Являются ли эти ингредиенты будущим человеческого успеха?

Автономные или беспилотные автомобили сейчас являются горячей темой на сцене искусственного интеллекта. Google, Volvo, Tesla, Uber ... это лишь некоторые из громких имен в гонке, доказывающей, что беспилотные или автономные транспортные средства лучше и, возможно, даже безопаснее, чем транспортные средства, управляемые людьми.

Недавно я был на семейном мероприятии, и двое гостей болтали о компоненте искусственного интеллекта (AI) беспилотных или автономных транспортных средств и, в частности, о том, что эти транспортные средства в настоящее время не могут обнаруживать движение человека на высокой скорости. Один из них привел пример, когда ребенок вышел на дорогу, когда автомобиль приближался на высокой скорости. Возникли споры о ширине полос на дороге (вокруг автомобиля) и их влиянии на оценку беспилотных / автономных транспортных средств. Обсуждение расширилось, чтобы включить концепции «человеческого мышления» и «человеческой мыслительной обработки» по сравнению с концепцией машин / ИИ, и параллельно, будут ли машины / ИИ делать те же «суждения», что и люди, и если машины / ИИ в настоящее время не могут этого сделать, тогда когда.

Один из них сказал: «ИИ никогда не сможет« думать », как мы, люди, и на самом деле эти транспортные средства вовсе не« искусственный интеллект », а всего лишь алгоритмы, компьютерное программирование, и именно поэтому транспортные средства не могут адаптироваться, они требуют программирования». .

Другой гость предположил, что ИИ может учиться и адаптироваться от одного насыщения к другому, тем самым научившись со временем лучше справляться с ситуацией. Другой поправил их, заявив, что это невозможно. «ИИ никоим образом не сравним с человеческим разумом, он не может учиться, ИИ - это просто алгоритм, созданный человеком», - сказал он.

Я спросил обоих, смотрели ли они фильм Ex Machina (2015)? Этот фильм отражает самую суть дискуссии, в ходе которой молодой программист выбирается для участия в новаторском эксперименте в области синтетического интеллекта, оценивая человеческие качества потрясающего гуманоида ИИ. и фильм открывает воображение зрителя мощью возможностей машинного обучения (Ex Machina - любезно предоставлено IMDb рецензия на фильм).

Между этими двумя людьми возникла некоторая путаница из-за отсутствия глубокого понимания темы.

Искусственный интеллект, боты и чат-боты и, в свою очередь, через них Интернет вещей (IoT), постепенно начинают внедряться в нашу повседневную жизнь, принимая на себя полную ответственность за нашу жизнь (как в случае с беспилотными автомобилями), а в некоторых случаях - непосредственно. прослушивание или наблюдение за каждым нашим шагом, например: дома, с помощью Amazon Echo (включая Amazon Alexa, PA домашней автоматизации) или в вашем телефоне, с помощью Google Assistant или Siri… (и этот список можно продолжить).

Википедия всегда является хорошим индикатором мнения сообщества о значении вещей (хотя она пытается быть правдой, это не всегда фактическая правда). Итак, из любопытства я погуглил без водителя. Википедия появилась, как обычно, но было невероятно видеть, что последнее обновление определения автономных транспортных средств (также называемых беспилотными транспортными средствами) в Википедии произошло 28 февраля 2017 года. Это означает, что определения, как их определяет общество (в этой области), являются буквально развивается по мере того, как я печатаю.

Именно тогда я понял, что необходимо расширить некоторые фундаментальные концепции, ключевые ингредиенты ИИ и основные различия между ними:

ИИ, машинное обучение, НЛП и глубокое обучение

Искусственный интеллект

Согласно словарю Мерриама-Вебстера, искусственный интеллект определяется как:

1: раздел информатики, связанный с моделированием интеллектуального поведения компьютеров.

2: способность машины имитировать разумное поведение человека.

Оксфордский словарь определяет ИИ как:

«Теория и разработка компьютерных систем, способных выполнять задачи, обычно требующие человеческого интеллекта, такие как визуальное восприятие, распознавание речи, принятие решений и перевод между языками».

На мой взгляд, искусственный интеллект постоянно исследуется, поэтому «теории» больше нет. Как следует из простоты определения 2 Мерриам-Вебстера, ИИ больше не является просто теорией. Машины теперь способны имитировать разумное человеческое поведение. Естественно, подражая своим создателям, нынешний ИИ создан для развития. В конечном счете, человек стремится дать компьютерам возможность подходить к рассуждению (к решению проблем) и побеждать все в жизни, как и мы, люди.

Версия за версией ИИ продолжает развиваться все время, и этот процесс является повторяющимся и строится на улучшении, извлечении уроков из прошлых ошибок, по одной модели за раз. Учиться, строить, учиться, расти, и так цикл продолжается, точно так же, как ребенок становится ребенком, который становится взрослым.

Чтобы сделать концепцию ИИ как можно более простой, мы можем изучить основные компоненты, которые входят в создание ИИ. Другими словами, как ИИ превратится из набора технологических вещей в работу за нас?

Я экспериментирую и создаю ботов и чат-ботов. Если вы пропустили мои предыдущие статьи, можете догнать здесь . В контексте ботов и чат-ботов и для целей этой статьи я воспользуюсь базовой схемой ниже, чтобы концептуально объяснить компоненты.

Слева направо на диаграмме изображен бот-мессенджер Facebook или, так же просто, автономный бот для создания приложений, размещенный на главной странице веб-сайта и с целью связи с клиентами в рамках службы поддержки клиентов и опыта обслуживания клиентов, подобного AI, или ответ на запросы клиентов. В центре находятся НЛП и глубокое обучение, а справа и ниже разъемы и хранилище, позволяющие боту получить доступ к хранилищу всей необходимой информации и использовать ее для обучения и развития.

Машинное обучение

Откуда берется интеллект (обработка мысли) ботов (или ИИ), как машина учится? Человек программирует это в архитектуре в виде огромного набора алгоритмов для итеративной автоматизации процесса обучения. Компьютер использует алгоритмы для оценки предпринятых действий и принятых решений, а также их влияния с течением времени, и, в свою очередь, в то же время машина учится.

В Википедии о машинном обучении говорится следующее: «Машинное обучение - это область информатики, которая возникла из изучения распознавания образов и вычислительной теории обучения в искусственном интеллекте. В 1959 году Артур Сэмюэл определил машинное обучение как «область обучения, которая дает компьютерам возможность учиться без явного программирования».

Итак, если машины способны к обучению, и мы программируем их так, чтобы они «думали» и отвечали, возникает вопрос: как они могут научиться интерпретировать естественный язык и множество человеческих существ, разные языки и сленг, на котором мы, люди, говорим? по всему миру? Вдобавок, как они могут понять, завязать разговор и вернуть «человеческое» в разговор на человеческом языке (а не на алгоритмической неразберихе), как это делают люди? Вот тут-то и приходит на помощь НЛП.

НЛП - обработка естественного языка

НЛП - обработка естественного языка - это компонент, который устраняет разрыв между человеческим разговором и компьютерным программированием понимания (независимо от того, какой человек говорит, на каком языке говорят и как, возможно, грамматически, они говорят ). Компонент НЛП позволяет компьютеру интерпретировать обширный и сложный человеческий язык, понимать, что говорится, обрабатывать все это, отражать то, что от него требуется, и эффективно «отвечать», в равной степени, как это делают люди. В ходе этого процесса машина должна понимать весь используемый жаргон и развиваться или адаптироваться со способностью отвечать не как компьютер, а как человекоподобный компьютер. НЛП развиваются исключительными темпами, и именно эту человеческую и естественную поведенческую часть опыта выполняет НЛП.

Глубокое обучение

Глубокое обучение - это более глубокий уровень и подмножество машинного обучения, при котором машина использует большие объемы данных и очень сложные алгоритмы для «обучения» и имитации принятия решений, подобных человеческим. Область обучения в рамках ИИ находится в процессе массового развития и роста, в настоящее время используется термин глубокое обучение.

Глубокое обучение - это более глубокая часть мозга ИИ и проводник к НЛП, позволяющий машине учиться на всем и улучшать себя в следующий раз, как это сделали бы люди.

Например, если вы возьмете свой обычный iPhone и спросите Сири, счастлива ли она, она ответит: «Я счастлива, надеюсь, вы тоже ...». Если вы спросите ее, почему или что делает ее счастливой, ее ответы будут бессмысленными - она ​​не способна на адекватный человеческий ответ. Я считаю, что Siri еще не построена с возможностью глубокого обучения, но я верю, что iPhone и AI-часть iPhone будущего будут использовать все наши голосовые взаимодействия (в течение жизни телефона) и могут и будут оценивать и анализировать все разговоры и поведение (проявляющиеся в наших действиях и словах), изучать наше настроение и чувства (выраженные в нашей речи) и, в свою очередь, могут ответить, почему они были счастливы и что могло сделать их счастливыми (точно так же, как ребенок учится счастью от слушая смех). Другими словами, компьютер может использовать алгоритмы, которые мы предоставляем, смешанные с нашими ответами, чтобы узнать, «как» человек ведет себя и как он реагирует, и имитировать это, все само по себе и так, как ожидается от идеальной машины искусственного интеллекта. В этом суть глубокого обучения.

В настоящее время на рынке есть два хорошо известных продукта, лидирующих в области возможностей глубокого обучения: Microsoft LUIS и IBM Watson (и, без сомнения, многие другие разрабатываются по мере того, как я печатаю).

Хороший пример, демонстрирующий, что представляют собой совместная работа НЛП и глубокого обучения, был очень удачно представлен директором по стратегии продуктов, поставщиком решений для розничной торговли в IBM, относительно Уотсона:

«Когда люди спрашивают, чем Watson отличается от поисковой системы, я говорю им, чтобы они зашли в Google и набрали« что-нибудь, кроме слона ». Что вы получите? Тонны изображений слонов. Но Ватсон знает эти тонкие различия. Он понимает, что когда бегают ноги и носы, это разные вещи ».

Этот принцип дифференцировал LUIS и IBM Watson на основе одного важного фактора или различия: когнитивного. Когнитивные системы создают знания и учатся, понимают естественный язык и рассуждают, а также более естественно взаимодействуют с людьми, чем традиционные программируемые системы. Термин рассуждение относится к тому, как когнитивные системы демонстрируют идеи, которые очень похожи на человеческие. (Ссылка: IBM Institute for Business Value - Ваше когнитивное будущее - часть I).

Эти области ИИ и его различные компоненты - это только начало. Человек изучал поведение, вовлеченность, а теперь и механику мозга, с незапамятных времен и с самого начала нашего существования. Мы использовали наши глубокие знания, полученные в результате наших исследований и исследований, для разработки ИИ. Представьте, сколько еще новаторских компонентов будет раскрыто и как быстро это может и будет обретать форму, особенно с помощью наших друзей по ИИ, рядом или рядом. Представьте себе мир, в котором, например, мы могли бы спрогнозировать потребность в новом сосуде для еды и питья. ИИ мог бы помочь, пройдя через перестановки, даже если мы еще не были в состоянии подумать, а затем представил нам план создания такого экономического судна ... будущее будет наполнено этим расширенным опытом, и все благодаря ученым наше время для разработки современных ИИ, машинного обучения, НЛП и глубокого обучения.

Я очень увлечен этими новыми технологиями, но я не ценю, что большинство людей этого не делают. Надеюсь, вам понравилась эта статья и вы получили более глубокое понимание ДНК ИИ и, проще говоря, понимание того, что с помощью глубокого машинного обучения и процессора естественного языка (компьютер) существо может стать искусственно разумным.

Статья написана Гленном Миллером. Посетите мой Сайт и смело подключайтесь. Я люблю выступать на конференциях и бизнес-форумах, знакомиться с новыми, новаторскими и интересными людьми.