Снимка на Markus Winkler от Pixabay
Изкуственият интелект (AI) и как трансформира света?
Изкуственият интелект (AI) е широкообхватен инструмент. Той позволява на хората да преосмислят как интегрираме информация. Как анализираме данни и използваме получените прозрения, за да подобрим вземането на решения.
Повечето хора не са много запознати с концепцията за изкуствен интелект (AI). Въпреки това, технологията вече обхваща и трансформира всяка сфера на живота.
Какво е изкуствен интелект (AI)?
Изкуственият интелект е симулация на процесите на човешкия интелект от машини, особено компютърни системи. Специфичните приложения на AI включват експертни системи, обработка на естествен език, разпознаване на реч и машинно зрение.
Как работи AI?
Тъй като шумът около AI се ускори, доставчиците се борят да популяризират как техните продукти и услуги го използват. Често обаче това, което те наричат изкуствен интелект, е просто един компонент от цялото, като машинно обучение. AI изисква основа от специализиран хардуер и софтуер за писане и обучение на алгоритми за машинно обучение. Нито един език за програмиране не е синоним на AI, но няколко, включително Python, R и Java, са популярни.
Като цяло, AI системите работят, като поглъщат големи количества етикетирани данни за обучение. Анализират данните за корелации и модели и използват тези модели, за да правят прогнози за бъдещи състояния.
Така чатбот, който се захранва с примери за текстови чатове, може да се научи да създава реалистични обмени с хора. Или пък, инструмент за разпознаване на изображения, може да идентифицира и описва обекти в изображения чрез преглед на милиони примери.
Програмирането на AI се фокусира върху три когнитивни умения: Учене, Разсъждение и Самокорекция.
Процеси на обучение
Този аспект на програмирането на AI се фокусира върху придобиването на данни. Както и създаването на правила за това как да се превърнат данните в полезна информация. Правилата, които се наричат алгоритми, предоставят на изчислителните устройства инструкции стъпка по стъпка как да изпълнят конкретна задача.
Процеси на разсъждение
Този аспект на AI програмирането се фокусира върху избора на правилния алгоритъм за постигане на желания резултат.
Процеси на самокоригиране
Този аспект на AI програмирането е предназначен за непрекъснато фино настройване на алгоритмите и гарантиране, че предоставят възможно най-точните резултати.
Защо е важен изкуственият интелект?
Изкуственият интелект е важен, защото може да даде на предприятията представа за техните операции. И то по такъв начин, който дори и най-изрядното счетоводство и логистика не биха могли да отчетат. Това е защото в някои случаи AI може да изпълнява задачи по-добре от хората. Особено когато става въпрос за повтарящи се такива. Задачи, ориентирани към детайлите, като анализиране на голям брой документи, за да се гарантира, че съответните полета са попълнени правилно. Инструментите за изкуствен интелект често изпълняват задачи бързо и с относително малко грешки.
Това спомогна за експлозия в ефективността и отвори вратата към изцяло нови бизнес възможности за някои по-големи предприятия. Преди AI би било трудно да си представим използването на компютърен софтуер за свързване на водачи с таксита. Но, ето че днес Uber се превърна в една от най-големите компании в света, правейки точно това. Компанията използва усъвършенствани алгоритми за машинно обучение. С тях предвижда кога е вероятно хората да се нуждаят от превоз в определени райони. Това показва на шофьорите да излязат на пътя тогава, когато са необходими.
Google се превърна в един от най-големите играчи за набор от онлайн услуги. Гигантът използва машинно обучение, за да разбере как хората използват техните услуги, за да ги подобри.
Днешните най-големи и успешни предприятия са използвали AI, за да подобрят своите операции и да получат предимство пред своите конкуренти.
Какви са предимствата и недостатъците на изкуствения интелект?
Изкуствените невронни мрежи и технологии за задълбочено обучение се развиват бързо. Това е главно защото AI обработва големи количества данни много по-бързо. Не само, но и прави прогнози по-точни, отколкото е възможно да направи човека.
Огромният обем данни, създаван ежедневно, би погребал човешки изследовател. AI приложенията, които използват машинно обучение, могат да вземат тези данни и бързо да ги превърнат в полезна информация. Основният недостатък при използването на AI е, че е доста скъпо да се обработват големи количества данни.
Предимства
- Добър в детайлното ориентиране в работното място;
- Значително съкращаване на времето, необходимо за тежки задачи с данни;
- Осигурява постоянни резултати;
- Задвижваните от AI виртуални агенти са винаги на разположение.
Недостатъци
- Скъп
- Изисква дълбока техническа експертиза;
- Ограничено предлагане на квалифицирани работници за изграждане на AI инструменти;
- Знае само това, което му е показано;
- Липса на способност за обобщаване на резултати водещи от една задача към друга.
Силен AI срещу слаб AI
AI може да бъде категоризиран като слаб или силен.
Слабият AI, известен също като тесен AI, е AI система, която е проектирана и обучена да изпълнява конкретна задача. Индустриалните роботи и виртуалните лични асистенти, като Siri на Apple, използват слаб AI.
Силният AI, известен също като изкуствен общ интелект (AGI), описва програмиране, което може да възпроизведе когнитивните способности на човешкия мозък. Когато се срещне с непозната задача, силната AI система може да използва размита логика. По този начин прилага знания от една област в друга и намира решение автономно.
На теория една силна AI програма трябва да може да премине както теста на Тюринг, така и на китайската стая.
Кои са 4-те вида изкуствен интелект?
“AI може да се категоризира в четири типа. Започваме с интелигентните системи. Специфичните задачи, които се използват широко днес. Накрая стигаме до съзнателни системи, които все още не съществуват.” Това обяснява Аренд Хинце, асистент по интегративна биология, компютърни науки и инженерство в Мичиганския държавен университет в статия от 2016г.
Категориите са:
Тип 1:
Реактивни машини. Тези AI системи нямат памет и са специфично създадени да изпълняват определени задачи. Пример за това е Deep Blue, шахматната програма на IBM, която победи Гари Каспаров през 90-те години. Deep Blue може да идентифицира фигури на шахматната дъска и да прави прогнози. Тай като, обаче няма памет, не може да използва минали преживявания, за да информира бъдещи.
Тип 2:
Ограничена памет. Тези AI системи имат памет, така че могат да използват минал опит, за за да формират бъдещи решения. Някои от функциите за вземане на решения в самоуправляващите се автомобили са проектирани по този начин.
Тип 3:
Теория на ума. Теорията на ума е термин от психологията. Когато се приложи към AI, това означава, че системата ще има социалната интелигентност, за да разбере емоциите. Този тип изкуствен интелект ще може да прави изводи за човешките намерения. Ще може да прогнозира поведението, което е необходимо. Умение за системите с изкуствен интелект да станат неразделни членове на човешки екипи.
Тип 4:
Самосъзнание. В тази категория AI системите имат самочувствие, което им дава съзнание. Машините със самосъзнание разбират собственото си текущо състояние. Този тип AI все още не съществува.
Какви са примерите за AI технология и как се използва днес?
Ето шест примера:
- Автоматизация
Когато са сдвоени с AI технологии, инструментите за автоматизация могат да разширят обема и видовете изпълнявани задачи. Пример е роботизирана автоматизация на процеси (RPA). Това е вид софтуер, който автоматизира повтарящи се, базирани на правила задачи за обработка на данни, традиционно извършвани от хора.
Когато се комбинира с машинно обучение и нововъзникващи AI инструменти, RPA може да автоматизира по-големи части от корпоративни задачи. Така позволява на тактическите ботове на RPA да предават информация от AI и да реагират на промените в процесите.
- Машинно обучение
Това е науката да накараш компютъра да действа без програмиране. Дълбокото обучение е подмножество от машинно обучение. Или казано с по-прости думи може да се разглежда като автоматизация на предсказуемия анализ. Има три вида алгоритми за машинно обучение:
- Учене под наблюдение. Наборите от данни са етикетирани. Така моделите могат да бъдат открити и използвани за етикетиране на нови набори от данни.
- Учене без надзор. Наборите от данни не са етикетирани и са сортирани според прилики или разлики.
- Учене с подсилване. Наборите от данни не са етикетирани, но след извършване на действие или няколко действия системата на AI получава обратна връзка.
AI включен в различни технологии
- Машинно зрение
Тази технология дава на машината способността да вижда. Машинното зрение улавя и анализира визуална информация с помощта на камера, аналогово-цифрово преобразуване и цифрова обработка на сигнала. Често се сравнява с човешкото зрение! Но, машинното зрение не е обвързано с биологията и може да бъде програмирано да вижда през стени, например. Използва се в редица приложения от идентификация на подпис до анализ на медицински изображения. Компютърното зрение, което е фокусирано върху машинно базирана обработка на изображения, често се смесва с машинно зрение.
- Обработка на естествен език (NLP)
Това е обработката на човешкия език от компютърна програма. Един от по-старите и най-известни примери за NLP е откриването на спам. Toй преглежда темата и текста на имейла и решава дали е имейлът е “боклук”. Настоящите подходи към NLP се основават на машинно обучение. Задачите на NLP включват превод на текст, анализ на чувствата и разпознаване на реч.
- Роботика
Тази област на инженерството се фокусира върху проектирането и производството на роботи. Роботите често се използват за изпълнение на задачи, които са трудни за изпълнение последователно от хората. Например, роботите се използват в поточните линии. Като например за производство на автомобили. Или от НАСА за преместване на големи обекти в космоса. Изследователите също използват машинно обучение, за да създават роботи, които могат да взаимодействат в социални условия.
- Самоуправляващи се автомобили
Автономните превозни средства използват комбинация от компютърно зрение, разпознаване на изображения и дълбоко обучение. Така изграждат автоматизирани умения за пилотиране на превозното средство, докато остават в дадена лента и избягват неочаквани препятствия, като пешеходци.
Какви са приложенията на AI?
Изкуственият интелект си проправи път в голямо разнообразие от пазари. Ето и девет примера:
АI в здравеопазването
Най-големите залози са върху подобряването на резултатите за пациентите и намаляването на разходите. Компаниите прилагат машинно обучение, за да правят по-добри и по-бързи диагнози от хората. Една от най-известните здравни технологии е IBM Watson. Тя разбира естествения език и може да отговаря на зададени въпроси. Системата извлича данни за пациенти и други налични източници, за да формира хипотеза. След това представя със схема за оценка на достоверността. Други AI приложения включват използване на онлайн виртуални здравни асистенти и чатботове. Те помагат на пациентите и клиентите на здравни услуги да намерят медицинска информация. Не само, но и да планират срещи, да разберат процеса на фактуриране и да завършат други административни процеси. Множество AI технологии също се използват за прогнозиране, борба и разбиране.
AI в бизнеса
Алгоритмите за машинно обучение се интегрират в платформи за анализи и управление на взаимоотношенията с клиенти (CRM). Те разкриват информация как да обслужват по-добре клиентите. Чатботовете са включени в уебсайтове, за да осигурят незабавно обслужване на клиентите. Автоматизирането на работните позиции също се превърна в тема на разговор сред академици и ИТ анализатори.
AI в образованието
Изкуственият интелект може да автоматизира оценяването, като дава на преподавателите повече време. Той може да оценява учениците и да се адаптира към техните нужди, като им помага да работят със собствено темпо. Преподавателите по изкуствен интелект могат да осигурят допълнителна подкрепа на учениците, като гарантират, че остават на път. И може да промени къде и как учениците учат, може би дори да замени някои учители.
AI във финансите
AI в приложения за лични финанси, като Intuit Mint или TurboTax, смущава финансовите институции. Приложения като тези събират лични данни и предоставят финансови съвети. Други програми, като IBM Watson, са приложени в процеса на закупуване на жилище. Днес софтуерът с изкуствен интелект извършва голяма част от търговията на Уолстрийт.
AI в правото
Процесът на откриване – пресяване на документи – в закона често е непосилен за хората. Използването на AI за подпомагане на автоматизирането на трудоемките процеси в правната индустрия спестява време и подобрява обслужването на клиентите. Адвокатските фирми използват машинно обучение. С него те описват данни и предсказват резултати. Използват и компютърно зрение за класифициране и извличане на информация от документи. Както и обработка на естествен език за интерпретиране на искания за информация.
AI в производството
Производството е в челните редици на включването на роботи в работния процес. Промишлените роботи, програмирани да изпълняват отделни задачи, отделно от човешките работници, все повече функционират като коботи. Това са по-малки, многозадачни роботи. Те си сътрудничат с хората. Поемат отговорност за повече части от работата в складове, фабрични подове и други работни пространства.
AI в банкирането
Банките успешно използват чатботове, за да информират клиентите си за услугите и предложенията. Както и да обработват транзакции, които не изискват човешка намеса. AI виртуалните асистенти се използват за подобряване и намаляване на разходите за спазване на банковите разпоредби. Те използват AI и за да подобрят вземането на решения за заеми. Както и да определят кредитни лимити и да идентифицират инвестиционни възможности.
AI в транспорта
Към основната роля на AI при управлението на автономни превозни средства, AI технологиите се използват и за управление на трафика. Както и прогнозиране на закъснения на полети и за по-безопасно и ефективно корабоплаване през океана.
Сигурност
AI и машинното обучение са модерните думи, които продавачите използват днес, за да диференцират своите предложения. Тези термини представляват наистина жизнеспособни технологии. Организациите използват машинно обучение в софтуера за управление на информация за сигурността. За събития (SIEM) и свързани области, за да откриват аномалии и идентифицират подозрителни дейности, които показват заплахи. С анализиране на данни за прилики с код, AI предоставя сигнали за атаки много по-рано от служителите и предишните технологии. Узряващата технология играе голяма роля в подпомагането на организациите да се борят с кибератаките.
Разширен интелект срещу изкуствен интелект
Експерти от индустрията смятат, че терминът изкуствен интелект е твърде тясно свързан с популярната култура. Това е кара обществеността да има невероятни очаквания за това как AI ще промени работното място и живота като цяло.
Увеличен интелект. Изследователи се надяват етикетът разширен интелект, който има по-неутрална конотация, да помогне. Чрез него да се разбере, че повечето реализации на AI ще са слаби и просто ще подобрят продуктите и услугите. Примерите включват автоматично извеждане на важна информация в доклади за бизнес разузнаване или подчертаване на важна информация в правни документи.
Изкуствен интелект. Изкуственият общ интелект е тясно свързан с концепцията за технологичната уникалност. Бъдеще, управлявано от изкуствен суперинтелект. Далеч надхжърлящ способността на човешкия мозък да го разбере или как той оформя нашата реалност. Това остава в сферата на научната фантастика, въпреки че някои разработчици работят по възможността. Мнозина вярват, че технологии като квантовите изчисления могат да играят важна роля за превръщането на AGI в реалност. Че, трябва да запазим използването на термина AI за този вид обща интелигентност.
Етично използване на изкуствен интелект
Докато AI инструментите представят набор от нови функционалности за бизнеса, използването на изкуствен интелект повдига и етични въпроси. За добро или лошо, AI системата ще подсили това, което вече е научила.
Това може да бъде проблематично. Алгоритмите за машинно обучение в основата на най-напредналите AI. Те са толкова интелигентни, колкото и данните, които им се дават в обучението. Човек избира какви данни да се използват за обучение на AI програма. Потенциалът за пристрастия при машинно обучение е присъщ и трябва да се наблюдава отблизо.
Етиката
Всеки, който иска да използва машинното обучение като част от реални, производствени системи, трябва има предвид етиката. Това означава в своите процеси на обучение с AI да се стреми да избягва пристрастия. Особено вярно при използване на AI алгоритми, които по своята същност са необясними. Както и в приложенията за задълбочено обучение и генеративни състезателни мрежи (GAN).
Обяснимостта е потенциална пречка за използването на изкуствения интелект в индустрии, които работят при строги регулаторни изисквания за съответствие. Когато процесът на вземане на решение не може да бъде обяснен, програмата може да се нарече черна кутия AI.
Въпреки потенциалните рискове, понастоящем има малко регулации, регулиращи използването на AI инструменти. Там, където съществуват закони, те обикновено се отнасят косвено до AI.
Регламентът на Европейския съюз (GDPR) поставя строги ограничения върху начина, по който предприятията могат да използват потребителски данни. Това възпрепятства обучението и функционалността на много насочени към потребителите AI приложения.
През октомври 2016 г. Националният съвет за наука и технологии издаде доклад. Той разглежда възможната роля на правителственото регулиране в развитието на AI, но не препоръча да се обмисли конкретно законодателство.
Създаването на закони за регулиране на AI няма да бъде лесно. Отчасти защото AI включва разнообразие от технологии. Компаниите ги използват за различни цели. Отчасти защото регулациите могат да бъдат за сметка на напредъка и развитието на AI.
Бързото развитие на AI технологиите е друга пречка за формирането на смислено регулиране на AI. Технологичните пробиви и новите приложения могат незабавно да направят съществуващите закони остарели. Законите, регулиращи поверителността на разговорите, не касаят предизвикателството, породено от гласови асистенти като Alexa на Amazon и Siri на Apple. Те събират, но не разпространяват разговори – освен за технологичните екипи на компаниите. Те на свой ред ги използват за подобряване на машината с алгоритми за обучение.
Когнитивно изчисление и Изкуствен интелект
Термините AI и когнитивно изчисление понякога се използват взаимозаменяемо. Най-общо казано, етикетът AI се използва по отношение на машини, които заместват човешкия интелект. Те симулират как усещаме, учим, обработваме и реагираме на информация в околната среда.
Етикетът когнитивно изчисление се използва по отношение на продукти и услуги, които имитират и разширяват човешките мисловни процеси.
Каква е историята на AI?
Концепцията за неодушевени обекти, надарени с интелект, съществува от древни времена. Гръцкият бог Хефест е изобразяван в митовете като изковващ роботоподобни слуги от злато. Инженерите в древен Египет са изграждали статуи на богове, оживени от жреци. През вековете мислители като Аристотел, Рамон Лул, Рене Декарт и Томас Байес са използвали инструментите и логиката на своето време. С нея те описват човешките мисловни процеси като символи, полагайки основата на концепции за AI като общо представяне на знания.
В края на 19-ти и първата половина на 20-ти век се ражда основополагането на идеята. Тя дава начало на съвременния компютър. През 1836 г. математик от Кеймбриджкия университет и графиня на Лавлейс, изобретяват първия дизайн за програмируема машина. Това са Чарлз Бабидж и Августа Ада Байрон.
Джон Винсънт Атанасов
Джон Винсънт Атанасов, е американски физик и изобретател от смесен българо-ирландски произход и изобретява първият електронен цифров компютър.
Атанасов изобретява първия електронен цифров компютър през 30-те години на миналия век. Изобретението той създава в Щатския колеж на Айова – сега известен като Щатския университет на Айова. Оспорванията срещу негов иск са решени през 1973 г. Тогава делото Honeywell срещу Sperry Rand постановява, че Атанасов е изобретателят на компютъра. Неговата машина със специално предназначение е наречена компютърът на Атанасов-Бери.
1940 г.
Математикът от Принстън Джон фон Нойман създава архитектурата за компютър със запомнена програма. Идеята е, че компютърната програма и данните, които обработва, могат да се съхраняват в паметта на компютъра. А Уорън Маккълох и Уолтър Питс поставят основите на невронните мрежи.
1950 г.
С появата на съвременните компютри учените могат да тестват своите идеи за машинния интелект. Алън Тюринг създава метод за определения на компютърния интелект. Тюринг е британски математик и разбивач на кодове от Втората световна война. Методът му се фокусира върху способността на компютъра да заблуди разпитващите. Те трябва да повярват, че отговорите на въпросите им излизат от човешко същество.
1956 г.
Модерната област на изкуствения интелект е широко цитирана като стартираща през годината по време на лятна конференция в Dartmouth College. Спонсорирана от Агенцията за напреднали изследователски проекти в областта на отбраната (DARPA), конференцията е посетена от 10 светила в областта. Включително пионерите на AI. Това са Марвин Мински, Оливър Селфридж и Джон Маккарти, за когото се смята, че е създал термина “изкуствен интелект.”
Присъства също Алън Нюел, компютърен учен, и Хърбърт А. Саймън, икономист, политолог, когнитивен психолог. Те представят своя новаторски Logic Theorist. Това е компютърна програма, способна да доказва определени математически теореми, наричана “първата програма за изкуствен интелект”.
1950-те и 1960-те години
След конференцията, лидерите в прохождащата област прогнозират, че създаден от човека интелект, еквивалентен на човешкия мозък, е зад ъгъла. Ще привлече и голяма подкрепа от правителството и индустрията. Наистина, близо 20 години добре финансирани фундаментални изследвания генерират значителен напредък в АI. В края на 1950 г. Нюел и Саймън публикуват алгоритъма за решаване на общи проблеми (GPS). Той не успява да реши сложни проблеми, но поставя основите за разработване на по-сложни когнитивни архитектури. Маккарти разработва Lisp, език за програмиране с изкуствен интелект, който се използва и днес. В средата на 60-те години ,професор от Масачузетския технологичен институт Джоузеф Вайзенбаум разработва ELIZA. Ранна програма за обработка на естествен език, която поставя основата на днешните чатботове.
1970-те и 1980-те години
Но, постижението на изкуствения общ интелект се оказва неуловимо. Правителството и корпорациите отдръпват от подкрепата си за изследванията на AI. Това довежда до период на застой, продължил от 1974 до 1980 г. и известен като първата „Зима на AI“. Нова вълна от ентусиазъм, обаче се задава през 80-те години на миналия век. Предизвикана е от изследванията върху техниките за задълбочено обучение и възприемането на индустрията на експертните системи на Едуард Фейгенбаум. Следва нов срив на правителственото финансиране и подкрепата на индустрията. Така втората зима за изкуствения интелект продължава до средата на 90-те години.
1990 до днес!
Увеличаването на изчислителната мощност и експлозията на данни предизвикаха ренесанс на Изкуствения интелект в края на 90-те години. Той продължава и до днес. Последният фокус върху AI доведе до пробиви в обработката на естествения език. Компютърното зрение, роботиката, машинното обучение, дълбокото обучение и много други. Нещо повече, изкуственият интелект става все по-осезаем, задвижва автомобили, диагностицира болести и затвърждава ролята си в популярната култура. През 1997 г. Deep Blue на IBM победи руския гросмайстор по шах Гари Каспаров. Така се превърна в първата компютърна програма, победила световен шампион по шах.