Сегодняшний бум искусственного интеллекта

История обработки естественного языка восходит к 1950-м годам, впервые предложенная Аланом Тьюрингом в форме простого теста, чтобы определить, можно ли считать машину «интеллектуальной».

«Компьютер заслужил бы называться умным, если бы он мог обмануть человека, заставив его поверить в то, что он человек».

- Алан Тьюринг

Тьюринг предложил, чтобы оценщики беседовали как с людьми, так и с машинами, чтобы проверить, могут ли они последовательно различать двух агентов. Разговор будет ограничен текстовым каналом, чтобы создать равные условия для игры. Если во время теста оценщик не может постоянно отличать машину от человека, считается, что машина прошла тест Тьюринга.

Схема тестирования Тьюринга опередила свое время, поскольку технологиям потребуется более полувека, чтобы хотя бы приблизиться к успешной реализации теста.

Искусственный интеллект - это… когда машина имитирует когнитивные функции, которые люди связывают с другим человеческим разумом, например, обучение и решение проблем. - Рассел и Норвиг 2009

Время

Чистая вычислительная мощность, необходимая для запуска алгоритмов ИИ, стала доступна исследователям и разработчикам только в последние пару лет из-за распространения облачных вычислений. Для удовлетворения требований интенсивной обработки требуется огромное количество графических процессоров, а с облачными вычислениями они доступны каждому. С такими огромными достижениями в вычислительной мощности и доступности ИИ даже начал посягать на человеческие способности.

В 2011 году компания IBM Watson победила Кена Дженнингса и Брэда Раттера в широко транслированном по телевидению конкурсе Jeopardy. Он состоял из десяти стоек по десять серверов Power 750, закрытых от публики. Однако сегодня мы можем использовать мощность Watson и других сопоставимых движков на таком же жалком оборудовании, как наши смартфоны, и все это благодаря мощности облачных вычислений.

Пейзаж искусственного интеллекта

Сегодня существует несколько крупных компаний, предлагающих облачные сервисы для ИИ и НЛП.

У Google есть свой механизм облачного машинного обучения; У Microsoft есть серия API-интерфейсов когнитивных служб через Azure; Экосистема IBM Watson Ecosystem распространилась на различные сектора, и ее услуги по обработке естественного языка были на переднем крае; Amazon, крупнейший облачный игрок, предлагает множество инструментов машинного обучения, предлагаемых через AWS, таких как Rekognition, Polly и Lex.

С точки зрения НЛП, есть несколько сервисов, доступных инженерам в зависимости от уровня настройки, который вас интересует. С одной стороны, у вас есть практические API с открытым исходным кодом, такие как Tensor Flow, Stanford's Core NLP suite, Caffe, Theano. , Факел, CNTK и многое другое. Работа с такими API требует от вас создания, обучения и развертывания собственного набора данных, что может оказаться невозможным для многих команд.

Однако, если вы хотите быстро создать что-нибудь для проверки своей гипотезы, вы можете выбрать один из таких сервисов, как API.AI, Watson Conversation, Amazon Lex или MS Cognitive Services. Все они сопоставимы по цене, и некоторые из них предлагают выгодные бесплатные кредитные предложения для стартапов и предпринимателей. (например, IBM Global Entrepreneurship, AWS Activate Program). Это делает их доступными для небольших разработчиков.

В целом, нынешний ландшафт НЛП стремительно развивается, так как каждый может создавать что угодно. Эта разработка произведет революцию в области искусственного интеллекта, и в ближайшем будущем мы можем ожидать, что человекоподобные боты присоединятся к нам в нашей повседневной жизни.

Для нашего собственного продукта Archie.AI - The Artificial Intelligent Data Scientist мы использовали комбинацию Watson NLC, api.ai и наших собственных алгоритмов машинного обучения.

Примечание:

Если вы хотите узнать больше о моей работе с AI / ML, посетите Archie.AI