22 мая, 2022
Искусственный интеллект

Искусственный интеллект (ИИ)

Искусственный интеллект это отрасль компьютерной науки, которая сосредоточена на способности машины вырабатывать рациональное поведение на основе внешних входных данных.

Что такое искусственный интеллект (ИИ)?

Искусственный интеллект (ИИ) — это широкая отрасль компьютерной науки, изучающая способность машины к рациональному поведению на основе внешних данных. Целью ИИ является создание систем, способных выполнять задачи, для которых в противном случае потребовался бы человеческий интеллект. ИИ проявляется в повседневной жизни в виртуальных помощниках, технологии поискового прогнозирования и даже в службах доставки.

Резюме

  • Искусственный интеллект (ИИ) направлен на разработку машин, способных выполнять то, что может человек в плане рассуждений.
  • Четыре типа искусственного интеллекта — это реактивные машины, ограниченная память, теория разума и самосознание.
  • В настоящее время искусственный интеллект оказывает значительное влияние на производительность, занятость и конкурентное поведение.

Виды искусственного интеллекта

1. Реактивные машины

Реактивные машины воспринимают текущую внешнюю информацию и планируют соответствующие действия. Машины выполняют специализированные обязанности и понимают только текущую задачу. Поведение машин является последовательным, учитывая повторяющуюся ситуацию. В 1990-х годах компания IBM разработала реактивную машину под названием Deep Blue для игры в соревновательные шахматы, которая предсказывала шахматные ходы, определяя расположение каждой фигуры на доске.

2. Ограниченная память

Машины с ограниченной памятью могут использовать последние наблюдения для принятия обоснованных решений. Машины рассматривают данные наблюдений в соответствии со своей запрограммированной концептуальной схемой. Данные наблюдений сохраняются в течение ограниченного периода времени, а затем забываются.

3. Теория разума

Машины с теорией разума могут формировать мысли и принимать решения в зависимости от эмоционального контекста. Таким образом, они могут участвовать в социальном взаимодействии. Машины все еще находятся на стадии разработки, однако многие из них демонстрируют аспекты человекоподобных способностей. Например, можно рассмотреть приложения голосовых помощников, которые могут понимать основные речевые подсказки и команды, но не могут вести разговор.

4. Самосознание

Машины, обладающие самосознанием, демонстрируют разумное поведение посредством идей, формирования желаний и понимания своих внутренних состояний. В 1950 году Алан Тьюринг разработал тест Тьюринга для определения машин, которые могут вести себя неотличимо от человека.

Растущая актуальность искусственного интеллекта

Растущая популярность искусственного интеллекта в 21 веке во многом обусловлена достижениями в такой под-области, как машинное обучение. Машинное обучение разрабатывает системы, которые улучшают сами себя, что достигается путем определения алгоритмов. Некоторые процессы, которые оптимизирует машинное обучение, включают автоматизацию делопроизводства, судебную бухгалтерию и алгоритмическую торговлю.

Как достигается машинное обучение?

Самый простой способ понять, как машина становится умной с помощью ИИ, — сравнить это с тем, как человек учится. Например, рассмотрим ребенка, который учится ездить на велосипеде. Ребенок садится на велосипед, берется за руль и надеется удержаться в вертикальном положении и контролировать ситуацию. Ребенок учится ездить на велосипеде не путем понимания физики езды, а методом проб и ошибок.

Со временем ребенок начинает инстинктивно воспринимать факторы, из-за которых он может потерять контроль над велосипедом. Подобно тому, как ребенок учится неписаным правилам езды на велосипеде путем практики, искусственный интеллект развивается путем многократного моделирования.

1. Контролируемое обучение

Обучение под наблюдением — наиболее распространенный метод обучения в области искусственного интеллекта. Машина пытается вывести функцию, учитывая маркированные наборы пар входных и выходных данных. При работе с числовым набором данных используется регрессия. При работе с категориальными переменными предпочтительным методом является классификация. Если модель дает неверный ответ, ее можно скорректировать, чтобы получить более точные результаты.

2. Обучение без наблюдения

Неподконтрольное обучение предполагает преобразование машиной данных в полезную информацию. Общие методы включают кластеризацию и ассоциацию. Кластеризация объединяет похожие переменные, а ассоциация выявляет корреляцию между переменными. Добыча данных использует кластеризацию и ассоциации для фильтрации больших массивов данных. Процесс преобразования больших массивов данных в значимую информацию можно оптимизировать с помощью обучения без надзора.

3. Обучение с усилением

При обучении с подкреплением машина автономно реагирует на внешние стимулы и обуславливается с помощью периодических поощрений и наказаний. Цель метода обучения с подкреплением — создать машину, способную действовать рационально самостоятельно.

Крупный инвестиционный банк J.P Morgan в настоящее время использует алгоритмы обучения с подкреплением для размещения сделок. Это достигается за счет программирования, которое соответственно награждает или наказывает алгоритм в зависимости от принятого решения.

Будущее влияние искусственного интеллекта

Быстрый прогресс в области искусственного интеллекта окажет глубокое влияние на производительность, занятость и конкуренцию. Однако будущая интеграция искусственного интеллекта в общество является спорным вопросом.

Влияние на производительность

Повышение экономической производительности ведет к повышению удовлетворенности клиентов и росту прибыльности компаний. В авиационной отрасли ИИ будет способствовать повышению удовлетворенности клиентов благодаря точному расписанию и более безопасным полетам. Предприятия, использующие ИИ, могут улучшить свое ценностное предложение для клиентов и одновременно повысить рентабельность.

Например, авиакомпания Delta Airlines использует машинное обучение, чтобы обеспечить своим клиентам превосходный опыт полетов. Delta анализирует большие данные, чтобы узнать о положении самолетов, погодных условиях и диагностике воздушных судов. Затем определяются гипотетические исходы и их вероятности. Затем авиакомпания оптимизирует расписание полетов с учетом возможных исходов.

Влияние на занятость

Быстрое развитие сферы искусственного интеллекта приведет к появлению большего количества высокооплачиваемых рабочих мест, что, в свою очередь, потребует большего количества высокообразованных сотрудников. Наибольшая критика искусственного интеллекта заключается в том, что он автоматизирует низкоквалифицированные рабочие места и увеличит уровень безработицы среди менее образованных людей.

Кроме того, низкоквалифицированные работники, скорее всего, будут относиться к меньшинствам из-за систематической дискриминации. Поэтому утверждается, что искусственный интеллект может усилить систематическую дискриминационную практику.

Влияние на конкуренцию

Компании, пытающиеся добиться конкурентного преимущества, могут использовать ИИ для оптимизации своего бизнеса. В настоящее время ИИ внедряют в свой бизнес только новаторы и несколько компаний, взявших его на вооружение на ранних этапах. Как только экономическая выгода от интеграции ИИ перевесит затраты на НИОКР и интеграцию, все больше компаний начнут внедрять новую технологию.

Предположим, производитель игрушек решил использовать машинное обучение для дальнейшей оптимизации цепочки поставок. Производитель может воспользоваться снижением себестоимости проданных товаров и предложить игрушки по более низкой цене, чтобы захватить долю рынка. Это демонстрирует, как ИИ может усилить конкурентное поведение на рынке.

Дополнительные ресурсы:

Портал Finansistem поможет каждому стать финансовым аналитиком мирового класса. Для того чтобы помочь вам стать финансовым аналитиком мирового класса и продвинуться по карьерной лестнице в полной мере, эти дополнительные ресурсы будут очень полезны: