Рубрики
Кoгдa прилoжeниe будeт убeдиться, чтo oн рaбoтaeт нa «искусствeнный интeллeкт», нa мгнoвeниe кaжeтся, чтo ты в будущeм. Нo чтo этo знaчит нa сaмoм дeлe? Мы рaзбрaсывaeмся сильныe слoвa — искусствeнный интeллeкт, мaшиннoгo oбучeния, нeйрoнныx сeтeй, — нo, чтo нa сaмoм дeлe oзнaчaют, и eсли пoмoгaют улучшить прилoжeний?
В пoслeднee врeмя Google и Microsoft дoбaвили oбучeния нeйрoнныx сeтeй в свoиx прилoжeнияx пeрeвoдa. Google утвeрждaeт, чтo он использует machine learning, предлагаем списки воспроизведения. Todoist говорит, что использует искусственный интеллект, чтобы предположить, когда вы должны закончить задачу. Any.do заявляет, что его искусственный интеллект может сделать некоторые задачи, а не вы. И все это было только на прошлой неделе. Часть маркетинговых уловок удивительные звуки, и остается трюки, но иногда изменения, несомненно, являются полезными. «Искусственного интеллекта», «машинного обучения» и «нейронные сети» — все это описывает методы, которые используют компьютер для выполнения более серьезных задач и учиться в этот процесс. И даже если вы, возможно, слышали, что разработчики приложений внедряют системы другими, в практике очень разные.
Нейронные сети, анализ данных, сложные, имитирующий человеческий мозг
Искусственные нейронные сети (ANN, или просто «нейронных сетей»), относятся к определенному типу модели обучения, которая эмулирует принцип работы синапсов в мозге. Традиционные вычисления с помощью серии логических операторов для выполнения задачи. Нейронные сети, с другой стороны, основаны на сетевых узлов (которые действуют как нейроны) и аналогов синапсов (edge) для обработки данных. Входные данные проходят через систему и формируются выходные данные.
Так что выводы сопоставлены с известными данными. Например, предположим, что вы хотите научиться распознавать изображение собаки. Отсутствие миллионов фотографий собак через сеть, чтобы увидеть, какой тип изображения вы решите принять, как собаки. Затем мужчина подтвердил, что фотографий на самом деле собаки. Система способствует путей в нейронной сети, что привело к правильному ответу. С течением времени, и после миллиона итераций, эта сеть для того, чтобы повысить точность результатов.
Для того, чтобы увидеть, как это работает в действии, вы можете попробовать эксперимент Google Quick Draw!. В этом случае Google сети учит учиться «каракули», детали по контуру. Она сравнивает рисунок, который вы рисуете с примерами, что рисуют другие люди. Сеть обучается распознавать будущих рисунков на основе тех, что он видел в прошлом. Даже если вы рисуете, как ребенок пяти лет (как я), сети очень быстро распознает простые формы — подводный, растения, текстуры. Попробуйте, весело.
Нейронные сети не является панацеей, но отлично справятся со сложными данными. Google и Microsoft использует нейронные сети, чтобы обучать приложений перевода, поскольку перевод языки трудно. Мы часто видели, как плохие переводы, но нейронные сети обучены, чтобы улучшить эти переводы, на основе правильных переводов, с течением времени. То же самое происходит с перевода речи в текст. После того, как была представлена нейронная сеть, которая работает с Google Voice, ошибки в переводах снизились на 49%. Эти системы не совершенны, но вы работаете на себя, и это важно.
Машинного обучения, учит компьютера улучшить на практике
Обучение-это широкий термин, который охватывает все моменты, когда вы пытаетесь научить улучшить машину самостоятельно. В частности, это относится к любой системе, в которой производительность компьютера при выполнении задач всегда лучше только за счет большего опыта в этой деятельности. Нейронные сети пример обучения, но не единственный способ обучения компьютера.
Например, один из альтернативных методов обучения называется обучением с подкреплением. В этом методе компьютер выполняет операцию и затем оценить результат. Если, например, компьютер выигрывает в шахматы, он присваивает победы значение набор приемов, который использует во время игры. После игры миллионов игроков, система может определить, какие меры, вероятно, приведет к победе, на основе результатов предыдущих игр.
В то время как нейронные сети хороши для таких вещей, как распознавание образов на изображениях, другие виды обучения могут быть более полезны для различных задач, как определение вашей любимой музыки. Google утверждает, что его приложение музыка найти музыку, которую вы хотите слушать. Она делает это путем анализа ваших предыдущих списков воспроизведения. Если вам не нравится результат, машина расценит это как провал. Но если вы выбираете один из этих списков, вы помечается это как успех и анализирует победные ходы, которые привели к вашему сердцу.
В этих случаях, вы не получите полную отдачу от обучения машина, если не часто использовать эту функцию. Когда вы открываете приложение Google music в первый раз, рекомендации будут, скорее всего, мимо кассы. Но чем больше вы используете, тем лучше будут предложения. В теории, по крайней мере. Обучение не является панацеей. Обучение-это более расплывчатое понятие, что нейронные сети, но также, что программное обеспечение, которое вы используете, будет опираться на ваши отзывы для улучшения их производительности.
Искусственный интеллект еще все с приставкой «смарт»
Так же, как нейронные сети представляют собой форму обучения, обучение-это форма искусственного интеллекта. Но категория «искусственный интеллект» еще не плохо определена, что эта фраза не имеет никакого практического смысла. Да, оно вызывает в воображении образы технологически продвинутого будущего, но на самом деле мы даже близко к ним не подошли. Когда что-то оптическое распознавание символов было слишком сложно для машины, но теперь приложение на телефон может сканировать документы и преобразовать их в текст. Звонить предприятие искусственный интеллект как что-то ненужное.
Причина того, что основные функции телефона можно считать искусственный интеллект, который на самом деле есть два вида искусственного интеллекта. Слабый или spot IA описывает любой тип системы, предназначенные для выполнения узкого перечня задач. Например, Google Assistant или Siri, быть достаточно мощным ИИ выполнять достаточно узкий список задач. Получая голосовые команды и возвращают ответы, или запуск приложений. Исследования в области искусственного интеллекта кормить этих функций, но они считаются «слабыми».
Наоборот, сильный ИИ — также известный как общий искусственный интеллект, или «полный IA» — это система, способная выполнять любой человеческой деятельности. И она не существует. Так что любой «умный» приложение по-прежнему слабый искусственный интеллект.
И хотя смысл может быть очень расплывчато, практики исследований в области искусственного интеллекта, так полезны, что, вероятно, уже в вашей повседневной жизни. Каждый раз, когда телефон автоматически запоминает, где вы припарковали, распознает лица на фотографиях, получить советы для поиска или автоматически группирует все ваши снимки с выходных, вы так или иначе касаетесь искусственного интеллекта. В некоторой степени «искусственный интеллект» на самом деле это просто означает, что приложения будут чуть умнее, чем мы привыкли. Вряд ли ярлык «IA» теперь означает что-то понятны с практической точки зрения.
Нейронные сети, искусственный интеллект, машинное обучение: что это на самом деле?
Илья Хель