Atunci când o aplicație vă asigură că este alimentată de „inteligență artificială”, se pare pentru un moment că sunteți în viitor. Dar ce înseamnă asta de fapt? Aruncăm cuvinte cheie mari - inteligență artificială, învățare automată, rețele neuronale - dar ce înseamnă cu adevărat și chiar ajută la îmbunătățirea aplicațiilor?
Mai recent, Google și Microsoft au adăugat instruire în rețele neurale aplicațiilor lor de traducere. Google susține că folosește învățarea automată pentru a oferi liste de redare. Todoist spune că folosește AI pentru a ghici când ar trebui să termini o sarcină. Any.do susține că inteligența sa artificială poate face anumite sarcini pentru tine. Și totul a fost doar săptămâna trecută. Unele dintre trucurile de marketing sună impresionant și rămân manevre, dar, uneori, modificările sunt incontestabile. „Inteligența artificială”, „învățarea automată” și „rețelele neuronale” descriu toate modalitățile în care calculatoarele folosesc pentru a face sarcini mai grave și pentru a învăța în acest proces. Și, poate, ați auzit că dezvoltatorii de aplicații adoptă sistemele altora, în practică, acestea sunt foarte diferite.
Rețelele neuronale analizează date complexe pentru a imita creierul uman
Rețelele neuronale artificiale (ANN-uri, sau pur și simplu „rețelele neuronale”) se referă la un tip specific de model de învățare care emulează modul de funcționare a sinapselor în creierul tău. Calculul tradițional folosește o serie de operatori logici pentru a îndeplini o sarcină. Rețelele neuronale, pe de altă parte, folosesc o rețea de noduri (care acționează ca neuronii) și analogi de sinapse (muchii) pentru a procesa date. Intrarea este trecută prin sistem și este generată ieșirea.
Rezultatele sunt apoi comparate cu datele cunoscute. De exemplu, să spunem că doriți să antrenați un computer pentru a recunoaște o imagine a unui câine. Transmiți milioane de imagini cu câini pe web pentru a vedea ce imagini alege să semene cu câinii. Persoana confirmă apoi ce imagini sunt de fapt câini. Sistemul oferă preferință căii din rețeaua neuronală care a dus la răspunsul corect. În timp și după milioane de iterații, această rețea va îmbunătăți în cele din urmă acuratețea rezultatelor sale.
Pentru a vedea cum funcționează acest lucru în acțiune, puteți încerca experimentul Google Quick Draw!.. În acest caz, Google antrenează webul pentru a recunoaște doodle, schițe rapide. Ea compară desenul pe care îl desenați cu exemplele pe care le desenează alte persoane. Rețeaua învață să recunoască viitoarele doodle pe baza a ceea ce a văzut în trecut. Chiar dacă desenați ca un copil de cinci ani (ca mine), netul este foarte rapid să recunoască forme simple - submarine, plante, rațe. Încearcă, distractiv.
Rețelele neuronale nu sunt un panaceu, dar sunt foarte bune la manipularea datelor complexe. Google și Microsoft folosesc rețele neurale pentru a-și antrena aplicațiile de traducere, deoarece traducerea limbilor este dificilă. Am văzut multe traduceri automate greșite, dar rețelele neuronale sunt instruite pentru a îmbunătăți traducerile, pe baza traducerilor corecte, de-a lungul timpului. La fel se întâmplă și cu traducerea vorbire-text. De la introducerea rețelei neuronale alimentate de Google Voice, erorile de traducere au scăzut cu 49%. Aceste sisteme nu sunt perfecte, dar funcționează singure, iar acesta este principalul lucru.
Video promotional:
Învățarea automată învață computerele să îmbunătățească în practică
Învățarea automată este un termen larg care acoperă toate momentele în care încercați să învățați o mașină să se îmbunătățească de la sine. În special, acest lucru se aplică oricărui sistem în care performanța calculatorului la finalizarea unei sarcini este îmbunătățită doar prin mai multă experiență cu sarcina. Rețelele neuronale sunt un exemplu de învățare automată, dar nu sunt singura cale de a antrena un computer.
De exemplu, una dintre metodele alternative de învățare automată se numește învățare de armare. În această metodă, computerul execută o sarcină și apoi își evaluează rezultatul. Dacă, de exemplu, computerul câștigă la șah, atunci atribuie valoarea câștigătoare unei serii de mișcări pe care le folosește în timpul jocului. După ce joci milioane de jocuri, sistemul poate determina ce pași sunt cel mai probabil să conducă la victorie pe baza rezultatelor jocurilor anterioare.
În timp ce rețelele neuronale sunt bune pentru lucruri precum recunoașterea modelului în imagini, alte tipuri de învățare automată pot fi mai utile pentru diverse sarcini, cum ar fi identificarea muzicii preferate. Google susține că aplicația sa muzicală va găsi muzica pe care doriți să o ascultați. Face acest lucru analizând listele de redare anterioare. Dacă nu vă place rezultatul, mașina va considera că este o defecțiune. Dar dacă alegeți una dintre listele sugerate, ea o va marca ca un succes și va analiza mișcările câștigătoare care au adus-o în inima voastră.
În astfel de cazuri, nu veți obține beneficiul complet al învățării automate dacă nu utilizați frecvent această caracteristică. Când deschideți aplicația Google Music pentru prima dată, cel mai probabil recomandările vor fi trecute la final. Dar cu cât îl folosești mai mult, cu atât sugestiile vor fi mai bune. În teorie, cel puțin. Învățarea automată nu este nici un panaceu. Învățarea automată este mai vagă decât rețelele neuronale, dar implică, de asemenea, că software-ul pe care îl utilizați se va baza pe feedback-ul dvs. pentru a îmbunătăți performanțele acestuia.
Inteligența artificială este totul cu prefixul „inteligent”
La fel cum rețelele neuronale sunt o formă de învățare automată, învățarea automată este o formă de inteligență artificială. Dar categoria „inteligenței artificiale” este încă atât de slab definită încât această expresie nu are nici un sens practic. Da, conjurează imagini ale unui viitor avansat din punct de vedere tehnologic, dar, în realitate, încă nu ne-am apropiat de el. OCR a fost cândva prea dificil pentru o mașină, dar acum o aplicație de pe telefonul dvs. poate scana documente și transforma-le în text. A-i spune că este o inadecvare a inteligenței artificiale.
Motivul pentru care capabilitățile de telefonie de bază pot fi considerate inteligență artificială se datorează faptului că există de fapt două tipuri de AI. AI slabă sau orientată strict descrie orice sistem conceput pentru a efectua o listă restrânsă de sarcini. De exemplu, Google Assistant sau Siri, fiind AI destul de puternic, îndeplinesc în continuare o listă destul de restrânsă de sarcini. Primesc comenzi vocale și returnează răspunsuri sau lansează aplicații. Cercetarea inteligenței artificiale alimentează aceste caracteristici, dar sunt considerate „slabe”.
În schimb, AI puternică - cunoscută și sub numele de inteligență artificială generală, sau „AI completă” - este un sistem capabil să îndeplinească orice sarcină umană. Și nu există. Prin urmare, orice aplicație „inteligentă” este încă slabă inteligență artificială.
Deși implicațiile pot fi vagi, cercetările practice în domeniul inteligenței artificiale sunt atât de satisfăcătoare încât probabil a intrat deja în viața ta de zi cu zi. De fiecare dată când telefonul îți amintește automat unde ai parcat, recunoaște fețele din fotografiile tale, primește sugestii de căutare sau îți grupează automat toate fotografiile din weekend, atingeți inteligența artificială într-un fel sau altul. Într-o anumită măsură, „inteligența artificială” înseamnă doar că aplicațiile vor fi puțin mai inteligente decât suntem obișnuiți. Eticheta „AI” înseamnă abia acum ceva practic din punct de vedere practic.
ILYA KHEL
