Нейронные сети, искусственный интеллект, машинное обучение: что это на самом деле?

6 422 просмотра
Об авторе

Телефон

Когда приложение уверяет вас, что работает на «искусственном интеллекте», на минутку кажется, что вы в будущем. Но что это на самом деле означает? Мы разбрасываемся громкими словечками — искусственный интеллект, машинное обучение, нейронные сети — но что они на самом деле означают и действительно ли помогают улучшать приложения?

Совсем недавно Google и Microsoft добавили обучение нейронных сетей в свои приложения перевода. Google утверждает, что использует машинное обучение, предлагая списки воспроизведения. Todoist говорит, что использует ИИ, чтобы предположить, когда вы должны закончить задачу. Any.do заявляет, что ее искусственный интеллект может делать некоторые задачи вместо вас. И все это было только на прошлой неделе. Часть маркетинговых уловок звучит впечатляюще и остается уловками, но иногда изменения, бесспорно, полезны. «Искусственный интеллект», «машинное обучение» и «нейронные сети» — все это описывает способы, которые используют компьютеры, чтобы выполнять более серьезные задачи и обучаться в процессе этого. И хотя вы, возможно, слышали, что разработчики приложений берут на вооружение системы других, на практике они очень отличаются.

Нейронные сети анализируют сложные данные, имитируя человеческий мозг

Искусственные нейронные сети (ИНС, или просто «нейронные сети») относятся к определенному типу модели обучения, которая эмулирует принцип работы синапсов в вашем мозге. Традиционные вычисления используют ряд логических операторов для выполнения задачи. Нейронные сети, с другой стороны, используют сеть узлов (которые действуют как нейроны) и аналогов синапсов (edge) для обработки данных. Входные данные проходят через систему и генерируются выходные данные.

Затем выводы сравниваются с известными данными. Например, скажем, вы хотите обучить компьютер распознавать изображение собаки. Вы пропускаете миллионы изображений собак через сеть, чтобы увидеть, какие изображения она решит принять похожими на собак. Затем человек подтверждает, какие изображения на самом деле являются собаками. Система отдает предпочтение пути в нейронной сети, который привел к правильному ответу. Со временем и спустя миллионы итераций, эта сеть в конечном итоге повысит точность своих результатов.

Чтобы увидеть, как это работает в действии, вы можете попробовать эксперимент Google Quick Draw!. В данном случае Google обучает сеть узнавать «дудлы», быстрые наброски. Она сравнивает рисунок, который вы рисуете с примерами, которые рисуют другие люди. Сеть обучается распознавать будущие дудлы на основании тех, что она видела в прошлом. Даже если вы рисуете как пятилетний ребенок (вроде меня), сеть весьма быстро распознает простые формы — подлодки, растения, уток. Попробуйте, весело.

Нейронные сети не панацея, но они прекрасно справляются со сложными данными. Google и Microsoft используют нейронные сети, чтобы обучать свои приложения перевода, поскольку перевод языков — это сложно. Мы часто видели плохие машинные переводы, но нейронные сети обучаются улучшать эти переводы, исходя из правильных переводов, с течением времени. То же самое происходит с переводом речи в текст. После того как была представлена нейронная сеть, работающая с Google Voice, ошибки в переводах снизились на 49%. Эти системы не идеальны, но они работают над собой, и это главное.

Машинное обучение учит компьютеры улучшаться на практике

Машинное обучение

Машинное обучение — это широкий термин, который охватывает все моменты, когда вы пытаетесь научить машину улучшаться самостоятельно. В частности, это относится к любой системе, в которой производительность компьютера при выполнении задачи становится лучше только за счет большего опыта выполнения этой задачи. Нейронные сети являются примером машинного обучения, но они не являются единственным способом обучения компьютера.

Например, один из альтернативных методов машинного обучения называется обучение с подкреплением. В этом методе компьютер выполняет задачу и затем оценивает ее результат. Если, например, компьютер побеждает в шахматы, то он присваивает выигрышное значение серии ходов, которые использует во время игры. Сыграв миллионы игр, система может определить, какие шаги, скорее всего, приведут к победе, основываясь на результатах предыдущих игр.

В то время как нейронные сети хороши для таких вещей, как распознавание образов на изображениях, другие типы машинного обучения могут быть более полезными для различных задач вроде определения вашей любимой музыки. Google утверждает, что его музыкальное приложение найдет вам музыку, которую вы захотите послушать. Он делает это за счет анализа ваших предыдущих списков проигрывания. Если вам не понравится результат, машина расценит его как неудачу. Но если вы выберете один из предложенных списков, она пометит это как успех и проанализирует победоносные ходы, которые привели ее к вашему сердцу.

В подобных случаях вы не получите полную выгоду от машинного обучения, если не будете часто использовать эту функцию. Когда вы откроете музыкальное приложение Google впервые, рекомендации будут, скорее всего, мимо кассы. Но чем больше вы будете его использовать, тем лучше будут предложения. В теории, по крайней мере. Машинное обучение тоже не панацея. Машинное обучение более расплывчатое понятие, чем нейронные сети, но из него также следует, что программное обеспечение, которое вы используете, будет опираться на ваши отзывы, чтобы улучшать свою производительность.

Искусственный интеллект — это пока всё с приставкой «умный»

Искусственный интеллект

Подобно тому, как нейронные сети представляют собой форму машинного обучения, машинное обучение является формой искусственного интеллекта. Но категория «искусственного интеллекта» пока так плохо определена, что это словосочетание не имеет практического смысла. Да, оно вызывает в воображении картинки технологически развитого будущего, но в реальности мы еще и близко к нему не подобрались. Когда-то оптическое распознавание символов было слишком сложным для машины, но теперь приложение на телефоне может сканировать документы и превращать их в текст. Называть это подвигом искусственного интеллекта как-то негоже.

Причина того, что базовые телефонные возможности можно считать искусственным интеллектом, в том, что на самом деле есть два типа ИИ. Слабый или узконаправленный ИИ описывает любую систему, предназначенную для выполнению узкого списка задач. К примеру, Google Assistant или Siri, являясь довольно мощными ИИ, все же выполняют довольно узкий список задач. Они получают голосовые команды и возвращают ответы, либо запускают приложения. Исследования в области искусственного интеллекта питают эти функции, но они считаются «слабыми».

В противоположность этому, сильный ИИ — известный также как общий искусственный интеллект, или «полный ИИ» — это система, способная выполнять любую человеческую задачу. И она не существует. Поэтому любое «умное» приложение — это все еще слабый искусственный интеллект.

И хотя смысл может быть весьма расплывчатым, практические исследования в области искусственного интеллекта настолько полезны, что, вероятно, уже вошли в вашу повседневную жизнь. Каждый раз, когда ваш телефон автоматически запоминает, где вы припарковались, распознает лица на ваших фотографиях, получает поисковые предложения или автоматически группирует все ваши снимки с выходных, вы так или иначе касаетесь искусственного интеллекта. В определенной степени «искусственный интеллект» на самом деле просто означает, что приложения будут чуть умнее, чем мы привыкли. Едва ли метка «ИИ» сейчас означает хоть что-нибудь внятное с практической точки зрения.

Нейронные сети, искусственный интеллект, машинное обучение: что это на самом деле?

Приложение
Hi-News.ru

Новости высоких технологий в приложении для iOS и Android.

15 комментариев

  1. Aldo

    Ощущение что Илья строчит статьи в зависимости от направленности комментариев) (отправлено из приложения Hi-News.ru)

    • Hitchcock

      По ИИ в день выходят десятки статей, достаточно хотя бы на группу Deeplearning подписаться, как говорил неделю назад Левенчук на конференции Сколково по искусственному интеллекту, "в неделю происходит по два прорыва". Так что вряд ли Илья должен учитывать твои комментарии в духе "Мозг непостижим, ИИ невозможен" для принятия решения о чём ему писать))

      • Hitchcock

        Точнее это сказал Дунин-Барковский, а Левенчук написал у себя в блоге. Вот цитата из блога:

        Побывал вчера на конференции по искусственному интеллекту Skolkovo.AI Робоцентра Сколково (robotics.timepad.ru/event/386329/). Самая сильная фраза там для меня, с которой я полностью согласен, была в выступлении В.Дунина-Барковского: "прорывы в науке в deep learning идут с частотой пары в неделю". Ага, точно. Пара прорывов в науке в неделю. Я именно так об этом всём думаю. Только вдумайтесь: пара научных прорывов еженедельно!

        конец цитаты)

        Так что писать уж точно есть про что! И читать есть про что))

        • Aldo

          Никто не говорит что не про что писать, остынь. (отправлено из приложения Hi-News.ru)

        • granny

          Наслаждаетесь брендами, ярлыками и бирюльками околонаучного маркетинга? А меня все эти ИИ по два в неделю уже давно в глубокую зевоту вгоняют. Поэтому воду выше не читал.

      • Aldo

        Теперь под каждым моим комментом будешь высказывать свою не очень проницательную интерпретацию моих слов?)) Я тебе уже писал не раз своё мнение: ИИ на данном этапе никак не может заменить интегративные дисциплины, что тут непонятного? Да, не очень ясно, каким образом мозг выполняет такую огромную ассоциативную деятельность с такой скоростью и как он способен запоминать такие большие объемы и настолько оперативно с ними работать. Если у тебя есть какое-то адекватное мнение на этот счёт и на счёт того, как заставить ИИ действовать похожим образом, то можешь его высказать, а сопли твои обидчивые мало кому интересны. И по поводу комментов и статей Ильи - это далеко не первый раз, когда выходят тематические статьи после дискуссий в комментариях, не только касательно этой тематики, поэтому я и сделал такой вывод. (отправлено из приложения Hi-News.ru)

        • Hitchcock

          Ну предмета для дискуссии действительно нет, так что и смысла в ней особого нет. На данный момент сильного ИИ нет (не потому что он невозможен, его просто НЕТ). Всё остальное - прогнозы. Как можно дискутировать на тему прогнозов, пожалуй действительно никак. Тем более и прогнозы очень разнятся. А порой и сами специалисты их меняют по несколько раз. Вот недавно Ник Бостром заявил, что ИИ человеческого уровня будет достигнут к 2075 году (то есть аж через 60 лет), хотя еще недавно всех пугал скорым приближением сингулярности. В любом случае "невозможность" создания ИИ - это такая же "вера", как и возможность его создания, с той лишь разницей, что возможность его создания вытекает из экстраполяции нынешнего прогресса на годы вперёд (пусть и не учитывая факторы возможного замедления прогресса или столкновения с трудностями типа предела снижения техпроцесса), а невозможность вытекает скорее из догматов в духе "интеллект не может создать другой интеллект, который будет сложнее его" и т.п.. В общем обсуждать тут действительно нечего, так что я завязываю))

          • Aldo

            Слушай, ты сам себя запутываешь а потом наезжаешь на окружающих - с чего ты вообще взял что я верю или не верю в возможность его создания?)) И предмет для дискуссий как раз таки есть и очень обширный, но только в том случае, если не забивать себе голову бивалентной логикой "пан или пропал". Можно обсуждать то, что уже имеем на данный момент и реальные перспективы развития этих технологий. Фантазировать тебе никто не мешает. Кроме того, хватит путать скорость развития цифровой мощности и по-настоящему качественные скачки прогресса.

    • BATOU

      Тоже в глаза бросилось) (отправлено из приложения Hi-News.ru)

  2. DeusEx

    Уж полночь близится, а Германа все нет.

  3. rmn85

    Илья, о каком приложении Google идёт речь говоря о музыке. Вряд ли о Google Music. (отправлено из приложения Hi-News.ru)

  4. blackmamba

    https://habrahabr.ru/post/309508/ прочтите кому интересно (отправлено из приложения Hi-News.ru)

  5. kot777

    Фотонный процессор рассчитал уравнение в почти 2000 раз быстрее обычного процессора . То есть на что у обычной нейросети уйдет скажем месяц на обучение , на фотонных процах уйдет всего 20 мин грубо говоря . Это прорыв ! будет .... года за часы ...

    • mr Vanya

      Нет, "учиться" она будет дольше. Поскольку потребуется чуть ли не физическая перестройка фотонных нейроблоков.
      Вот "принимать решения" она способна в тысячи раз быстрее традиционных центрально процессорных систем. Военные пророчат ей большое будущее в системе наведения противоракет и спутникового сдерживания, где каждая миллисекунда на счету. Опасения вызывает физическая хрупкость фотонных блоков, излишняя восприимчивость к вибрациям и перепадам температур.

Новый комментарий

Для отправки комментария вы должны авторизоваться или зарегистрироваться.