Американцам предоставится возможность попробовать блюда от искусственного интеллекта

Маленькие хитрости американского искуственного интеллекта

Беспилотными летательными аппаратами уже никого не удивить. Такие есть на вооружении всех более-менее развитых стран. Разработка и производство беспилотников стали одной из доходных областей ВПК стран-экспортеров вооружений, и даже отставшая поначалу Россия активно наверстывает упущенное, ворвавшись на мировой рынок беспилотников с «Орланами» и «Гранатами».

Однако беспилотник в нынешнем понимании этого слова все равно требует оператора.

Просто тот может сидеть в летающем командном пункте, барражирующем на самой границе дальности действия связи, а то и вообще в подземном бункере где-нибудь на замаскированной базе.

Нынешние беспилотники обладают, конечно, зачатками искусственного интеллекта, однако мериться силами с живыми пилотами им пока рановато.

Обратите внимание

Но наука не стоит на месте. ИИ, способный управлять настоящим боевым истребителем, уже давно перекочевал со страниц книг и экранов кинотеатров в реальность засекреченных военных лабораторий.

Поначалу интеллектом это называлось в силу устоявшейся терминологии, но более современные образцы уже начали подавать определенные надежды.

Правда, боевые летчики в виртуальных баталиях все еще одерживали верх над электронным противником. До недавнего времени.

Искусственно интеллектуальный прорыв

Компания Psibernetix недавно анонсировала новый искусственный интеллект, способный на равных потягаться с лучшими пилотами американских ВВС.

Причем не стоит думать, будто американский пилот — это рохля, способный только нажать на красную или зеленую кнопку в зависимости от команды оператора.

Несмотря на серьезно понизившийся налет, пилоты боевых самолетов в Соединенных Штатах остаются достаточно подготовленными и умелыми военными.

В конце концов, многие американские пилоты обладают реальным боевым опытом, поскольку воевать Соединенные Штаты не стесняются.

Пусть противники обычно ничего особо не могут противопоставить американской военной машине, но это на уровне сравнения потенциалов.

В масштабах отдельного вылета всегда сохраняется опасность неожиданной атаки средствами наземной ПВО, а то и случайным самолетом противника. Поэтому пилотов ВВС США недооценивать не будем.

ИИ-пилот, созданный компанией Psibernetix, разрабатывался при поддержке лаборатории ВВС США. Разработчики утверждают, что его алгоритмы принятия решений очень похожи на человеческие.

Важно

Он разбивает задачу на несколько малых, анализирует все возможные варианты, выбирает наиболее подходящий к случаю и реализует его в рамках главной задачи.

Этот алгоритм, получивший название ALPHA, по данным разработчиков, превзошел все предыдущие компьютерные программы для авиасимуляторов и одержал победу над живым пилотом.

За чистоту эксперимента

Однако есть два момента, которые позволяют думать, что не все так радостно, как об этом говорит разработчик.

В качестве пилота, который уступил искусственному интеллекту в боях на авиационном симуляторе, выступил бывший военный летчик, полковник ВВС в отставке Джин Ли. Несомненно, грамотный специалист, раз он занимается обучением военных пилотов.

Вот только о мистере Ли известно, что он уже 30 лет занимается тестированием подобных систем, а значит этому гражданину уже немного за 50. Это уже не тот возраст, когда можно показывать выдающиеся результаты в пилотировании.

Обычно действующие короли воздушного боя лет на 15-20 моложе.

Кроме того, Джин Ли — не просто испытатель авиационных симуляторов. Он один из основных разработчиков алгоритма ALPHA, а следовательно — лицо заинтересованное.

Кто может поручиться, что ради вкусного многомиллионного гранта на дальнейшие разработки мистер Ли сражался с собственным детищем на пределе своих возможностей? Подгонять исследование под результат вполне в духе американского ВПК.

Никто не забыл, как в ходе испытания системы ПРО США на учебных целях обнаружились маячки, которые наводили противоракеты на цель.

Впрочем, не будем углубляться в эту тему, чтобы не обижать мистера Ли на случай, если он был предельно честен. Ведь есть еще один аспект, ставящий под сомнение достоинства разработанного американцами ИИ.

Выбор самолета

Кроме способностей пилота и искусственного интеллекта есть еще параметры машин, на которых они идут в бой. Конечно, сражение проходит в виртуальном пространстве, но глупо было бы не заложить в программу возможности именно той машины, на которой предстоит в будущем летать обучающемуся пилоту.

В материалах испытания есть вот такое изображение, демонстрирующее расстановку сил в момент боя.

Компьютер играет за красных, а человек, соответственно, за синих. На схеме отчетливо виден АВАКС синих, который находится где-то на удалении, и непосредственно сошедшиеся в бою истребители. В синем самолете, которым управляет пилот-человек, легко угадывается гордость американских ВВС истребитель пятого поколения F-22 Raptor.

Совет

Красные самолеты, за которых играет искусственный интеллект, подозрительно напоминают российские истребители.

Поскольку речь идет о ближнем воздушном бое, в котором российские машины традиционно сильны, вполне вероятно, что победа ИИ над человеком говорит не столько о совершенстве разработанных американцами алгоритмов, сколько о превосходстве российской военной техники.

Прояснить этот вопрос мы попросили доктора военных наук, член-корреспондента Российской академии ракетных и артиллерийских наук Константина Валентиновича Сивкова.

Таким образом, победа новейшего американского искусственного интеллекта над пилотом-человеком приобретает несколько другой окрас. В чем американский ВПК однозначно превосходит российский, так это в умении тянуть деньги из государства.

Вполне возможно, что перед нами очередная попытка урвать свой кусок от огромной суммы военного бюджета США. Заказ из Пентагона — очень выгодная штука, ради которой недобросовестные разработчики могли бы и выдать желаемое за действительное.

Опыт в этом деле у них громадный.

Григорий Романович Ажданин

Источник: https://slovodel.com/489529-malenkie-hitrosti-amerikanskogo-iskustvennogo-intellekta

Кулинария машин: искусственный интеллект придумал рецепт пиццы

Студенты Массачусетского технологического института технологий запустили проект под названием “Как сгенерировать почти все на свете”. И создали с помощью искусственного интеллекта новый рецепт всеми любимой пиццы. 

Мы живем в 21 веке, в эпоху развития искусственного интеллекта. Одни рады движению технологического прогресса вперед, а другие опасаются “восстания машин” и того, что какой-то миловидный робот в один прекрасный день займет их рабочее место.

Группа студентов из американского университета решила развеять мифы об искусственном интеллекте и наглядно показать, что машины и люди могут прекрасно сосуществовать и создавать при этом что-то прекрасное и новое – от парфюма и невероятной одежды до нашей любимой еды

Глава студенческого проекта “Как сгенерировать почти все на свете”, Пинар Янаргад, говорит, что воспринимает создание чего-то нового совместно с искусственным интеллектом как увлекательный и творческий процесс, полный неожиданностей. Соль компьютерного разума в том, что он способен находить такие дизайнерские, технические и вкусовые решения, которые человеку не пришли бы в голову. 

Создание пиццы по рецепту машины

Конечно, участники  проекта почти первым делом решили найти новый рецепт пиццы, типичной “студенческой еды”. Искусственный интеллект с их помощью проанализировал десятки сотен рецептов этого итальянского блюда и собрал пиццу из тех ингредиентов, которые, как ему показалось, лучше всего сочетались бы друг с другом.

Некоторые рецепты от искусственного интеллекта получились странными – какие-то были без соуса и сыра, а какие-то с выдуманными ингредиентами вроде “карамельного сыра” и “рубцового ореха”. 

Обратите внимание

Но многие рецепты, созданные компьютером, получились вполне интересными. Их и воплотили в жизнь по просьбе студентов в американском кафе.

Тони Несер, шеф заведения, приготовил пиццы с черникой, шпинатом и фетой; беконом, авокадо и персиками; бататом, бобами и сыром бри; абрикосом, грушей, клюквой и рикоттой.

  Конечно, маэстро пиццы не мог не внести свои правки в рецептуру от искусственного интеллекта. Пиццу с креветками, джемом и колбасками Тони дополнил рукколой, что очень положительно сказалось на вкусе. 

Теперь шеф Бостонской пиццерии всерьез задумывается о том, чтобы ввести в меню блюда, приготовленные по рецептуре искусственного интеллекта, а научный мир замер в ожидании новых интересных блюд.

Источник: https://www.gastronom.ru/text/kulinarija-mashin-iskusstvennyj-intellekt-sdelal-recept-piccy-1010462

Искусственный интеллект в маркетинге: начало новой эпохи

Главный термин последних пары лет — «искусственный интеллект». Это понятие сейчас на волне популярности, в новостях постоянно пишут о «роботах», составляющих юридические иски, пишущих спортивные репортажи и криминальные хроники, «работающих» консультантами в отделах продаж и на сайтах.

Но мы пока что считаем всё это экзотикой, маленькими шагами в большое будущее. И уверены, что до реальной пользы от ИИ в принятии стратегических решений пройдут ещё долгие годы. А сейчас решения по-прежнему должны приниматься после бессонных ночей с перебором данных в уме и рисованием на салфетках разных сценариев событий.

Вот набор основных убеждений про ИИ в предпринимательской среде.

  • То, что в текущем дне называют «искусственным интеллектом», лишь зачаток, демонстратор будущих возможностей. Сегодня нельзя всерьёз говорить об этом и тем более использовать в серьёзных задачах.
  • Для того чтобы добиться успеха в бизнесе, не нужен никакой ИИ. Надо просто совершенствовать продукт, делать его лучше и качественнее.
  • «Роботу» можно доверить какие-то простые алгоритмические действия, но бизнес-стратегия — это уж точно человеческая задача.
  • Человек умеет принимать решения интуитивно, а этого никакой ИИ не может и не сможет никогда.
  • Внедрение ИИ лишь увеличит издержки компании — придётся ещё нанимать дополнительных «программистов искусственного интеллекта» или что-то типа того.
  • Технологии искусственного интеллекта — очень дорогая штука, доступная только транснациональным корпорациям. Для обычного бизнеса это будет недоступно ещё очень долго — а может быть, и никогда.
Читайте также:  Аквариум с искусственным интеллектом

Удивительно, но все эти утверждения неверны.

Интеллект и личность

Насколько совершенен искусственный интеллект сегодня? Почему, несмотря на все разговоры об успехах, мы не видим ничего похожего на человекоподобных роботов из фантастических фильмов? Дело в том, что при рассуждениях об ИИ часто путаются понятия «искусственный интеллект», функция поиска взаимосвязей и зависимостей, а также «искусственная личность» — рефлексирующая, осознающая себя сущность, имеющая самостоятельные суждения.

До искусственных личностей нам ещё очень далеко — и, возможно, они не будут созданы никогда.

Но системы искусственного интеллекта, которые умеют отслеживать связи между огромным числом объектов, находить закономерности, строить прогнозы, вытекающие из этих закономерностей — уже существуют и успешно используются в самых разных сферах и отраслях.

Одна из самых мощных реализаций ИИ для решения бизнес-задач — платформа Watson Marketing, созданная на базе суперкомпьютера компании IBM.

Перестать думать о продукте

Весь маркетинг с глубокой древности до недавних времён строился вокруг продукта. И даже когда маркетологи заговорили о клиентоориентированности, всё равно это была история о продукте. Как сделать продукт более удовлетворяющим, более подходящим для клиентов.

В итоге основная стратегия продаж — убедить клиента в том, что ему нужен этот продукт. И заставить закрыть глаза на то, что ему в продукте не подходит.

Так было до последнего времени, но сегодня кое-что изменилось.

Digital-технологии позволяют собрать огромное количество данных о клиенте — и, если их правильно обработать, то мы сможем с высокой вероятностью прогнозировать, какая конфигурация продукта или услуги подойдёт конкретному клиенту.

Важно

Человек не в состоянии обработать такое количество данных, но это умеет искусственный интеллект Watson Marketing. Обработать, построить взаимосвязи, сделать прогноз и сформировать индивидуальное предложение.

Сегодня мы находимся в переломной точке: совсем скоро оператор сотовой связи будет предлагать вам перейти не на «новый тариф», а на «индивидуальный тарифный план», который окажется действительно индивидуальным — и выгодным именно для вас!

Одна из крупнейших розничных сетей США — Macy’s — при помощи сервисов Watson разработала персонализированного виртуального советника для покупателей.

Сервис отслеживает историю покупок для каждого человека и на основе собранных данных даёт советы и делает персонализированные предложения.

Благодаря «знанию» о покупателе виртуальный советник не порекомендует туфли из натуральной кожи защитнику прав животных, а «эксклюзивную коллекцию» человеку, интересующемуся эконом-сегментом.

Аналогичный рекомендательный сервис внедрила виноторговая компания Millesima. Помимо истории покупок, система анализирует такие факторы, как география покупателя, время года и многое другое.

В результате компания может предложить посетителю не просто «вкусное вино», а вино из числа его предпочтений.

А кроме того, сделать какое-то специальное предложение в связи с личными и национальными праздниками покупателя.

Маркетинг меняется. От продуктоориентированности он становится клиентоориентированным, и ключевая роль в этом процессе отводится платформам искусственного интеллекта.

Стратегия не механическое дело?

Стратегия развития всего бизнеса, стратегия отдельной рекламной кампании — всё это однозначно «человеческие» компетенции. Никакой ИИ не примет решение за вас. Но каждое решение опирается на знания.

Только понимая, что происходит, какие существуют тренды, к чему они приведут в ближайшем будущем, можно выстраивать стратегию. А именно анализ данных — вотчина ИИ, его стихия.

Искусственный интеллект не может принять стратегическое решение, но способен резко повысить качество решений, принимаемых человеком.

Искусственная интуиция

С лёгкой руки фантастов интуиция считается чуть ли не главным преимуществом человека. Мол, «роботы» действуют в рамках жёсткой логики, а человек способен прочувствовать алогичные, казалось бы, связи.

Конечно, ИИ не имеет «интуиции» в человеческом понимании.

Но способность Watson Marketing обрабатывать и связывать в единую картину данные из множества источников даёт возможности более точного планирования, чем «интуитивное» назначение прогнозов.

Аналитика от Watson была внедрена в американском зоопарке Point Defiance.

Если до внедрения системы работа зоопарка строилась на предположениях о том, сколько посетителей придёт в зоопарк в каждый конкретный день, то с подключением Watson в прогнозах стали учитываться количество чекинов потенциальных и текущих посетителей в социальных сетях, упоминания названия зоопарка на различных ресурсах, прогноз погоды и многое другое.

В результате:

  • продажи билетов выросли на 700%;
  • за счёт более точного и дальновидного планирования на 10% сократились ежегодные расходы на персонал;
  • в 3 раза увеличилось количество участников программы лояльности — благодаря быстрому созданию и проведению целевых маркетинговых кампаний.

На одном языке

Из фантастики нам известен ещё один образ — умный робот, с которым можно разговаривать, как с человеком. Задавать вопросы на обычном языке, получать ответы в такой же форме.

Большинство из нас думает, что это чистый художественный вымысел, а для управления системами ИИ нужны особым образом обученные операторы, которые работают со специальными кодами, и так далее.

В общем, внедрение такой системы в компании — это найм новых сотрудников и большой рост издержек.

Совет

Однако на самом деле всё иначе. Отличительна особенность Watson Marketing — способность понимать «естественный язык». Конечно, поддержать пространную беседу система не сможет, но она способна быстро и точно найти ответы на вопросы по профессиональной сфере, под которую сконфигурирована. «Что нужно, чтобы…» — и система подготовит справочные материалы.

Это же касается и вопросов бизнес-планирования. Watson Marketing способен выступать бизнес-советником, анализирующим данные и ищущим ответы на вопросы стратегии и тактики. Общаясь при этом на «естественном языке».

Способности Watson к общению лучше всего иллюстрирует история профессора информатики из Технологического института Джорджии. Ашок Гоэль (Ashok Goel) объявил своим студентам, что взял на работу новую помощницу по имени Джилл Ватсон, которая будет напоминать о необходимости сдать очередную работу, уведомлять об изменениях в расписании, отвечать на вопросы на студенческом форуме.

На самом же деле в роли помощницы выступал сервис, разработанный на базе системы Watson. За несколько месяцев общения с «помощницей» никто из студентов не заподозрил, что разговаривает с машиной.

При этом только за один месяц Джилл ответила на более чем 1000 вопросов, опубликованных в форуме.

Все студенты отметили пунктуальность и ответственность нового ассистента, а также «дружеский характер общения».

Суперкомпьютер в мобильном приложении

Ещё одно заблуждение: о заоблачной дороговизне решений в области ИИ. Вернее, это не совсем заблуждение. Конечно, разрабатывать собственное решение очень дорого. Но решения Watson доступны в самых разных форматах, в том числе — в виде SaaS-сервиса, не требующего какой-либо установки.

При этом некоторое время назад API сервисов были открыты для разработчиков мобильных приложений, благодаря чему появилась возможность использовать мощности суперкомпьютера IBM и платформы Watson буквально «из мобильного»!

«Когнитивность» — будущее маркетинга

Сегодня складывается парадоксальная ситуация: клиенты предъявляют к бизнесу высокие требования, но бизнес не успевает реагировать на этот запрос. Маркетологи утопают в данных, но в то же время испытывают нехватку полезных сведений.

Большинство данных, раскрывающих важные сведения о клиентах, существуют в неструктурированном виде (в их число входят изображения, данные на локальном языке и видео), их невозможно обработать «механически», и поэтому они остаются неизученными в большинстве компаний.

Используя инструменты Watson Marketing, можно анализировать данные всех типов, встраивать средства анализа в ежедневные маркетинговые процессы, чтобы сделать коммуникации более адресными, актуальными и эффективными.

Когнитивный подход подразумевает, что данные находятся на службе у маркетинга, а не наоборот.

Обратите внимание

Когнитивный подход к бизнесу предполагает, что собираемые данные становятся основой для решений, исходя из которых происходит обучение системы для предоставления ещё более разумных, контекстных рекомендаций, позволяющих формировать потребительский опыт и корректировать его вплоть до малейших деталей. И тем самым повышается ценность бренда, укрепляются взаимосвязи с клиентами и ускоряются темпы стратегического развития.

Когнитивный подход позволяет:

  • выявить неудовлетворённые потребности клиентов и модернизировать продукты и услуги;
  • привлечь больше клиентов и повысить прибыль благодаря индивидуально подбираемым продуктам, услугам, преимуществам, предложениям и расценкам;
  • получить максимальную отдачу от сотрудничества с имеющимися клиентами и партнёрами за счёт оптимизации инвестиций в укрепление взаимоотношений.

Попробовать

Лучше всего о возможностях Watson и когнитивном подходе к бизнесу расскажет живая демонстрация.

Попробуйте платформу Watson в действии, зарегистрируйтесь в демонстрационном центре и посмотрите интерактивную презентацию её работы!

Перейти в демоцентр >>>

Источник тизера: wuwm.com

Партнёрская публикация

Источник: https://www.cossa.ru/trends/198226/

Чем питается искусственный интеллект

Человекоподобный робот София, созданный гонконгской компанией Hanson Robotics, – гражданка Саудовской Аравии

Андрей Гордеев / Ведомости

В конце января традиционный деловой завтрак Сбербанка в Давосе посетил необычный гость – человекоподобный робот София. Она активно поддерживала разговор: темой завтрака Сбербанк назвал искусственный интеллект и его влияние на компании и экономику.

«Вы доказали, что человек и робот могут вести значимый и продуктивный диалог», – отвечала София президенту Сбербанка Герману Грефу. На другую технологическую новинку – большие данные – Греф обратил внимание уже несколько лет назад, а в июле прошлого года пообещал не брать в банк юристов, которые не умеют работать с нейронными сетями.

«В прошлом году 450 юристов, которые у нас готовили иски, были сокращены. У нас нейронная сетка готовит исковые заявления значительно лучше», – говорил глава Сбербанка. На первый взгляд может показаться, что речь идет о принципиально разных технологиях, но это впечатление обманчиво, равно как и большинство представлений о всемогуществе искусственного интеллекта.

Опрошенные «Ведомостями» эксперты рассказали, как устроены эти технологии и почему нейросети пока решают только точечные задачи, хотя и очень популярны в прессе.

Читайте также:  Искусственный интеллект займется отбором человеческих эмбрионов

Шахматы и супермаркеты

«Некоторые думают, что можно буквально в подвале выращивать искусственный интеллект и чем дольше он растет, тем лучше работает», – разводит руками руководитель службы компьютерного зрения и технологий искусственного интеллекта «Яндекса» Александр Крайнов. Но на самом деле это набор методов машинного обучения и инструментов, позволяющих компьютеру решать задачи похожим образом на то, как это делает человек.

Ранний искусственный интеллект (ИИ) представлял собой набор правил, которые компьютер мог перебирать в поисках решения. В условиях нехватки данных такие системы применяются и поныне.

Например, если ритейлер не обладает детальными данными о клиентах, он может формировать цены, отталкиваясь от правил – сезонности товара, цен конкурентов, расстояния между магазинами: это будет примером ИИ, рассказывает директор по разработке и внедрению ПО компании «Инфосистемы джет» Владимир Молодых.

Но возможности такой системы будут ограничены заложенными правилами, и сбор дополнительных данных способен существенно повысить ее точность.

Так появились алгоритмы машинного обучения – подвид искусственного интеллекта. Компьютеры работают по алгоритмам, которые пишет человек, но если их писать слишком сложно, то можно дать компьютеру правильные и неправильные ответы, чтобы он сам написал алгоритм, который и решит задачу, объясняет руководитель лаборатории больших данных Фонда развития интернет-инициатив (ФРИИ) Анатолий Орлов.

В самом простом смысле это подбор параметров формулы, дающей правильный ответ на заданный вопрос, объясняет Крайнов из «Яндекса». Допустим, риэлтор хочет знать цену квартиры.

Если отталкиваться лишь от площади и расстояния до метро, то вероятность ошибки велика, поскольку на самом деле факторов гораздо больше: этаж, наличие лифта, ремонт, парк поблизости. Рассчитать влияние каждого из них риэлтору не под силу, и тут возникает программист, вооруженный методами машинного обучения.

Он задает алгоритму интересующие его признаки и примеры объявлений о продаже квартир. Алгоритм сам подбирает «вес» каждого из заданных параметров так, чтобы итоговая формула расчета учитывала их и с минимальной ошибкой определяла цену квартиры, объясняет Крайнов. А точность важна.

Важно

Хотя отдельный человек вполне может ее не чувствовать, повышение даже на 1% существенно для низкомаржинального бизнеса, где прибыль не превышает нескольких процентов, указывает он.

Это самый популярный метод машинного обучения в мире и он применяется намного чаще раскрученных в прессе нейросетей, говорит Орлов. Его применяют и в поисковых алгоритмах «Яндекса», и в кредитном скоринге в банках, и, например, для создания решений целевого маркетинга. Так, X5 Retail Group осенью 2017 г.

начала массово применять машинное обучение для создания индивидуальных предложений для участников программы лояльности «Перекрестка» и отметила, что подход сокращает затраты на коммуникацию с клиентом на 40%, а количество и ассортимент товаров в корзине покупателя повышает на 10–20%, рассказывает представитель ритейлера.

Этот показатель может увеличиться в 1,5–2 раза, если отправлять маркетинговые сообщения в момент выбора товаров в магазине, добавляет он.

Хорошо, когда данные можно описать понятными для алгоритма параметрами, но это не всегда возможно. Например, как в случае с голосом, изображением и текстом. К ним применяют иные методы, которые называются искусственными нейронными сетями, указывает Крайнов.

Обучившись на массиве предварительных данных, они обретают способность самостоятельно подбирать для себя признаки правильного ответа.

Например, «посмотрев» на десятки тысяч картинок зданий, людей, природные ландшафты, нейросеть учится опознавать их на изображениях.

Происходит это так. Математические функции, получившие название нейронов, принимают информацию на вход, обрабатывают ее и передают дальше – другим нейронам или группам нейронов.

Совет

Первые нейроны «смотрят» на фотоизображение и распознают лишь примитивные фигуры – наклоненные прямые, углы, рассказывает Орлов.

Затем обработанная информация о примитивах поступает на вход следующего слоя нейронов, а затем еще одного, и еще одного, и так нейронная сеть делает последовательность выводов о том, что было ей показано на входе.

Наклоненные прямые и углы на одном из следующих слоев превращаются в глаз, потом в лицо и в финале – в человека. Но нейронная сеть, будучи компьютерной программой, очевидно, не имеет никакого понятия о глазах, лицах и людях, для нее значительная часть признаков будет чем-то, что, в свою очередь, человек не сможет интерпретировать, объясняет Орлов.

Разработчикам предстоит объяснять ей их с помощью заранее известных пар изображений и правильных ответов. Изначально все нейроны заполняются случайными коэффициентами, и им поступает на вход первая картинка. Итог сперва неверный.

Но за счет того, что у нейросети есть правильный ответ и алгоритм обучения умеет варьировать коэффициенты в нейронах (которые, как мы помним, являются не более чем математическими функциями), за счет многократной обратной связи на каждом из слоев нейросеть учится распознаванию, объясняет Орлов.

Видеть, слышать и читать

Сегодня существует несколько десятков нейросетей различной архитектуры. Они различаются по количеству и порядку слоев и взаимодействию нейронов, которые используются для разных задач.

При анализе изображений используются так называемые сверточные нейросети: на каждом слое изображение уменьшается и в итоге последние слои видят его целиком, объясняет ведущий исследователь VisionLabs (распознавание образов) Сергей Миляев.

В процессе обучения нейронная сеть с помощью подбора значений своих параметров пытается сформировать уникальное представление лица каждого человека, на которое не должны влиять ориентация его головы в пространстве, наличие или отсутствие бороды или макияжа, факторы освещения, возрастные изменения, указывает Миляев.

Обратите внимание

Для распознавания текста используются рекуррентные сети, способные возвращаться на предыдущий слой. Значение слова зависит от контекста, поясняет директор научно-исследовательского департамента «Центра речевых технологий» Кирилл Левин.

Такие же сети преобразовывают речь в текст – они должны запоминать, какие звуки были распознаны раньше, чтобы сложить их в слова.

Для распознавания речи нейросеть должна обучиться на сотне часов разных дикторов, чтобы учитывать варианты произнесения одних и тех же звуков разными людьми и в разных условиях.

Звук разбивается на кусочки по 10–20 миллисекунд, для каждого из которых составляется гипотеза, что это может быть за звук. Чем дольше фрагмент распознаваемой записи, тем больше вероятность учесть не только связи между звуками в слове, но и грамматические связи в предложении, тематику и стиль речи.

А вот синтез речи проще, поскольку на вход подаются «идеальные» данные без помех.

Хотя задача в целом похожа – нейросеть должна подобрать лучшие сочетания звуков (фонем) между собой, чтобы речь была плавной, рассказывает Левин.

Похожим образом работает синтез музыкальных произведений: нейросеть обучается на примерах гармоничного звучания и различных стилях музыки, после чего может синтезировать мелодии в стиле Баха или Чайковского.

Для текстовой аналитики может использоваться несколько нейросетей, указывает заместитель директора по разработке технологий ABBYY Татьяна Даниэлян. Например, в огромном количестве документов нужно выявить контракты, которые могут повлечь риски для компании.

Важно

Одна сеть будет извлекать из текстов сущности, другая – связи между ними, третья – находить взаимосвязи, которые будут определять, какие из них несут риски для компании.

Эти нейросети могут работать последовательно или параллельно, результаты работы одной сети могут становиться входными данными для другой, чтобы улучшать результат обучения.

Практика распознавания

Нейросети могут применяться как для решения бизнес-задач, так и для развлекательных целей, и ярким примером тому служит популярное приложение для обработки фотографий с помощью художественных стилей Prisma.

Сейчас разработчик Prisma – стартап Prisma Labs – предлагает свои наработки в области нейросетей и компьютерного зрения корпоративным клиентам, рассказывает его генеральный директор Алексей Моисеенков. Средняя стоимость годовой лицензии на использование технологий составляет $100 000.

Например, технологию портретной сегментации, которая отделяет изображение человека от фона в режиме реального времени, использует бразильская компания, производящая оборудование биометрической идентификации для правительственных структур и банков.

Компания планирует продавать по 10 000 устройств в год, и технология должна затронуть миллионы человек в Бразилии, предвкушает Моисеенков будущий спрос.

Идентификация пользователей с помощью нейросетей сегодня активно используется в банковской сфере – например, банк «Открытие» в декабре прошлого года запустил переводы через приложение с идентификацией по фотографии и ежемесячный оборот переводов увеличился примерно на четверть, рассказывает представитель банка.

Хотя таким образом клиенты переводят небольшие суммы в пределах 5000 руб. А распознавание клиентов по фотографии при обращении за кредитами позволило рынку за два года предотвратить выдачу более 4,5 млрд руб.

Читайте также:  Valkyrie проходит очередные испытания

потенциально мошеннических кредитов, рассказывает генеральный директор бюро кредитных историй «Эквифакс» Олег Лагуткин. К сервису «Эквифакс FPS.Bio» на базе решения VisionLabs подключены несколько десятков банков, говорит представитель VisionLabs.

Совет

Для выявления мошенников сервис использует фотографии из баз всех банков-участников, подчеркивает представитель банка «Хоум кредит», пользующийся решением VisionLabs.

Распознавание лиц применяется и в области безопасности. Благодаря решению Vocord (разработчик систем распознавания) на выставке Expo-2017 в Астане удалось за неделю поймать 12 человек, разыскивавшихся полицией, гордится техдиректор Vocord Алексей Кадейшвили.

Совместное решение Vocord и стартапа Timebook (сервис учета рабочего времени) используется для контроля сотрудников в супермаркетах «Лента» и «М.видео», рассказывает основатель стартапа Павел Конозаков. Система сочетает идентификацию по магнитной карточке и по привязанному к ней изображению сотрудника.

Специальное оборудование фотографирует его в начале и в конце смены и подтверждает, что карточку приложил именно тот сотрудник. По словам Конозакова, решение позволяет бороться с опозданиями, прогулами, преждевременным уходом сотрудников и тем самым экономить до 3% от фонда оплаты труда (ФОТ) ритейлеров.

Внедрение системы стоит около 0,2% ФОТа. В случае с клининговыми и охранными службами экономия может составлять до 8%, добавляет он. По словам представителя «М.видео», система тестировалась в 50 магазинах сети с июля по декабрь прошлого года и позволила сократить расходы на оплату труда на 2%.

В декабре прошлого года компания решила внедрить систему во всех 400 магазинах, рассказывает она. Представитель «Ленты» также отмечает эффект, но конкретных показателей не раскрывает.

Топливо для алгоритма

Одной из причин бурного развития нейросетей и машинного обучения Крайнов из «Яндекса» называет появление в свободном доступе огромного количества цифровых данных, доступных для обработки. Большие данные необходимы для обучения нейронных сетей – эту взаимосвязь можно сравнить с двигателем и топливом, предлагает аналогию представитель Сбербанка.

Ежедневно банк обрабатывает более 15 млн транзакций, платежи и расчеты 30 млн активных пользователей «Сбербанк.Онлайн», многочасовые записи обращений в колл-центры, записи (логи) более 90 000 банкоматов по всей стране.

Такие объемы не поддаются обработке традиционными методами, поэтому здесь и нужны технологии искусственного интеллекта и нейросетей, указывает представитель банка.

Обратите внимание

Рынок данных начал развиваться именно в интернете, где все данные изначально были цифровыми, но сейчас реальный взлет этого сектора завершился: интернет-данные собраны, и никто не собирается ими делиться, говорит Орлов из ФРИИ.

Но в других отраслях (промышленность, предсказательное техобслуживание, медицина, налоговая и бухгалтерская сфера) данные еще оцифровываются, и именно в них Орлов прогнозирует прорывы.

Например, 6 марта авиакомпания S7 сообщила, что разработала пилотную систему предиктивного техобслуживания для самолетов Airbus A319 и до конца года подключит к ней значительную часть парка.

Система анализирует исторические данные по техобслуживанию и позволяет прогнозировать возможные дефекты каждого самолета заранее. Это должно снизить количество задержек вылетов по техническим причинам, отмечается в сообщении перевозчика.

Основной эффект от применения этих технологий состоит в том, что процессы становятся быстрее, качественнее и дешевле и клиент сразу замечает эти улучшения, резюмирует представитель Сбербанка.

Источник: https://www.vedomosti.ru/technology/articles/2018/03/13/753292-chem-pitaetsya-iskusstvennii-intellekt

Ученые создали искусственный разум

Ученые создали искусственный разумsun_ai10 августа, 2010
Ученые из университета штата Мичиган создали искусственный разум, который способен на самостоятельную эволюцию.

”Пока мировые СМИ, политики и философы обсуждают вопросы о возможности и желательности создания искусственного интеллекта, ученым из американского университета штата Мичиган удалось построить новые формы интеллектуальной жизни”, – сообщает британский еженедельник New Scientist.

Альтернативный интеллект создан на основе сложных компьютерных программ – так называемых цифровых организмов. Эти электронные организмы обладают собственными ДНК. Клетки, в свою очередь, являются изначальными кодами программы.

Однако американские ученые заложили в эти ДНК способность к мутации и самостоятельному приобретению искусственным разумом новых свойств и способностей.

Американским ученым удалось создать искусственную жизнь

“Как оказалось, цифровые организмы научились пользоваться данной особенностью, характерной до этого лишь биологическим структурам”, – отметило издание. Таким образом, возник процесс размножения этих организмов, в результате которого каждое новое их поколение становится все более умным и умелым. По словам New Scientist, мир оказался на пороге появления умных машин, способных к мышлению и выполнению ряда функций, присущих человеческому головному мозгу.

Искусственный разум скоро будет создан

Согласно прогнозу ученых, настоящий искусственный разум появится на Земле уже в 2029 году. Об этом говорят участники проекта Blue Brain Project, основной целью которого является создание полноценных моделей неокортекса (новой коры) головного мозга, отвечающей за высшую нервную деятельность.

Важно

По словам известного ученого Рэя Курцвайля, искусственный интеллект наделит роботов способностью не только мыслить, но и испытывать человеческие эмоции.

При помощи суперкомпьютера Blue Gene корпорации IBM сейчас ученые моделируют нейронные колонки кортекса – вертикальные слои коры головного мозга, количество которых говорит о мере развитости процессов мышления. Дело в том, развитие цивилизации пойдет по пути слияния интеллекта человека и искусственного интеллекта.

Человечество стоит на пороге открытий, которые позволят вживлять в мозг — и в искусственный, и в настоящий — микрочипы с огромным количеством информации, которые не только значительно повысят умственные способности, но и смогут защищать организм. Т.е.

предсказывается появление «умных» нанороботов, которые будут проникать в головной мозг через капилляры и непосредственно взаимодействовать с человеческими нейронами.

Микрочипы позволят людям запоминать неограниченное количество информации, просчитывать варианты со скоростью компьютера и даже общаться с виртуальным миром через собственную нервную систему. Ученые предсказывают, что со временем и перед людьми откроются фантастические возможности: просчитывать варианты со скоростью компьютера, запоминать неограниченное количество информации и контактировать с виртуальным миром без каких-либо приспособлений, через собственную нервную систему.

IBM приступила к созданию искусственного интеллекта

Компания IBM объявила о начале работы над компьютером, работающим по приниципу человеческого мозга. Проект финансируется из государственного бюджета США. На первый этап работы Управление научных исследований Пентагона DARPA (Defense Advanced Research Projects Agency) выделило 4,9 млн. долларов.

IBM для участия в проекте объединяет ведущих психологов, нейробиологов и специалистов в области компьютерных технологий. “Человеческое сознание обладает уникальной способностью анализировать информацию, полученную через разные органы чувств, даже если эти данные противоречат друг другу”, – говорит руководитель исследования Дармендра Модха.

Специалисты IBM и пяти ведущих университетов США поставили перед собой задачу объединить знания по биологии с компьютерным воспроизведением работы нейронов. В результате они надеются разработать систему, по сложности сравнимую с мозгом кошки.

“Основная идея когнитивной компьютерной технологии состоит в том, чтобы воссоздав структуру, динамику, функции и реакции человеческого мозга, сконструировать аппарат, действующий по тем же принципам”, – говорит профессор Модха. Как утверждают ученые, нейрология накопила достаточно информации о работе нейронов и межнейронных соединениях – синапсах.

Совет

Разработки в области компьютерных технологий уже позволяют симулировать деятельность мозга небольшого млекопитающего. В прошлом году профессор Модха руководил работой по имитации мозга мыши. Для этого потребовалось 55 млн. искусственных нейронов и полтриллиона межнейронных синапсов. Подобные эксперименты стали возможны совсем недавно.

Только сейчас ученым удалось достигнуть плотности нейронного материала, сопоставимой с мозгом животного – 10 млрд. нейронов на квадратный сантиметр. Из существующих технологий заслуживает внимания компьютерный код, воспроизводящий межнейронные связи. Благодаря ему компьютер можно запрограммировать “обучиться” определенной функции или действию.

Синапсы, или межнейронные связи нейронов мозга, создаются, распадаются, укрепляются или ослабевают в зависимости от деятельности мозга. Одна из главных трудностей исследования – разработка материала, который сможет воссоздать эту особенность мозга.

Если эта проблема будет решена, то в отличие от существующей технологии, позволяющей лишь запрограммировать искусственный мозг на решение той или иной задачи, компьютер сможет на основании накопленных знаний, памяти и “опыта” анализировать данные – то, что мы называем способностью думать. Отметим, по утверждению известного ученого Рэя Курцвайля, искусственный интеллект наделит роботов способностью не только мыслить, но и испытывать человеческие эмоции, и этого уровня технологии вполне могут достигнуть к 2029 году.

КорреспонденТ.net, Интернет

Читать ещё по теме:

Чудо – создано ВИДЕО с эффектом присутствия!

Революция от Apple – новый планшет iPad
Чудо – новый робот LittleDog как живой! (видео)

Оригинал записи и комментарии на LiveInternet.ru

Источник: https://sun-ai.livejournal.com/3289.html

Ссылка на основную публикацию
Adblock
detector