Книга Человек + машина - Джеймс Уилсон
Шрифт:
Интервал:
Закладка:
Частично контролируемое обучение: здесь используются как размеченные, так и неразмеченные данные — обычно неразмеченных больше. Многие исследователи машинного обучения обнаружили, что при комбинации двух этих типов данных эффективность обучения значительно возрастает.
Обучение с подкреплением — это тип обучения, при котором алгоритм имеет конкретную цель (например, управлять роботизированным манипулятором или играть в го). Каждый шаг на пути к цели отмечается вознаграждением либо штрафом. Учитывая такую обратную связь, алгоритм может выработать наиболее эффективный способ достичь цели.
Нейронная сеть — это тип машинного обучения, при котором алгоритм обрабатывает полученные данные примерно по тому же принципу, что и биологическая нервная система. Фрэнк Розенблатт из Корнеллского университета в 1957 году изобрел первую нейронную сеть с простой однослойной архитектурой, также именуемую «неглубокой сетью».
Глубокое обучение и его разновидности: глубокие нейронные сети, рекуррентные нейронные сети, нейронные сети прямого распространения — это совокупность приемов для обучения многослойной нейронной сети. В глубоких нейронных сетях «усвоенные» данные пропускаются через несколько слоев; на каждом следующем слое результат предыдущего слоя используется в качестве вводной информации. В рекуррентных нейронных сетях данные могут распространяться между слоями вперед и назад, а в нейронных сетях с прямым распространением — только вперед.
Сегмент возможностей искусственного интеллекта
Прогностические системы — это системы, которые на основе данных за прошедшие периоды устанавливают взаимосвязи между входными переменными и полученными результатами. На основе этих взаимосвязей разрабатываются модели, которые, в свою очередь, применяются для прогнозирования новых результатов.
Локальный поиск (оптимизация) — это математический подход к решению задач, где используется матрица возможных решений. Алгоритм ищет оптимальное решение, начиная с одного конца матрицы, а затем систематически, итерация за итерацией, двигается к смежным решениям, пока не найдет наилучшее.
Представление знаний — это область искусственного интеллекта, занимающаяся представлением информации о мире в такой форме, чтобы компьютерная система могла использовать ее для решения сложных задач — например, диагностики заболевания или беседы с человеком.
Экспертные системы (логические умозаключения) — это системы, использующие отраслевые знания (из медицины, химии, права) в сочетании со сводом правил их применения. Системы совершенствуются по мере добавления новых знаний либо обновления или совершенствования правил.
Компьютерное зрение — это дисциплина, в рамках которой компьютеры обучаются идентифицировать, распределять по категориям и понимать информацию, содержащуюся в изображениях и видео. Такие системы имитируют человеческое зрение и расширяют его возможности.
Обработка аудио и сигналов — это машинное обучение, которое может использоваться для анализа аудио и других сигналов, особенно в средах с высоким уровнем шума. Такие технологии применяются, в частности, для компьютерного синтеза речи, обработки аудио- и аудиовизуальной информации.
Преобразование речи в текст — нейронные сети, преобразующие аудиосигналы в текст на множестве языков. Возможности применения: машинный перевод, голосовое управление, расшифровка аудио и пр.
Обработка естественного языка (NLP) — это область исследований, где компьютер обрабатывает человеческий (естественный) язык. Возможности применения: распознавание речи, машинный перевод и анализ интонации.
Сегмент прикладного искусственного интеллекта
Интеллектуальные агенты — это программы, общающиеся с человеком на естественном языке. Они могут помогать менеджерам по работе с клиентами, HR-службе, сотрудникам, занятым обучением и другими бизнес-задачами, связанными с обработкой запросов типа FAQ.
Коллаборативные роботы (коботы) — роботы, работающие сравнительно медленно и укомплектованные датчиками, обеспечивающими безопасное взаимодействие с работниками-людьми.
Биометрия, распознавание лиц и жесты: технология идентифицирует людей, их жесты или состояния по биометрическим показателям (стресс, активность и т. д.) для обеспечения взаимодействия человека и машины или идентификации личности и ее подтверждения.
Интеллектуальная автоматизация: позволяет делегировать некоторые задачи от человека к машине, принципиально меняя традиционные рабочие процессы. У машин есть свои сильные стороны (скорость, возможность масштабирования, способность ориентироваться в условиях многозадачности), дополняющие человеческий труд, максимально расширяя границы возможного.
Рекомендательные системы: формулируют рекомендации на основе неявных закономерностей, обнаруживаемых алгоритмами на основе искусственного интеллекта с течением времени. Они могут быть нацелены на взаимодействие с клиентом (предлагать новые продукты) либо использоваться внутри компании (подсказывать стратегические решения).
Интеллектуальные продукты: искусственный интеллект внедряют в продукт уже на этапе проектирования, чтобы продукт мог развиваться, соответствуя меняющимся потребностям клиентов, а также предвосхищать их потребности и предпочтения.
Персонализация: анализируются тренды и закономерности поведения сотрудников и клиентов с целью настроить программные средства и продукты под конкретных пользователей или потребителей.
Распознавание текста, речи, изображений и видео: распознавание текста, изображений, речи, видеозаписей для извлечения данных и связей, которые могут быть применены для большого спектра аналитических задач и использоваться для создания более высокоуровневых систем, предназначенных для взаимодействия с людьми.
Расширенная реальность: возможности искусственного интеллекта комбинируются с технологиями виртуальной, дополненной и смешанной реальности. Так искусственный интеллект создает дополнительные возможности для обучения, технической поддержки и других видов деятельности.
Искусственный интеллект в НИОКР и бизнес-инновациях
Американская компания-производитель автомобилей Tesla достигла немалых успехов. Конечно, она наиболее известна шикарными (и дорогими) автомобилями — в частности, Tesla Roadster, первым электрическим спорткаром, заинтересовавшим не только клиентов, но и инвесторов. Весной 2017 года рыночная капитализация Tesla достигла $50 миллиардов, почти сравнявшись с General Motors[45]. Однако стоит отметить не только стильные электромобили и запредельные рыночные котировки компании, но и то, насколько умно в компании ведутся научные исследования и разработки.
