Искусственный интеллект, машинное обучение и глубокое обучение: что это и в чём разница

Что такое искусственный интеллект и где он применяется

Искусственный интеллект (англ. artificial intelligence) – способность машины имитировать мыслительные процессы и поведение человека, то есть выполнять задачи, свойственные человеческому интеллекту.

Кроме того, искусственный интеллект – наука, которая изучает способы создания интеллектуальных программ и машин, способных творчески решать задачи.

Искусственный интеллект – очень широкая область. Ещё недавно к нему относили калькулятор, так как он имитировал человеческую способность делать расчёты. Но технологические достижения развиваются, и калькулятором уже никого не удивить.

Теперь ИИ – не просто устройство, выполняющее одну функцию, а умный помощник, способный непрерывно обучаться и совершенствоваться. Например, чем дольше вы используете Алису от «Яндекса», тем больше она подстраивается под вас. Учитывая ваши предпочтения, она регулирует температуру в доме, приглушает свет, убавляет громкость музыки и просто болтает с вами.

Искусственный интеллект применяется везде, где нужно обрабатывать большие объёмы данных, систематизировать их и строить прогнозы, например:

• В здравоохранении помогает врачам анализировать и расшифровывать снимки пациентов, сравнивать исследования, выявлять в них закономерности, ставить более точные диагнозы, прогнозировать эффективность новых лекарств.

• В финансах берёт на себя коммуникацию с клиентами банка, борется с мошенниками, прогнозирует загрузку банкоматов, обрабатывает документы, принимает решения, кому дать кредит и в каком городе открыть отделение.

• В промышленности следит за стандартом качества продуктов, сроком службы оборудования, ищет решения для снижения себестоимости продукции.

• В системе наблюдения следит за безопасностью на городских улицах, в домах, офисах, аэропортах, торговых центрах.

• В искусстве создаёт картины, музыку и другие объекты культуры.

Центр развития искусственного интеллекта появится в России в сентябре 2022 года

Читать подробнее

На основе возможностей ИИ можно разделить на три типа:

• Слабый ИИ (англ. weak/applied/narrow AI) запрограммирован на решение одной или нескольких интеллектуальных задач. Он не обладает сознанием, его действия ограничены областью, для которой он предназначен.

  Такой вид искусственного интеллекта уже создан. Он окружает нас повсюду. Это голосовые помощники, системы подбора контента, программы распознавания речи, видеоредакторы, фоторедакторы и т. д.

  Так, в 2017 году компания DOMO объявила о запуске Mr. Roboto. Эта программная система искусственного интеллекта содержит мощные аналитические инструменты и может дать владельцам бизнеса рекомендации и идеи для развития их деятельности. Он умеет выявлять отклонения и закономерности, полезные для управления рисками и планирования ресурсов. Аналогичные программы существуют для других отраслей.

  К минусам слабого ИИ можно отнести работу в заданном диапазоне – он выполняет только знакомые ему задачи. Плюс в том, что он избавляет нас от рутинной работы и выполняет её значительно быстрее, тем самым повышая качество нашей жизни.

• Сильного ИИ (англ. strong/general AI) пока не существует. Его мы видим в научно-фантастических фильмах и компьютерных играх. Предполагается, что это искусственные люди – роботы, обладающие всеми умственными способностями человека. Они способны учиться, мыслить, вести разумную беседу, принимать решения в ситуациях, которым их не обучали, и даже чувствовать.

  Сейчас проводят эксперименты по обучению роботов считывать человеческие эмоции. В отличие от слабого ИИ этот вид не имитирует поведение людей, а становится похож на них.

• Суперинтеллекта (англ. super AI) не просто не существует, человечество даже не знает, как его создать и можно ли это сделать вообще. Представляется, что это будут машины, которые превосходят людей, – умные, мудрые, творческие, с отличными социальными навыками. Они будут демонстрировать уровень интеллекта, которого не имеют даже самые одарённые люди. Учёные предполагают, что суперинтеллект либо улучшит жизнь человечества, либо уничтожит его.

Высшее образование

Получи профессию в сфере искусственного интеллекта

Узнать, как поступить

Что такое машинное обучение и где его используют

Машинное обучение (англ. machine learning) – подмножество искусственного интеллекта, процесс его реализации.

ИИ можно получить и без машинного обучения, но тогда придётся вручную писать множество кодов. Системы ML решают эту задачу автоматически – они сами себя обучают и корректируют. Им нужно только дать определённую информацию, например, базу данных или библиотеку. Используя методы дедукции и индукции, они генерируют точные результаты или дают прогнозы на основе этих данных.

Особенности машинного обучения:

• имеет ограниченные возможности;

• связано с точностью и шаблонами;

• выполняет конкретные задачи;

• работает только в определённых областях.

Например, если создать модель машинного обучения для обнаружения изображений собак, система будет искать только этих животных. Если предоставить новые данные — картинку кошки, то система перестанет отвечать.

Всё машинное обучение – это искусственный интеллект, а значит применяется в тех же областях.

ML используется в поисковых системах, спам-фильтрах, социальных сетях (автоматически предлагает вам друзей). Если вы искали, куда поехать в отпуск, а затем купили путёвку, система изучит ваши действия и через время покажет вам список туров. Чем больше деталей и ваших потребностей знает ML, тем лучше оно работает.

В России внедрят искусственный интеллект в ключевые отрасли экономики

Читать подробнее

Чтобы обучить машину, нужны три компонента:

• Алгоритм – программа, которая указывает компьютеру, где брать данные и как их обрабатывать. Иногда для лучшей производительности комбинируют несколько алгоритмов.

• Наборы данных (датасеты) – обработанная и структурированная информация, которая нужна, чтобы запустить процесс обучения. На ней алгоритм тренируется обрабатывать запросы. Это могут быть цифры, изображения, тексты или любые другие данные. Они показывают машине, на что следует обратить внимание. Например, компьютеру нужно спрогнозировать рыночную стоимость квартиры в Москве. Для этого надо ввести информацию о других квартирах города (стоимость, площадь, этаж, район, инфраструктура). По этим признакам машина предскажет стоимость конкретного жилья.

• «Правильные ответы» – данные, по которым машина узнает, как найти верное решение.

Машинное обучение можно разделить на три типа:

• Обучение с учителем. Под учителем понимается не конкретный «педагог», а сам факт участия человека в процессе обработки данных. Для тренировки модели он вручную отмечает правильные ответы. Например, надо научить компьютер раскладывать красные, синие и зелёные носки по цветам в разные корзины. Для этого следует показать системе каждый объект. Программа изучит их и будет тренироваться сортировать носки до тех пор, пока не перестанет делать ошибки. Этот тип обучения обычно используют для фильтрации спама, определения языка, поиска и классификации.

• Обучение без учителя. В этом случае готовых ответов нет. Машина сама анализирует данные, находит между ними взаимосвязь, а программисты корректируют при необходимости. Например, вы выбираете в спортивном онлайн-магазине экипировку и кроссовки для бега. Сайт изучит связь этих вещей и порекомендует товары, с которыми у них есть нечто общее – бутылку для воды, пояс для бега, спортивное питание. Такое обучение применяют для поиска мошеннических транзакций, прогнозирования продаж и скидок, анализа поддельных изображений.

• Обучение с подкреплением. Почти то же, что обучение с учителем, но учителем становится настоящая или виртуальная среда. Модель не имеет никаких сведений. Она учится путём проб и ошибок, получая положительные или отрицательные сигналы подкрепления в ответ на свои действия. Например, такой метод используют при обучении беспилотников и роботов.

Правительство РФ компенсирует часть оплаты за повышение квалификации в области ИИ

Читать подробнее

Что такое глубокое обучение и как оно работает

Глубокое обучение (англ. deep learning) – набор алгоритмов машинного обучения. Технология строится на основе искусственных нейронных сетей (ИНС), которые похожи на человеческий мозг. А глубоким обучение называется потому, что структура ИНС состоит из множества слоёв, каждый из которых выполняет свою функцию.

Рассмотрим их на примере программы, прогнозирующей стоимость авиабилетов:

• Входной слой получает данные. На этом уровне нейросеть получает информацию о датах вылета и прибытия, аэропортах, авиакомпаниях и передаёт эти данные следующему слою. Чем больше информации поступит с этого уровня, тем точнее будет результат на выходе.

• Скрытые слои принимают информацию и на их основе производят вычисления. Задача программиста – определить количество необходимых скрытых слоёв и нейронов на каждом уровне. От этого будет зависеть, какие и сколько закономерностей в параметрах найдёт нейросеть. Например, в прогнозировании цены авиабилетов большое значение имеет дата вылета: чем она ближе, тем билет дороже.

• Выходной слой даёт результат вычислений (стоимость билета).

Нейросети могут распознавать речь. На их основе работают Алиса от «Яндекс», Маруся MailGroup и другие голосовые помощники. В технологиях компьютерного зрения глубокое обучение помогает идентифицировать объекты на изображениях, находить похожие фотографии в поисковиках. DL применяют для распознавания лиц на камерах наблюдения, диагностики заболеваний, прогнозирования цен на недвижимость, обработки фото и видео, генерации рукописного текста, перевода языков и т. д.

Telegram-боты: зачем они нужны и как на них заработать

Читать подробнее

Где учиться разрабатывать искусственный интеллект

Искусственный интеллект – одно из самых прогрессивных и популярных направлений IT.

Самостоятельно погрузиться в мир ИИ можно, но сложно. Скорее всего, так вы получите базовые знания, но применить на практике, а тем более получить работу в крупной компании, вам вряд ли удастся.

Лучше всего выбирать проверенные пути. Один из них – обучение на факультете искусственного интеллекта университета «Синергии». Здесь преподают практикующие эксперты, которые успешно работают в области ИИ.

На факультете изучают:

• обработку и анализ больших данных;

• архитектуру информационных систем и программирование;

• структуру нейронных сетей;

• аналитику роботизированных процессов.

Студенты отрабатывают навыки на реальных кейсах и таким образом формируют портфолио. На выходе они становятся:

• Data Scientist – специалистами, которые анализируют большие объёмы данных, находят закономерности и на их основе делают полезные для компании выводы.

• ML-инженерами – специалистами по машинному обучению.

• Специалистами по искусственному интеллекту.

• Data Engineer и т. д.

Выпускники получают диплом государственного образца и устраиваются на работу уже во время обучения. Зарплата специалиста в области ИИ начинается от 150 тысяч рублей. Потолок зависит от навыков и опыта разработчика.

Высшее образование

Получи профессию в сфере искусственного интеллекта

На факультете искусственного интеллекта вы научитесь обрабатывать и анализировать большие объёмы данных, изучите архитектуру информационных систем и структуру нейронных сетей, сможете создать собственное приложение или даже робота, которые улучшат жизнь людей. Уже во время обучения сможете устроиться на работу и получать от 150 тысяч рублей.

Узнать, как поступить