История ИИ:от футуристической фантастики к будущему предприятия

Произнесите слова «искусственный интеллект», и большинство людей подумает об Алексе и Сири. Другие могут подумать о таких фильмах, как «Терминатор» или «2001:Космическая одиссея».

Правда в том, что искусственный интеллект (ИИ) не является далекой научной фантастикой. На самом деле, они повсюду вокруг нас — представьте, что Netflix рекомендует ваше следующее телешоу, или Uber оптимизирует лучший маршрут домой.

ИИ — это сложная экосистема современных взаимосвязанных технологий, которая развивалась десятилетиями и продолжает развиваться сегодня. Поэтому неудивительно, что история ИИ также сложна и многослойна. Это история, в которой представлено множество меняющихся инструментов и возможностей, благодаря которым ИИ в том виде, в каком мы его знаем, был доведен до его нынешнего состояния.

Чтобы понять важность ИИ сегодня и подготовиться к завтрашнему дню, нужно понять, с чего начался ИИ и как он эволюционировал, чтобы стать революционной технологией, которой мы являемся сегодня.

ИИ 20-го века:амбициозное доказательство концепции

Современный ИИ зародился в академических кабинетах исследовательских отделов элитных университетов, где ученые глубоко размышляли о будущем вычислений. Но его первые годы оставили его ограниченным этими камерами, застрявшим из-за нехватки данных и вычислительной мощности.

В 1956 году Дартмутский колледж организовал Дартмутский летний исследовательский проект по искусственному интеллекту — семинар, который стал известен как важный первый шаг в академических исследованиях ИИ. Во время семинара 20 исследователей стремились доказать гипотезу о том, что обучение можно описать настолько точно, «что можно создать машину для его моделирования».

Год спустя, в 1957 году, американский психолог Фрэнк Розенблатт расширил дартмутское исследование с помощью персептрона, алгоритма, который мог успешно выполнять бинарную классификацию. Именно здесь мы начали видеть многообещающие доказательства того, как искусственные нейроны могут учиться на данных.

А еще через год Джон Маккарти, участник Дартмутского летнего исследовательского проекта по искусственному интеллекту, и многочисленные студенты Массачусетского технологического института разработали Lisp (новый язык программирования). Спустя десятилетия исследования Маккарти помогли воплотить в жизнь новые и еще более интересные проекты, включая программу естественного языка SHRDLU, систему алгебры Macsyma и логическую систему ACL2.

Источник

Оглядываясь назад на эти ранние эксперименты, мы видим, как ИИ делает первые шаткие шаги из мира высокоинтеллектуальных исследований в практический мир вычислений.

В 1960 году дебютировала компания Simulmatics, которая утверждала, что может предсказывать, как люди будут голосовать, исходя из их демографических данных.

В 1965 году исследователи разработали так называемые «экспертные системы». Эти системы позволили ИИ решать специализированные задачи в компьютерных системах, объединяя набор фактов и механизм логического вывода для интерпретации и оценки данных.

Затем, год спустя, в 1966 году, профессор Массачусетского технологического института Джозеф Вейценбаум разработал программу сравнения с образцом под названием Eliza, которая показала пользователям, что искусственный интеллект умен. Пользователи могли предоставлять информацию программе, а Элиза, выступая в роли психотерапевта, задавала им в ответ открытый вопрос.

К середине 1970-х правительства и корпорации потеряли веру в ИИ. Финансирование иссякло, и последующий период стал известен как «зима ИИ». Хотя в 1980-х и 1990-х годах были небольшие возрождения, ИИ в основном относился к области научной фантастики, и серьезные специалисты по информатике избегали этого термина.

В конце 1990-х — начале 2000-х годов мы наблюдали масштабное применение методов машинного обучения, таких как байесовские методы фильтрации спама Microsoft и совместная фильтрация рекомендаций Amazon.

ИИ 21-го века:чрезвычайно успешные пилотные программы

В 2000-х вычислительная мощность, большие наборы данных и развитие программного обеспечения с открытым исходным кодом позволили разработчикам создавать продвинутые алгоритмы, которые произвели революцию в научных, потребительских, производственных и деловых сообществах за относительно короткое время. Сегодня искусственный интеллект стал реальностью для многих предприятий. McKinsey, например, обнаружила 400 примеров, когда компании в настоящее время используют ИИ для решения бизнес-задач.

Интернет предлагает новые способы организации данных

Веб-революция, охватившая мир в начале-середине 2000-х годов, принесла ряд важных изменений в мир исследований ИИ. Основополагающие технологии, такие как Extensible Markup Language (XML) и PageRank, упорядочивают данные новыми способами, которые может использовать ИИ.

XML был предпосылкой для семантической сети и поисковых систем. PageRank, раннее новшество Google, еще больше упорядочил Интернет. Эти усовершенствования сделали Интернет более удобным для использования и сделали большие объемы данных более доступными для ИИ.

В то же время базы данных стали лучше хранить и извлекать данные, а разработчики работали над функциональными языками программирования, упрощающими работу с этими данными. Инструменты были предоставлены исследователям и разработчикам для дальнейшего развития технологии ИИ.

Нейронные сети и глубокое обучение демонстрируют потенциал ИИ

В 20-м веке были большие мечты об ИИ, но вычислительная мощность сделала их почти невозможными для реализации. Однако к 21 веку компьютеры стали экспоненциально более мощными в хранении, обработке и анализе больших объемов данных. Это означало, что высокие цели нейронных сетей и глубокого обучения могут стать реальностью.

Исследователи разработали наборы данных, специально предназначенные для обучения машин, в результате чего появились нейронные сети, такие как AlexNet. Раньше для машинного обучения использовались наборы данных, исчисляемые десятками тысяч, но развитие графических процессоров (GPU) означало, что новые наборы данных могут исчисляться десятками миллионов.

Производитель компьютерных чипов Nvidia запустила свою платформу параллельных вычислений CUDA в 2006 году. Внутри этой платформы Nvidia использовала графические процессоры для ускорения вычислений. Это повышение производительности помогло большему количеству людей запускать большие и сложные модели машинного обучения, написанные в библиотеках машинного обучения, таких как TensorFlow и PyTorch.

Источник

Со временем эти библиотеки станут открытым исходным кодом и станут стимулом для широких экспериментов по мере того, как технология станет более доступной. Такая демократизация искусственного интеллекта помогла бы внедрить новые интересные инструменты, такие как AlphaGo, Google DeepMind и IBM Deep Blue.

Компьютерное зрение открывает двери для новых отраслевых приложений

Вплоть до 2000-х ИИ был действительно полезен, только если вы обрабатывали текст. Но на рубеже веков достижения в области компьютерного зрения, которые позволили компьютерам распознавать и интерпретировать изображения, вывели возможности использования ИИ на новый уровень.

На этот раз наши пионеры не были учеными. Вместо этого они жили в вашем доме и сделали уборку (Roomba) и игры (XBox Kinect) проще, чем когда-либо прежде, и внедрили компьютерное зрение в дома по всему миру.

Мы также видели, как компьютерное зрение используется в новых беспилотных автомобилях и в больницах для автоматического обнаружения таких состояний, как поражения и пневмония.

Помимо отраслевых вариантов использования, вариации компьютерного зрения также способствовали развитию роботизированной автоматизации процессов (RPA). 🎉 Благодаря оптическому распознаванию символов (OCR) роботы RPA могут обрабатывать как структурированные, так и неструктурированные данные, что изменило привычный нам мир анализа данных.

Аналитика данных улучшает бизнес-приложения ИИ

Последние два десятилетия показали нам, что автоматизация и искусственный интеллект могут соперничать со сложными случаями использования в бизнесе. А по мере того, как ИИ все лучше анализирует данные, компании могут еще больше использовать ИИ, чтобы работать эффективнее и эффективнее.

Банки используют ИИ для классификации запросов клиентов по разным категориям из большого объема неструктурированных электронных писем, получаемых ежегодно. Этот процесс требует больших усилий вручную или дает плохие результаты при использовании классификации ключевых слов на основе правил. ИИ позволяет банкам классифицировать эти электронные письма с высокой степенью точности и сокращать среднее время обработки (AHT).

ИИ и автоматизация помогают не только компаниям, предоставляющим финансовые услуги. Плательщики медицинских услуг ускоряют выявление беременностей с высоким риском. Программный робот загружает проверенные данные о пациенте и обращается к прогностической модели, чтобы оценить риск пациента и определить соответствующий план лечения. В результате число беременностей с низкой массой тела при рождении, которые были точно выявлены, увеличилось на 24%, при этом удалось избежать 44% беременностей с низкой массой тела при рождении, что в целом позволяет ежегодно экономить 11 миллионов долларов. Читать полностью.

Обработка естественного языка и распознавание голоса повышают удобство использования ИИ

Хотя ИИ начал с анализа текста, он так и не освоил его. До недавнего времени текст — даже с OCR — должен был быть структурирован в машиночитаемых форматах. Область обработки естественного языка (NLP) продвинула вперед возможности программирования компьютеров для понимания естественного языка.

Одним из наиболее известных примеров НЛП является генеративный предварительно обученный преобразователь 3 (более известный как GPT-3). GPT-3, представленный в мае 2020 года, использует глубокое обучение для создания текста, очень похожего на текст, созданный человеком. Уже появились интересные приложения для GPT-3, такие как написание статей (The Guardian, например, поручил GPT-3 написать статью о безвредности роботов) и создание компьютерных программ.

Приложения НЛП выходят за рамки GPT-3. НЛП можно использовать для создания текста из речи, автоматического суммирования значения фрагмента текста, перевода текста на другой язык и т. д.

Хотя НЛП часто существует на переднем крае, оно также проникло и в наши дома. Например, виртуальные помощники, такие как Alexa и Google, могут обрабатывать запросы на естественном языке и преобразовывать их в исполняемые команды. С помощью простого голосового запроса эти помощники ИИ могут искать информацию; перенаправлять команды на интеллектуальные устройства, такие как свет или замки; и многое другое.

Будущее искусственного интеллекта:корпоративные изменения

По мере того, как мы приближаемся к следующему десятилетию технологической зрелости, количество корпоративных вариантов использования ИИ будет только расти. Прошлые инструменты заложили основу для того, что возможно с помощью ИИ, но еще многое предстоит сделать, масштабируя эти инструменты.

По мере дальнейшего развития ИИ мы увидим, как компании используют RPA, машинное обучение, интеллектуальный анализ процессов и аналитику данных для создания мощного комплексного набора средств автоматизации, поскольку эти технологии становятся все более и более доступными для предприятий на всех этапах зрелости. . ИИ больше не будет прерогативой исследователей и разработчиков; обычные пользователи с помощью современных инструментов смогут создавать решения проблем, которые они выявляют, на основе ИИ.

По мере того, как технология становится все более доступной для бизнес-пользователей, мы увидим, как раскручивается маховик автоматизации, предоставляя компаниям все больше и больше идей и возможностей для приложений ИИ. Эти возможности будут поддерживаться передовыми платформами и инструментами автоматизации, которые полностью изменят нашу работу.

UiPath AI Fabric позволяет пользователям легко запускать модель, загружать в нее данные, получать информацию и оценивать полезность.

Примечание редактора: Поскольку рынок автоматизации продолжает развиваться, платформа UiPath также обновляется, чтобы наилучшим образом удовлетворять потребности наших клиентов в автоматизации. Таким образом, название продукта AI Fabric изменилось с момента первоначальной публикации статьи. Для получения актуальной информации, пожалуйста, посетите страницу нашего Центра искусственного интеллекта <я>.

Искусственный интеллект сегодня:подходящий момент для начала

Пришло время автоматизировать. Мы достигли стадии эволюции ИИ, когда он не является теоретическим — он необходим и, по прогнозам, откроет сотни миллиардов долларов для компаний, которые его используют.

Узнайте, как ведущие организации используют автоматизацию и искусственный интеллект, чтобы воплотить идею полностью автоматизированного предприятия™ в реальность: