Роботов с искусственным интеллектом учат понимать человеческий язык

С чего начать изучение искусственного интеллекта?

Машинное обучение и искусственный интеллект уже давно и прочно вошли в повседневную жизнь. Однако специалистов в этой области до сих пор очень мало. С чего же начать изучение сферы ИИ? На этот вопрос ответили пользователи сайта Quora.

Шриканс Варма Чекури, преподаватель и исследователь в сфере машинного обучения

Я работаю преподавателем онлайн-курса по изучение искусственного интеллекта и машинного обучения.

Этот курс создан для новичков, у которых нет никаких знаний в данной сфере, которые, однако, готовы на протяжении 5-6 месяцев тратить 5-10 часов в неделю на изучение машинного обучения.

По окончании данного курса многие наши студенты действительно решают существующие задачи при помощи ИИМО.

Работа курса построена следующим образом:

Обратите внимание

Мы начинаем с базовых знаний об Python, включая изучение крупных библиотек данных, таких как NumPy, SciPy, MatPlotlib, Seaborn и др. Среди множества языков программирования мы выбираем Python (а не Java или, к примеру, R), потому что этот язык достаточно легко изучить. Кроме того, для него существует огромное количество отличных библиотек для ИИМО.

Как только усвоен базовый уровень программирования, участники курса учатся работать с данными, используя Python в качестве инструмента программирования. Данный этап носит название «Исследовательский анализ данных» и включает в себя использование инструментов для построения диаграмм, что облегчает работу с данными.

На этом этапе изучаются базовые понятия, такие как гистограмма, PDF, CDF, точечная и прямоугольная диаграммы и другие. Анализу подвергаются реально существующие массивы данных.

Благодаря использованию диаграмм для осуществления анализа данных, уже на начальных этапах обучения студенты могут увидеть результат проделанных ими исследований, что, несомненно, мотивирует их на дальнейшую работу.

После мы переходим к изучению статистики и теории вероятности. Данный блок информации воспринимается участниками курса легче, учитывая то, что на предыдущем этапе велась работа с данными.

Участники курса знакомятся с такими понятиями, как распределение вероятностей, тестирование гипотезы, корреляция, доверительные интервалы и многое другое.

При помощи простых примеров, разбавляющих «сухую» теорию, данная тема воспринимается намного лучше.

Дальше мы переходим к линейной алгебре. Хоть многим людям намного проще воспринимать зрительную информацию, поэтому диаграммы и геометрия намного легче для восприятия, чем уравнения, все же базовые знания в линейной алгебры необходимы. 

Важно

Теперь можно перейти непосредственно к основам машинного обучения. Мы используем Метод главных компонент (PCA) и алгоритм t-SNE для визуализации многомерных переменных. Однако в качестве базиса для извлечения математических деталей используется геометрия.

Изучив все необходимые основы, можно переходить к главным алгоритмам машинного обучения. Что касается уравнений – они начинают нравиться студентам только тогда, когда студенты в них разобрались и могут с легкостью их читать. Поэтому мы подаем уравнения в форме описательных предложений, что помогает студентам быстрее разобраться в них и получить более четкое представление о происходящем.

По моему опыту, изучение каждой отдельной техники необходимо сочетать с параллельной работой над действительно существующей задачей той же направленности. В нашем курсе изучается более 25 техник машинного обучения и 5 техник глубокого обучения.

Если у вас есть свободное время, то неплохо было бы использовать каждый отдельный метод на практике. Это даст вам более глубокое понимание того, каким образом функционирует каждый алгоритм в машинном обучении.

Кроме того, студенту также необходимо понять и разобраться, как наиболее эффективно применять различные методы, в каких случаях метод работает не лучшим образом и что делать, если метод плохо работает.

Также, для более глубокого погружения в машинное обучение необходимо разбираться в базовой математике и применять различные техники для решения многочисленных задач, существующих в данной области.

Источник: https://www.kv.by/post/1055397-s-chego-nachat-izuchenie-iskusstvennogo-intellekta

Влияние искусственного интеллекта на развитие робототехники

Рис. 1. Родни Брукс говорит, что искусственный интеллект все еще находится в зачаточном состоянии. Нет никакой предсказуемой конкуренции между машинным и человеческим интеллектом — люди априори остаются умнее. Изображение предоставлено Robotics/Robotic Industries Association (RIA)

Исследователи и предприниматели, которые десятилетиями занимаются вопросами искусственного интеллекта, пытаются помочь людям лучше понять его тонкости и связанные с его использованием проблемы.

Сейчас специалисты в этой области работают над тем, чтобы развеять заблуждения и не совсем правильные представления, сложившиеся вокруг ИИ, и показать, как искусственный интеллект может и уже применяется в промышленной робототехнике.

«Я думаю, что самым большим заблуждением является то, что мы считаем, будто развитие искусственного интеллекта (ИИ) уже зашло чересчур далеко, — говорит Родни Брукс (Rodney Brooks), председатель и технический директор компании Rethink Robotics (рис. 1). — Мы работаем над ИИ с 1956 г.

, почти с того времени, когда отец искусственного интеллекта Джон Маккарти (John McCarthy) в 1955-м придумал сам термин «искусственный интеллект», то есть уже примерно 62 года. Но это оказалось намного сложнее, чем чистая физика в ее реализации, хотя и сама физическая реализация заняла достаточно много времени.

Думаю, в этой области мы пока еще находимся в зачаточном состоянии».

Брукс полагает, что большая часть упрощенного представления об ИИ происходит из недавних сообщений в СМИ, уделяющих повышенное внимание демонстрации антропоморфных роботов, бионических роботов, выполненных в виде животных и насекомых, а также реакции зрителей, которые восхищаются искусственными системами, соревнующимися с людьми, например, в шахматах, игре в настольный теннис или в древнюю китайскую игру «го». Здесь, несомненно, присутствует ИИ, но все это лишь его первые детские шаги.

Некоторое недоразумение связано с приравниванием производительной деятельности машины к ее компетенции, то есть способности как личности развиваться и адаптироваться к тем или иным условиям.

Когда мы видим, как человек выполняет определенную задачу, то понимаем, что у него имеются определенные навыки и знания, которыми он должен обладать для выполнения конкретной задачи.

Что касается ИИ — это совсем не так.

«Система с ИИ может фантастически играть в шахматы, но она не имеет ни малейшего представления о том, что она играет в эту игру, — поясняет Брукс.

— Так что в случае, когда мы подгоняем действия машины под некую компетенцию, то глубоко ошибаемся.

Когда вы видите, как программа узнала что-то такое, что человек тоже может узнать, вы делаете ошибку, думая, будто у нее есть все то богатство понимания, которое было бы, например, у вас в этой ситуации».

Понимание того, что такое ИИ и что таковым не является

Искусственный интеллект уже стал модным маркетинговым выражением, которое у всех на слуху и используется где ни попадя. Это напоминает то, что мы когда-то пережили с употреблением слова «робот». Теперь нам, как и с роботами, кажется, будто все обладает потенциалом ИИ.

Действительность же такова, что иногда трудно определить, что по своей сути является ИИ, а что нет. Даже эксперты колеблются, когда дело доходит до окончательного определения того, имеет нечто конкретное в своей основе ИИ или нет. Как отмечает Брукс, то, что считалось искусственным интеллектом в 1960-х гг.

, теперь преподается на первом курсе по компьютерному программированию, но уже так не называется и даже не относится к этому понятию.

«В какой-то момент что-то называется ИИ, — говорит Брукс. — А потом это становится просто информатикой».

Подмножествами ИИ (как мы понимаем это в текущий момент) являются машинное обучение и все его вариации, включая глубокое обучение, обучение с подкреплением сигналами от среды взаимодействия и имитационное обучение.

«Какое-то время ИИ был очень узким понятием.

Совет

Некоторые люди видели его как очень конкретный набор методов, основанных на поиске, — говорит Кен Голдберг (Ken Goldberg), директор Центра новых технологий (CNM, Беркли) и профессор на кафедре инженерных исследований Калифорнийского университета в Беркли (University of California, Berkeley). — Теперь ИИ рассматривается как широкий термин для робото­техники и машинного обучения, поэтому сейчас он охватывает целый ряд дополняющих понятий и областей».

Передовые современные системы компьютерного зрения — это, безусловно, форма ИИ. «Если вы просто проверяете, находится ли винт в нужном месте, как было еще в 1960-х гг.

, то это чересчур просто, чтобы назвать ИИ, — поясняет Голдберг.

— Но в то же время, когда система компьютерного зрения может распознать лица рабочих, мы обычно думаем об этом как об ИИ, поскольку решается гораздо более сложная задача».

Проблема ИИ — отсутствие контекста

Важным отличием человеческого интеллекта от машинного является контекст того или иного действия. У нас, поскольку мы разумные люди, есть лучшее понимание окружающего мира, а вот у ИИ такого понимания нет.

«Мы работаем над контекстом в области ИИ уже 60 лет и пока даже близко не подошли к решению данной проблемы, — говорит Брукс. — Вот почему я не беспокоюсь о том, что у нас вскоре появится некий суперинтеллектуальный ИИ.

Читайте также:  Сережки с ии для контроля здоровья

Да, мы несомненно добились успеха в ряде областей, и действительно — это революция в области ИИ, которая совершается прямо сейчас на наших глазах, но происходит еще в очень узких направлениях. Конечно, нынешнее распознавание речи радикально отличается от того, что было десять лет назад.

Я раньше шутил, что системы понимания речи были настроены так, что либо вы нажимаете на кнопку, либо говорите «два» и впадаете в эйфорию, если машина вас поняла. Сейчас уже все иначе».

Источник: https://controlengrussia.com/innovatsii/robototehnika/iskustvennyj-intellekt/

Когда искусственный интеллект победит человека?

В таких блокбастерах, как «Звездные войны», «Она» и «Я, робот» их создатели очаровали зрителя экземплярами с искусственным интеллектом (ИИ), которые могут творчески мыслить, принимая решения, обучаться и общаться на человеческом языке. Говорят, творцы предвосхитили наше скорое будущее. Однако, пока не слышно, чтобы появился сильный искусственный интеллект, чей мыслительный процесс напоминал бы человеческий.

Нарезать шаурму и подметать улицы – под силу любому интеллекту. Но дальше дело почему-то не двигается. Людей сажают за парты, искусственный интеллект подвергают машинному или иному способу обучения, но все, простите, пока коту под хвост!

Философ Блез Паскаль рассуждал о человеке, как о «мыслящем тростнике». Нынче поговаривают о мыслящих компьютерах и прочих машинах.

По задумке изобретателей, их детище должно обладать рядом свойств (или частью из них): воспринимать окружающее и окружающих, осознавать себя как отдельную личность, понимать собственные мысли.

И как почти недостижимый идеал – и для нас с вами – стать чуточку умнее. А почему бы и не добрее?

По мнению придумавшего в 1980 году термин «сильный искусственный интеллект» Джона Сёрла, это «соответствующим образом запрограммированный компьютер будет разумом, в том смысле, в котором человеческий разум – это разум».

Обратите внимание

Сильного ИИ не нужно бояться, ибо он не восстанет против людей, а поможет победить рак, пандемии или, на худой конец, избавит человечество от рутинной работы.

Такую точку зрения разделяют далеко не все специалисты и предлагают задуматься над этим всем сообща.

Существуют риски массового увольнения в связи с потерей рабочих мест. Если сильный ИИ попадет в руки негодных людей или террористов, они смогут причинить колоссальный вред всем нам: от кибервойны до создания автономных систем летального вооружения.

Итак, слабый интеллект уже создан. Эти творения умеют довольно неплохо справляться с поставленными перед ними информационными задачами или переводить звучащий голос в текст. Примеры вы с легкостью вспомните сами.

Безусловно, если общаясь с какой-нибудь очередной «анфисой», вы не понимаете, что разговариваете с роботом, то дела плохи не у инженеров искусственного интеллекта.

Хотя по существу робот должен не просто имитировать полученную информацию, но более или менее понимать смысл сказанного.

Большинство экспертов, из принявших участие в международной конференции в Праге (The Joint Multi-Conference on Human-Level Artificial Intelligence), которая состоялась во второй половине августа 2018 и была посвящена созданию сильного искусственного интеллекта, полагают, что рано или поздно такой ИИ появится.

37 процентов опрошенных участников конференции считают, что искусственный интеллект сродни человеческому будет создан в течение 10 лет. Еще 28% считают, что на это уйдет 20 лет.

Лишь два процента скептиков уверяют нас, что искусственный интеллект, который сможет превзойти человеческий разум, никогда не будет существовать.

Важно

Несмотря на публично продемонстрированный оптимизм, ученым неведомо, кто и как будет оплачивать такие дорогостоящие исследования. Помимо технических или бюрократических препон и рогаток имеются и определенные научные проблемы.

В частности, каким образом удастся объединить оба алгоритма, чтобы научить ИИ мыслить и рассуждать. Все дело в том, что нынешние программисты основной упор делают на алгоритмы, а не на структуры данных.

Однако имеются концепции «Искусственного интеллекта», когда акцент делается на структуры данных.

Источник: http://www.glavtema.ru/articles/2018-09-27/2429/

Что такое искусственный интеллект

Искусственный интеллект  (ИИ, artificial intelligence, AI) – это наука создания интеллектуальных технологий и компьютерных программ.

Искусственный интеллект тесно связан с задачей понять человеческий интеллект с помощью компьютерных технологий. На данный момент нельзя точно сказать, какие вычислительные методы можно называть интеллектуальными. Одни механизмы интеллекта открыты для понимания, остальные нет. На данный момент в программах используются методы, не встречающиеся у людей.

Искусственный интеллект имеет научное направление, которое изучает решение задач интеллектуальной деятельности человека. Искусственный интеллект направлен на выполнение творческих задач в области, знания о которой хранится в интеллектуальной системе программы – базе знаний.

С этими знаниями работает механизм программы – решатель задач. Затем человек получает представление о результате работы программы через интеллектуальный интерфейс. Результатом программы искусственного интеллекта, является воссоздание интеллектуального рассуждения или разумного действия.

Одним из главных свойств искусственного интеллекта является способность самообучаться. В первую очередь, это эвристическое обучение –  непрерывное обучение программы, формирование процесса обучения и собственных целей, анализ и осознание своего обучения.

Научное направление изучающее искусственный интеллект начало зарождаться еще давно:

  • философы думали о познании внутреннего мира человека
  • психологи изучали мышление человека
  • математики занимались расчетами

Вскоре, были созданы первые компьютеры, которые позволили выполнять вычисления обгоняя по скорости человека. Тогда ученые стали задавать вопрос: где граница возможностей компьютеров и могут они достигнуть уровня человека?

Алан Тьюринг – английский ученый, пионер вычислительной техники, написал статью «Может ли машина мыслить?», где описал метод, который поможет определить, в какой момент компьютер можно сравнить с человеком. Этот метод получил названием – тест Тьюринга.

Совет

Суть метода заключается в том, чтобы человек сначала отвечал на вопросы компьютера, затем на вопросы другого человека и при этом не зная, кто именно задал ему вопросы. Если при ответе на вопросы компьютера, человек не заподозрил, что это машина, то прохождение теста Тьюринга можно считать успешным, как и то, что компьютер является искусственным интеллектом.

Таким образом, если компьютер проявляет схожее с человеческим поведение в любых естественных ситуациях и способен поддержать диалог с человеком, то можно сказать, что это искусственный интеллект. Еще один предполагаемый метод определения является ли машина интеллектуальной, это ее способность к творчеству и возможность чувствовать.

Существует множество разных подходов к изучению и пониманию искусственного интеллекта.

Символьный подход

Символьный подход стал первым в цифровую эпоху машин. После создания языка символьных вычислений Лисп, его авторы приступили к реализации интеллекта.

Символьный подход используйте слабоформализованные представления. Пока что интеллектуальную работу и связанные с творчеством задачи способен выполнять только человек.

Работа компьютеров в этом направлении является предвзятой и по сути не может выполняться без участия человека.

Символьные вычисления помогли создать правила для решения задач в процессе выполнения компьютерной программы.

Однако стало возможно решать только самые простые задачи, а при появлении любой сложной задачи необходимо снова подключаться человеку.

Таким образом, такие системы не позволяют называть их интеллектуальными, так как их возможности не позволяют решать возникающие трудности и совершенствовать уже знающие способы решения задач для решения новых.

Логический подход

Логический подход основан на моделировании рассуждений и применением языка логического программирования. Например, язык программирования Пролог основан на наборе правил логического вывода без жестких последовательных действий для достижения результата.

Агентно-ориентированный подход

Агентно-ориентированный подход основан на методах помогающих интеллекту выживать в окружающей среде для достижения определенных результатов. Компьютер воспринимает свое окружение и воздействует на него с помощью поставленных методов.

Гибридный подход

Гибридный подход включает в себя экспертные правила, которые могут создаваться нейронными сетями, а порождающие правила с помощью статистического обучения.

Моделирование рассуждений

Существует такое направление в изучении искусственного интеллекта, как моделирование рассуждений. Данное направление включает в себя создания символьных систем, для постановки задач и их решения.

Поставленная задача должна быть переведена в математическую форму. При этом у нее еще нет алгоритма для решения из-за сложности.

Поэтому моделирование рассуждений содержит доказательство теорем, принятие решений, планирование, прогнозирование и т.п.

Обработка естественного языка

Еще одним важным направлением искусственного интеллекта является обработка естественного языка, на котором делается анализ и обработка текстов на понятном для человека языке. Цель этого направления – обработка естественного языка для самостоятельного приобретения знаний. Источником информации может быть текст введенный в программу или полученный из интернета.

Представление и использование знаний

Инженерия знаний – это направление получения знаний из информации, их систематизация и дальнейшее использование для решения различных задач. С помощью специальных баз знаний экспертные системы получают данные для процесса нахождения решений поставленных задач.

Машинное обучение

Одним из основных требований к искусственному интеллекту является возможность машины к самостоятельному обучению без вмешательства учителя. К машинному обучению относятся задачи по распознаванию образов: распознавание символов, текста и речи. Сюда же относится и компьютерное зрение, связанное с робототехникой.

Читайте также:  В москве пройдет первый в россии хакатон

Биологическое моделирование ИИ

Существует такое направление, как квазибиологическая парадигма, которое иначе называется Биокомпьютинг. Данное направление в искусственном интеллекте изучает разработку компьютеров и технологий с использованием живых организмов и биологических компонентов – биокомпьютеров.

Робототехника

Область робототехники тесно связана с искусственным интеллектом. Свойства искусственного интеллекта также необходимы роботам для выполнения множества различных задач. Например, для навигации и определения своего местоположения, изучения предметов и планирование своего перемещения.

Области применения искусственного интеллекта

Искусственный интеллект создается с целью решать задачи из различных областей:

  • Интеллектуальные системы для образования и отдыха.
  • Синтез и распознавание текста и человеческой речи используется в системах обслуживания клиентов.
  • Системы распознавания образов используются используют в системах безопасности, при оптическом и акустическом распознавании, медицинской диагностике, системах определения целей.
  • В компьютерных играх применяются системы ИИ для расчета игровой стратегии, имитации поведений персонажей, нахождения пути в  пространстве.
  • Системы алгоритмической торговли и принятия решений.
  • Финансовые системы для консультации и управления финансами.
  • Роботы используемые в промышленности для решения сложных рутинных задач: роботы для ухода за больными, роботы консультанты, а также занимающиеся деятельностью опасной для жизни человека: роботы спасатели, роботы минеры.
  • Управление человеческими ресурсами и рекрутинг, просмотр и ранжирование кандидатов, прогнозирование успеха сотрудников.
  • Системы распознавания и фильтрации спама в электронной почте.

Это далеко не все области, где можно применить искусственный интеллект.

Сейчас создание искусственного интеллекта является одной из важных задач человека. Однако пока нет единой точки зрения на то, что можно считать интеллектом, а что нельзя. Многие вопросы вызывают споры и сомнения.

Возможно ли создание интеллектуального разума, который будет понимать и решать проблемы людей? Разум, не лишенный эмоций и со способностями присущими живому организму. Пока не настало время, когда мы это увидим.

Источник: http://unetway.com/blog/what-is-artificial-intelligence/

Искусственный интеллект и глубокое обучение: роботы-слуги становятся реальностью

Глубокое обучение – это развивающаяся сфера в разработке искусственного интеллекта, которая быстро становится востребованной в компьютерных науках. Будучи подкатегорией машинного обучения, оно рассматривает такие вопросы, как использование…

Глубокое обучение – это развивающаяся сфера в разработке искусственного интеллекта, которая быстро становится востребованной в компьютерных науках.

Будучи подкатегорией машинного обучения, оно рассматривает такие вопросы, как использование нейронных сетей для оптимизации распознавания речи, компьютерного зрения, обработки естественного языка и т.п.

В последние годы глубокое обучение поспособствовало решению таких задач, как восприятие объектов, машинный перевод и распознавание голоса, тогда как эти исследовательские тематики уже долгое время крайне неохотно поддавались специалистам по искусственному интеллекту.

Нейронные сети

В информационных технологиях нейронная сеть – это система программ и структур данных, максимально приближенная к работе человеческого мозга. Нейронная сеть обычно использует большое количество процессоров, работающих параллельно, каждый из которых обладает своей сферой знаний и собственным доступом к данным в локальном запоминающем устройстве.

Как правило, нейронная сеть изначально «тренируется», то есть в нее подают большие объемы данных и правил относительно их взаимоотношений (например, «дед старше отца»).

После этого программа указывает сети, как вести себя в ответ на внешние сигналы (например, на данные, вводимые пользователем компьютера, который взаимодействует с сетью), или может самостоятельно инициировать деятельность (в рамках доступа к внешнему миру).

Глубокое и машинное обучение

Чтобы разобраться, что такое глубокое обучение, важно сначала отделить его от других дисциплин в сфере искусственного интеллекта. Одной из отраслей искусственного интеллекта является машинное обучение, когда компьютер извлекает знания при помощи контролируемого процесса.

Как правило, в этом случае необходим человек-оператор, помогающий машине обучаться путем сотен или тысяч тренировочных примеров и вручную исправляющий ошибки. Хотя машинное обучение приобрело доминантные позиции в сфере искусственного интеллекта, у него все же есть недостатки. Во-первых, оно занимает очень много времени.

Во-вторых, машинное обучение все же не может быть истинным мерилом компьютерного интеллекта, так оно использует изобретательность человека и его абстрактные понятия, позволяющие машине учиться. В отличие от машинного обучения, глубокое обучение в большинстве случаев проходит неконтролируемо.

Обратите внимание

Так, для него необходимо создать обширные нейронные сети, позволяющие компьютеру самостоятельно учиться и «думать» без необходимости в непосредственном вмешательстве человека. Глубокое обучение совсем не похоже на компьютерную программу, считает психолог и специалист в сфере искусственного интеллекта Гэри Маркус.

Как правило, компьютерный код пишется в соответствии с очень строгими логическими этапами. «А вот в глубоком обучении мы видим нечто совершенно иное. В нем нет множества инструкций, которые гласят: если это истинно, то делай то», – говорит ученый.

Вместо линейной логики глубокое обучение основано на теориях о том, как действует человеческий мозг. Программа состоит из переплетенных слоев взаимосвязанных узлов. Она учится путем изменения сочетаний соединений между узлами после каждого нового опыта.

Глубокое обучение продемонстрировало потенциал как основа для программного обеспечения, способного работать на эмоциях или событиях, описанных в тексте (даже если они не выражены явно), распознавать предметы на фотографиях и делать сложные предсказания о возможном будущем поведении человека.

Игра в глубокое обучение

Источник: https://econet.ru/articles/19012-iskusstvennyy-intellekt-i-glubokoe-obuchenie-roboty-slugi-stanovyatsya-realnostyu

Искусственный интеллект и обучение

По следам дискуссии на HR клубе перевели для вас статью Кларка Куинна, американского эксперта в области когнитивной науки, о возможностях искусственного интеллекта в обучении и развитии.

Об искусственном интеллекте (ИИ) сегодня говорят все. Массовая пресса и бизнес-издания рекламируют новые разработки и пишут о них страшные истории.

Преимущества искусственного интеллекта обсуждают крупнейшие компании, а поставщики рассказывают, как используют ИИ для производства своих продуктов. Такой ажиотаж случается не впервые.

Вопрос, который волнует многих, звучит так (перефразируя слова Гертруды Стайн): «Ничего — и это все, что там есть?».

Чтобы ответить на этот вопрос, давайте разберемся, что такое ИИ, на что он способен и неспособен, и как его возможности можно использовать для обучения и развития. Для начала нужно понять, что же такое интеллект.

В интеллекте есть два важных компонента — исполнение и изучение.

Допустим, если система (человек, животное или что-то иное) способна анализировать сложные ситуации и делать правильный выбор, то ее поведение можно назвать интеллектуальным.

Однако такому поведению можно научиться, если постоянно корректировать свои поступки на основе прошлого опыта. Это означает, что интеллект можно создать или приобрести.

Общая информация об ИИ

Существует два вида искусственного интеллекта. Мы называем его «искусственным», потому что он был создан на основе человеческих знаний об интеллекте.

Важно

Ранние модели ИИ появились во времена когнитивной революции и были ответом на существующую парадигму бихевиоризма.

В ее основе лежала мысль о том, что человеку не дано понять, как работает мозг: это «черный ящик», в который входят одни данные, а выходят другие — их-то бихевиористы пытались предугадать.

Но когнитивная революция опровергла эту теорию, и принципы работы мозга стали объяснимы. Первые модели с ИИ подчинялись законам формальной логики, так как они отвечали прежним взглядам на интеллект.

В основе законов лежали четкие представления о мире, которые подчинялись определенным правилам. Одни правила, в свою очередь, могли подчиняться другим.

Такие системы были созданы для выполнения умных задач и могли обучаться.

Первые модели с ИИ работали в узких предметных областях. Но результаты непрерывных исследований привели ученых к выводу, что непредсказуемое поведение в человеческой когнитивной структуре нельзя объяснить законами логики. В мышлении человека возникают систематические ошибки, которые объективно противоречат логике.

Среди таких когнитивных искажений — создание стереотипов, функциональная закрепленность, психологические установки, склонность к подтверждению своей точки зрения, ограниченная рабочая память. Оказалось, что человеческое поведение более зависимо от текущей ситуации, чем от формальной логики.

Возникла необходимость усовершенствовать существующую модель ИИ.

“Очеловечить” поведение программируемых систем пытались разными способами — с помощью коннекционизма, генетических алгоритмов и принципов нечеткой логики.

Такие системы назвали субсимвольными, так как принципы их работы невозможно описать только с помощью семантики. В определенных ситуациях их поведение, на самом деле, было очень похоже на человеческое.

Но эти системы не создавались вручную, а скорее «обучались» с помощью наборов данных и обратной связи.

Совет

Сегодня эти два подхода дополняют друг друга. В предметных областях, где поведение задается на основе законов формальной логики, можно использовать символьные системы, которые будут реагировать соответствующим образом. Но обычно их возможности ограничены, и такие модели не дорастают до «общего искусственного интеллекта».

Субсимвольные модели обучаются с помощью наборов данных и обратной связи и вырабатывают способность находить закономерности в этой информации.

Они могут успешно работать в непонятных для нас предметных областях, но результаты их работы так же недоступны для человеческого анализа.

Эти системы можно научить распознавать эмоции и другие общие модели поведения, но они всегда ограничены заданными условиями.

Недостаток субсимвольных моделей, которые становятся все более популярными, заключается в трудности интерпретации конечных алгоритмов. Поведение этих систем приходится объяснять также, как поведение человека.

Благодаря росту вычислительных мощностей мы можем одновременно работать с двумя системами. Одна из самых известных моделей, IBM Watson, интегрирует работу отдельных систем и определяет наиболее значимые выходные данные у каждой из них. Существует мнение, что такие системы, по сути, занимаются только поиском. Но возникает другой вопрос: как можно (и нужно) использовать ИИ в работе.

Читайте также:  Новый развлекательный робот был представлен на выставке в сша

ИИ и работа

Системы искусственного интеллекта никогда не устают, выполняют задачи объективно и без ошибок. В этом заключается их основное преимущество.

Обратите внимание

Благодаря обучению и оценке результаты работы систем искусственного интеллекта становятся предсказуемыми. В этом они отличаются от людей. Но такие системы практически не могут выходить за рамки изученного материала.

Они учатся на основе обратной связи и в какой-то степени начинают вести себя произвольно, но все же они весьма ограничены.

Для обучения систем все реже вручную создают логические правила. Чаще всего для этих целей используют встроенные алгоритмы.

Если мы сможем охарактеризовать входную информацию и предоставить системе обратную связь по удачным и неудачным моментам, она научится обрабатывать большой объем данных и выполнять задания, используя новую информацию.

Таким образом, системы можно научить различать визуальные закономерности и применять их в рентгенографии для выявления отклонений. По качеству работы они догонят и обгонят человека.

Компьютеры могут автоматизировать значительную часть задач, которую ранее выполняли люди. Такие системы способны делать работу, которая не под силу человеку: например, быстро и точно выполнять сложные вычисления или запоминать несвязанные факты. Однако принцип их работы достаточно сложно понять, и они не могут выполнять задачи, которые находятся за пределами их тренировочного набора.

ИИ используют для распознавания естественного языка и генерации ответов, например в чат-ботах. ИИ также помогает выявлять неисправности, и его часто применяют в системах управления роботами.

ИИ обучают распознавать потоки информации, например новости, обобщать их или выделять главное.

Системы с искусственным интеллектом помогают принимать решения в разных сферах деятельности — финансах, медицине, авиации.

Важно

Это особенно тревожно для тех, чей труд может можно легко автоматизировать. Но пока на системы ИИ нельзя полностью полагаться, потому что они не справляются с ситуациями, к которым их не готовили. В отличие от людей, у них нет большого опыта, на который можно опереться в незнакомой ситуации. Такую универсальную базу знаний для ИИ пытаются создать уже много лет, но пока безуспешно.

Есть еще один подход: вместо того, чтобы заменять людей компьютерами, нужно придумать, как использовать и тех, и других. Это направление называется усилением интеллекта. Согласно ему, нужно взять лучшее из двух систем и объединить их в одну более эффективную.

ИИ в обучении и развитии

Какую роль играет ИИ в обучении и развитии? На самом деле, большую. Прежде всего, системы с ИИ помогают оптимизировать работу внутри организации.

Рано или поздно наступит необходимость объединить работу людей и умных устройств. Это становится очевидно, учитывая, что одной из задач отдела по обучению и развитию является решение проблем с эффективностью компании.

Существует несколько основных направлений, где можно использовать ИИ.

Во-первых, ИИ подходит для чат-ботов или похожих инструментов для ответов на вопросы. Они помогут сотрудникам и клиентам получить ответы о политике и процедурах компании, станут опорой для стажеров и облегчат работу сотрудникам службы поддержки.

Во-вторых, ИИ может использоваться в адаптивном обучении. Интеллектуальные обучающие системы отлично подходят для работы в узких предметных областях и механического запоминания. Экспертные модели можно использовать для консультирования учеников по непонятным для них темам. Также они помогают наработать профессиональные навыки.

В-третьих, ИИ выявляет закономерности. Если вы отслеживаете большое количество данных, например через XAPI, система найдет соответствия, которые человек мог упустить. Она поможет с категоризацией, проведет различия между ситуациями, подберет подходящие действия и решения.

Это задачи, которые уже сейчас могут решать системы с ИИ. Однако совсем скоро наступит время, когда им будет под силу:

  • проводить синтаксический анализ текстовой информации, задавать вопросы или отвечать на них;
  • проверять сложные работы и оценивать успеваемость;
  • объяснять принципы работы систем и предлагать рекомендации по использованию.

Но не все так безоблачно. Скорее всего, границы применения ИИ выйдут за пределы организации, и наступит пора задуматься о разделении ответственности.

С этической точки зрения, если машины заменят людей, то как мы сможем помочь тем, кто останется без работы? Если системы так сильно зависят от набора данных, которые используются при обучении, как оценить их работу? В каких случаях человек работает лучше компьютера? Не все эти вопросы требуют ответа, но задуматься о них стоит.

Наступил переломный момент, когда ИИ может заменить человеческий труд или дополнить его. По поводу ИИ возникают рабочие и морально-этические вопросы, ответить на которые нужно как можно скорее.

Совет

Мне кажется, нужно отталкиваться от задачи и для начала разобраться, что должно быть «в мире» (инструменты с ИИ или без него), а что в «голове» (чем будет заниматься человек).

Обучение и развитие должно играть в этом процессе ведущую роль.

Оригинал статьи (на английском языке): на сайте Ассоциации по развитию талантов ATD.
Автор – Кларк Куинн, исполнительный директор компании Quinnovation (США).

Источник: http://trends.skolkovo.ru/2017/12/iskusstvennyiy-intellekt-i-obuchenie/

Искусственный интеллект в изучении иностранных языков

Уже никто не сомневается в том, что внедрение цифровых технологий в обучающий процесс действительно помогает учителям и студентам достигать наилучших результатов в получении знаний. К примеру, внедрение искусственного интеллекта в онлайн изучении английского языка уже доказало свою эффективность.

Удобство и гибкость использования цифровых технологий привлекают все больше преподавателей возможностью полного погружения учеников в предмет.

Потому что можно сколько угодно объяснять, показывать на пальцах, рисовать мелом на доске, показывать картинки и схемы, но не добиться такого эффекта, как с помощью технологий виртуальной реальности.

Цифровые технологии полностью меняют устоявшуюся модель образования. Во-первых, студент никогда не заснет на уроке, потому что занятия интерактивные и это интересно.

Во-вторых, использование ИИ дает возможность адаптивности и персонализации учебного процесса, чего невозможно достичь на традиционном уроке. В-третьих, система цифрового оценивания прогресса студента ИИ позволяет преподавателю быстро скорректировать курс обучения.

Более того, ИИ позволяет оценить уровень знаний будущего студента и подобрать наиболее результативный формат обучения еще на начальном этапе.

В отличие от традиционных уроков, процесс обучения с использованием ИИ проходит интереснее и продуктивнее. Вместо скучных записанных слов и фраз на бумаге, слова изучаются в интерактивном формате. Обучение с ИИ никогда не бывает скучным, поскольку возможность постоянной смены деятельности не дает рассеиваться вниманию и помогает сфокусироваться на уроке.

Обратите внимание

Адаптировать контент под конкретного ученика позволяет алгоритм учитывающий множество факторов, таких как: начальный уровень знаний, предыдущий опыт, качество восприятия информации, уровень усвояемости учебного материала.

Также на основании этой статистики подбирается формат обучения — студент сможет выполнять как креативные задачи, так и более привычную программу.

ИИ в процессе обучения английского языка позволяет полностью или частично автоматизировать и делать полноценную аналитику всех процессов — от подбора преподавателя до конкретно выбранного задания, проверка домашнего задания, а также тренировки, которые не удалось правильно пройти с первого раза, автоматически выдаются на повторение и закрепление. Благодаря внедрению ИИ, в занятиях прослеживается четкая структура, а также есть возможность отслеживания прогресса студента на всех уровнях — сам студент, преподаватель, куратор студента — все могут просмотреть статистику и помочь студенту достигнуть более высоких результатов. К примеру, лексические и грамматические навыки отрабатываются с помощью практических интерактивных заданий: лексика — собери слово по кусочкам, впиши правильный вариант либо выбери нужный вариант, при этом все слова сопровождаются картинкой, озвучкой и переводом.

Работа с ИИ также очень полезна и для обучения преподавателей, поскольку можно отследить, из-за чего программа меняет план обучения, какие факторы учитывает и какой прогресс у студента в результате. Или, к примеру, подбор участников для командной работы.

Если преподаватель может поддаться какому-то эмоциональному влиянию — все мы люди — и в результате что-то упустить из виду, недооценить или переоценить уровень знаний и возможностей участников, то ИИ это сделает беспристрастно и в соответствии с уровнем знаний участников, их возможностями и интересами.

Но как бы ни была заманчива идея полностью роботизировать учебный процесс, это все-таки невозможно, по крайней мере в ближайшее десятилетие, по нескольким причинам. Со своей стороны можем озвучить две из них.

Во-первых, учитель в учебном процессе играет роль не только носителя информации, но и наставника, перед которым у учеников всегда есть чувство ответственности.

Да и выработать правильные реакции на разные жизненные ситуации человеку доступнее, чем машине, которая будет выбирать правильное действие не интуитивно, а с помощью анализа тысячи возможных вариантов.

Важно

Поэтому следует рассматривать ИИ как эффективного помощника преподавателя, который делает качественную аналитику и персонификацию учебного процесса.

Во-вторых, нельзя забывать о том, что ИИ хорошо обучаем, но ведь учиться он может как хорошему, так и плохому, поэтому необходимо строго ограничивать сферу его влияния на учеников. Более того, если не контролировать учебный процесс, то встает вопрос о том, кто будет нести ответственность за ошибки ИИ, которые могут навредить не только усвоению учебной программы, но чисто человеческим качествам студента. Ведь именно преподаватель — один из тех людей, которые формируют личность, отношение к каким-либо вещам и событиям и оказывают большое влияние на наше мировоззрение.

Источник: https://mel.fm/blog/maksim-sundalov/65742-iskusstvenny-intellekt-v-izuchenii-inostrannykh-yazykov

Ссылка на основную публикацию
Adblock
detector