тьюринга, заставив их принять его за человека.
• В 2011 году Apple выпустила Siri, виртуального помощника, который с помощью технологии NLP (обработки естественного языка) делает выводы, изучает, отвечает и предлагает что-либо своему пользователю-человеку.
• В 2016 году появилась София — первый робот, который может менять выражение лица, видеть (с помощью распознавания изображений) и разговаривать с помощью искусственного интеллекта.
• В 2017 году Facebook разработал двух чат-ботов для переговоров друг с другом. В процессе переговоров они обучались и совершенствовали тактики. В итоге эти чат-боты изобрели свой собственный язык для общения.
• 2023 — год прогресса для генеративных сетей (GAN), которые создают реалистичные изображения и видео, и больших языковых моделей (LLM), например ChatGPT.

1. Голосовые помощники. Siri от Apple, Google Assistant, Alexa от Amazon и Алиса от Яндекса работают на основе ИИ и отвечают на вопросы, делают напоминания, управляют устройствами.
2. Рекомендательные системы. Сервисы потокового видео, такие как Netflix и YouTube, используют ИИ для анализа предпочтений пользователей и рекомендаций фильмов или видео. Они учатся на основе предыдущих просмотров и отметок «нравится».
3. Распознавание образов. В смартфонах и некоторых фотоаппаратах есть функция автоматического распознавания лиц и объектов. ИИ позволяет определить, кто и что находится на фотографии. Умная камера есть и в приложении Яндекса. Например, можно навести её на предмет, и приложение найдет похожий товар в интернете.
4. Автопилоты и автономные транспортные системы. ИИ применяется в авиации и автомобильной индустрии для разработки автопилотов и систем автономного вождения. Он позволяет транспортным средствам анализировать окружающую среду, принимать решения на основе полученной информации и безопасно перемещаться.

5. Финансовые аналитические системы. ИИ используется для анализа данных, прогнозирования трендов на рынке, определения рисков и принятия решений по инвестициям. Он помогает улучшить эффективность и точность финансовых операций.
6. Языковые переводчики. Сервисы машинного перевода, такие как Google Translate, используют ИИ для автоматического перевода текстов с одного языка на другой. Они обучаются на большом количестве параллельных текстов и статистических моделях, чтобы предлагать качественные переводы.
7. Игровая индустрия. В компьютерных играх ИИ используется для создания виртуальных персонажей с интеллектом, способных адаптироваться к действиям игрока, принимать решения и симулировать реалистичное поведение.

8. Медицинская диагностика. ИИ используют, чтобы анализировать рентгеновские снимки или снимки МРТ. Это помогает врачам более точно диагностировать заболевания и принимать решения о лечении.
9. Робототехника объединяет ИИ, машинное обучение и физические системы, чтобы создавать интеллектуальные машины, которые могут взаимодействовать с реальным миром. Яркий пример — роботы Boston Dynamics. Они используют ИИ для балансирования, навигации, преодоления препятствий и перетаскивания предметов.

1. ИИ нужен доступ к большим объёмам данных для обучения, обработки и принятия решений. Например, ИИ-ассистенты вроде Алисы и Siri используют знания всего интернета для ответа на вопросы пользователей. Системы распознавания рукописного текста обучаются на тысячах образцов текста.

Чтобы понять, сколько данных нужно для обучения небольшой модели, применяют «правило 10 раз». Это значит, что объём входных данных (примеров) должен в 10 раз превышать количество параметров или степеней свободы, которыми обладает модель. Допустим, наш алгоритм отличает изображения кошек от изображений сов на основе 1000 параметров. Значит, нам потребуется 10 000 изображений для обучения модели.

2. Вычислительная мощность. Представим, что мы учим нейронную сеть распознавать изображения. Более мощные вычислительные системы позволяют обрабатывать большое количество изображений и ускоряют процесс обучения.

3. Алгоритмы и модели машинного обучения. Например, использование глубоких нейронных сетей вместо более простых алгоритмов может улучшить точность предсказания искусственного интеллекта в задачах распознавания изображений или речи.

4. ИИ должен адаптироваться к новым условиям и требованиям. Например, если ИИ используется для управления автономным автомобилем, он должен быть способен адаптироваться к изменяющимся дорожным условиям и улучшать свою работу с течением времени. Водитель также должен иметь возможность контролировать работу ИИ.

5. Коммуникация на естественном языке. Один из примеров — чат-боты. Они могут общаться с пользователями: понимать их и предоставлять им информацию.

6. Интерпретируемость и объяснимость: Если ИИ используется для принятия решений о кредитах, он должен объяснить, на основе каких факторов было принято решение. Это поможет клиентам понять причины отказа, а банковским работникам — контролировать работу системы.

7. Безопасность и приватность данных. Например, в медицинском ИИ, который анализирует данные анализов и исследований для диагностики, нужно защитить личную информацию пациентов. Так получится предотвратить утечку данных и сохранить конфиденциальность.

8. Этические принципы. Если ИИ используется для отбора кандидатов на работу, он должен быть разработан таким образом, чтобы не допускать дискриминации по полу, расе, возрасту или другим характеристикам, обеспечивая справедливый и равноправный подход.

9. Интеграция с другими системами. ИИ для автоматизации процесса заказа товаров в интернет-магазине должен взаимодействовать с системами управления запасами, доставки и платёжными системами.

Мало кто берётся предсказывать, как именно будет развиваться ИИ в ближайшие 30―40 лет. Но писатели и сценаристы успели порассуждать на эту тему. Разберём несколько общих сценариев и посмотрим, какие из них совпадают с реальностью.

Развитие слабого искусственного интеллекта

Это тип ИИ, который может эффективно решать специфические задачи, но не обладает общим интеллектом или самосознанием. Примеры такого ИИ мы видим уже сейчас, а фильм «Her» («Она») рассказывает о том, как такой ИИ может развиваться в ближайшие годы. Фильм исследует тему человеческих эмоций, сознания и взаимодействия с искусственным интеллектом.

Главный герой — писатель, который влюбляется в операционную систему с искусственным интеллектом по имени Саманта. ИИ развивает сложные эмоциональные связи с главным героем, проявляет интеллектуальные способности и адаптируется к его потребностям и желаниям. Однако она остается ограничена в своих возможностях и не претендует на полное самосознание или человеческую эмоциональность.

Развитие сильного искусственного интеллекта

В этом сценарии ИИ обладает полным самосознанием и интеллектуальными способностями, которые превосходят человеческие. Примером такого сценария могут быть фильмы «Искусственный разум», «200-летний человек», «Бегущий по лезвию бритвы», «Ex Machina», сериал «Мир дикого Запада». В фильме «200-летний человек» робот по имени Эндрю проходит путь от простого робота-помощника до существа, которое испытывает человеческие эмоции, ищет любовь и добивается права на признание своей человечности. Фильм — попытка понять, что такое человечность и где проходят границы между искусственным интеллектом и человеческим сознанием.

Сценарий разумных роботов всё ещё находится в области фантастики. Пока мы не достигли такого уровня развития искусственного интеллекта, чтобы создать существа с полным самосознанием и человеческими эмоциями.

Хотя ИИ очень полезен, также потенциально представляет серьёзную опасность для общества.

Возможно, самая большая из них — это безработица. Люди обычно приходят на работу в возрасте 20 лет; это два десятилетия заботы и образования, необходимых для того, чтобы сделать кого-то экономически полезным.

Но ИИ может обучаться новому почти мгновенно и совершенствоваться с каждым поколением, особенно когда работа повторяется и предсказуема. И, в отличие от рабочих-людей, машины бесконечно послушны, не устают и не требуют ежемесячной зарплаты или пособий, что делает их более производительными, дешёвыми и, следовательно, более прибыльными, чем рабочие-люди.

Ещё одна опасность, которую представляет ИИ, — предвзятость и дезинформация.

Люди по своей природе предвзяты, поэтому было бы глупо предполагать, что наше создание ИИ не будет таковым. Разница в том, что мы можем определить наши предубеждения, но ИИ считает любые запрограммированные в нём данные объективной истиной.

Вот почему компании, работающие в социальных сетях, используют модераторов и проверяющих факты людей, чтобы ограничить распространение дезинформации.

Замените их ИИ, и всё рухнет. Тем не менее мы используем компьютерное зрение для модерации в социальных сетях, чтобы, как мы надеемся, не допустить, чтобы некоторые из наиболее тревожных материалов, размещённых в интернете, попадали на глаза незадачливым модераторам.

Кроме того, инструменты ИИ теперь используются для выдачи себя за знаменитостей, политиков и общественных деятелей с помощью технологий дипфейков и клонирования голоса.

Это крайне опасно по понятным причинам. К сожалению, по мере совершенствования технологий становится всё труднее отличить правду от подделки.

В подготовке материала были использованы следующие ресурсы: tehnobzor.ru и practicum.yandex.ru

---

Нашли ошибку в тексте? Выделите текст, содержащий ошибку и нажмите комбинацию клавиш Ctrl+Enter. Мы увидим и исправим ошибку. Спасибо за внимание.

---