Несколько особенностей машин с искусственным интеллектом, которые хотят получить пользователи

«У бизнеса другая задача, им деньги зарабатывать надо»: об искусственном интеллекте

С какими проблемами сталкиваются исследователи искусственного интеллекта, как учатся нейросети и чем сильны российские разработчики, рассказал в интервью Indicator.Ru менеджер по развитию корпоративного бизнеса NVIDIA Антон Джораев.

— На одной из недавних конференций по искусственному интеллекту (ИИ), проходившей в Москве, много говорилось об исследованиях искусственного интеллекта в России и было заметно, что исследователи ИИ от бизнеса и инновационного сектора и исследователи ИИ от академической среды, например институтов РАН, часто друг друга не понимают и даже занимаются разными искусственными интеллектами. Почему так происходит?

— Действительно, люди из академической среды говорят об искусственном интеллекте по-другому, нежели специалисты в области прикладных исследований. Есть два понятия, первое — это общий искусственный интеллект (general purpose artificial intelligence). Как раз о нем рассказывают в фантастических фильмах и книгах.

Второе — специализированный искусственный интеллект, нечто, имеющее более прикладной смысл и решающее конкретные задачи. Общий искусственный интеллект — более фундаментальная вещь, и им вот уже многие годы занимаются в академии. Бизнес и стартапы занимаются специализированным искусственным интеллектом, потому что у бизнеса другая задача, им деньги зарабатывать надо.

Можно пытаться создать искусственный интеллект, который пройдет тест Тьюринга и будет неотличим от человека, а можно создать чат-бот, который не смог бы пройти тест, но который будет очень здорово и качественно обслуживать клиентов, звонящих в колл-центр банка, тем самым повышая их лояльность и снижая операционные расходы банку.

Обратите внимание

Именно на решение подобных задач и заточены прикладные специалисты в области глубокого обучения (deep learning).

— Могли бы вы рассказать, как в России обстоят дела с исследованиями ИИ? Есть ли какие-то специфические национальные особенности?

— То, что делается в России, принципиально не отличается от того, что делается на Западе. Потому что задачи у бизнеса примерно совпадают. Очень многие стартапы в области искусственного интеллекта имеют русские корни, даже если они зарегистрированы в США.

Возможно, это связано с тем, что у нас хорошая подготовка для математиков и разработчиков ПО. В индустрии софтверных решений очень много выпускников российских вузов. На самом деле, большинство успешных стартапов — это международные команды, поэтому не стоит искать национальные особенности.

Синергетический эффект возникает, когда объединяются ресурсы разных людей. В качестве примера приведу специалистов по глубокому обучению. Их во всем мире не так уж много, и они, как правило, включены сразу в несколько проектов.

Человек может писать научную работу по искусственному интеллекту в университете, быть сотрудником компании, специализирующейся на нейросетях, и участвовать в одном-двух стартапах.

— Многие эксперты отмечают, что сегодня основной проблемой в работе с искусственным интеллектом является то, что ИИ не может решать сложные задачи, например, узнать по паспорту фамилию стоящего перед нами человека. С какими еще задачами, которые кажутся простыми для человека, сегодня не может справиться искусственный интеллект?

— Цель создания специализированного искусственного интеллекта состоит как раз в том, чтобы решать сложные или простые, но объемные с точки зрения времени задачи. В этом ключе относительно простая задача — это та, под которую можно написать четкий алгоритм, и она будет решаться с высокой или заданной точностью.

А вот когда алгоритм решения задачи непонятен, когда нет четких правил или критериев, то в этих случаях применяются глубокие нейросети. Сюда относятся такие задачи, как, например, распознавание лиц, речи, классификация растительности и типов застройки на аэрофотоснимках, регистрация нестандартных паттернов поведения и так далее.

Недавно, например, нейросети научились распознавать человеческую речь, то есть превращать сказанные слова в текст с точностью, превосходящей точность человека. Если человек понимает 98 из 100 сказанных по телефону слов, то движок Deep Speech 2 от китайской Baidu понимает 99. Над этой задачей люди бьются уже долгие годы и решили ее с помощью глубокого обучения.

Поэтому я бы не стал говорить, что есть классы задач, которые точно нельзя решить с помощью глубокого обучения. Проблема скорее может заключаться в том, что может быть недостаточно данных для обучения машины.

Если у вас есть достаточное количество данных, то при прочих обстоятельствах (есть эксперты, понятная математика, достаточное количество вычислительных мощностей) можно натренировать нейросеть решать ту или иную задачу. Это касается сложных вещей, таких как самодвижущиеся автомобили. Такой проект, кстати, есть и у нас в NVIDIA.

Источник: https://indicator.ru/article/2016/12/28/u-biznesa-drugaya-zadacha-im-dengi-zarabatyvat-nado/

7 полезных российских ИИ-разработок, о которых вы могли не знать | Rusbase

SocialDataHub разрабатывает системы искусственного интеллекта. Основной продукт компании — платформа анализа информационного поля, которая собирает и анализирует данные, откуда только возможно: социальные сети, блоги, ТВ, базы данных, форумы, мобильные приложения и даже TOR.

В компании занимаются не мониторингом, а именно извлечением и анализом данных, используя технологии искусственного интеллекта и Big Data. Работает система на собственных алгоритмах и метриках.

Кроме сбора и структурирования данных, в SocialDataHub занимаются анализом связей, распознаванием фото- и видеоконтента и построением скоринговых моделей.

Один из последних проектов SocialDataHub — «Родительская опека», который предупреждает родителей, если у ребёнка в друзьях появляются подозрительные личности или он вступает в группы с запрещённым контентом.

Чтобы мониторить чадо, SocialDataHub не читает личные сообщения, а собирает доступную и открытую информацию в интернете.

Кроме этого, в компании могут анализировать интересы и поведение ребёнка в социальных сетях и на основе этих данных подсказывать родителям,  в какие кружки ребёнку будет интереснее ходить, в какой вуз и на какую специальность поступать, и какая профессия в будущем ему подойдёт больше.

Deep Systems

Российская компания, которая решает задачи бизнеса с помощью искусственного интеллекта. Один из продуктов Deep Systems — Movix.ai.

Это интерактивная рекомендательная система фильмов на основе deep learning, которая адаптируется к предпочтениям пользователей в реальном времени.

Работает это на нейронной сети, которая взаимодействует с пользователями и предлагает решать, пожалуй, самую важную проблему человечества на выходных — какой фильм посмотреть сегодня?

Важно

Сама нейронная сеть построена при помощи фреймворка TensorFlow, а для обучающей выборки разработчики использовали датасет MovieLens, откуда брали предпочтения пользователей по фильмам.

Как рекомендательный сервис система понимает пользователя с полуклика.

Концепция Deep Systems заключается в том, чтобы пользователь заходил на сайт без регистрации, делал несколько кликов по фильмам и получал рекомендации, которые отражают его настроение — так подбирается кино на вечер.

Когда больше не нужно ломать голову над тем, что посмотреть вечером.

Cezurity

Cezurity разработали технологию динамического обнаружения атак, которая основана на искусственном интеллекте. Работает это на анализе изменений состояний систем, выявлении в них аномалий, их классификации и выявлении признаков атаки.

На всех компьютерах стоит агент, раз в два часа собирающий информацию об объектах, которые определяют работу приложений. Это более 200 характеристик каждого объекта — например, ареал распространения, места, где они встречаются в системе, поведение файлов в случае их исполнения и тому подобное.

Эта информация формирует срез системы, который отправляется для анализа в облачную аналитическую систему Cezurity Sensa.

Источник: https://rb.ru/story/five-cool-russian-projects-in-ai/

Ведущие разработчики искусственного интеллекта – МК

В последние годы развитие искусственного интеллекта происходит невероятными темпами

28.03.2018 в 17:29, просмотров: 679

Компания Boston Dynamics регулярно выпускает все новых и новых роботов, которые способны не только самостоятельно передвигаться, вставать после падений, открывать двери, но и выполнять различные бытовые задачи. Ученые придумывают революционные технологии, расширяют возможности ИИ, адаптируют его для взаимодействия с окружающим миром.

Дошло до того, что некоторые эксперты с мировым именем, включая покойного Стивена Хокинга, уже предрекли человечеству гибель из-за восстания искусственного интеллекта – прямо как в фантастических фильмах начала 21 века.

Столь пессимистичные прогнозы кажутся нелепыми, ведь пока что искусственный интеллект только помогает человеку.

Не все об этом знают, но ИИ уже активно участвует в бизнес-процессах и даже в некоторых повседневных задачах.

Кто же стоит за внедрением искусственного интеллекта в нашу жизнь? Ниже представлены самые известные специалисты, которые развивают технологии искусственного интеллекта для практического применения.

Яна Эггерс (Jana Eggers)

Дипломированный специалист в области математики и компьютерных технологий, известный эксперт в области искусственного интеллекта. Занимает должность генерального директора компании Nara Logics, которая применяет ИИ для решения бизнес-задач.

Совет

Инновационная система от Nara Logics анализирует информацию из нейросетей в реальном времени, сопоставляет с данными из прошлого, изучает все сведения в структурированном и в хаотичном виде. После этого она выявляет взаимодействие различных сегментов и участников нейросетей и определяет, какие взаимосвязи в нейросети сильнее других и какие станут сильнее в будущем.

Читайте также:  В севилье появился робот-гид

Если говорить проще, то система анализирует тренды – как нынешние, так и утратившие актуальность. На основе анализа огромных массивов данных программа от Nara Logics позволяет предсказать, какие планируемые компанией или бизнесом действия будут полезными, а какие нанесут ущерб.

Например, стоит ли добавлять в ассортимент определенный товар, будет ли он востребован в ближайшем будущем, или его время еще не наступило? Целесообразно ли ресторану предлагать клиентам новое блюдо, станет ли оно популярным? Среди преимуществ своей разработки в Nara Logics особенно гордятся легкой интеграцией системы в уже существующую программную среду благодаря применению облачных технологий. К сожалению, конкретная эффективность системы пока не изучена.

Гэри Маркус (Gary Marcus)

Программист с мировым именем, писатель и ученый, занимающийся исследованием искусственного интеллекта.

Руководитель подразделения AI Labs (Лаборатория Искусственного Интеллекта) в компании Uber, которое занимается разработкой автопилота для автомобилей, а также развитием искусственного интеллекта, способного динамически менять маршруты и графики поездок в зависимости от трафика, дорожной обстановки и так далее.

Компания Uber известна тем, что одной из первых стала применять автопилот на современных автомобилях. В частности, на улицах Сан-Франциско очень часто можно встретить машины марок Volvo, Toyota, Ford и ряда других, которые находятся под управлением ИИ.

По мнению экспертов, примерно через 10 лет автомобили, ведомые искусственным интеллектом, станут нормальным повседневным явлением.

Причем технологии позволят эксплуатировать транспортные средства без водителя уже в ближайшие годы, но значительное время займет доработка и адаптация законодательства.

Обратите внимание

Интересно, что в декабре 2016 года Гэри Маркус лично инициировал доработку системы автопилота от Uber, поскольку автопилот иногда сокращал дорогу по не предназначенным для этого местам: полосам движения для велосипедов и маршрутных транспортных средств.

Гэри Маркус придумал особую систему определения поверхностей, движение по которым разрешено.

Детали этой уникальной технологии не разглашаются, но очевидно, что в Uber проделали отличную работу, поскольку инциденты, связанные с выездом управляемых ИИ автомобилей на запрещенные участи дороги, прекратились.

Технологии, созданные под началом Гэри Маркуса, полностью готовы к практическому применению. По мнению многих специалистов, искусственный интеллект уже сейчас управляет автомобилем лучше, чем водитель средней квалификации!

18 марта 2018 года, спустя несколько лет после начала тестирования автопилота, случилось первое и единственное смертельное ДТП с участием автомобиля, который находился в управлении автопилота Uber.

Но полиция после расследования пришла к выводу, что автопилот невиновен в происшествии.

Все это говорит о высоком качестве разработанных Uber технологий, а также о том, что их массовое применение возможно и наверняка начнется уже в ближайшем будущем.

Дмитрий Дриго (Dmitry Drigo)

Известный IT-специалист, бывший руководитель Лаборатории IBM в России, основатель компании Codigy, которая разрабатывает системы искусственного интеллекта и адаптирует их для бизнес-применения.

Важно

Codigy создала уникальную технологию анализа песен для американской академии искусства ISINA.

ИИ анализирует записи молодых артистов на основе данных из нейросетей, а затем путем изучения гистограмм мелодий, их тональности и других аспектов выявляет композиции, которые могут стать популярными.

Известно, что благодаря разработке от Codigy поиск талантов в ISINA стал вдвое эффективнее. Но главное – Дмитрий и Codigy доказали, что машины можно научить думать так, как думают сами музыканты, и оценивать таланты!

Технология может быть доработана, чтобы превратить машины в преподавателей музыкального искусства, способных дать образование мирового уровня заинтересованному студенту из любой части мира с минимальными затратами.

Это невероятно, потому что сегодня только очень ограниченное количество студентов может позволить себе уроки у лучших преподавателей музыки в живом формате. Сколько артистов, к примеру, способен принять сооснователь ISINA, двукратный победитель «Грэмми» Уолтер Афанасьефф? Наверняка совсем немного.

Но если компьютер можно научить думать так, как думает сам Уолтер, то количество студентов, которые смогут извлечь пользу из его мудрости, будет бесконечным.

Также Codigy разработала уникальное приложение для американского медицинского стартапа.

Благодаря этому приложению пользователь может оставить заявку на получение медицинской помощи, после чего к нему приедет фельдшер с оборудованием и прямо на месте сделает все нужные анализы – вплоть до УЗИ.

Совет

Раньше между консультацией у врача и началом лечения мог пройти месяц – это время уходило на обследование, повторные приемы и дополнительные анализы, а сейчас можно пройти диагностику за 15-20 минут и сразу приступить к лечению.

Еще одна особенность приложения – революционная технология от Codigy, умеющая составлять расписание докторов и медсестер таким образом, чтобы пациенты максимально быстро получали помощь, а у самих специалистов не было времени простоя.

Благодаря этой технологии теперь можно удаленно попасть на прием к лучшим докторам со всего мира! Известно, что очередь к именитым специалистам достигает нескольких месяцев и даже лет. Но если клиент отменит визит незадолго до назначенного времени, у врача может быть простой в работе.

При этом вполне вероятно, что еще один пациент, в том числе живущий на другом континенте, был бы рад заплатить любую сумму за экспертное заключение от уважаемого доктора, который неожиданно оказался свободен. Технология от Дмитрия Дриго и Codigy решает эту задачу.

Теперь врач, который готов принять дополнительного пациента, указывает свободное время в системе и проводит консультацию, причем руками фельдшера, который физически находится рядом с пациентом, он может удаленно взять все необходимые анализы и сразу назначить лечение.

А сами пациенты могут попасть на прием к лучшим докторам мира без длительного ожидания и не выходя из дома. Таким образом, приложение ощутимо снижает стоимость медицинских услуг, повышает оперативность и качество лечения, делает доступными консультации у специалистов с мировым именем.

Джи Джи Кардвелл (J.J. Kardwell)

Инвестор в области IT, основатель прогностической маркетинговой компании EverString.

Согласно данным консалтинговой фирмы Gartner, в среднем каждый бизнес тратит около 10% денег на маркетинг, но при этом многие компании не анализируют, насколько эффективно происходит генерация лидов и как можно сократить затраты.

Обратите внимание

Джи Джи Кардвелл и компания EverString активно внедряют технологию, основанную на искусственном интеллекте, которая снижает стоимость лидов, улучшает соотношение затраты/польза во всем, что касается маркетинга, и позволяет увеличить количество успешных действий до 70% – это беспрецедентно высокий показатель по меркам рекламной сферы. Не исключено, что в ближайшем будущем работу, связанную с размещением баннеров, контекстной и другой рекламы, станет выполнять искусственный интеллект – по крайней мере, благодаря EverString для этого есть все предпосылки.

Илон Маск (Elon Musk)

Один из самых обсуждаемых в мире бизнесменов, владелец SpaceX и Tesla, в 2015 году стал сооснователем некоммерческой компании OpenAI, которая изучает, как принести пользу человечеству при помощи искусственного интеллекта.

Основные задачи компании – создавать искусственный интеллект, который сможет сам писать программы, а также применять ИИ для защиты и безопасности компьютерных систем.

Также OpenAI должна отслеживать, нет ли в мире скрытой системы искусственного интеллекта, которая способна нанести вред человечеству. Компания декларирует максимальную открытость, ее проекты не находятся под грифом «совершенно секретно».

Также OpenAI обязалась публиковать в свободном доступе данные обо всех проведенных исследованиях.

20 февраля 2018 года Илон Маск покинул совет директоров OpenAI, чтобы избежать конфликта интересов, вызванного разработкой систем искусственного интеллекта и автопилота в рамках Tesla. Тем не менее, в дальнейшем он может вернуться в число руководителей OpenAI.

Источник: https://www.mk.ru/social/2018/03/28/vedushhie-razrabotchiki-iskusstvennogo-intellekta.html

Машина вместо человека: можно ли автоматизировать программирование?

Автоматизация постепенно проникает во все сферы нашей жизни. Не избежало такой участи и программирование. Сможет ли робот или ИИ заменить человека в этом деле? Посетители сайта Quora поделились своим мнением по этому неоднозначному поводу. 

Эрик Пепке, гик

Уже несколько десятилетий программистов пугают подобными страшилками, но, как видите, до сих пор этого не произошло.

Я не думаю, что это произойдет в ближайшем будущем, потому что, по сути, сейчас этим и так занимаются компиляторы.

С развитием и улучшением компиляторов языки программирования медленно, но стремятся к более высокому уровню абстракции. Подобный процесс пока невозможен без участия человека. 

Важно

В программировании не существует четких и строгих инструкций, правил поведения. Нет такой машины, которая бы могла понять постоянно варьирующийся список требований.

 Тем более не существует той, которая в состоянии понять, в какой момент существующие требования перестают отвечать желаниям пользователей.

Пока не будет решен вопрос с искусственным интеллектом, программированием будут заниматься именно живые люди.

Читайте также:  В японии создан отряд роботов, которые будут следить за активностью вулканов

Гарри Тэйлор, занимается программированием еще с момента существования 8-битных компьютеров

Нет, это принципиально невозможно.

Как вы сможете без языка программирования объяснить автоматизированной системе, что именно вы бы хотели создать? Как донести, где вы хотите расположить кнопки, как они должны выглядеть и исходя из каких действий они будут появляться и исчезать? За что будет отвечать каждая кнопка? Будет ли нажатие на одну кнопку каким-то образом влиять на то, что произойдет с остальными кнопками? Что будет происходить, если после нажатия на кнопку пользователь решит отменить последнее действие?

И это всего несколько вопросов, которые касаются кнопок одного окна.

У компьютера нет CMYK-системы (цветовая модель «голубой-пурпурный-желтый»), нет концепции комбинированных цветов, он не знает, что такое комплект шрифтов и что собой представляют картинки.

Компьютер вообще ничего не понимает. Все, на что способен компьютер, это следовать полученным инструкциям.

На данный момент наилучшим способом донести наши инструкции до системы является использование языка программирования.

Кэмерон Эрл

Да. В конечном итоге любой сможет «программировать» — на естественном и привычном нам языке сообщать компьютеру, что именно мы хотим.

Программирование — это процесс коммуникации с компьютерами. Сначала мы говорили на естественном для компьютера языке — бинарном. Чтобы иметь возможность общаться с компьютером, нам необходимо было выучить его язык. И с тех самых пор умные люди непрерывно упрощают данный процесс коммуникации.

Сначала единицы и нули были трансформированы в короткие команды (как команды для собак, «сидеть» или «голос»). Потом данные команды постепенно переросли и развились в некое подобие человеческого языка.

Совет

Те общепринятые вещи, которые раньше требовали достаточно времени и уточнения многих деталей, сейчас могут быть донесены при помощи всего нескольких слов.

И подобный процесс будет развиваться: программирование будет все дальше уходить от простого изучения языка и донесения последовательных инструкций. Вместо создания стандартного и предсказуемого кода для каждой вашей команды компьютер сам будет определять, какое именно решение из множества существующих стратегий наилучшим образом подходит для поставленной задачи.

Если же вас не устроит предложенный вариант и вы захотите, чтобы компьютер подобрал вам другой, можно будет легко и на привычном вам языке донести до системы, что именно вам не подходит и что бы вы хотели заменить. Когда подобные технологии получат достаточное развитие, тогда каждый из нас сможет заниматься подобным «программированием».

Но компьютеры будут учиться. Их уже обучают распознавать наши неосознанные желания, анализируя график работы, поисковые запросы и существующие привычки. В какой-то момент они смогут делать выводы из наших эмоций или даже мыслей.

В конечном итоге мы окажемся в мире, в котором пользовательский интерфейс будет настроен на таком высоком уровне, что сама необходимость что-либо говорить компьютеру будет казаться странной и нелепой.

Чтобы взять предмет со стола, мы же не говорим своей руке, что ей надо распрямиться и взять этот предмет. Но все это ждет нас лишь в далеком будущем. 

В относительно ближайшем будущем специалисты в сфере программирования будут оставаться достаточно востребованными, так как с течением времени технологии будут становиться все более и более сложными, а для работы с ними будет необходим высокий уровень знаний.

Но количество рабочих мест будет неумолимо сокращаться, а востребованными будут становиться специалисты с наибольшим опытом работы. В конечном итоге сами компьютеры смогут обеспечить максимальную оптимизацию.

Но до этого момента программисты точно будут существовать. 

Филипп Лхост, увлекается языками программирования

Будет ли процесс полностью автоматизирован? Я думаю, что вряд ли. Или точно не в ближайшем будущем. Вполне возможно, что многие типовые задачи будут автоматизированы. Плюс дальнейшее развитие и внедрение искусственного интеллекта также значительно изменит существующий порядок дел.

Но для меня программирование — это не просто техническая задача с несколькими стандартными решениями. Это также и творческий процесс, в котором важны воображение, остроумие, чувство эстетики (для создания пользовательского интерфейса), а также понимание пользовательских потребностей. Кроме того, некоторые алгоритмы только предстоит улучшить или даже создать. 

Поэтому, как и во многих других областях, некоторые базовые процессы в сфере программирования будут автоматизированы, но большая часть работы все-таки останется человеку. И опытные мастера своего дела продолжат с любовью заниматься своей работой. 

Ричард Кеннет Энг, использует Fortran, Tandem TAL, C/C++, C#, Obj-C, Java, Smalltalk, Python, Go

Само программирование вряд ли когда-либо станет полностью автоматизированным. Но большая часть той работы, которую сегодня выполняют программисты, в конце концов будет автоматизирована.

Например, стандартные приложения в областях, где пользовательский опыт не должен быть исключительно уникальным или обладать выдающимся дизайном — в сфере коммерческой деятельности, розничной торговли, банковского дела и финансов.

Кроме того, искусственный интеллект в итоге сможет самостоятельно заниматься дизайном и оптимизацией производства.

Обратите внимание

Автоматизация программного обеспечения — непростая задача. За все годы существования в данной сфере произошло множество изменений и открытий.

И в сфере разработки программного обеспечения будут и дальше проводиться исследования, как и во многих других технических областях: термоядерный синтез, гиперзвуковые пассажирские перевозки, электромобили, искусственный интеллект. Все эти проблемы не являются неразрешимыми, и в конце концов выход будет найден.

Источник: https://www.kv.by/post/1052661-mashina-vmesto-cheloveka-mozhno-li-avtomatizirovat-programmirovanie

Искусственный интеллект в HR

Шумиха и ожидания вокруг искусственного интеллекта (ИИ) сейчас очень высоки. Скоро мы будем разговаривать с нашими компьютерами; дроны будут доставлять наши продукты; наши машины будут ездить сами; и большинство белых воротничков будут заниматься тем, что будут следить за машинами. Что из этого правда, и что из этого действительно будет?

Будучи аналитиком и инженером, который десятилетиями следил за технологиями в отрасли, я бы сказал, что мы находимся в интересной фазе: с одной стороны, шумиха намного опережает реальность; с другой стороны, потенциал роста может быть намного больше, чем мы думаем сейчас. Возможности применения технологий в HR огромны.

Хотя сегодня каждый поставщик HR-решений строит команду по работе с ИИ, и все мы в целом хотим, чтобы наши системы были более интеллектуальными и полезными, я считаю, что этот рынок все еще очень молод. Поэтому я хочу указать в этой статье на некоторые вещи, которые следует учитывать.

На прошлой неделе я присутствовал на конференции по автоматизации подбора персонала, и мы слушали Билли Бэйна, генерального директора Oakland A’s, который говорил о Moneyball.

После замечательного обсуждения истории Sabermetrics и того, как данные изменили игру в бейсбол, он сказал нам, что у него теперь шесть инженеров по компьютерному обучению со степенью PhD, а “команду, в которой большинство кандидаты наук трудно победить”. Это то, что происходит в бизнесе.

Роль ИИ в HR и менеджменте

Давайте начнём с того, что ИИ — это не волшебная компьютерная личность; это широкий спектр алгоритмов и средств машинного обучения, которые могут быстро объединить данные, определить шаблоны, а также оптимизировать и предсказать тенденции.

Системы могут понимать речь, идентифицировать фотографии и использовать сопоставление образцов, чтобы распознать сигналы, говорящие о настроении, честности и даже качествах личности.

Эти алгоритмы не используют “интуицию”, как люди, но они быстры, поэтому могут анализировать миллионы битов информации за секунды и быстро определять корреляции с шаблонами.

Важно

Статистически системы ИИ могут “предсказывать” и “учиться”, построив кривые возможных результатов, а затем оптимизируя решения, основанные на многих критериях.

Таким образом, вы можете представить себе систему искусственного интеллекта, которая рассматривает демографические данные, историю работы и интервью с кандидатами, а затем “предсказывает”, насколько хорошо они будут выполнять свою работу. (HiredScore, Pymetrics, HireVue, IBM и другие работают над этим.)

Хотя это сложнее, чем кажется, это важное и нужное дело. Когда меня спросили об этом несколько недель назад, я ответил: “Большинство управленческих решений, которые мы принимаем сегодня, делаются исходя из нашего опыта. Если эти системы сделают нас немного умнее, мы сможем значительно улучшить наши действия”.

Да, есть много рисков и препятствий, но потенциал очень велик.

Каких приложений нам следует ожидать?

Позвольте мне перечислить лишь некоторые из областей, в которых мы могли бы увидеть по-настоящему прорывные результаты.

В рекрутинге мы принимаем много решений на основании “я так чувствую”. Одно из исследований показало, что большинство рекрутеров принимают решение о кандидате в течение первых 60 секунд встречи с ним, часто основываясь на взгляде, рукопожатии, одежде или речи.

Действительно ли мы знаем, какие характеристики, опыт, образование и личностные качества гарантируют успех в данной роли? Нет, мы этого не знаем.

Читайте также:  Искусственные иммунные системы как средство сетевой самозащиты

Менеджеры и специалисты по персоналу используют оценки, тесты, симуляции и игры на миллионы долларов, чтобы нанимать людей, но многие говорят, что они все еще ошибаются в 30-40% своих кандидатов.

Алгоритмы, основанные на искусственном интеллекте, могут отбирать резюме, находить хороших внутренних кандидатов, профили высокоэффективных сотрудников и даже декодировать видео-интервью и давать нам информацию о тех, кто, вероятно, преуспеет.

Один из наших клиентов теперь использует оценку от Pymetrics, основанную на ИИ, для отбора кандидатов на роли в маркетинге и продажах, и уровень успеха отбора вырос более чем на 30%, при этом устраняя “предвзятое отношение во время интервью” и “предвзятое отношение к образованию”, присущее этому процессу. Роль ИИ в рекрутинге будет огромной.

Кстати, пока мы все интересуемся в основном навыками работы (навыки работы с программным обеспечением, навыки продаж, математические навыки и т.д.), большинство исследований показывают, что hard-навыки составляют небольшую часть успеха человека.

В нашем последнем исследовании, посвященном высокоэффективному Talent Acquisition, мы обнаружили, что компании, находящиеся на 4 уровне и имеющие наивысшую финансовую отдачу от найма, выделяют почти 40% критериев при найме на эмоциональные и психологические черты, такие как амбиции, умение учиться, увлеченность, чувство цели. Будет ли ИИ определять это тоже? Возможно.

(Поставщиками на этом рынке являются LinkedIn, Pymetrics, Entelo, HiredScore, IBM, Textio, Talview, Unitive, PredictiveHire и другие).

Совет

В том, что касается развития и обучения сотрудников, мы пока не знаем в совершенстве, как “обучать” людей.

Глобальная индустрия L&D насчитывает более 200 миллиардов долларов, и большинство специалистов по обучению говорят нам, что по крайней мере половина из них потеряна (неправильно использована или время разработчиков просто тратится). Но мы не знаем, какая именно половина!

Источник: https://hr-portal.ru/article/iskusstvennyy-intellekt-v-hr

Что уже умеет делать искусственный интеллект в смартфонах? | Блог АЛЛО

Искусственный интеллект ускоряет работу смартфонов и может стать основной особенностью устройств, которые появятся в 2018 году. Многие из смартфонов, запущенных в прошлом году, включают аппаратное и программное обеспечение, ориентированное на ИИ, и в этом году эта тенденция сохранится.

Содержание

Давайте для начала разберемся в том, чем отличается машинное обучение от искусственного интеллекта.

Искусственный интеллект (ИИ) и машинное обучение — термины, которые часто упоминаются в технологической индустрии за последние несколько лет, но что именно они означают? Любой, кто, по крайней мере, знаком с научной фантастикой, вероятно, имеет представление об искусственном интеллекте.

Эти два термина часто смешиваются и используются неправильно, особенно отделами маркетинга, которые хотят продать что-то по более высокой цене, чем есть на самом деле. Фактически искусственный интеллект и машинное обучение — очень разные вещи, со множеством разных последствий для того, что компьютеры могут делать и как они взаимодействуют с нами.

Все начинается с нейронных сетей

Машинное обучение — компьютерная парадигма, которая ведет к росту «больших данных» и искусственного интеллекта. Оно основано на развитии нейронных сетей и глубоком обучении. Зачастую, этот процесс описывается как подражание тому, как люди учатся, но это небольшое заблуждение. Машинное обучение фактически включает в себя статистический анализ и итеративное обучение.

Вместо создания традиционной программы, состоящей из логических операторов и деревьев решений (если …, то…), нейронная сеть построена специально для обучения через параллельную сеть нейронов, каждая из которых предназначена для определенной цели.

Характер какой-либо конкретной нейронной сети может быть очень сложным, но ключом к тому, как они работают, является применение весов (или важных факторов) ко входному атрибуту. Используя сети разных весов и слоев, можно получить вероятность или оценить, что ваш вход совпадает с одним или несколькими указанными выходами.

Проблема с таким типом расчета, как и регулярное программирование, связана с тем, как и какой именно ставит вопрос человечек, то есть программист. Регулировка всех этих весов для точной настройки точности вывода может занять слишком много часов тяжелой работы, чтобы сделать ее выполнимой. Нейронная сеть переходит в область машинного обучения после введения корректирующей обратной связи.

Контролируя выход, сравнивая его со входом и постепенно меняя вес нейронов, сеть может быть обучена для повышения точности.

Важная часть здесь заключается в том, что алгоритм машинного обучения способен учиться и действовать без программистов, указывая каждую возможность в наборе данных. Вам не нужно заранее определять все возможные способы.

Обучение сети может осуществляться по-разному, но все варианты связаны с грубой силой — очень большие объемы данных сортируются за очень короткое время.

Обратите внимание

После обучения алгоритм машинного обучения способен сортировать новые входы через сеть с высокой скоростью и точностью в реальном времени.

Это делает его важной технологией для компьютерного видения, распознавания голоса, обработки языков и исследовательских проектов.

Нейронные сети в настоящее время являются самым популярным способом глубокого обучения, которое часто называют Deep Learning, но есть и другие способы достижения машинного обучения.

Искусственный интеллект

Искусственный интеллект — машина, которая может выполнять задачи, характерные для человеческого интеллекта, такие как обучение, планирование и принятие решений. Искусственный интеллект можно разделить на две основные группы — прикладные и общие.

Прикладной искусственный интеллект в настоящее время гораздо более возможен. Он предназначен для выполнения конкретных задач. Это может быть торговля акциями, управление трафиком в одном городе или помощь в диагностике пациентов.

Задача или область интеллекта ограничена, но есть все еще возможности для прикладного обучения для повышения эффективности искусственного интеллекта.

Общий искусственный интеллект, как следует из названия, шире и более способный. Он может обрабатывать более широкий круг задач, понимать почти все данные и, следовательно, может думать лучше, как люди. Общий искусственный интеллект (ИИ) мог теоретически учиться сверх первоначального набора знаний, что потенциально приводило к невероятному увеличению его способностей.

Машинное обучение, как часть более сложной системы, имеет важное значение для достижения программного обеспечения и машин, способных выполнять задачи, которые характерны и сопоставимы с человеческим интеллектом.

Искусственный интеллект в смартфонах

Источник: https://blog.allo.ua/chto-mozhet-iskusstvennyj-intellekt-v-smartfonah_2018-03-39/

Названо время замены человека искусственным интеллектом

Искусственному интеллекту потребуется 10-15 лет для того, чтобы полностью заменить человека. Ученые уверены, что за это время он сможет освоить профессию оператора, который обрабатывает информацию, используя жизненный опыт. Об этом заявил РИА «Новости» заместитель генерального директора, глава отдела информационных исследований Фонда перспективных исследований (ФПИ) Сергей Гарбук.

«Решая задачи создания прикладного искусственного интеллекта, мы говорим, прежде всего, о замене на техническую систему человека-оператора, обеспечивающего обработку информации с использованием своих естественных способностей, сформировавшихся в процессе эволюции и продолжающих развиваться на протяжении человеческой жизни. Системы искусственного интеллекта могут заменить человека в течение 10-15 лет», — сказал Гарбук.

Искусственный интеллект догоняет людей

Также глава отдела информационных исследований отметил, что скорость обучения роботов зависит от сложности решаемых задач. К слову, уже сегодня искусственный интеллект может так же, как и человек, распознавать лица, разговорную речь, находить объекты на изображениях со сложным фоном и т. п. Однако решать проблемы, основываясь при этом на жизненном опыте, роботы пока не могут.

«Мозг человека обладает явными преимуществами перед искусственным интеллектом. Еще до обучения человек-оператор обладает способностями, сформировавшимися, во-первых, эволюционно и полученными по наследству, а во-вторых, эти способности усовершенствуются также на протяжении его предшествующей жизни. Этот интеллектуальный опыт дает возможность человеку обучаться быстрее», — добавил Гарбук.

доктор технических наук, профессор Санкт-Петербургского политехнического университета Петра Великого

Могут ли вытеснить людей живые киборги и роботы? Ответ: могут, а может, и нет. Что будет в будущем, никто не знает. Мы стремимся сделать свою жизнь намного проще, но насколько это реально — пока неизвестно.

Важно

Даже великие предсказатели в области искусственного интеллекта и технических новшеств расходятся во мнениях.

Некоторые ученые считают, что точка сингулярности (имеется в виду, превзойдет ли робот человека) будет, некоторые считают, что нет.

Однако люди без дела все равно не останутся. Когда-то крестьянин работал мотыгой, а потом появился трактор. Человек научился управлять этой машиной, работать стало легче, но без дела он не остался.

И даже с современными технологиями все равно нужен человеческий труд.

Несмотря на то что беспилотные автомобили при помощи датчиков знают, когда остановиться и где необходимо повернуть, они не могут сами себя починить.

Считаю, что с помощью искусственного интеллекта люди могут более детально изучать неизведанные способности своего организма. Развитие науки в этой области только положительно скажется на человеке.

Источник: https://sciencepop.ru/cherez-10-15-let-iskusstvennyj-intellekt-smozhet-zamenit-cheloveka/

Ссылка на основную публикацию
Adblock
detector