Искусственный интеллект (ИИ)
Artificial intelligence (AI)

Продукт

Содержание


ПРОЕКТЫ (1) ИНТЕГРАТОРЫ (2) СТАТЬИ (10)
РЕШЕНИЕ НА БАЗЕ (1)

ЗаказчикИнтеграторГодПроект
КамАЗНАМИ---....

Искусственный интеллект (ИИ, англ. Artificial intelligence, AI) — наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

История развития

История искусственного интеллекта как нового научного направления начинается в середине XX века. К этому времени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга и мышления, экономисты и математики задавались вопросами оптимальных расчётов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений — теории алгоритмов — и были созданы первые компьютеры.

Возможности новых машин в плане скорости вычислений оказались больше человеческих, поэтому в учёном сообществе закрался вопрос: каковы границы возможностей компьютеров и достигнут ли машины уровня развития человека? В 1950 году один из пионеров в области вычислительной техники, английский учёный Алан Тьюринг, пишет статью под названием «Может ли машина мыслить?», в которой описывает процедуру, с помощью которой можно будет определить момент, когда машина сравняется в плане разумности с человеком, получившую название теста Тьюринга.

Развитие в СССР и России

Коллежский советник Семён Николаевич Корсаков (1787—1853) ставил задачу усиления возможностей разума посредством разработки научных методов и устройств, перекликающуюся с современной концепцией искусственного интеллекта, как усилителя естественного. В 1832 году С. Н. Корсаков опубликовал описание пяти изобретённых им механических устройств, так называемых «интеллектуальных машин», для частичной механизации умственной деятельности в задачах поиска, сравнения и классификации. В конструкции своих машин Корсаков впервые в истории информатики применил перфорированные карты, игравшие у него своего рода роль баз знаний, а сами машины по существу являлись предтечами экспертных систем.

В СССР работы в области искусственного интеллекта начались в 1960-х годах. В Московском университете и Академии наук был выполнен ряд пионерских исследований, возглавленных Вениамином Пушкиным и Д. А. Поспеловым.

В 1964 году была опубликована работа ленинградского логика Сергея Маслова «Обратный метод установления выводимости в классическом исчислении предикатов», в которой впервые предлагался метод автоматического поиска доказательства теорем в исчислении предикатов.

В 1966 году В. Ф. Турчиным был разработан язык рекурсивных функций Рефал.

До 1970-х годов в СССР все исследования ИИ велись в рамках кибернетики. По мнению Д. А. Поспелова, науки «информатика» и «кибернетика» были в это время смешаны, по причине ряда академических споров. Только в конце 1970-х в СССР начинают говорить о научном направлении «искусственный интеллект» как разделе информатики. При этом родилась и сама информатика, подчинив себе прародительницу «кибернетику». В конце 1970-х создаётся толковый словарь по искусственному интеллекту, трёхтомный справочник по искусственному интеллекту и энциклопедический словарь по информатике, в котором разделы «Кибернетика» и «Искусственный интеллект» входят наряду с другими разделами в состав информатики.

Термин «информатика» в 1980-е годы получает широкое распространение, а термин «кибернетика» постепенно исчезает из обращения, сохранившись лишь в названиях тех институтов, которые возникли в эпоху «кибернетического бума» конца 1950-х — начала 1960-х годов. Такой взгляд на искусственный интеллект, кибернетику и информатику разделяется не всеми. Это связано с тем, что на Западе границы данных наук несколько отличаются.

Подходы и направления

Единого ответа на вопрос, чем занимается искусственный интеллект, не существует. Почти каждый автор, пишущий книгу об ИИ, отталкивается в ней от какого-либо определения, рассматривая в его свете достижения этой науки.

В философии не решён вопрос о природе и статусе человеческого интеллекта. Нет и точного критерия достижения компьютерами «разумности», хотя на заре искусственного интеллекта был предложен ряд гипотез, например, тест Тьюринга или гипотеза Ньюэлла — Саймона. Поэтому, несмотря на наличие множества подходов как к пониманию задач ИИ, так и созданию интеллектуальных информационных систем, можно выделить два основных подхода к разработке ИИ:

  • нисходящий (англ. Top-Down AI), семиотический — создание экспертных систем, баз знаний и систем логического вывода, имитирующих высокоуровневые психические процессы: мышление, рассуждение, речь, эмоции, творчество и т. д.;
  • восходящий (англ. Bottom-Up AI), биологический — изучение нейронных сетей и эволюционных вычислений, моделирующих интеллектуальное поведение на основе биологических элементов, а также создание соответствующих вычислительных систем, таких как нейрокомпьютер или биокомпьютер.
  • Последний подход, строго говоря, не относится к науке о ИИ в смысле, данном Джоном Маккарти, — их объединяет только общая конечная цель.

Тест Тьюринга и интуитивный подход

Эмпирический тест был предложен Аланом Тьюрингом в статье «Вычислительные машины и разум» (англ. Computing Machinery and Intelligence), опубликованной в 1950 году в философском журнале «Mind». Целью данного теста является определение возможности искусственного мышления, близкого к человеческому.

Стандартная интерпретация этого теста звучит следующим образом: «Человек взаимодействует с одним компьютером и одним человеком. На основании ответов на вопросы он должен определить, с кем он разговаривает: с человеком или компьютерной программой. Задача компьютерной программы — ввести человека в заблуждение, заставив сделать неверный выбор». Все участники теста не видят друг друга.

Самый общий подход предполагает, что ИИ будет способен проявлять поведение, не отличающееся от человеческого, причём в нормальных ситуациях. Эта идея является обобщением подхода теста Тьюринга, который утверждает, что машина станет разумной тогда, когда будет способна поддерживать разговор с обычным человеком, и тот не сможет понять, что говорит с машиной (разговор идёт по переписке).

Писатели-фантасты часто предлагают ещё один подход: ИИ возникнет тогда, когда машина будет способна чувствовать и творить. Так, хозяин Эндрю Мартина из «Двухсотлетнего человека» начинает относиться к нему как к человеку, когда тот создаёт игрушку по собственному проекту. А Дейта из «Звёздного пути», будучи способным к коммуникации и научению, мечтает обрести эмоции и интуицию.

Однако последний подход вряд ли выдерживает критику при более детальном рассмотрении. К примеру, несложно создать механизм, который будет оценивать некоторые параметры внешней или внутренней среды и реагировать на их неблагоприятные значения. Про такую систему можно сказать, что у неё есть чувства («боль» — реакция на срабатывание датчика удара, «голод» — реакция на низкий заряд аккумулятора, и т. п.). А кластеры, создаваемые картами Кохонена, и многие другие продукты «интеллектуальных» систем можно рассматривать как вид творчества.

Символьный подход

Исторически символьный подход был первым в эпоху цифровых машин, так как именно после создания Лисп, первого языка символьных вычислений, у его автора возникла уверенность в возможности практически приступить к реализации этими средствами интеллекта. Символьный подход позволяет оперировать слабоформализованными представлениями и их смыслами.

Успешность и эффективность решения новых задач зависит от умения выделять только существенную информацию, что требует гибкости в методах абстрагирования. Тогда как обычная программа устанавливает один свой способ интерпретации данных, из-за чего её работа и выглядит предвзятой и чисто механической. Интеллектуальную задачу в этом случае решает только человек, аналитик или программист, не умея доверить этого машине. В результате создается единственная модель абстрагирования, система конструктивных сущностей и алгоритмов. А гибкость и универсальность выливается в значительные затраты ресурсов для не типичных задач, то есть система от интеллекта возвращается к грубой силе.

Основная особенность символьных вычислений — создание новых правил в процессе выполнения программы. Тогда как возможности не интеллектуальных систем завершаются как раз перед способностью хотя бы обозначать вновь возникающие трудности. Тем более эти трудности не решаются и наконец компьютер не совершенствует такие способности самостоятельно.

Недостатком символьного подхода является то, что такие открытые возможности воспринимаются не подготовленными людьми как отсутствие инструментов. Эту, скорее культурную проблему, отчасти решает логическое программирование.

Логический подход

Логический подход к созданию систем искусственного интеллекта основан на моделировании рассуждений. Теоретической основой служит логика.

Логический подход может быть проиллюстрирован применением для этих целей языка и системы логического программирования Пролог. Программы, записанные на языке Пролог, представляют наборы фактов и правил логического вывода без жесткого задания алгоритма как последовательности действий, приводящих к необходимому результату.

Агентно-ориентированный подход

Последний подход, развиваемый с начала 1990-х годов, называется агентно-ориентированным подходом, или подходом, основанным на использовании интеллектуальных (рациональных) агентов. Согласно этому подходу, интеллект — это вычислительная часть (грубо говоря, планирование) способности достигать поставленных перед интеллектуальной машиной целей. Сама такая машина будет интеллектуальным агентом, воспринимающим окружающий его мир с помощью датчиков, и способной воздействовать на объекты в окружающей среде с помощью исполнительных механизмов.

Этот подход акцентирует внимание на тех методах и алгоритмах, которые помогут интеллектуальному агенту выживать в окружающей среде при выполнении его задачи. Так, здесь значительно тщательнее изучаются алгоритмы поиска пути и принятия решений.

Гибридный подход

Гибридный подход предполагает, что только синергетическая комбинация нейронных и символьных моделей достигает полного спектра когнитивных и вычислительных возможностей. Например, экспертные правила умозаключений могут генерироваться нейронными сетями, а порождающие правила получают с помощью статистического обучения. Сторонники данного подхода считают, что гибридные информационные системы будут значительно более сильными, чем сумма различных концепций по отдельности.

Современный искусственный интеллект

2 направления развития

Можно выделить два направления развития ИИ:

  • решение проблем, связанных с приближением специализированных систем ИИ к возможностям человека, и их интеграции, которая реализована природой человека (см. Усиление интеллекта);
  • создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества.

Но к 2016 году в области искусственного интеллекта наблюдается вовлечение многих предметных областей, имеющих скорее практическое отношение к ИИ, а не фундаментальное. Многие подходы были опробованы, но к возникновению искусственного разума ни одна исследовательская группа пока так и не подошла.

Известные системы

Ниже представлены лишь некоторые наиболее известные разработки в области ИИ. Некоторые из самых известных ИИ-систем:

Яндекс: Поиск, "Дзен" и "Аудитории"

Компания "Яндекс" уже на протяжении нескольких лет применяет технологии искусственного интеллекта в своих поисковых механизмах. В 2016 году работа ведется над созданием нейронной сети, способной вывести принцип работы поисковика на новый революционный уровень. Традиционный алгоритм поиска основан на сопоставлении содержания запроса с контентом анализируемых страниц. Безусловно, все это делается с некоторыми дополнениями и расширениями – запросы переформулируются, добавляются синонимы, переводятся на другой язык и т.д.

В новом подходе каждому запросу ставится в соответствие некое векторное число, наиболее точно отражающее его смысл. Далее поиск осуществляется по этому числу. При этом запрос и ответ могут не иметь ни одного общего слова. Все, что их будет объединять – это одинаковый смысл содержимого.

Стоит отметить, что в перспективе в векторное число смогут переводится изображения и видео, что, по словам представителей Яндекс, позволит значительно расширить границы «умного» поиска.

В 2016 году "Яндекс" выпустила обновленную версию своего браузера, в котором технологии искусственного интеллекта позволяют персонализировать поиск в соответствии с интересами пользователя. Новый сервис получил название "Дзен".

«Несмотря на многообразие информации в сети, найти для себя что-то по-настоящему интересное не так просто. Дзен решает эту задачу. Во многом он похож на поисковую систему. Только если поиск ищет что-то определенное, то Дзен отвечает на более широкий запрос: что интересно конкретному человеку. Мы уверены, что в будущем все браузеры будут идти по пути персонализации и помогать пользователям выбирать контент», - Виктор Ламбурт, руководитель сервиса Яндекс.Дзен.

Дзэн не только учитывает то, чем традиционно интересуются пользователи, но и анализирует их текущие предпочтения. Например, если человек заинтересуется анатомией, то материалов, связанных с этой темой, в его новостной ленте станет значительно больше. При этом, Дзен не ограничивается лишь любимыми сайтами и предпочтениями пользователя. Пользователю могут предлагаться материалы из совершенно незнакомых источников, если Дзен посчитает, что они могут его заинтересовать.

Достаточно интересным является применение технологий искусственного интеллекта в сервисе "Яндекс.Аудитории". Данный сервис позволяет компаниям найти в Интернете целевых клиентов с целью более эффективного таргетирования рекламных объявлений. Достаточно загрузить в сервис список клиентов с телефонами и/или e-mail адресами, и система, сканируя социальные сети с помощью искусственного интеллекта, находит этих людей в сети Интернет. Далее можно разбить клиентов по целевым группам и персонализировать для них через Яндекс.Директ рекламные объявления. Например, можно ненавязчиво предлагать целевой аудитории новый товар, или в конце концов склонить пользователей к покупке товара, которым они уже интересовались ранее.

Abbyy Compreno

Основная статья: Abbyy Compreno

Одним из главных достижений российской Abbyy является система Compreno, позволяющая анализировать и понимать текст на естественном языке. Над созданием данной системы специалисты компании работали около 10 лет. Стоимость проекта составила более $80 млн.

Findo

Основная статья: Findo.io - умная система поиска по документам, файлам, контактам, почтовым ящикам

В начале 2016 года Давид Ян, основатель компании Abbyy, объявил о запуске в США нового проекта – Findo. Findo является интеллектуальным помощником, которые предназначен для поиска информации в интернете, в облаке и локальных файлах. Уникальной способностью помощника является распознавание естественной речи (правда, пока только на английском языке).

Для поиска могут использоваться достаточно «сложные» запросы. Например, Findo способен работать с запросами, вида: «найди документы, которые я редактировал в прошлую среду», «покажи письмо, которое мне вчера прислали из Москвы» и т.д.

Иностранные системы

  • Deep Blue — победил чемпиона мира по шахматам. Матч Каспаров против суперЭВМ не принёс удовлетворения ни компьютерщикам, ни шахматистам, и система не была признана Каспаровым (подробнее см. Человек против компьютера). Затем линия суперкомпьютеров IBM проявилась в проектах brute force BluGene (молекулярное моделирование) и моделирование системы пирамидальных клеток в швейцарском центре Blue Brain.

  • Watson — перспективная разработка IBM, способная воспринимать человеческую речь и производить вероятностный поиск, с применением большого количества алгоритмов. Для демонстрации работы Watson принял участие в американской игре Jeopardy!, аналога «Своей игры» в России, где системе удалось выиграть в обеих играх.

  • MYCIN — одна из ранних экспертных систем, которая могла диагностировать небольшой набор заболеваний, причем часто так же точно, как и доктора.

  • 20Q — проект, основанный на идеях ИИ, по мотивам классической игры «20 вопросов». Стал очень популярен после появления в Интернете на сайте 20q.net.

  • Распознавание речи. Системы такие как ViaVoice способны обслуживать потребителей.

  • Роботы в ежегодном турнире RoboCup соревнуются в упрощённой форме футбола.

  • Банки применяют системы искусственного интеллекта (СИИ) в страховой деятельности (актуарная математика), при игре на бирже и управлении собственностью. Методы распознавания образов (включая, как более сложные и специализированные, так и нейронные сети) широко используют при оптическом и акустическом распознавании (в том числе текста и речи), медицинской диагностике, спам-фильтрах, в системах ПВО (определение целей), а также для обеспечения ряда других задач национальной безопасности.

Разработчики компьютерных игр применяют ИИ в той или иной степени проработанности. Это образует понятие «Игровой искусственный интеллект». Стандартными задачами ИИ в играх являются нахождение пути в двумерном или трёхмерном пространстве, имитация поведения боевой единицы, расчёт верной экономической стратегии и так далее.

Анализ изображений

В ноябре 2013 года стало известно об очередной попытке в области создания искусственного интеллекта: ученые предоставили компьютеру миллионы изображений и предоставили ему возможность самому проанализировать, что они обозначают. То есть речь идет о попытке создать самообучающуюся систему.

Проект под названием NEIL[1] реализуется Карнеги-Меллон Университетом, что расшифровается как Never Ending Image Learning (дословно – «бесконечное изучение изображений»).

Абхинав Гупта (Abhinav Gupta), слева, и Абхинав Шривастава (Abhinav Shrivastava) осматривают серверный кластер, задействованный в исследовании, в серверной кампуса Карнеги-Меллон Университета в Питтсбурге

В июле 2013 года для обучающегося компьютера была открыта возможность загрузки изображений из интернета в режиме 24 на 7 с тем, чтобы он сам мог выявить и построить взаимосвязи между ними. Таким образом, ученые пытаются заставить заработать искусственный интеллект: систему, способную к самообучению без помощи извне.

Например, компьютер уже смог самостоятельно установить, что зебры обычно обитают в саванне, а тигры это нечто подобное зебрам. Проект спонсируется Google и Министерством обороны США.

VisionLabs Luna

Основная статья: VisionLabs Luna

Платформа распознавания лиц VisionLabs LUNA - флагманский продукт компании VisionLabs. LUNA позволяет в режиме реального времени анализировать колоссальные объемы фото- и видеоданных с целью определения в них лиц людей и сравнения их с многомиллионными базами данных. На базе данной технологии также создан облачный сервис FACE_IS, который может связывать клиентов с предшествующей историей их покупок и помогать выстраивать взаимодействие с брендом. Решения компании являются plug’&’play, по умолчанию имеют интеграцию с большинством баз данных, CRM и BI-систем, и не требуют от пользователей замены оборудования, так как интегрируются в их существующую IT- инфраструктуру.

Компания была основана в 2012 году и является резидентом IT-кластера «Сколково». Компания специализируется на решениях, позволяющих распознавать лица клиентов в самых быстрорастущих сегментах рынка: банковский сектор и ритейл. К 2016 году Массачусетский университет (США) включил VisionLabs в тройку лучших мировых систем в области распознавания лиц для коммерческих целей.

N-Tech Lab

Основная статья: N-Tech Lab

Российская компания N-Tech Lab была основана в 2015 году и занимается распознаванием лиц с помощью нейронных сетей. В декабре 2015 года алгоритм FaceN занял первое место в мировом чемпионате по распознаванию лиц The MegaFace, сумев обойти разработчиков Google. Задание заключалось в том, чтобы выделить в миллионной базе фотографий изображения одних и тех же людей.

По словам представителей компании, разработанный алгоритм позволяет распознавать фотографии даже лучше человека. Помимо традиционных инвариантных признаков (величина глаз, размер губ и т.д.), система находит такие инвариантные признаки, который человеческий глаз выделить не способен.

В феврале 2016 компания запустила новый проект FindFace, который, используя алгоритм FaceN, позволяет находить по фотографии профили пользователей в социальной сети «Вконтакте».

Использование в банках

Основная статья: Искусственный интеллект в банках

Использование в медицине

В августе 2016 года были опубликованы результаты медицинских испытаний, показавшие эффективность работы компьютера при диагностике онкологических заболеваний во время паталогических исследований.

Группа специалистов медицинского центра при Стэнфордском университете (Stanford University Medical Center) взяла более 2000 снимков из Атласа ракового генома (Cancer Genome Atlas) — собрания генетических и клинических материалов, полученных от нескольких тысяч людей с раковыми заболеваниями. Были рассмотрены данные о степени и стадии развития аденокарциномы и плоскоклеточного рака легких.

Искусственный интеллект научился точно и быстро диагностировать рак легких

Исследователи использовали изображения для того, чтобы обучить компьютерную программу выявлять почти 10 тысяч специфических признаков рака, в то время как опытные врачи обычно находят лишь несколько сотен.

Ученые сосредоточились на подмножестве клеточных характеристик, определяемых при помощи программного обеспечения, которое способно отличать опухолевые клетки из окружающих нераковых тканей, выявлять подтип рака и прогнозировать выживаемость больного после постановки диагноза. Алгоритм машинного обучения учитывает не только размеры и формы клеток, но и такие параметры, как форма и текстура ядер, а также пространственная упорядоченность соседних раковых клеток.

Компьютеру удалось находить мельчайшие различия между тысячами образцов в несколько раз точнее и быстрее по сравнению с человеком. Технология позволила различать аденокарциному и плоскоклеточный рак легких, что тяжело сделать даже опытному доктору.

Патологическая анатомия является весьма субъективной дисциплиной, говорит Майкл Снайдер (Michael Snyder), профессор и руководитель генетических исследований в Стэнфордском университете. По его словам, два высококвалифицированных специалиста в этой области приходят к одинаковым результатам при исследовании одной и той же пробы лишь в 60% случаев. Компьютерная программа заменяет субъективность количественными измерениями, что позволяет улучшить результаты лечения пациентов, отметил Снайдер.[2]

Использование в транспорте

Подробнее: Автопилот (беспилотный автомобиль)

Управление истребителями

В июле 2016 года стало известно, что искусственный интеллект для управления истребителями ALPHA одержал уверенную победу над бывшим летчиком-асом американской армии в виртуальном воздушном бою, сообщало агентство ТАСС со ссылкой на японское издание Sankei Shimbun.

Искусственный интеллект ALPHA – совместная разработка Университета Цинциннати, промышленности и Военно-воздушных сил (ВВС) США. Программа создана специально, чтобы превзойти профессиональных летчиков-истребителей в виртуальном поединке.

Одним из них стал опытный пилот-инструктор, отставной полковник ВВС США Джин Ли. Он окончил Школу по отработке боевого применения истребителей[3].

Во время виртуального боя, проходившего в крупном развлекательном центре, летчик не смог сделать ни одного удачного выстрела, поскольку интеллект ALPHA каждый раз делал это быстрее и точнее. ALPHA побеждал Ли, даже когда его «пересадили» на менее скоростной и маневренный самолет. Программа быстро переходила из атаки в оборону.

После поединка летчик признался, что из тех искусственных интеллектов, что он видел, ALPHA демонстрирует самую быструю реакцию, мощность и надежность.

В одном из виртуальных боев против ALPHA сражались два пилота на двух истребителях. Искусственный интеллект победил, одновременно управляя четырьмя самолетами. При этом для управления ALPHA использовался компьютер стоимостью всего $35.

Распознавание объектов на спутниковых снимках

В августе 2016 года было объявлено, что компании Amazon, Nvidia, DigitalGlobe и специальное подразделение ЦРУ CosmiQ Works начали разработку искусственного интеллекта, который сможет распознавать объекты на спутниковых снимках (подробнее: SpaceNet).

Журналистика и литература

На 2016 год одной из наиболее перспективных областей для развития творческих навыков у искусственного интеллекта считается литература. При этом сама идея автоматического написания текстов с помощью машин не нова. Так, еще в 2014 году компания Associated Press объявила, что отныне большая часть новостей, связанных с доходами компаний, будут создаваться с помощью роботов.

«На протяжении долгих лет у нас уходило много времени, чтобы разобраться с цифрами о доходах компаний при подготовке статей. Однако платформа Wordsmith от компании Automated Insights позволила нам не только автоматизировать этот процесс, но и значительно увеличить производительность», - рассказал шеф-редактор Associated Press Лу Феррара.

Применение автоматизированных технологий позволило Associated Press увеличить число ежеквартальных новостей о доходах компаний с 300 до 4400. Позднее аналогичным сервисом воспользовался новостной портал Yahoo News. В 2016 году роботы-репортеры Associated Press несколько расширили свою тематику. Им стали доверять небольшие новостные заметки, связанные с Малой бейсбольной лигой США.

Использует роботов-журналистов и журнал Forbes, для которого компания Narrative Science создала соответствующую специализированную платформу. В ноябре 2015 года аналогичное направление разработок открыла российская компания Яндекс. Пока искусственный интеллект Яндекса выпускает лишь короткие заметки о погоде и ситуации на дорогах, однако в дальнейшем представители компании обещают расширить список тематик для публикаций.

Очевидно, идея использования роботов в журналистике постепенно набирает обороты. Статьи, написанные искусственным интеллектом, пока очень простые, однако соучредитель компании Narrative Science Кристиан Хэммонд верит в большие перспективы данного направления, полагая, что к 2025 году 90% всех текстов в мире будет писаться именно искусственным интеллектом. Предположение, безусловно смелое, однако некоторые эксперты с этим отчасти согласны.

«В будущем роботы журналисты вполне смогут быть конкурентоспособны на рынке труда, особенно по части создания простых новостных заметок. При этом они могут обладать рядом преимуществ: в машину можно заложить четко структурированный алгоритм, по которому будет писаться текст, например, какую информацию помещать в начало, какую – в середину, а какую – в конец. Это позволит повысить читабельность новостных заметок. Зачастую журналисты забывают об этом правиле, предоставляя всю актуальную информацию уже на первых строчках текста», - гендиректор «Комсомольской правды» Владимир Сунгоркин.

Все же большинство экспертов абсолютно уверены в неспособности искусственного интеллекта полностью заменить человека в такой сложной задаче, как написание интересных статей.

«Заменить человека полностью машина вряд ли сможет. Роботы не способны почувствовать интересную историю – они лишь способны отвечать на поставленные вопросы», - исполнительный директор Службы финансово-экономической информации «Интерфакса» Юрий Погорелый.

Однако несмотря на столь значительный скептицизм, практика показывает, что перспективы искусственного интеллекта все же не так туманны. Весной 2016 года книга «День, когда компьютер напишет роман», созданная искусственным интеллектом, смогла выйти в финал литературной премии имени Хоси Синъити. Да, произведение не смогло в конце завоевать главный приз, однако сам факт того, что оно прошло четыре этапа отбора, говорит о многом.

Премия Хоси Синъити прежде всего известна тем, что в ней на конкурс можно выставить произведения, написанные машиной. В 2016 году, из 1450 книг около 11 были написаны искусственным интеллектом, однако в финал смогла пройти лишь одна. При этом жюри не было проинформировано, что рассматривает книгу, написанную ИИ.

«Меня удивила работа искусственного интеллекта, поскольку перед нами лежит действительно хорошо структурированный роман. Однако у него все же есть ряд проблем, которые не позволили ему выиграть главный приз. Например, не до конца раскрыты персонажи. Над решением подобной проблемы разработчиками еще предстоит провести ряд исследований», - заявил на пресс-конференции конкурса писатель-фантаст Хасэ Сатоси.

Разработчики из Университета будущего Хакодате, где был создан роман, до сих пор еще не раскрыли алгоритм работы искусственного интеллекта. Известно лишь, что для написания произведения были изначально заданы детали сюжета, характеристики героев и используемые слова и фразы.

Не так давно специалисты Яндекс и Google проводили активные исследования, направленные на обучение машины поэзии. Сервис «Яндекс.Автопоэт», который был создан в декабре 2013 года, уже на протяжении нескольких лет составляет стихотворные строки на основе запросов пользователей и новостных заголовков. Для этих целей робота специально научили определять стихотворные размеры и рифмовать строчки между собой. Ознакомиться с полным списком произведений Автопоэта можно здесь. Один из примеров его стихотворений (орфография и пунктуация сохранены):

Эхо самарской полиции,
евро теряет позиции,
Курску грозит затопление,
доллар продолжил падение



Пока приобщить это к произведению искусства можно с большой натяжкой. Не блещут результатами в этом вопросе и специалисты Google. В мае 2016 года искусственный интеллект, проанализировав 11 тысяч неизданных книг, начал писать свои первые литературные произведения. Однако пока они достаточно мрачноваты:

Он надолго замолчал.
Он смолк на мгновение.
На секунду стало тихо.
Было темно и холодно.
Возникла пауза.
Теперь мой черед.



Музыка

Ученые стараются изучить возможности искусственного интеллекта во всех сферах творческой деятельности человека. В мае 2016 года компания Google даже запустила специальный проект Magenta, основная задача которого заключается в изучении креативных возможностей нейронной сети. Ученые планируют осваивать премудрости творческого процесса постепенно: сначала будет разработан алгоритм для создания музыкальных произведений. Затем настанет очередь видео и изобразительного искусства. Данные о результатах работы планируется размещать в открытом доступе на GitHub.

«Есть несколько причин, по которым я захотел сформировать Magenta, и одна из них заключалась в желании увидеть полноценные, честные и удивительные улучшения в искусстве глубинного обучения», - говорит руководитель проекта Дуглас Экк[4].

Буквально через пару недель после открытия Magneta, была запущена программа по импорту музыкальных файлов MIDI-формата в систему TensorFlow с целью обучить искусственный интеллект созданию музыки. Однако пока результаты работы программы не столь удачны (хотя справедливости ради нужно сказать, что прошло еще не так много времени). Ознакомиться с музыкальным произведением искусственного интеллекта Magneta можно из следующего видео.

Живопись

В 2015 году команда Google тестировала нейронные сети на предмет возможности самостоятельно создавать изображения. Тогда искусственный интеллект обучали на примере большого количества различных картинок. Однако, когда машину «попросили» самостоятельно что-нибудь изобразить, то оказалось, что она интерпретирует окружающий нас мир несколько странно. Например, на задачу нарисовать гантели, разработчики получили изображение, в котором металл был соединён человеческими руками. Вероятно, произошло это из-за того, что на этапе обучения анализируемые картинки с гантелями содержали руки, и нейронная сеть неверно это интерпретировала.

26 февраля 2016 года в Сан-Франциско на специальном аукционе представители Google выручили с психоделических картин, написанных искусственным интеллектом, порядка $98 тыс. Данные средства были пожертвованы на благотворительность. Одна из наиболее удачных картин машины представлена ниже.

Image:Картина_написанная_роботом_Google_2015.jpg

Картина, написанная искусственным интеллектом Google. Источник: factroom.ru

В начале 2016 года с помощью подобной технологии была написана картина «Следующий Рембрандт». Исследователи проекта Next Rembrandt в ходе своей работы проанализировали порядка 350 картин великого художника, используя 3D-сканеры, которые позволили нейронной сети уловить даже мельчайшие детали работ и копировать стиль написания всех произведений.

На втором этапе учёные определили, что конкретно нейронная сеть должна написать самостоятельно. Для этого выбрали мужчину 30-40 лет, имеющего растительность на лице, воротник и шляпу.

Image:Следующий_Рембрант_2015.jpg

Портрет "Следующий Рембрандт"

Полученные результаты оставляют двоякое ощущение. С одной стороны, все мы видим, что перед нами работа машины. С другой – если мы поставим рядом несколько полотен Рембрандта, то мало кто сможет отличить именно этот портрет.

Игры

  • В 2016 году компьютер впервые обыграл человека в го[5].

  • В 2017-м под угрозой оказался покер — специалисты из Университета Карнеги — Меллон создали бота, который бросил вызов профессиональным игрокам.

Покер — игра, в которую очень сложно обучить играть компьютер: хороший игрок быстро распознает стратегии, заложенные в искусственный интеллект, и находит способ победить бота. Особенно сложно компьютеру приходится, если ставки за покерным столом нелимитированы, то есть игрок может ставить в свой ход неограниченное количество фишек.

Тем не менее, покерные боты — очень популярное направление развития игры. Есть два типа покерных ботов. Одни довольно просты и сражаются с людьми в игре с маленькими ставками — в ней уровень покера очень низок, и люди не могут разгадать даже простейшие стратегии. Такие боты не очень интересны науке и служат для зарабатывания денег — покерные сайты, как правило, пытаются с ними бороться.

Второй тип — боты, которые соревнуются с профессионалами. Они нужны не только и не столько для зарабатывания денег, сколько для продвижения науки. Тема «игр с неполной информацией» сейчас одна из самых популярных в экономической науке — неслучайно Ллойд Шепли и Элвин Рот получили в 2012 году Нобелевскую премию по экономике именно за теорию стабильного распределения, которая связана как раз с «теорией игр». Если компьютер стабильно научится лучше человека играть в игры с неполной информацией, возможно, нам больше не придется торговаться и мучаться вопросом о том, не прогадали ли мы, покупая новый автомобиль с нужными нам характеристиками именно за эту цену — потому что решать за нас это будет приложение в смартфоне[6].

Смотрите также

  1. http://rtw.ml.cmu.edu/rtw/
  2. Computers beat humans in lung cancer pathology study
  3. Искусственный интеллект для управления истребителями ALPHA
  4. Искусственный интеллект. Испытание творчеством
  5. Го-про Искусственный интеллект впервые одолел профессионального игрока в го: Wired Игра го была придумана более двух с половиной тысяч лет назад и до сих пор это одна из самых популярных игр в мире — по ней регулярно проводятся чемпионаты. На первый взгляд она очень простая: есть поле из клеток и камни — черные и белые. Игроки должны захватить своими камнями как можно большую площадь на доске. Тем не менее, именно эта игра многие годы была неподвластна компьютеру. До недавнего времени искусственный интеллект не мог обыгрывать игроков высокого уровня — магистров.
  6. Компьютер против человека. На этот раз в покер Искусственный интеллект пытается обыграть четырех профессиональных игроков


TAdviser рекомендует

22 января, Вс.

На нашем сайте вы можете прочитать не только о системе Искусственный интеллект (ИИ, Artificial intelligence, AI) , изучить описание характеристик, шаблонов установки, инструкции настройки, руководство и документацию пользователя и администратора, примеры внедрений, стоимость лицензий, отзывы, бесплатно скачать драйвера, узнать о возможности обучения, но также и о других системах.
Бета
Лидеры по внедрениям ИТ в корпоративном секторе

Добавить: