Заметка номер 4. Cogito ergo sum | Автограф
722-004

Заметка номер 4. Cogito ergo sum

Всем привет! Мы начинаем новый цикл заметок. А это значит, что следующие несколько выпусков Цифрового мира будут посвящены новой теме. Тема эта достаточна широка и имеет множество аспектов, от углубленно теоретических, до материально прикладных. ДА, говорить мы будем про Искусственный интеллект.  Попытаемся понять, что это, насколько он возможен, и какими могут быть последствия его применения.

Будем придерживаться стандартного плана. Сперва разберём историю, а потом углубимся в практическую часть.

Итак, искусственный интеллект (ИИ), что же это такое? Википедия определяет это понятие так: «свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека». Давайте сразу договоримся, что не будем затрагивать философскую составляющую, иначе заметки станут еще реже, а понимания материала изложенного в них будет стремиться к нулю.

Итак, когда же человек начал осознавать, что машина должна не только что-то подсчитывать и производить аналитику на основании известного уравнения? А началось все со статьи Алана Тьюринга в 1950 году (хотя, конечно же, намного раньше). Статья называлась «Может ли машина мыслить?» в ней описывался небезызвестный «Тест Тьюринга», который, по сути, должен определять, какого уровня интеллект у машины. Тест Тьюринга и в наши дни является одним из основных мерил того, умеет ли машина мыслить. Он был придуман по аналогии с игрой для вечеринок «Imitation game» — имитационная игра – в которой мужчина и женщина направляются в разные комнаты, а гости пытаются различить их, задавая им серию письменных вопросов и читая напечатанные на машинке ответы. По правилам игры и мужчина, и женщина пытаются убедить гостей, что все наоборот. Тьюринг предлагает переделать игру следующим образом: «Теперь зададим вопрос, что случится, если в этой игре роль будет исполнять машина? Будет ли задающий вопросы ошибаться так же часто, как если бы он играл с мужчиной и женщиной? Эти вопросы заменяют собой исходный «Может ли машина думать?».

В том же докладе Тьюринг позднее предлагает «эквивалентную» альтернативную формулировку, включающую судью, который беседует только с компьютером и человеком. Наряду с тем, что ни одна из этих формулировок точно не соответствует той версии теста Тьюринга, которая наиболее известна сегодня, в 1952 учёный предложил третью. В ней жюри задает вопросы компьютеру, роль которого состоит в том, чтобы заставить значительную часть членов жюри поверить, что он на самом деле человек.

Модели и методы исследования ИИ

Обработка естественных языков

Одним из важных направлений является обработка естественного языка, в рамках которого проводится анализ возможностей понимания, обработки и генерации текстов на «человеческом» языке. В рамках этого направления основной целью является создание ИИ, который был бы в состоянии на основании входных данных самообучаться и строить логически связанные предложения. Некоторые прямые применения обработки естественного языка включают поиск и машинный перевод.

Инженерия знаний

Направление инженерия знаний объединяет задачи получения знаний из простой информации, их систематизации и использования. Это направление исторически связано с созданием экспертных систем – программ, которые на основе базы данных по определенному направлению человеческой деятельности могут выступать в роли советчиков и решать поставленные перед ними задачи.

Производство знаний из данных – одна из базовых проблем интеллектуального анализа данных. Существуют различные подходы к решению этой проблемы, в том числе на основе нейросетевой технологии, использующей процедуры вербализации нейронных сетей. Об этом мы еще поговорим в следующей заметке.

Машинное обучение

Основной проблемой, решаемой в данном методе, является процесс самостоятельного получения знаний ИИ в процессе его работы.

В рамках этой проблематики поднимаются такие проблемы как обучение без учителя, обучение с учителем, классификация.

Как это работает. В основе всех представленных задач есть входной вектор данных, т.е. набор образов, на основании которых ИИ корректируется и развивается. Процесс обучения выглядит следующим образом: при получении верного ответа система вознаграждается, а за неверный – наказывается. Вознаграждение и наказание происходят посредством корректировки параметров системы, об этом мы тоже еще поговорим.

К области машинного обучения относится большой класс задач на распознавание образов. Например, распознавание символов, рукописного текста, речи, анализ текстов.

Как не сложно догадаться, ИИ тесно связан с робототехникой.

Одна из задач применения и развития ИИ связана с компьютерным зрением. Это технология, позволяющая на основе специальных алгоритмов и видеокамер (а также радиолокационных и многих других систем, которые позволяют получать информацию из внешней среды) воспринимать окружающий мир и строить выводы на основании полученных данных. Одной из важнейших сфер применения компьютерного зрения в связи с ИИ, является визуальный контроль качества. Рассмотрим это на примере одной из разработок нашей команды FunnyTux dev Team, системы под названием «ANNA». О том, что это за система, и как она функционирует, расскажет ее основной разработчик Федор Андреев: «Компьютерное зрение, основанное на нейронных сетях, позволяет распознавать и классифицировать объекты с низким показателем ошибки, следовательно, их можно использовать в различных прикладных областях. Одной из таких прикладных областей является тестирование печатных плат. На данный момент уже существует метод оптического контроля плат (AOI — automatic optical inspection, AXI — Automated X-ray inspection). В этом методе два различных подхода к осуществлению контроля. Первый основан на использовании «Золотой печатной платы», берется эталонная плата, на которой отсутствуют дефекты, и на тестируемой плате все параметры и элементы сравниваются с эталоном. Однако для лучшего детектирования дефектов рекомендуется использовать несколько исходников одной печатной платы, а также менять условия проверки. Второй строится на использовании алгоритмического подхода, суть которого в том, что все параметры эталонной печатной платы заранее известны, и они поступают в систему оптического контроля. Данный способ предполагает отсутствие эталонной печатной платы и наличие только сведений о ней. При тестировании оптическим контролем необходима эталонная печатная плата. Идея использования компьютерного зрения позволяет убрать данное требование. Суть проекта «ANNA» заключается в создании ИИ, который на основании изложенного подхода сможет выполнять детектирование дефектов в электронике еще на этапе производства».

Сфера использования ИИ настолько обширна, что кроме решения прикладных задач, связанных с помощью человеку в его повседневных делах, ИИ нередко используется и для создания искусства — вот некоторые примеры:

Картины, созданные ИИ 

Стихи, написанные ИИ 

И еще раз картины

На сегодня все! Думаю, в течение цикла заметок у меня получится специально для вас сложить такой непростой пазл, как ИИ в понятную и красивую картинку! Да прибудет с вами root!

Комментариев нет.

Оставить комментарий