Искусственный интеллект (ИИ) — это моделирование процессов человеческого мозга компьютерными системами. ИИ включает в себя экспертные системы, обработку естественного языка, распознавание речи и машинное зрение.
Как правило, работа ИИ заключается в обработке больших объемов обучающих данных с целью их анализа на предмет корреляций и закономерностей. Затем эти закономерности используются для прогнозирования будущих состояний. Таким образом, чат-бот, получающий примеры текстовых чатов, может научиться производить реалистичный диалог с людьми, а инструмент распознавания изображений может научиться идентифицировать и описывать объекты на изображениях, изучив миллионы примеров.
Программирование ИИ фокусируется на трех когнитивных навыках: обучении, рассуждении и самокоррекции.
Это привело к стремительному росту производительности и открыло двери для совершенно новых возможностей некоторых крупных предприятий.
До роста популярности ИИ было трудно представить использование компьютерного ПО для подключения пассажиров к такси, но сегодня Uber стала одной из крупнейших компаний в мире, занимаясь именно этим. Uber использует сложные алгоритмы машинного обучения (Machine Learning, ML), чтобы предсказать, когда людям понадобится такси в определенных районах. Это позволяет заранее выводить водителей в нужный район до того, как они понадобятся.
Кроме того, Google стал одним из крупнейших игроков на рынке онлайн-сервисов, используя машинное обучение для анализа того, как люди используют сервисы компании, а затем улучшая их. Ещё в 2017 году генеральный директор компании Сундар Пичаи заявил, что Google будет работать как компания, «прежде всего занимающаяся искусственным интеллектом».
Сегодня крупнейшие и наиболее успешные предприятия используют ИИ для улучшения своей деятельности и получения преимущества перед конкурентами.
Основным недостатком использования ИИ является дороговизна обработки больших объемов данных, необходимых для программирования искусственного интеллекта.
Преимущества
ИИ в здравоохранении. Самые большие ставки делаются на улучшение результатов лечения пациентов и снижение затрат. Компании применяют машинное обучение, чтобы ставить более качественные и быстрые диагнозы, чем ставят люди.
Одной из самых известных технологий, применяемой в здравоохранении, является технология IBM Watson. Модель понимает естественный язык и может отвечать на заданные вопросы. Система анализирует данные пациентов и другие доступные источники данных, чтобы сформировать гипотезу, которую затем представляет с помощью схемы оценки достоверности.
Другие приложения ИИ включают использование виртуальных медицинских помощников и чат-ботов, которые помогают пациентам и клиентам в сфере здравоохранения находить медицинскую информацию, назначать приём к врачу, понимать процесс выставления счетов и выполнять другие административные процессы. Множество технологий ИИ также используется для прогнозирования, борьбы и более полного понимания пандемий, как это было с COVID-19.
ИИ в бизнесе. Алгоритмы машинного обучения интегрируются в платформы аналитики и CRM-системы, чтобы предоставлять информацию о том, как лучше обслуживать клиентов. Кроме того, чат-боты уже давно встроены в веб-сайты для мгновенного обслуживания клиентов. Автоматизация рабочих мест также стала предметом обсуждения среди ученых и ИТ-аналитиков.
ИИ в сфере образования. ИИ может автоматизировать выставление оценок, а также оценивать учеников и адаптироваться к их потребностям, помогая им работать в своем собственном темпе.
Виртуальные кураторы могут оказывать дополнительную поддержку учащимся, чтобы они не отставали от учебной программы. Возможно, технологии ИИ могут изменить подход к обучению, заменив некоторых учителей.
ИИ в финансовой сфере. ИИ в приложениях для личных финансов и подачи налоговых деклараций меняет работу финансовых учреждений. Подобные приложения собирают личные данные клиентов и предоставляют им финансовые консультации. Кроме того, на данный момент ИИ используется в процессе покупки недвижимости и выполняет большую часть торговли на Уолл-стрит.
ИИ в юриспруденции. Процесс отбора документов в юриспруденции часто непосилен для людей. Использование ИИ для автоматизации трудоемких процессов в юридической отрасли экономит время и улучшает обслуживание клиентов. Юридические фирмы используют машинное обучение для описания данных и прогнозирования результатов, компьютерное зрение – для классификации и извлечения информации из документов и обработку естественного языка – для интерпретации запросов на информацию.
ИИ в производстве. Промышленные роботы, которые когда-то были запрограммированы на выполнение отдельных задач и отделены от людей, все чаще функционируют как коботы: маленькие многозадачные роботы, которые сотрудничают с людьми и выполняют большое количество операций на складах, в заводских цехах и других рабочих местах.
ИИ в банковской сфере. Банки успешно используют чат-ботов для информирования клиентов об услугах и предложениях, а также для обработки транзакций, не требующих вмешательства человека. Банки также используют ИИ для улучшения процесса принятия решений по кредитам, а также для установления кредитных лимитов и выявления инвестиционных возможностей.
ИИ в сфере транспортного обслуживания. Помимо фундаментальной роли ИИ в управлении автономными транспортными средствами, технологии ИИ используются в сфере транспортного обслуживания для управления трафиком, прогнозирования задержек рейсов и повышения безопасности и эффективности морских перевозок.
Безопасность. Организации используют машинное обучение в SIEM-системах (Система управления событиями безопасности) и смежных областях для обнаружения аномалий и выявления подозрительной активности в сети. Анализируя данные и используя логику для выявления сходства с известным вредоносным кодом, ИИ может предупреждать о новых и возникающих атаках гораздо раньше, чем «живые» сотрудники. Развивающиеся технологии играют большую роль в борьбе с кибератаками.
Алгоритмы машинного обучения, лежащие в основе многих самых передовых инструментов ИИ, умны настолько, насколько хороши их обучающие данные. Поскольку обучающие данные выбирает человек, то потенциальный сдвиг машинного обучения неизбежен и должен тщательно отслеживаться.
При использовании машинного обучения как части реальных производственных систем, нужно учитывать вопрос этики в процессах обучения ИИ и избегать предвзятости. Это особенно важно при использовании алгоритмов глубокого обучения (Deep Learning) и генеративно-состязательной сети (GAN).
Способность объяснить принятое решение — это большая проблема при использовании ИИ в отраслях, где действуют строгие нормативные требования. Например, финансовые учреждения в США должны объяснять своё решение о выдаче или отказе в кредите. Но когда решение об отказе принимается нейросетью, трудно объяснить его причины, потому что инструменты ИИ выявляют тонкие корреляции между тысячами переменных. Когда процесс принятия решений не может быть обоснован, программа ИИ называется «черный ящик».
Компоненты ответственного ИИНесмотря на потенциальные риски, в настоящее время существует несколько правил, регулирующих использование инструментов ИИ. Общий регламент ЕС по защите данных (GDPR) устанавливает строгие ограничения на то, как предприятия могут использовать данные пользователей, что препятствует обучению и функциональности многих приложений ИИ, ориентированных на потребителя.
Разработка законов для регулирования ИИ – непростая задача, отчасти потому, что ИИ включает в себя множество технологий, которые компании используют для разных целей, а также потому, что регулирование может осуществляться за счет прогресса и развития ИИ.
Быстрая эволюция технологий ИИ является еще одним препятствием для формирования механизма регулирования ИИ. Технологический прорыв может мгновенно сделать существующие законы устаревшими.
Например, законы, регулирующие конфиденциальность записанных разговоров, не распространяются на голосовые помощники (Alexa от Amazon и Siri от Apple). Они собирают, но не распространяют разговоры, за исключением технических специалистов компаний, которые используют записи разговоров с ассистентом для улучшения алгоритмов.
Кроме того, законы, которые правительства разрабатывают для регулирования ИИ, не мешают преступникам использовать эту технологию .
Термин «когнитивные вычисления» используется в отношении продуктов и услуг, которые имитируют и дополняют мыслительные процессы человека.
На протяжении веков мыслители от Аристотеля до испанского теолога 13-го века Рамона Луллия, Рене Декарта и Томаса Байеса использовали инструменты и логику своего времени для описания мыслительных процессов человека как символов, закладывая основу для концепций ИИ, таких как представление общедоступных знаний.
«Взлёты и падения» искусственного интеллекта с 1956 г. по настоящее время.
AIaaS — это облачная служба, предлагающая предприятиям возможности искусственного интеллекта и машинного обучения. AIaaS предоставляет готовые модели и платформы для обработки естественного языка, компьютерного зрения, распознавания речи, прогнозной аналитики и других возможностей машинного обучения.
AIaaS снижает затраты, повышает масштабируемость и позволяет предприятиям сосредоточиться на разработке инновационных решений. Примеры поставщиков AIaaS включают Google Cloud AI Platform, AWS AI, Microsoft Azure Machine Learning и IBM Watson Studio.
Как работает искусственный интеллект?
ИИ требует наличия специализированного аппаратного и программного обеспечения для написания и обучения алгоритмов. Для ИИ в основном используются языки программирования Python, R и Java.Как правило, работа ИИ заключается в обработке больших объемов обучающих данных с целью их анализа на предмет корреляций и закономерностей. Затем эти закономерности используются для прогнозирования будущих состояний. Таким образом, чат-бот, получающий примеры текстовых чатов, может научиться производить реалистичный диалог с людьми, а инструмент распознавания изображений может научиться идентифицировать и описывать объекты на изображениях, изучив миллионы примеров.
Программирование ИИ фокусируется на трех когнитивных навыках: обучении, рассуждении и самокоррекции.
- Процессы обучения. Сбор данных и создание алгоритмов (правил) для превращения данных в полезную информацию. Алгоритмы предоставляют машинам пошаговые инструкции по выполнению конкретной задачи;
- Процессы рассуждения. Выбор правильного алгоритма для достижения желаемого результата;
- Процессы самокоррекции. Постоянная тонкая настройка алгоритмов и обеспечение максимально точных результатов.
Почему искусственный интеллект важен?
ИИ может дать организации представление о её деятельности, о которой она не знала ранее. ИИ важен также потому, что в некоторых случаях ИИ может выполнять задачи лучше, чем люди. В частности, когда речь идет о повторяющихся, ориентированных на деталях задачах, например, анализ большого количества юридических документов для правильного заполнения соответствующих полей, инструменты ИИ часто выполняют работу быстро и с относительно небольшим количеством ошибок.Это привело к стремительному росту производительности и открыло двери для совершенно новых возможностей некоторых крупных предприятий.
До роста популярности ИИ было трудно представить использование компьютерного ПО для подключения пассажиров к такси, но сегодня Uber стала одной из крупнейших компаний в мире, занимаясь именно этим. Uber использует сложные алгоритмы машинного обучения (Machine Learning, ML), чтобы предсказать, когда людям понадобится такси в определенных районах. Это позволяет заранее выводить водителей в нужный район до того, как они понадобятся.
Кроме того, Google стал одним из крупнейших игроков на рынке онлайн-сервисов, используя машинное обучение для анализа того, как люди используют сервисы компании, а затем улучшая их. Ещё в 2017 году генеральный директор компании Сундар Пичаи заявил, что Google будет работать как компания, «прежде всего занимающаяся искусственным интеллектом».
Сегодня крупнейшие и наиболее успешные предприятия используют ИИ для улучшения своей деятельности и получения преимущества перед конкурентами.
Преимущества и недостатки искусственного интеллекта
Нейросети и технологии глубокого обучения быстро развиваются в первую очередь потому, что ИИ обрабатывает большие объемы данных намного быстрее и делает прогнозы более точными, чем человек.Основным недостатком использования ИИ является дороговизна обработки больших объемов данных, необходимых для программирования искусственного интеллекта.
Преимущества
- Хорошо справляется с работой, требующей внимания к деталям;
- Сокращает время для решения задач с большим объемом данных;
- Обеспечивает стабильные результаты;
- Виртуальные агенты на базе ИИ всегда доступны.
- Дорогостоящая технология;
- Требует глубоких технических знаний;
- Ограниченное количество квалифицированных специалистов для создания инструментов ИИ;
- Знает только то, что изучал в процессе обучения;
- Отсутствие способности обобщать задачи.
Сильный и слабый ИИ
ИИ можно разделить на слабый и сильный.- Слабый (ограниченный) ИИ представляет собой искусственный интеллект, разработанный и обученный для выполнения конкретной задачи. Промышленные роботы и виртуальные ассистенты (например, Siri и Cortana) используют слабый ИИ.
- Сильный (общий) ИИ представляет собой искусственный интеллект, который может воспроизвести когнитивные способности человеческого мозга. При решении незнакомой задачей сильный ИИ может использовать нечеткую логику для применения знаний из одной области к другой и автономного поиска решения задачи. Сильный ИИ должен пройти как тест Тьюринга, так и тест китайской комнаты, предназначенные для проверки «мышления» машин.
4 типа искусственного интеллекта
Аренд Хинтце, доцент интегративной биологии, информатики и инженерии в Университете штата Мичиган, объяснил в , что ИИ можно разделить на 4 типа:- Реактивные машины. Эти системы ИИ не имеют памяти и зависят от конкретной задачи. Примером может служить Deep Blue, шахматная программа IBM, обыгравшая Гарри Каспарова в 1990-х годах.
- Deep Blue может определять фигуры на шахматной доске и делать прогнозы, но поскольку у неё нет памяти, она не может использовать прошлый опыт для обоснования будущих решений.
- Подходит для простых задач классификации и распознавания образов;
- Подходит для сценариев, в которых известны все параметры: может превзойти людей, потому что он может выполнять вычисления намного быстрее;
- Неспособность работать со сценариями, включающими несовершенную информацию или требующими исторического понимания.
- Ограниченная память. У этих систем ИИ есть память, поэтому они могут использовать прошлый опыт для обоснования будущих решений. Некоторые функции принятия решений в беспилотных автомобилях устроены таким образом.
- Может решать сложные задачи классификации;
- Использует исторические данные для прогнозирования;
- Способна выполнять сложные задачи, например, управлять автономными автомобилями, но все еще не может справиться с посторонними значениями или негативными примерами;
- Существующие системы ИИ имеют этот тип, и некоторые эксперты говорят, что мы «уперлись в стену» в плане развития ИИ.
- Теория сознания. Теория сознания — это термин из психологии. Применительно к ИИ это означает, что система должна обладать социальным интеллектом, чтобы понимать эмоции. Этот тип ИИ сможет угадывать человеческие намерения и предсказывать поведение – необходимый навык для искусственного интеллекта, который способен стать неотъемлемым членом человеческих команд.
- Способен понимать человеческие мотивы и рассуждения. Может предоставить личный опыт каждому на основе его мотивов и потребностей;
- Способен учиться на меньшем количестве примеров, потому что понимает мотивы и намерения;
- Считается следующей вехой в эволюции ИИ.
- Самосознание. В этой категории системы ИИ обладают «чувством собственного "я"», которое дает им сознание. Это искусственный интеллект человеческого уровня, который также может обойти интеллект человека. Машины с самосознанием понимают свое текущее состояние. Такого типа ИИ на данный момент не существует.
Как искусственный интеллект используется сегодня?
ИИ используется во множестве различных типов технологий. Вот 6 примеров:- Автоматизация. В сочетании с технологиями ИИ инструменты автоматизации могут расширить объем и типы выполняемых задач. Примером может служить роботизированная автоматизация процессов (RPA) – тип программного обеспечения, которое автоматизирует повторяющиеся задачи обработки данных на основе правил, традиционно выполняемые людьми.
- В сочетании с машинным обучением и новыми инструментами ИИ RPA может автоматизировать большую часть работы предприятий, позволяя оперативным ботам RPA передавать информацию от ИИ и реагировать на изменения процессов.
- Машинное обучение.Это наука о том, как заставить компьютер работать без программирования. Глубокое обучение — это подраздел машинного обучения, которое можно рассматривать как автоматизацию прогнозной (предиктивной) аналитики.
- Существует три типа алгоритмов машинного обучения:
- Машинное обучение с учителем. Наборы данных помечаются, чтобы можно было обнаружить закономерности и использовать их для обозначения новых наборов данных;
- Неконтролируемое обучение. Наборы данных не помечаются и отсортированы по сходству или различию;
- Обучение с подкреплением сигналами от среды взаимодействия. Наборы данных не маркируются, но после выполнения действия или нескольких действий система ИИ получает обратную связь.
- Машинное зрение. Эта технология дает машине возможность видеть. Машинное зрение захватывает и анализирует визуальную информацию с помощью камеры, аналого-цифрового преобразования и цифровой обработки сигналов. Машинное зрение часто сравнивают с человеческим зрением, но оно может быть запрограммировано, например, для того чтобы видеть сквозь стены.
- Машинное зрение используется в ряде приложений от идентификации подписи до анализа медицинских изображений. Компьютерное зрение, ориентированное на машинную обработку изображений, часто отождествляют с машинным зрением.
- Обработка информации на естественном языке (NLP). Это обработка человеческого языка компьютерной программой. Один из старых и самых известных примеров NLP — обнаружение спама, который просматривает строку темы и текст электронного письма и решает, является ли оно спамом. Современные подходы к NLP основаны на машинном обучении. Задачи NLP включают перевод текста, анализ настроений и распознавание речи.
- Роботизация. Эта инженерная область занимается проектированием и производством роботов. Роботы часто используются для выполнения задач, которые людям трудно выполнять или для последовательного выполнения задач. Например, роботы используются на сборочных линиях для производства автомобилей или агентством NASA для перемещения крупных объектов в космосе. Исследователи также используют машинное обучение для создания роботов, которые могут взаимодействовать в социальных сетях.
- Беспилотные автомобили. Автономные транспортные средства используют сочетание компьютерного зрения, распознавания изображений и глубокого обучения, чтобы выработать автоматизированные навыки пилотирования транспортного средства, оставаясь в заданной полосе и избегая неожиданных препятствий и пешеходов.
Какие существуют приложения на основе искусственного интеллекта?
Искусственный интеллект проник в самые разные ниши. Вот 9 примеров.ИИ в здравоохранении. Самые большие ставки делаются на улучшение результатов лечения пациентов и снижение затрат. Компании применяют машинное обучение, чтобы ставить более качественные и быстрые диагнозы, чем ставят люди.
Одной из самых известных технологий, применяемой в здравоохранении, является технология IBM Watson. Модель понимает естественный язык и может отвечать на заданные вопросы. Система анализирует данные пациентов и другие доступные источники данных, чтобы сформировать гипотезу, которую затем представляет с помощью схемы оценки достоверности.
Другие приложения ИИ включают использование виртуальных медицинских помощников и чат-ботов, которые помогают пациентам и клиентам в сфере здравоохранения находить медицинскую информацию, назначать приём к врачу, понимать процесс выставления счетов и выполнять другие административные процессы. Множество технологий ИИ также используется для прогнозирования, борьбы и более полного понимания пандемий, как это было с COVID-19.
ИИ в бизнесе. Алгоритмы машинного обучения интегрируются в платформы аналитики и CRM-системы, чтобы предоставлять информацию о том, как лучше обслуживать клиентов. Кроме того, чат-боты уже давно встроены в веб-сайты для мгновенного обслуживания клиентов. Автоматизация рабочих мест также стала предметом обсуждения среди ученых и ИТ-аналитиков.
ИИ в сфере образования. ИИ может автоматизировать выставление оценок, а также оценивать учеников и адаптироваться к их потребностям, помогая им работать в своем собственном темпе.
Виртуальные кураторы могут оказывать дополнительную поддержку учащимся, чтобы они не отставали от учебной программы. Возможно, технологии ИИ могут изменить подход к обучению, заменив некоторых учителей.
ИИ в финансовой сфере. ИИ в приложениях для личных финансов и подачи налоговых деклараций меняет работу финансовых учреждений. Подобные приложения собирают личные данные клиентов и предоставляют им финансовые консультации. Кроме того, на данный момент ИИ используется в процессе покупки недвижимости и выполняет большую часть торговли на Уолл-стрит.
ИИ в юриспруденции. Процесс отбора документов в юриспруденции часто непосилен для людей. Использование ИИ для автоматизации трудоемких процессов в юридической отрасли экономит время и улучшает обслуживание клиентов. Юридические фирмы используют машинное обучение для описания данных и прогнозирования результатов, компьютерное зрение – для классификации и извлечения информации из документов и обработку естественного языка – для интерпретации запросов на информацию.
ИИ в производстве. Промышленные роботы, которые когда-то были запрограммированы на выполнение отдельных задач и отделены от людей, все чаще функционируют как коботы: маленькие многозадачные роботы, которые сотрудничают с людьми и выполняют большое количество операций на складах, в заводских цехах и других рабочих местах.
ИИ в банковской сфере. Банки успешно используют чат-ботов для информирования клиентов об услугах и предложениях, а также для обработки транзакций, не требующих вмешательства человека. Банки также используют ИИ для улучшения процесса принятия решений по кредитам, а также для установления кредитных лимитов и выявления инвестиционных возможностей.
ИИ в сфере транспортного обслуживания. Помимо фундаментальной роли ИИ в управлении автономными транспортными средствами, технологии ИИ используются в сфере транспортного обслуживания для управления трафиком, прогнозирования задержек рейсов и повышения безопасности и эффективности морских перевозок.
Безопасность. Организации используют машинное обучение в SIEM-системах (Система управления событиями безопасности) и смежных областях для обнаружения аномалий и выявления подозрительной активности в сети. Анализируя данные и используя логику для выявления сходства с известным вредоносным кодом, ИИ может предупреждать о новых и возникающих атаках гораздо раньше, чем «живые» сотрудники. Развивающиеся технологии играют большую роль в борьбе с кибератаками.
Дополненный интеллект против искусственного интеллекта
Некоторые отраслевые эксперты считают, что термин «искусственный интеллект» слишком тесно связан с популярной культурой, и это привело к тому, что у широкой публики возникли невероятные ожидания относительно того, как ИИ изменит рабочее место и жизнь в целом.- Дополненный интеллект. Некоторые исследователи и маркетологи надеются, что ярлык «дополненный интеллект», имеющий более нейтральный оттенок, поможет людям понять, что большинство разработок в сфере ИИ будут слабыми и просто улучшат продукты и услуги. Сюда можно отнести, например, автоматическое отображение важной информации в отчетах бизнес-аналитики или выделение важной информации в юридических документах.
- Искусственный интеллект. Истинный (общий) искусственный интеллект тесно связан с концепцией технологической сингулярности — будущего, управляемого искусственным сверхразумом, который намного превосходит способность человеческого мозга понять его или то, как он формирует нашу реальность.
Этическое использование искусственного интеллекта
Искусственный интеллект также вызывает споры в отношении этики его использования – к лучшему или к худшему, система ИИ запоминает то, что она уже изучила.Алгоритмы машинного обучения, лежащие в основе многих самых передовых инструментов ИИ, умны настолько, насколько хороши их обучающие данные. Поскольку обучающие данные выбирает человек, то потенциальный сдвиг машинного обучения неизбежен и должен тщательно отслеживаться.
При использовании машинного обучения как части реальных производственных систем, нужно учитывать вопрос этики в процессах обучения ИИ и избегать предвзятости. Это особенно важно при использовании алгоритмов глубокого обучения (Deep Learning) и генеративно-состязательной сети (GAN).
Способность объяснить принятое решение — это большая проблема при использовании ИИ в отраслях, где действуют строгие нормативные требования. Например, финансовые учреждения в США должны объяснять своё решение о выдаче или отказе в кредите. Но когда решение об отказе принимается нейросетью, трудно объяснить его причины, потому что инструменты ИИ выявляют тонкие корреляции между тысячами переменных. Когда процесс принятия решений не может быть обоснован, программа ИИ называется «черный ящик».
Компоненты ответственного ИИ
Разработка законов для регулирования ИИ – непростая задача, отчасти потому, что ИИ включает в себя множество технологий, которые компании используют для разных целей, а также потому, что регулирование может осуществляться за счет прогресса и развития ИИ.
Быстрая эволюция технологий ИИ является еще одним препятствием для формирования механизма регулирования ИИ. Технологический прорыв может мгновенно сделать существующие законы устаревшими.
Например, законы, регулирующие конфиденциальность записанных разговоров, не распространяются на голосовые помощники (Alexa от Amazon и Siri от Apple). Они собирают, но не распространяют разговоры, за исключением технических специалистов компаний, которые используют записи разговоров с ассистентом для улучшения алгоритмов.
Кроме того, законы, которые правительства разрабатывают для регулирования ИИ, не мешают преступникам использовать эту технологию .
Когнитивные вычисления и ИИ
Термины «искусственный интеллект» и «когнитивные вычисления» иногда используются как синонимы, но в целом, термин «искусственный интеллект» используется в отношении машин, которые заменяют человеческий интеллект, имитируя то, как мы изучаем, воспринимаем, обрабатываем и реагируем на информацию в реальном мире.Термин «когнитивные вычисления» используется в отношении продуктов и услуг, которые имитируют и дополняют мыслительные процессы человека.
Какова история ИИ?
Представление о неодушевленных предметах, наделенных разумом, существует с древних времен. Греческий бог Гефест изображался в мифах как выковывающий из золота роботоподобных слуг. Инженеры в Древнем Египте строили статуи богов, оживляемых жрецами.На протяжении веков мыслители от Аристотеля до испанского теолога 13-го века Рамона Луллия, Рене Декарта и Томаса Байеса использовали инструменты и логику своего времени для описания мыслительных процессов человека как символов, закладывая основу для концепций ИИ, таких как представление общедоступных знаний.
«Взлёты и падения» искусственного интеллекта с 1956 г. по настоящее время.
ИИ как услуга
Поскольку затраты на оборудование, программное обеспечение и персонал для обслуживания ИИ могут быть высокими, многие поставщики включают компоненты ИИ в свои стандартные предложения или предоставляют доступ к платформам искусственного интеллекта как услуги (AIaaS).AIaaS — это облачная служба, предлагающая предприятиям возможности искусственного интеллекта и машинного обучения. AIaaS предоставляет готовые модели и платформы для обработки естественного языка, компьютерного зрения, распознавания речи, прогнозной аналитики и других возможностей машинного обучения.
AIaaS снижает затраты, повышает масштабируемость и позволяет предприятиям сосредоточиться на разработке инновационных решений. Примеры поставщиков AIaaS включают Google Cloud AI Platform, AWS AI, Microsoft Azure Machine Learning и IBM Watson Studio.
