За последний год искусственный интеллект превратился из рекламной шумихи и страшилок в средствах массовой информации в реальные бизнес-результаты. Сегодня я решил поделиться самыми важными идеями и наблюдениями, которые я собрал за последний год по этой теме.
В своем базовом определении Интеллект означает выбор (legere) между (между) парой или набором вариантов
В области искусственного интеллекта технологи сосредоточены на создании ботов и алгоритмов, которые так же умны, как и люди, или даже умнее их (независимо от последствий). Большинство систем ИИ работают путем оптимизации некоторой целевой функции, и мы сами решаем, какой должна быть эта функция. Представьте, что Google Maps находит самый быстрый маршрут из пункта А в пункт Б.
a16z выпустила один из лучших учебников по ИИhttp://a16z.com/2016/06/10/ai-deep-learning-machines/
NVIDIA сделала запись в блоге , в которой объясняется разница между ИИ, машинным обучением и глубоким обучением (PS NVIDIA создала графический процессор, который сделал возможным глубокое обучение с более быстрой и дешевой параллельной обработкой) https://blogs.nvidia.com/blog/2016/07/29/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/
Вот 9 самых больших заблуждений об ИИ https://medium.com/intuitionmachine/deconfusing-ai-and-deep-learning-20473d7578c0#.tuhj1o9us
Deepmind, победившая чемпионов AlphaGo в 2015 году и приобретенная Google, опубликовала обзор своей работы в 2016 году https://deepmind.com/blog/deepmind-round-up-2016/
Google TensorFlow и IBM Watson — это одни из многих инструментов, которые можно использовать для создания интеллектуального программного обеспечения (TensorFlow — это библиотека искусственного интеллекта с открытым исходным кодом https://www.tensorflow.org/ , а Watson — платная полная платформа AI+NLP https://www.ibm.com/watson/)
Вот список некоторых другихhttp://www.computerworlduk.com/galleries/data/14-machine-learning-tools-harness-artificial-intelligence-for-your-business-3623891 /
Все больше и больше технологических компаний выпускают свои возможности искусственного интеллекта в виде платформ. Просто посмотрите на Amazon https://www.wired.com/2016/05/amazons-giving-away-ai-behind-product-recommendations/
Разговор с ботами становится мейнстримом
После выпуска Siri, Alexa и Google Home речь становится лучшим способом взаимодействия с нашими устройствами, заменяя клавиатуры и сенсорные экраны. Удобнее сказать боту, который может получить доступ ко всем нашим устройствам и приложениям, что мы хотим, чтобы он выполнял задачи для нас. Просто возьмем пример Amazon Echo, который выключает для нас свет — простая задача, которая связывает пользователя, который просит, чтобы это произошло, Echo, который обрабатывает этот запрос, и выключатель света, который подключен и готов к выполнению.
В сообщении на HighExistence было написано: «День, когда я смогу протянуть руку и, не используя ничего, кроме своих мыслей, проявить свои намерения в реальном мире, станет днем, когда технологии можно будет считать взрослыми». Мы далеки от того, чтобы воплотить мыслительный нарратив в реальность, но речь достаточно хороша.
Обработка естественного языка (NLP) — это основа, с помощью которой программное обеспечение может понимать людей и общаться с ними. Я написал пост о некоторых последствиях НЛП https://medium.com/@jadjamous/when-machines-can-understand-us-they-can-find-all-the-answers-7df19a4f22f1#.98n6kwxwb
Аргумент в пользу широкого распространения ИИ в значительной степени зависит от данных и отслеживания
Обычный подход к обучению системы искусственного интеллекта состоит в том, чтобы передать ей массивные наборы данных. Однако в настоящее время эксперты работают над обеспечением машинного обучения с меньшими наборами данных. Взамен мы ожидаем, что он найдет закономерности и сделает прогнозы.
О важности данных:
Мобильные устройства совершают революцию в данных. Интернет вещей обещает, что к каждому продукту или «вещи» будут подключены датчики, которые отправляют и получают данные.
Но многие данные придется загружать вручную
Большие данные окружают вас повсюду.Машинное обучение — будь то шахматные компьютеры, автономные автомобили или программы распознавания лиц — настолько хороши, насколько хороши данные. исследований («Перекодировать). Новое поколение искусственного интеллекта обучается, обучаясь на наборах данных, которые тщательно отбираются — подождите — людьми. У современных компаний и организаций уже есть необходимая нам информация. Но если машинное обучение будет способствовать следующим прорывам в таких областях, как исследования рака, оно должно раскрыть богатство данных, которые в настоящее время спрятаны в рукописных документах и бумажных отчетах. Как это ни парадоксально, дорога к ИИ может проходить через пыль файловой комнаты». — НьюКо
Компаниям придется убеждать людей загружать свои данные, предоставляя им взамен персонализированные услуги, такие как рекомендации Spotify и предложения в новостной ленте Facebookhttps://medium.freecodecamp.com/the-business- последствия машинного обучения-11480b99184d#.v705dpbxw
Мы можем увеличить количество инноваций, используя больше данных, но существуют некоторые проблемыhttps://medium.com/safegraph/where-should-machines-go-to-learn-c2461f7e45fc?mc_cid=1ab54eb1c3#.6vf4zv3ks
Искусственный интеллект в первую очередь оказывает наибольшее влияние на здравоохранение (о чем свидетельствуют Watson Health и Deepmind Health). Это повлияет на то, как мы диагностируем болезни и проводим лечение. Business Insider объясняет, что система искусственного интеллекта недавно диагностировала редкое заболевание, которое врачи-люди не смогли диагностировать, обнаружив скрытые закономерности в 20 миллионах записей о раке.
Это также может помочь в решении важных общественных проблем. Помогая более точно распределять скудные государственные средства, машинное обучение может сэкономить правительствам значительные суммы. По словам Стивена Голдсмита, профессора Гарварда и бывшего мэра Индианаполиса, это также может преобразовать почти каждый сектор государственной политики.
«К 2025 году системы искусственного интеллекта могут быть задействованы во всем, от управления здоровьем населения до цифровых аватаров, способных отвечать на конкретные запросы пациентов». — Харприт Сингх Баттар, аналитик Frost & Sullivan.
ОБЯЗАТЕЛЬНО ПОСМОТРИТЕ: Кевин Келли об искусственном интеллекте https://www.youtube.com/watch?v=Ttc-Jndmmz8&feature=youtu.be
«Если ИИ может помочь людям стать лучшими шахматистами, само собой разумеется, что он может помочь нам стать лучшими пилотами, лучшими врачами, лучшими судьями, лучшими учителями». — Кевин Келли
ОБЯЗАТЕЛЬНО ПРОЧИТАЙТЕ: Марк Андреесин об ИИ http://www.vox.com/new-money/2016/10/5/13081058/marc-andreessen-ai-future
Нам нужно преодолеть пропасть ИИ, чтобы обеспечить реальную ценность для клиентов, — говорит Саймон Чангhttps://flipboard.com/@flipboard/flip.it%2FqMcJSi-crossing-the-ai- пропасть/f-3684b42ebd%2Ftechcrunch.com
Наконец, отличный пост о том, как создать стартап с использованием ИИ https://medium.com/startup-grind/building-an-ai-startup-realities-tactics-6e1d18a4f7ab#.edmgj4jof
Мои личные выводы
Я считаю, что следующим шагом в эволюции Интернета будет переход от предоставления бесконечных потоков информации к фактическим предложениям о том, какая информация нам нужна прямо сейчас и что нам нужно делать с каждой частью информации. Лучший способ добиться этого — находиться в окружении устройств, которые настолько хорошо знают людей, что могут предсказать, чего каждый хочет достичь, учитывая его нынешнее мышление, личность, местонахождение и т. д.
Есть реальная ценность в решении проблем людей новыми способами. Тем не менее, я думаю, что самый важный вопрос в ИИ заключается в том, будет ли он механизмом рекомендаций или механизмом принятия решений — сегодня он по-прежнему большую часть времени остается механизмом рекомендаций. Но независимо от того, будет ли ИИ принимать решения за вас без вашего участия, это станет основным источником беспокойства и шума. Мы уже видели, как искусственный интеллект Facebook решал, что вам следует читать, и описанные «эхо-камеры», которые это влечет за собой. Это страшно, вспомните ИИ в «Космической одиссее» 2001 года, который сказал: «Прости, Дэйв. Боюсь, я не могу этого сделать». К неизвестным угрозам обществу нельзя относиться легкомысленно.
И, конечно же, есть дебаты об угрозах автоматизации, которые Стивен Хокинг прекрасно резюмирует:
В бизнес-системе, которая способствует низким затратам и максимальной эффективности, машины неизбежно заменят людей. Все, на что мы можем надеяться, — это то, что полностью автоматизированная постдефицитная экономика расцветет до того, как люди, не владеющие роботами, станут безработными и не смогут платить за все удивительные продукты, которые поможет создать ИИ.
Джад Эль Джамус
Лондон, 15 февраля 2017 г.
