Искусственный интеллект: погружение. Часть 1. Искусственный интеллект

Упоминание термина «искусственный интеллект» (ИИ) в медиа за последние месяцы выросло в несколько раз. Сначала общество обсуждает тот факт, что в один день на рынок выходят сразу четыре новых языковых бота (GPT-4 от OpenAI, Claude от Anthropic, PaLM-Med и PaLM API & MakerSuite от Google), а через две недели эксперты в сфере инноваций призывают приостановить исследование мощных систем ИИ.

Фонд Veligera Capital не может оставаться в стороне от столь значимой темы. Но для того, чтобы адекватно оценивать изменения в сфере ИИ необходимо лучше понимать, с каким явлением общество имеет дело.

Мы подготовили цикл статей, которые помогут разобраться в тематике искусственного интеллекта: что кроется за этим термином, как специалисты классифицируют системы с ИИ, какое будущее ждёт экономику после повсеместного внедрения искусственного разума.

ОПРЕДЕЛЕНИЕ

Искусственный интеллект (AI — artificial intelligence) в широком понимании — это собирательный термин для информационных систем, которые могут осознавать своё окружение, обучаться, думать и в качестве ответа предпринимать действия в соответствии со своими целями.

Ключевая особенность ИИ — способность к обучению. Именно это качество отличает его от продвинутых алгоритмов, которые используются для проведения скоринга, распознавания речи, создания изображений и даже от виртуальных помощников, дающих заранее заготовленные советы в разных жизненных ситуациях.

ПОДРАЗДЕЛЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

В зависимости от методов, при помощи которых ИИ обучается, выделяют несколько его подразделов:

Иногда термин «искусственный интеллект» и названия подразделов употребляют как взаимозаменяемые, но в действительности все они являются частным случаем искусственного интеллекта.

Разберём отдельно, что стоит за каждым типом обучения.

Машинное обучение (Machine Learning, ML) — основано на разработке алгоритмов и моделей для поиска скрытых закономерностей. Процесс обучения происходит через обобщение множества пожих примеров. ML-системы работают тем лучше, чем больше знаний об исследуемых объектах они накопили. Машинное обучение используется, когда необходимо научить модели распознавать изображения, рекомендовать контент, выявить подозрительную активность и многое другое.

Глубокое обучение (Deep Learning, DP) — вид машинного обучения с использованием многослойных нейронных сетей, которые могут самостоятельно находить алгоритм решения задачи. Чтобы добиться эффективности и точности процесс обучения требует больших массивов данных.

Нейросети (Neural Networks, NN) — это модели, строящиеся по принципам работы человеческого мозга. Как мозг состоит из нейронов и синапсов, так множество вычислительных центров соединяются и взаимодействуют между собой в нейросети. Обычно NN имеют несколько слоёв, что даёт возможность вести параллельную обработку информации. Нейросети обучают на размеченных наборах данных с явными закономерностями, после чего ИИ может обрабатывать неразмеченные данные.

Обработка естественного языка (Natural Language Processing, NLP) — направление, возникшее на стыке машинного обучения и математической лингвистики. Естественный язык — язык, используемый людьми, и при этом обеспечивающий связь с системой ИИ. Непосредственно обработка языка состоит из компонентов понимания и генерации. Качественная генерация предполагает способность анализировать и резюмировать любые источники неструктурированных данных.

Компьютерное зрение (Computer Vision, CV) — область машинного обучения, которая наделяет информационные системы способностью «видеть» и извлекать информацию из визуальных образов. Модели автоматизируют задачи, для которых люди используют зрение: посмотреть на фото, определить, что на нём изображено, интерпретировать полученную информацию. В качестве учебных материалов выступают картинки и видеофильмы. Главная задача — собрать, обработать, проанализировать и понять цифровые изображения, извлечь данные, которые в них содержатся.

СИЛЬНЫЙ И СЛАБЫЙ

Понятие ИИ (AI) относится к моделям, созданным для решения конкретной проблемы или предоставления опредёленной услуги. К примеру, ChatGPT учится делать общение в чате лучше, но не может обучиться другим задачам. Такой ИИ ещё называют слабым или узким (Narrow AI).

Есть ещё термин «искусственный интеллект общего назначения» (artificial general intelligence — AGI) или сильный ИИ. Это программное обеспечение, способное изучить любую предметную область и решить любую задачу.

Концептуально AGI способен к самообучению, может ставить себе новые цели, определять пути их достижения и оценивать качество результата. Сильный ИИ должен также уметь действовать в условиях неопределённости.

AGI пока не существует, а в ИТ-индустрии идут дискуссии, как его создать, и можно ли в принципе это сделать. К списку ограничений для создания сильного ИИ относят как фундаментальные проблемы методологии и архитектуры, так и ограниченный доступ к высокопроизводительным вычислительным ресурсам. Кроме того, прообраз ИИ — человеческий разум, но мышление людей в основном неалгоритмично, и это создаёт дополнительные сложности.