Интеллект кратко: Общая психопатология | Обучение | РОП

Общая психопатология | Обучение | РОП

Интеллект (от лат. intellectus — понимание, познание) — обобщенная характеристика познавательных (когнитивных, умственных) способностей; способность к приобретению и эффективному использованию знаний.

Когда в быту говорят об уме того или иного человека (он умный либо, напротив, неумный), мы в целом хорошо понимаем, что это может означать, несмотря на то что существование индивидуальных различий в умственных способностях вряд ли у кого-либо вызывает сомнение, но само понятие умственных способностей (интеллекта) до сих пор является предметом дискуссий в научной среде. Можно ли говорить о некой единой, общей умственной способности, или интеллект лишь совокупность независимых познавательных функций? Можно ли достоверно оценить интеллектуальный уровень? На эти вопросы до сих пор нет однозначного ответа.

Использование специальных тестов для оценки интеллекта началось в конце XIX — начале XX в.

Первоначальная задача заключалась в оценке уровня развития детей для того, чтобы определять программы их дальнейшего обучения в школе с учетом индивидуальных особенностей. В качестве меры развития интеллекта было предложено рассматривать соотношение реального хронологического возраста ребенка и его «умственного возраста». Умственный возраст определялся по выполнению заданий, которые дети того или иного возраста обычно в состоянии решить. Несовпадение умственного и хронологического возрастов считалось показателем либо умственной отсталости (умственный возраст ниже хронологического), либо умственной одаренности (умственный возраст выше хронологического). Тогда же был предложен коэффициент интеллекта (intelligence quotient, IQ): (умственный возраст/хронологический возраст) × 100%.

В последующем было разработано большое количество тестов интеллекта, как для детей, так и для взрослых. Самый известный из них тест Векслера, который существует в детском и взрослом варианте.

IQ стал определяться как соотношение балла, полученного испытуемым в том или ином тесте интеллекта, к среднему баллу по данному тесту среди тех, кто уже проходил этот тест, умноженное на 100. Соответственно, IQ=100 — соответствует средней успешности решения данного теста среди всех обследованных, меньше 100 — менее успешному результату, более 100 — более успешному результату. Как большинство биологических и физиологических параметров (например, масса тела, рост и пр.), показатели интеллекта в популяции имеют практически нормальное распределение (см. рисунок). При этом патологией может считаться значимое отклонение (в данном случае — снижение) по сравнению со средним. Так, для большинства тестов интеллекта результаты, лежащие в пределах двух стандартных отклонений от среднего (т.е. от 70 до 130), имеют 95,5% испытуемых.

Большинство тестов интеллекта являются по своей сути батареями разнообразных заданий, направленных на оценку целого спектра различных умственных способностей испытуемых. Например, тест Векслера для взрослых имеет 11 заданий, организованных в две субшкалы: вербальный интеллект (включает задания на общую осведомленность, арифметические вычисления, запоминание последовательности цифр, словарный запас) и невербальный интеллект (включает задания на кодовую замену — шифрование, завершение картинок, конструирование изображений из кубиков, определение сюжетной последовательности картинок, складывание фигур).

Результаты выполнения заданий, направленных на разные когнитивные способности, обычно имеют между собой корреляционную связь средней силы (около 0,5). Наличие этой связи позволяет некоторым ученым говорить о существовании некой общей интеллектуальной способности, которую можно определить с помощью теста и выразить в виде одного параметра (IQ). С другой стороны, отсутствие более сильной корреляционной связи между результатами позволяет другим ученым считать, что существует целый ряд когнитивных способностей, которые относительно независимы друг от друга. В работах разных исследователей приводятся разные подходы к выделению таких самостоятельных когнитивных способностей и разное их общее число (от 2 до 120).

Основываясь на своем собственном жизненном опыте, пожалуй, каждый из нас может согласиться с тем, что истина находится где-то посередине между этими полярными точками зрения. С одной стороны, со школьной скамьи мы знаем, что есть люди в целом более успешно справляющиеся с решением интеллектуальных задач, а есть люди менее успешно справляющиеся с этими заданиями.

С другой стороны, способности каждого человека индивидуальны: кто-то более способен к одному виду заданий (например, математическим), кто-то к другому (например, художественным, связанным с манипулированием мысленными образами).

Кроме того, помимо врожденных, биологических особенностей, интеллектуальное развитие во многом определяется и социальными условиями, в которых растет ребенок, тем обучением, которое он проходит.

Таким образом, рассматривая оценку умственных способностей, можно выделить несколько уровней, на которых такая оценка может проводиться:

• Предпосылки интеллекта — те базовые психические процессы, которые определяют общую успешность интеллектуальной деятельности: внимание, память, мышление, речь, скорость психических процессов и пр.
• Кристаллизованный интеллект («база знаний») — результат образования и различных социальных влияний, приобретенных в ходе развития знаний и навыков; оценивается тестами на запас слов, чтение, счет, учет социальных нормативов и пр.
• Свободный (подвижный, текучий) интеллект — представляет собой интеллект в наиболее узком смысле этого понятия как способность решать мыслительные задачи, в большей степени характеризует биологические возможности нервной системы, чем полученное образование. Оценивается тестами на выявление закономерности в ряду фигур и цифр, пространственные операции и т.д. Для оценки свободного интеллекта разработаны так называемые культурно-независимые тесты интеллекта (например, «Культурно-независимый тест интеллекта» Кеттелла, «Стандратные прогрессивные матрицы» Равена и пр.)

Определение уровня интеллекта с помощью тестов интеллекта имеет ряд недостатков (фрагментарность, узкая специализация заданий, из которых состоят тесты, невозможность полностью избежать культуральных различий, личностных особенностей, невозможность учесть успешность испытуемых в реальных видах деятельности, вероятность искажения результатов в связи с натренированностью в решении заданий теста, плохая оценка одаренности, так как часто талантливые люди плохо справляются с тестами и пр.

), но обладает значимым преимуществом — относительной объективностью и возможностью сопоставлять полученные в ходе решения заданий тестов результаты. Тем не менее ввиду вышеизложенных недостатков часто говорят, что результаты тестов являются оценкой не интеллекта в целом, а «психометрического интеллекта», т.е. способности решать задания тестов интеллекта.

Кроме оценки интеллекта с помощью тестов возможна и клиническая оценка интеллекта, когда в ходе клинической беседы с больным интеллект оценивается по описанным выше уровням:

1. Состояние психических процессов, которые можно рассматривать в качестве предпосылок интеллекта. Например, выраженные нарушения памяти или внимания могут приводить к полной неспособности решать мыслительные задачи, приобретению и использованию имевшихся прежде знаний и навыков. В случае подобных стойких и необратимых нарушений этих психических функций диагностируется слабоумие (см. далее).
2. База знаний. Оцениваются особенности того обучения, которое получил пациент, его успеваемость. Если оно было недостаточно, то необходимо оценить независимый вклад социально-психологических факторов и интеллектуальной неспособности справляться с программой обучения. Оцениваются сохранность приобретенных знаний, эрудированность пациента в общих вопросах, грамотность речи, беглость чтения, счета и пр. Также оцениваются профессиональные и бытовые навыки, их репертуар, успешность выполнения.
3. Интеллект в собственном смысле — способность пациента решать сложные умственные задачи, его способность к абстрактному мышлению, нахождению решений в нестандартных ситуациях и пр. В ходе клинической беседы оценивается способность давать объяснение пословицам и поговоркам (от простых до сложных и неоднозначных), быстро находить ответы на непривычные вопросы («что тяжелее: 1 кг пуха или 1 кг железа?», «сколько берегов у озера?» и пр.)

Оценка интеллекта шире, чем оценка особенностей мышления как психического процесса. Можно провести аналогию с понятиями разума и рассудка в философии или понятиями классической (формальной) и неклассических логик. Оценивая мышление, мы оцениваем «рассудок» — способность рассуждать логически стройно, непротиворечиво. Аристотель — основатель классической (формальной) логики — вывел основные логические законы, которые должны соблюдаться при логически правильном рассуждении, в том числе закон исключения третьего (истина или ложь, «третьего не дано»), что подразумевает однозначные толкования рассматриваемых ситуаций (существует или не существует, прав или неправ и т.д.). Оценивая интеллект, речь скорее идет о понятии «разума» как высшей формы мышления в философии, которому доступна взвешенная оценка противоречий, синтезирующая творческая деятельность, которая раскрывает сущность действительности, и пр. Современные неклассические логики — трех- (истина, ложь, неизвестно) и многомерные логики (вероятностные) — также занимаются исследованием областей, недоступных классической логике, так как признают возможность противоречий в объективном мире.

Например, если человек разговаривает по телефону и собеседник его спрашивает, что он сейчас делает, то с точки зрения формальной логики правильным ответом будет — «разговариваю по телефону». Так обычно отвечают дети приблизительно 3-летнего возраста, и с точки зрения оценки непротиворечивости мышления это было бы правильным ответом, хотя и неполным, чрезмерно конкретным. Подрастая, ребенок начинает привыкать к тому, что, задавая такой вопрос, собеседник обычно имеет в виду более общую ситуацию, чем ту, которая относится к конкретной минуте. Соответственно, ребенок более старшего возраста и взрослый, отвечая на подобный вопрос, рассказал бы, например, что он «сейчас» читает, смотрит телевизор или готовит ужин (не сейчас в буквальном, конкретном смысле слова, а сейчас в смысле на протяжении некоего промежутка времени перед звонком и после него). С точки зрения формальной логики этот ответ неправилен, так как одновременно и говорить по телефону, и, например, читать невозможно, но с точки зрения разума как раз этот ответ является наиболее правильным и ожидаемым. Понятно, что, отвечая таким «разумным» образом, человек «знает» на каком-то имплицитном, неосознанном уровне и логически правильный ответ, но абстрагируется от него.

Экспресс-оценкой способности к такому отвлеченному пониманию смыслов обычно являются задания на интерпретацию пословиц и поговорок. Например:

• Одна голова хорошо, а две лучше.
• Проще пареной репы.
• Не все то золото, что блестит.
• Яблоко от яблони недалеко падает.

Кроме того, оценивая интеллект, оценивают количество уровней «рефлексии» (отраженных смыслов), которыми в состоянии оперировать человек. Например, один человек, садясь в пригородную электричку, может быть доволен тем, что он в нее сел и теперь поедет к месту назначения. Другой человек дополнительно задумается о том, что лучше при этом выбрать немоторный вагон — так как там тише и комфортнее ехать. Третий, понимая первые два уровня оценки этой ситуации, может задуматься о том, что лучше как раз наоборот — сесть в моторный вагон, так как там будет свободнее (раз есть люди, которые думают, что в немоторном ехать лучше) и т.д.

Или, например, разные уровни рефлексии, связанные в большей мере с развитием профессиональных навыков, чем с собственно интеллектом: большинство студентов, проходящих цикл психиатрии, во время курации задумываются только о том, что конкретно они должны выяснить у пациента (поэтому вопросы формулируются напрямую, например, «употребляете ли вы алкоголь?»). Молодые врачи, получив некоторый опыт общения с пациентами, начинают в большей степени обращать внимание на то, как они должны задать вопрос пациенту, чтобы получить достоверную информацию (например, с учетом частых случаев, когда пациенты стараются приуменьшить размеры своей алкоголизации при расспросах об употреблении алкоголя «в лоб», эти вопросы лучше делать более «завуалированными» и «близкими» для пациентов. К примеру, изначально как бы проверяя память: «А вы не помните, что сколько в магазине стоит? А водка сколько стоит? А какую вы любите? А сколько можете выпить?» и т.д.). В дальнейшем, по мере накопления опыта, все большее внимание врачи начинают уделять наблюдению за тем, как пациент ответил на тот или иной вопрос (какие эмоции у него возникают и пр.).

Для решения сложных интеллектуальных задач обычно необходимо одновременно учитывать множество уровней таких смыслов. Чем больше их доступно человеку, чем больше факторов он способен взвешивать и учитывать, принимая эффективные решения, тем выше его интеллектуальные способности.

Таким образом, оценивая мышление как психический процесс, мы оцениваем способность рассуждать логически правильно на конкретном уровне, оценивая интеллект, мы оцениваем способность размышлять на более сложном, абстрактном уровне, те уровни абстракции, которые доступны данному человеку.

определение, виды интеллекта, выбор профессии

Считается, чем умнее человек, тем больше у него шансов стать успешным и богатым. И каково бывает удивление, когда одноклассник, не блещущий знаниями в школе, открывает прибыльный бизнес, а отличник остаётся не у дел. «В чём же секрет?» — спросишь ты. «В интеллекте и его видах!» — ответит Адукар.

Определение интеллекта

Говоря простым языком, интеллект — это способность решать поставленные задачи и достигать цели, используя познавательные качества (память, внимание, мышление, воображение, ум, восприятие). В зависимости от того, какое познавательное качество у тебя развито больше, в твоей личности доминирует определённый вид интеллекта. И если этот вид применить на подходящем поприще, то реализоваться профессионально будет легче.

Виды интеллекта

Чаще всего в психологии выделяют семь видов интеллекта.

Речевой интеллект

Личности с данным видом интеллекта грамотно выражают мысли письменно и устно, любят читать и знают наизусть множество произведений, без труда изучают иностранные языки. Слово — их главный инструмент в достижении успеха. Овладев ораторским мастерством, эти люди преуспевают в таких сферах, как преподавание, журналистика, политика, реклама, юриспруденция.

Логико-математический интеллект

С числами и математическими действиями такие люди «на ты». Работа с абстрактными понятиями и категориями не составляет труда. Программирование, финансы, инженерия — их конёк.

Телесно-кинетический интеллект

Любители и профессионалы в спорте, танцах отличаются этим видом интеллекта. Они в совершенстве владеют своим телом и движением они могут сказать гораздо больше, чем словом.

Визуально-пространственный интеллект

Определить на глаз расстояние или площадь помещения, местоположение по карте и верный маршрут, создать трёхмерное изображение или фигуру — в этом помогает четвёртый вид. Строитель, архитектор, дизайнер интерьера, скульптор, художник, водитель — те профессии, в которых без него никуда. Хотя и в повседневной жизни он, безусловно, необходим.

Социальный интеллект

Он подразумевает успешное общение с людьми: человек мгновенно налаживает контакт с собеседником, правильно понимает его эмоции, заводит и поддерживает новые знакомства, связи. Любит коммуницировать, одним словом. Пиарщики, политики, священнослужители, адвокаты, психологи, врачи, социологи — всех не перечесть.

Личностный интеллект

Понимать окружающих немаловажно, однако наладить внутренний диалог — первоочередная необходимость. Контроль за проявлением эмоций и чувств важен в любой профессии, особенно если речь идёт о профессиях типа «человек-человек».

Творческий интеллект

Название говорит за себя. Склонность к творчеству, а также способность создавать новые идеи или улучшать уже существующие отличает обладателей седьмого вида интеллекта.

Если в человеке сочетаются несколько видов интеллекта, ему гораздо легче справиться с поставленными задачами и преуспеть в будущей профессии. Важно учесть этот момент при выборе профессии.

Определи, какие виды интеллекта у тебя преобладают сейчас. Затем подыщи те занятия, где они необходимы. Эту информацию получишь, изучив описание интересующей профессии. Составь список потенциальных профессий.

Если в какой-то профессии тебе не хватает качеств одного из видов интеллекта, возможны два пути: прокачать недостающие качества или выбрать другое дело.

* * *

Материал был тебе полезен? Тогда не забудь поставить «мне нравится» в наших соцсетях ВКонтакте, Instagram, Facebook и поделиться им с друзьями. А мы подготовим ещё больше интересных и полезных материалов!

Читай прямо сейчас: «Как выбрать профессию?» Ищем ответ в психологии

Перепечатка материалов с сайта adukar.by возможна только с письменного разрешения редакции. [email protected]

Искусственный интеллект — угроза или помощник для человечества?

• Ксения Гогитидзе
• Би-би-си, Лондон

10 февраля 2017

Автор фото, Thinkstock

Подпись к фото,

Симбиоз человека и машины — один из путей развития человечества

Умные машины научились блефовать, обыгрывать профессионалов в шахматы или Го, переводить и распознавать человеческий голос. Каждую неделю мы узнаем о все новых подвигах компьютерных программ, уже умеющих ставить медицинские диагнозы, рисовать не хуже Рембрандта, петь или генерировать текст. Стоит ли человеку опасаться искусственного интеллекта?

По-настоящему «горячей» тема искусственного интеллекта (ИИ/AI) стала в последние несколько лет. Ученые связывают это с бурным развитием нейронных сетей (одно из направлений исследований в области искусственного интеллекта), которое, в свою очередь, стало возможным с появлением мощных компьютеров.

«С начала 2010-х годов под влиянием впечатляющих успехов, полученных в результате применения многослойных нейронных сетей (в первую очередь сверточных и рекуррентных), эта область привлекла серьезное внимание как со стороны ученых и инженеров, так и со стороны инвесторов», — комментирует автор одной из российских шахматных программ, специалист по методам машинного обучения Сергей Марков.

Ученое сообщество может спорить о сроках появления умных машин, но сходится в одном: развитие технологий окажет безусловное влияние на общество, экономику и отношения между людьми в будущем. Уже сейчас раздаются призывы обдумать этические принципы разработки искусственного интеллекта, удостоверившись в том, что искусственный интеллект развивается в безопасном для людей направлении.

Экономический эффект и влияние на рынок труда

Научная фантастика и Голливуд сформировали представление об «искусственном интеллекте» как о следующей форме жизни на планете, которая поработит человечество в Матрице или организует ему ядерный Судный день. Выживших добьет Терминатор.

Автор фото, Getty Images

Подпись к фото,

Умрет ли человечество от Skynet?

В действительности, несмотря на последние достижения в области искусственного интеллекта, до появления разумных машиносуществ еще далеко, признают ученые и специалисты. И те, и другие, впрочем, советуют на некоторые аспекты обратить внимание уже сейчас.

По оценкам исследовательской организации McKinsey Global Institute, в ближайшие десять лет новые технологии радикально изменят рынок труда на планете, что позволит сэкономить порядка 50 трлн долларов.

Изменения коснутся сотен миллионов рабочих мест. Люди все больше и больше будут перекладывать часть своих служебных заданий и многие рутинные задачи на машину, что позволит им сосредоточиться на творческой работе.

«С некоторой точки зрения у человечества в целом есть важная и интересная задача — развиваться каждому конкретному индивидууму гораздо быстрее, чем человечество развивает системы искусственного интеллекта», — считает эксперт, директор по распространению технологий «Яндекса» Григорий Бакунов.

Но вместе с автоматизацией неминуемо пострадают менее квалифицированные кадры, и уже сейчас необходимо задуматься, как их защитить, переучить и подготовить к новой жизни.

Пострадать, как показывает практика, могут не только синие воротнички, но и работники умственного труда. Несколько дней назад Goldman Sachs заменил команду из 600 трейдеров на двух человек и автоматизированные программы алгоритмического трейдинга, для обслуживания которых были наняты 200 разработчиков-программистов.

Автор фото, Thinkstock

Подпись к фото,

Многие задачи вскоре станут по силам роботизированным системам, которые последовательно начнут заменять людей

Искусственный интеллект сам по себе не тождественен автоматизации процессов, но развитие ИИ приведет к тому, что все больше задач будет по силам компьютерной программе.

Среди вариантов решения проблемы вытеснения человека машиной на рынке труда, как указывает Аллисон Дютман, координатор программ Foresight Institute — некоммерческой организации, базирующейся в Силиконовой долине для продвижения новых технологий, — введение понятия «универсальный базовый доход», который бы получал каждый житель вне зависимости от уровня дохода и занятости. Подобный доход финансировался бы за счет так называемого инновационного налога Land Value Tax, введение которого сейчас активно обсуждается в Силиконовой долине.

Личность ли искусственный интеллект?

Является ли роботизированная система личностью? Может ли умный компьютер голосовать? Какого он пола? Отношения человека и умной машины уже сейчас обсуждают депутаты Европарламента, задаваясь вопросом, следует ли наделять будущих роботом статусом «электронной личности».

Как указывает Дютман, люди нехотя делятся правами с теми, кто им непонятен, а значит будут сопротивляться «очеловечиванию» ИИ.

Автор фото, AFP

Подпись к фото,

Человека и машину разделяет главное — способность думать

«Принимая во внимание, как долго человечество шло к тому, чтобы наделить равными правами всех людей, вне зависимости от цвета их кожи, расы или гендера, можно уже сейчас предположить, что и машины они не сходу не признают равными.

Вместе с этическими появляются и юридические тонкости: кто возьмет на себя ответственность в случае аварии беспилотного автомобиля или поломки умного медицинского устройства — и нравственные вопросы: стоит ли развивать беспилотное оружие, способное действовать без ведома человека?

Третья этическая головоломка обсуждается чаще других и волнует человечество гораздо больше: что теоретически может сделать с человечеством суперинтеллект, настоящая умная машина?

Научить ИИ этике

Специалисты в области развития ИИ признают: пусть не в ближайшие 20-30 лет, но человечество все же доживет до появления настоящего искусственного интеллекта, который будет умнее своего создателя.

«Последний бастион будет взят тогда, когда будет создан так называемый «сильный ИИ» (Strong AI, Artificial General Intelligence), то есть такой ИИ, который будет способен решать неопределенно широкий спектр интеллектуальных задач», — говорит Сергей Марков.

А главное, такой ИИ сможет самостоятельно думать.

Исследованием угроз, которые таит ИИ, а также этическими проблемами, связанными с новыми технологиями, занимаются многие институты, в числе которых организация Future of Life Institute (Институт будущего жизни), Foresight Institute, Future of Humanity Institute, OpenAI и другие.

Решение Аллисон Дютман из Foresight Institute — дать компьютеру прочитать всю научную литературу, научные статьи, поднимающие вопрос об этике, и сделать эту информацию основой для его будущих решений.

Что такое Нейронные сети и какое у них будущее?

Большинство экспертов связывают прогресс в развитии ИИ с развитием нейронных сетей.

Нейронные сети — это одно из направлений исследований в области искусственного интеллекта, основанное на моделировании биологических процессов, которые происходят в человеческом мозгу.

Именно им мы обязаны появлению впечатляющих результатов в распознавании речи и изображений, постановке медицинских диагнозов, переводе текста и создании изображений, генерации речи и музыкальной композиции.

Автор фото, iStock

Подпись к фото,

Именно с развитием нейронных систем связывают ученые развитие искусственного интеллекта

На сегодня, как признают специалисты, нейронные сети признаны одним из лучших алгоритмов машинного обучения, а решения на их основе показывают на данный момент самые выдающиеся результаты.

И это несмотря на то, что современные нейронные сети устроены в полторы тысячи раз проще, чем головной мозг крысы.

«Пока что создаваемые нами нейронные сети относительно невелики по сравнению, скажем, с нейронной сетью человеческого мозга и, кроме того, они представляют собой весьма упрощенный аналог естественных нейронных сетей. Поэтому пока что при помощи нейронных сетей мы решаем в основном сугубо прикладные задачи», — рассказывает Сергей Марков.

Сейчас создаются специализированные процессоры для обучения таких сетей (так называемые нейроморфические процессоры), которые позволят увеличить скорость вычислений на несколько порядков.

Разработчики не просто заняты сейчас увеличением количества нейронов в сети, но и изменением конструкции сетей. «Сложные системы конфигурации сетей — то, с чем сейчас производится наибольшее число экспериментов», — рассказывает Григорий Бакунов.

Автор фото, iStock

Подпись к фото,

«Умных» помощников человека в ближайшее время станет больше — микросенсоры в стене, сенсор размером с пуговицу, оповещающий человека в случае опасности

А тот факт, что такие системы стали сравнительно доступными большому числу рядовых разработчиков, привел к появлению стартапов, экспериментирующих с нейронными сетями, например Prisma (приложение позволяет обрабатывать фотографии, превращая их в стилизации картин известных художников) и Mubert (онлайн-композитор электронной музыки).

Что нас ждет в ближайшее время

Как прогнозирует профессор Университетского колледжа Лондона и Principal Scientist Nokia Bell Labs Ник Лейн, человека будут окружать еще больше «умных вещей». Они станут компактнее и эффективнее.

Профессор приводит такой пример: если раньше встроенный в стену сенсор мог лишь осознавать, что кто-то прошел мимо, то в будущем он будет не только знать, кто конкретно прошел, но и как ведет себя человек, не нуждается ли в чем, не представляет ли он угрозу для себя или окружающих.

Сенсор размером с пуговицу сможет оповещать человека в случае опасности.

С профессором согласен и Григорий Бакунов из «Яндекса»: «В ближайшее время нас ждет бум развития узких искусственных интеллектов, которые помогают решать какую-то одну довольно простую задачу, но которую они будут решать даже лучше, чем человек».

Автор фото, iStock

Подпись к фото,

Все больше появляется этических вопросов, связанных с развитием ИИ

Система распознавания голоса, например, уже сейчас распознает некоторые голосовые команды и адреса лучше, чем человек.

«Наиболее вероятным путем развития нашей цивилизации является путь синтеза человека и машины: палка, одежда, автомобиль, мобильный телефон, кардиостимулятор или кохлеарный имплантат — по мере развития наши инструменты все более и более напоминают продолжение наших тел. Уже завтра машины смогут получать от человека мысленные команды, воспринимать мысленно формируемые визуальные образы, передавать информацию непосредственно в мозг — такие проекты уже сейчас существуют за стенами наиболее продвинутых технологических лабораторий», — подытоживает Сергей Марков.

Журналисты пока еще нужны?

Газета Financial Times в прошлом году провела довольно рискованный эксперимент, одновременно поставив задачу написать текст своему профильному корреспонденту и умной программе по имени Эмма. Обе статьи затем должен был прочитать редактор Financial Times и угадать, за какой из двух заметок стоит журналист, а за какой компьютер.

Перед этим своеобразным «краш-тестом» корреспондент Financial Times признавалась: «Я думаю, программа точно справится с задачей быстрее меня. Но, надеюсь, я все-таки сделаю это лучше».

Так и случилось: Эмма действительно оказалась быстрее — программа сгенерировала текст на основе статистики об уровне безработицы в Британии за 12 минут. Журналистке потребовалось 35 минут. И, как она сама впоследствии признавалась, Эмма превзошла ее ожидания. Программа не только умело обращалась с фактами, но и поставила новость в контекст, предположив, как возможный «брексит» (дело было в мае 2016 года, до референдума о выходе Британии из ЕС) может изменить ситуацию.

Автор фото, Thinkstock

Подпись к фото,

Заменят ли людей роботизированные системы? Лет 50 у человечества в запасе есть, успокаивают специалисты

Но кое-что Эмма сделала все же хуже журналистки. «Статья Эммы была написана немного более корявым языком. Но главное, в ней было очень много цифр, — признавался редактор FT. — А, пожалуй, главное, что мы тут пытаемся делать, так это выбирать только действительно важные цифры».

Эмма — продукт стартапа Stealth. В компании говорят, что у Эммы есть команда живых помощников, но утверждают, что все, что она пишет или делает, — продукт исключительно ее «мозгов».

И все-таки — надо ли бояться ИИ?

Многие, если не все специалисты, задействованные на сегодняшний день в разработке систем искусственного интеллекта, охотно признают, что ИИ не скоро сделает людей ненужными. Именно потому, что искусственный интеллект еще не настолько умен. Главное, чего ему на сегодняшний день не хватает, — автономной возможности думать.

«Сейчас бояться ИИ ни в каком виде не стоит. Можно подождать лет 30-40, пока действительно какие-то радикальные изменения произойдут», — считает Бакунов.

Но кое-что уже происходит: понемногу стирается грань между работой или задачей, выполненной человеком, и задачей, выполненной машиной. Как объясняют специалисты, уже сейчас порой бывает сложно понять, кто сидит внутри системы — человек или машина.

«Нет критериев, когда мы сможем понять, что внутри машины зародилось сознание», — задается вопросом Бакунов.

Человек станет скрепкой?

Известный адепт алармистской точки зрения, в рамках которой ужасы, описанные в Терминаторе, могут стать реальностью, — философ Ник Бостром — придерживается мнения, что достигший интеллектуального уровня человека ИИ способен будет уничтожить человечество.

Автор фото, Getty Images

Подпись к фото,

Станет ли описанное в фильме нашей повседневной реальностью?

Бостром объясняет на примере скрепок: вы ставите перед искусственным интеллектом задачу делать скрепки, как можно больше и лучше. ИИ в какой-то момент понимает, что человек представляет угрозу, потому что может выключить компьютер, что будет противоречить задаче делать как можно больше скрепок. В случае, если человек не представляет угрозу, ИИ решает, что человеческие тела состоят из атомов, которые можно использовать для производства отличных скрепок. Итог — компьютер изведет человечество на скрепки.

Такой сценарий многим кажется преувеличением. По мнению Сергея Маркова, например, «высокая эффективность выполнения нелепой цели несовместима с нелепостью этой цели — грубо говоря, ИИ, способный переделать весь мир в скрепки, будет неизбежно достаточно умен для того, чтобы отказаться от такой цели».

Искусственный интеллект как золотая рыбка

Британский специалист в области искусственного интеллекта, профессор когнитивной науки в Университете Сассекса Маргарет Боден относится к утверждениям о скором пришествии умных машин скептически.

Автор фото, Getty Images

Подпись к фото,

В мае 1997 года компьютер Deep Blue II впервые выиграл матч у Гарри Каспарова

Профессор приводит пример «золотой рыбки», когда в обмен на свободу рыбак загадывает три желания. Одно из желаний — вернуть сына с войны, второе — 50 тысяч долларов и третье — возможность наутро загадать еще одно желание.

В тот же вечер в дом рыбака постучали. Сына вернули с войны — в гробу. Рыбак получил страховку в 50 тысяч долларов.

«Замените в этой притче рыбку на ИИ, и все станет ясно — объясняет Боден. — Ах, да, на следующий день рыбак воспользовался третьим желанием и — отменил предыдущие два».

Возможен ли перенос сознания в машину?

Сергей Марков:

«Если говорить о возможности полного переноса сознания, то современными предшественниками такой технологии будущего являются проекты, подобные Blue Brain, направленные на создание действующих электронных аналогов мозга, а также проекты, направленные на создание интерфейсов мозг-машина (BCI) — аппараты для протезирования потерянного зрения, слуха, замены утраченных конечностей, даже частей мозга.

Автор фото, Science Photo Library

Подпись к фото,

Цель специалистов в области ИИ — создать «сильный искусственный интеллект», который был бы способен решать широкий спектр задач

Очень интересным и перспективным направлением является оптогенетика (в принципе для сопряжения мозга и машины можно менять не только машины, но и саму нервную ткань, создавая в ней искусственные фоторецепторы).

Когда будет решен широкий спектр инженерных задач в рамках таких частных проектов, я думаю, что задача переноса сознания станет вполне разрешимой. Уже сейчас мечтатели предлагают гипотетические схемы для осуществления подобного проекта.

Например, Ян Корчмарюк, предложивший в свое время название «сеттлеретика» для направления исследований, связанных с переносом сознания, считает, что наиболее перспективной схемой является использование специализированных нанороботов, внедряемых в нейроны человеческого мозга. Впрочем, для успешного воплощения подобной схемы необходимо решить целый ряд сложных инженерных проблем».

«Искусственный интеллект не сможет сравниться с естественным в изобретении нового»

Борис Кобринский, доктор медицинских наук, заведующий лабораторией Института современных информационных технологий в медицине ФИЦ ИУ РАН, профессор Российского национального исследовательского медицинского университета им. Н. И. Пирогова.

— В чем различие интеллекта искусственного и человеческого? Справедливо ли вообще называть ИИ интеллектом?

— Естественный интеллект характеризуется многочисленными функциями. Часть из них реализуется в системах ИИ, но главным отличием естественного интеллекта от искусственного является способность синтезировать новые знания, выявлять неизвестные закономерности. Искусственный интеллект — это устоявший термин, однако связанный с не совсем точным переводом с английского. Artificial Intelligence означает «умение рассуждать разумно». Создаваемые на этой основе системы более корректно называть системами с элементами искусственного интеллекта.

— Можно ли говорить, что искусственный интеллект — не более чем орудие человеческого?

— Вряд ли стоить говорить в такой формулировке. Интеллектуальные системы являются консультативными или ассистирующими в принятии решений человеком.

— Было бы важно дать читателю популярное описание математического аппарата, на котором работает ИИ. И что он собой представляет с точки зрения чисто технической: просто мощные суперкомпьютеры? Или нужны какие-то специальные средства и устройства?

— Большинство систем ИИ с самого начала опирались не на математический аппарат, а на логику с использованием средств для диалога с пользователем на естественном языке (логико-лингвистические системы), чего не умели предшествующие вычислительные системы. В настоящее время гибридные интеллектуальные системы включают наряду с логикой также и различные математические методы анализа. Но обязательным для интеллектуальных систем является база знаний, содержащая формализованные знания для конкретной области, для чего используются различные языки представления знаний. Для работы этих систем используются обычные компьютеры. Суперкомпьютеры лишь позволяют ускорить обработку данных, что важно для динамических систем реального времени — например, в управлении двигателями космического корабля и существенно, например, для прогнозов погоды. Исключением являются нейросети, в которых осуществляется математическая обработка введенной информации, однако отсутствует аргументация и логика решений, отсутствуют база знаний предметной области и объяснение выдвигаемых гипотез (решений). Но нейросетевой подход — это технология, имитирующая до некоторой степени работу мозга, истинное представление о которой пока остается открытым.

— Мы не понимаем (по большому счету), как работает мозг человека. А полностью ли сейчас понятно, как работает ИИ? Или уже появились такие как бы черные ящики, где происходит нечто неопределенное?

— Полноценные интеллектуальные системы, как уже отмечено выше, характеризуются как раз тем, что пользователь получает объяснение выдвигаемых системой гипотез как в процессе их рассмотрения, так и по завершении работы (окончательная гипотеза). Черными ящиками являются нейросети, не выдающие объяснений.

— Есть шутка, что ИИ на известную школьную риторику «а если все прыгнут с пятого этажа, ты тоже прыгнешь?» ответит: «да». Насколько это шутка? Каковы вообще когнитивные возможности искусственного интеллекта, будут ли они когда-нибудь сопоставимы с человеческими?

— Роботов обучают по-разному, но имеется подход, основанный на обучении на примерах. Если его использовать, то теоретически можно было бы добиться, чтобы робот не в шутку прыгал с любого этажа. Но он разобьется и больше не прыгнет. В то же время когнитивные способности систем на основе ИИ растут. Но взвешенная оценка говорит о том, что искусственный интеллект не сможет сравниться с естественным, по крайней мере, в изобретении нового. Мы не знаем, как человек изобрел колесо, аналогов которого в природе нет. Как обучить подобному ИИ. Новое знание возникает в мозге далеко не каждого человека.

— Теперь более практический вопрос: в каких сферах ИИ надежно заменит человеческий? Где у него будет преимущество? Где он никогда не сравнится с человеком? Например, есть ли шанс, что он справится с одной из открытых проблем математики — скажем, докажет алгебраическую независимость чисел ϖ и е?

— ИИ способен быстро перебирать различные варианты, он может заменить человеческий или обеспечить помощь человеку во многих областях с известным или понятным подходом к принятию решений: в анализе данных с учетом многообразных связей, в выборе оптимальных решений, в мониторинге ситуаций и управлении; роботы могут выполнять различные работы (в трудных условиях, в доме, на производстве, в здравоохранении и др.). Интеллектуальные системы поддержки принятия решений будут помощниками людей. Роботы заменят их во многих работах, где можно построить алгоритмы действий человека. Возможно, что и в математике, при доказывании теорем, ИИ сможет в перспективе решать сложные задачи. Но вновь должен отметить, что ему будет недоступно открывать принципиально новые направления в науке.

— Возможны ли сообщества искусственных интеллектов? Взаимопомощь и осознание общих интересов?

— Да, сообщества представителей ИИ и их взаимопомощь возможны. Это развитие сегодняшних многоагентных систем — виртуальных сообществ интеллектуальных агентов, каждый из которых взаимодействует с другим, и имеются агенты более высокого уровня, координаторы и наблюдатели, обеспечивающие изменение программы взаимодействия интеллектуальных агентов.

— Появятся ли у искусственного интеллекта творческие способности? Наитие?

— Если под творчеством понимать развитие известного, то да, если создание совсем неизвестного ранее, то нет. Наитие следует отнести к последнему. А вот ассоциативные связи уже имеют место в системах ИИ.

— В частности, врачебную интуицию, о которой у вас есть работы, может заменить ИИ?

— Интеллектуальные системы, основанные на экспертных знаниях высококвалифицированных врачей, обладающих интуицией и образным мышлением, могут включать интуитивные представления в том случае, когда их удается извлечь для формирования базы знаний. Мой опыт показывает, что этого можно достигнуть при групповом извлечении знаний за счет вскрытия врачебной интуиции одного эксперта путем вопросов к другим экспертам при умелом управлении дискуссией.

— Конкуренция искусственных интеллектов — страновая или на уровне компаний — насколько она жесткая? Каково место России в гонке ИИ?

— В явном виде конкуренции между странами нет. Может быть, можно говорить об ученых, которые следят за работами друг друга. На уровне компаний это связано с получением финансовых средств на разработку и/или на получение прибыли по законченным работам. В России период 70-х — начала 90-х годов прошлого века сопровождался созданием большого числа систем и интересными теоретическими разработками. Последующее недофинансирование работ в этой области привело к спаду. Хотя работы не остановились. Рассматривая в качестве примера медицину, приходится отметить, что, несмотря на неоднократные заявления о необходимости таких систем, их финансирование практически отсутствует, за исключением работ по грантам в системе РАН. Положительными примерами в этой области могут служить разработки Федерального исследовательского центра «Информатика и управление» РАН (интеллектуальная система в области здоровьесбережения, ориентированная на управление рисками при инфаркте миокарда, инсульте и депрессии, и интеллектуальные системы автоматизированной поддержки медицинских исследований, реализованные на основе ДСМ-метода автоматического порождения гипотез) и Института автоматики и процессов управления ДВО РАН (диагностика болезней пищеварения и другие, реализованные на основе онтологий).

— Опишите, пожалуйста, какие угрозы несет с собой развитие ИИ.

— Мне представляется неправильным говорить об угрозах искусственного интеллекта. Опасность может нести применение искусственного интеллекта в устройствах, работающих рядом с людьми или заменяющих персонал, например в больницах. Недоучет факторов, которые могут приводить к травмам окружающих, следует рассматривать как основную угрозу в настоящее время и в будущем. Это касается и автопилотов, и систем контроля различных производственных процессов, обеспечения функционирования так называемых умных больниц.

История развития искусственного интеллекта и его применение

1. Определение

Искусственный интеллект — термин, относящийся к области компьютерных технологий, занимающуюся разработкой интеллектуальных машин, которые обладают схожим с человеческим мышлением, работают и реагируют как люди.

2. История создания и развития

Идеи создания машин, обладающих сознанием, возникали еще в Древней Греции. В средние века и Новое время ученые создавали механизмы, заменяющие человеческий труд, например, в 17 веке Паскаль изобрел первую механическую цифровую вычислительную машину, в 19 веке Джозеф-Мари Жаккард создал программируемый ткацкий станок с инструкциями на перфокартах. В 1937 году Алан Тьрюнинг обнародовал свое изобретение – универсальную машину Тьюринга, в 1939 году в Нью-Йорке были представлены первый механический человек Electro с собакой Sparco.

Однако возможность разрабатывать программы, выполняющие сложные интеллектуальные задачи, появилась только после появления современных компьютеров после Второй мировой войны. В 1950-х годах ученые из различных областей стали задумываться о возможности создания искусственного мозга. Тогда исследования в области неврологии показали, что мозг представляет собой нейронную сеть, а А. Тьюнинг предположил, что любой вид вычислений можно представить в цифровом виде, и в 1951 году была создана первая нейронная сеть SNARC аспирантом Марвином Мински. К 1950 году А. Тьюринг разработал тест, определяющий уровень схожести действий машины с сознанием человека, впоследствии названный тестом Тьюринга. Название «искусственный интеллект» впервые было использовано на Дартмутской конференции в 1956 году, тогда же и появилась научная дисциплина «Исследование искусственного интеллекта».

Впоследствии было создано множество машин, понимающих речь человека, умеющих поддерживать беседы на заданные темы, роботов, играющих в настольные игры: знаменитый матч между компьютером и Каспаровым в шахматах закончился победой машины. Сейчас искусственный интеллект занимает важную позицию в развитии науки, особенно в рамках концепции Интернета вещей, ведь недостаточно только собирать данные, необходимо их обрабатывать, анализировать и действовать в тех случаях, когда человек этого сделать не может.

3. Технические характеристики

Для создания программ искусственного интеллекта существуют следующие специализированные языки программирования: AIML, IPL (самый первый язык программирования для искусственного интеллекта), Lisp, Smalltalk, STRIPS, Planner, POP-11, С++, Haskell, Prolog, Python (последние широко используется сегодня).

Основными задачами искусственного интеллекта являются: анализ и решение проблем, возможность самообучения, способность воспринимать, воспроизводить человеческую речь, двигаться и планировать параметры движения и т.д.

Центральным понятием в искусственном интеллекте является агент. Под агентов подразумевается то, что воспринимает окружающую среду и воздействует на нее через исполнительные механизмы. Например, в Интернете вещей и робототехнике это восприятие происходит через различные датчики.

4. Кейсы применения

Обработка данных, робототехника, логистика, распознавание речи, постановка медицинского диагноза и многое другое. В Калифорнийском университете искусственный интеллект используют для решения социально значимых проблем, например, бездомность. 

Также искусственный интеллект используют для создания тренажеров и летательных аппаратов в авиации и при разработке новейших транспортных средств в целом. В робототехнике системы искусственного интеллекта внедряются в различных ботов, устройства для развлечения, например, создание самообучающихся щенков-роботов.

5. Полезные ссылки

Источники:

что такое и способы его развития

По данным компании Talentsmart, 90% успешных руководителей обладают высоким уровнем Emotional Quotient. Работники с развитым эмоциональным интеллектом зарабатывают в среднем на 29 000 долларов в год больше, чем те, у кого этот показатель на низком уровне. И пока одни психологи и бизнес-тренеры считают EQ решением всех проблем, другие критикуют идею за антинаучность. Разобрались в теме вместе с автором книги «Эмоциональный интеллект. Российская практика» и коучем по развитию EQ Аленой Алешиной.

---

Содержание

Что такое эмоциональный интеллект

Эмоциональный интеллект — это умение распознавать свои и чужие эмоции и управлять ими. Если IQ измеряет интеллектуальные, логические и аналитические способности человека, то EQ ― личные и социальный навыки. Получится подружиться с эмоциями ― сможете наладить отношения и с людьми.

Если понятие коэффициента интеллекта (IQ) существует больше ста лет, то об EQ заговорили только в 1990 году, когда в научном журнале появилась небольшая статья, которая так и называлась — Emotional Intelligence. Ее написали исследователи Джон Майер и Питер Саловей, которые нашли доказательства того, что эмоциональный интеллект можно рассматривать как отдельный вид интеллекта и считать разумной формой подхода к тем данным, которые мы получаем посредством эмоций.

Статья вышла, но ее почти никто не прочитал, поэтому вся слава досталась Дэниэлю Гоулману — журналисту The New York Times, который в 1995 году переработал статью и написал книгу «Эмоциональный интеллект: почему он может иметь большее значение, чем IQ». В ней он описал четыре основные составляющие EQ:

• Самосознание (self-awareness). Способность осознавать и анализировать собственные эмоции, а также знание своих слабых и сильных сторон.
• Самоконтроль (self-management). Умение управлять своими эмоциями и сохранять эмоциональный баланс даже в критических ситуациях.
• Эмпатия (empathy). Понимание эмоций окружающих и способность общаться с другими с учетом их внутреннего состояния.
• Навыки отношений (relationship skills). Умение взаимодействовать с людьми, управлять их эмоциями, улаживать конфликты, работать в команде или возглавлять ее.

Книга быстро попала в список бестселлеров, а Гоулмана до сих пор считают автором понятия Emotional Quotient, хотя он всего лишь популяризировал теорию. История драматичная, но вернемся к самому термину. У исследователей накопилось к нему довольно много претензий. Во-первых, четкого определения эмоционального интеллекта не существует, а без этого понятие нельзя назвать научным. Во-вторых, EQ сильно пересекается с теорией психотипов. В-третьих, общепринятого способа измерить эмоциональный интеллект нельзя, что тоже вызывает сомнения в его объективности. Это не значит, что можно не следить за своими и чужими эмоциями, просто нужно критически относиться к теории EQ и не тратить деньги на курсы, которые обещают прокачать его за неделю.

«Вся концепция эмоционального интеллекта строится на том, чтобы правильно распоряжаться своими и чужими ощущениями. Нас очень долго приучали подавлять эмоции, особенно негативные, но EQ призывает использовать их для достижения целей. Допустим, гнев можно игнорировать и пытаться быть спокойным, а можно, наоборот, усиливать его. В некоторых ситуациях это полезно. Например, когда вы сильно волнуетесь перед встречей с руководителем и не можете связать двух слов. Добавьте себе немного раздражения, и оно станет драйвом, который усилит уверенность в себе», ― говорит Алена Алешина, коуч по развитию EQ.

Зачем нужен эмоциональный интеллект

По данным Brighton School of Business and Management, EQ на работе в два раза важнее hard skills, а 44% опрошенных сотрудников считают именно этот показатель отличительной чертой эффективных лидеров. С высоким уровнем EQ вы сможете:

• справляться с давлением и стрессом от работы;
• эффективно управлять собой и другими во время переговоров;
• добиваться от коллег того, что вам нужно;
• заслужить уважение других;
• мотивировать команду;
• решать конфликты.

«Уровень эмоционального интеллекта влияет на то, насколько успешно человек выстраивает свои рабочие отношения. Сейчас все сотрудники, даже на начальных позициях, много общаются с коллегами: появляются проекты, в которых результат во многом зависит от коммуникации. Если работник не контролирует себя, то становится токсичным или просто неосознанно портит настроение окружающим. Почти в каждом коллективе есть такие люди, которые всегда чем-то недовольны, ноют или раздражаются. А человек с высоким эмоциональным интеллектом отдает себе отчет, каким образом он воздействует на других, и ориентируется на то, какое эмоциональное состояние соответствует его целям и задачам», ― говорит Алена Алешина.

Обладатель высокого EQ редко попадает в конфликтные ситуации, а если попадает, то быстро из них выбирается. Он может четко объяснить свои чувства и, кажется, знает названия всех эмоций и даже их оттенков. Вам хочется попросить у него совета и поддержки, и вы точно знаете, что он найдет нужные слова. Подчинив себе эмоции, вы не только быстрее построите успешную карьеру, но и и получите больше удовольствия от работы.

«Огромное количество сложных задач из разных сфер, необходимость постоянно обучаться и расти ― это норма сегодняшнего дня. Все это вызывает столько эмоций, что мы не знаем, как себя вести, поэтому чаще всего просто подавляем их. Тогда мы приходим к эмоциональному выгоранию, апатии и депрессии.

Эмоциональные и интеллектуальные процессы очень взаимосвязаны. Если я в хорошем настроении, то я и работаю хорошо. Если у меня апатия или тревога, то мне сложно придумывать новые ходы и решения. В этом многозадачном мире достаточно трудно жить, а эмоциональный интеллект позволяет управлять своим состоянием так, чтобы, несмотря на всю эту сложность, получать много удовольствия», ― рассказывает Алена Алешина.

Как измерить свой EQ

Чтобы определить свой уровень эмоционального интеллекта, нужно проанализировать поведение. Стоит задуматься о низком EQ, если вы:

• постоянно обижаетесь и не умеете прощать других;
• часто думаете, что вас не так поняли;
• не можете справиться со стрессом;
• не понимаете, что чувствуете и почему;
• критикуете других и безрезультатно спорите;
• боитесь перемен и долго адаптируетесь к новому.

Это общие признаки, и узнать в них себя может практически любой человек, поэтому психологи пытаются придумать, как оцифровать эмоции человека и создать максимально объективный тест, как это сделали с IQ. На данный момент самый популярный способ изменить EQ ― это методика MSCEIT (The Mayer-Salovey-Caruso Emotional Intelligence). Она помогает измерить эмоциональные навыки и состоит из 141 вопроса. Испытуемому показывают картинки с эмоциями, которые нужно не только идентифицировать, но и объяснить. Если у вас нет времени на серьезные исследования, пройдите наш пятиминутный тест. Объективный результат не обещаем, зато будет смешно.

Как развить EQ за три шага

Психологи считают, что эмоциональный интеллект, как и IQ, заложен генетически. Но в отличие от уровня интеллекта EQ гораздо проще развить. Можно заплатить деньги и пойти на курсы, а можно бесплатно следовать этим трем шагам:

• Записывайте эмоции. Заведите рукописный дневник или заметку в телефоне, куда вы будете записывать свое состояние в течение дня. Фокусируйтесь на каких-то конкретных событиях: анализируйте свое состояние после важных встреч, новых знакомств и значимых событий. Найдите триггеры, которые заставляют вас испытывать разные эмоции, и запишите их. Так вы поймете, как и на что реагируете, но пока не задавайтесь вопросом, почему так происходит.

«Самая простая практика ― это поставить по три напоминалки в день с вопросом “Что ты сейчас чувствуешь?”.Когда люди начинают осознавать, что они чувствуют на протяжении дня, то делают для себя очень много открытий — часто неприятных. Например, человек замечает, что на работе он испытывает либо страх, либо раздражение. И тогда он понимает, что нужно начать что-то делать, чтобы испытывать больше спокойствия. То есть прежде всего нужно осознавать эмоции, чтобы начать с ними работать», ― говорит Алена Алешина.

• Найдите источник. Когда вы поняли, что и когда чувствуете, разберитесь, почему так происходит. Что именно заставляет вас злиться? А радоваться? Надо понять настоящую причину ваших эмоций. Не осуждайте себя, просто разберитесь в источниках.
• Управляйте своими эмоциями. Когда вы поняли, что вы чувствуете и почему, переходите к контролю над эмоциями. Подумайте, как вы можете вернуть себе состояние спокойствия, когда начинаете злиться. Найдите то, что будет радовать вас в моменты грусти. Подберите механизм, который будет приводить вас в нужное состояние, и постоянно используйте его.

«Надо выработать привычки. Вы можете использовать длинный выдох, минимальную физическую активность или упражнения, связанные с расслаблением и напряжением. Часто мы используем не самые конструктивные способы управления эмоциями: съесть торт, выпить пару бокалов или покурить. Найдите то, что вас реально будет быстро успокаивать или, наоборот, заряжать энергией», ― говорит Алена Алешина.

Вся статья за одну минуту

• EQ (Emotional Quotient) ― это умение распознавать свои и чужие эмоции и управлять ими.
• Эмоциональный интеллект в два раза важнее hard skills.
• Человек с высоким EQ легко справляется со стрессом на работе, эффективно решает конфликты и добивается нужной информации и действий от коллег.
• Чтобы узнать свой EQ, нужно пройти опросник MSCEIT из 141 вопроса или наш тест из восьми.
• Эмоциональный интеллект можно развить за три шага: регулярно записывайте эмоции, разберитесь в причинах ваших чувств, используйте методы, которые вас успокаивают (дыхание, медитация, прогулка) или заряжают энергией (спорт, танцы, громкая и веселая музыка). А если захотите полностью разобраться в теме, читайте книги из нашей подборки.

Теги

Что такое искусственный интеллект и как он работает

Искусственный интеллект – это технология, а точнее направление современной науки, которое изучает способы обучить компьютер, роботизированную технику, аналитическую систему разумно мыслить также как человек. Собственно мечта об интеллектуальных роботах-помощниках возникла задолго до изобретения первых компьютеров.

Людей в середине 50-х годов прошлого столетия сильно поразили возможности вычислительных машин, особенно способности ЭВМ, безошибочно выполнять множество задач одновременно. В головах ученых и писателей сразу возникли фантастические идеи о мыслящих машинах. Именно в этот период начинают зарождаться первые технологии искусственного интеллекта.

Исследования в сфере ИИ ведутся путем изучения умственных способностей человека и переложения полученных результатов в поле деятельности компьютеров. Таким образом, искусственный интеллект получает информацию из самых разных источников и дисциплин. Это и информатика, математика, лингвистика, психология, биология, машиностроение. На основе массива данных с помощью технологии машинного обучения компьютеры пытаются имитировать интеллект человека.

Главные цели ИИ достаточно прозрачны:

• Создание аналитических систем, которые обладают разумным поведением, могут самостоятельно или под надзором человека обучаться, делать прогнозы и строить гипотезы на основе массива данных.
• Реализация интеллекта человека в машине – создание роботов-помощников, которые могут вести себя как люди: думать, учиться, понимать и выполнять поставленные задачи.

История развития искусственного интеллекта

Авторство термина «искусственный интеллект» приписывают Джону Маккарти – основоположнику программирования, изобретателю языка Лисп. В 1956 году будущий лауреат престижной премии Тьюринга продемонстрировал в университете Карнеги-Меллон прототип программы на основе ИИ.

Умными роботами человечество начало грезить в первой четверти 20 века. Известный литератор Карел Чапек в 1924 года поставил в лондонском театре пьесу «Универсальные роботы». Представление поразило публику, а слово «робот» прочно вошло в обиход.

В 1943-45 годах закладываются основы для понимания и создания нейронных сетей, а уже в 1950 году Алан Тьюринг публикует в научном издании анализ интеллектуальной шахматной игры. В 1958 году появляется первый язык программирования искусственного интеллекта – Лисп.

В период с 1960 по 1970 ряд ученых доказали, что компьютеры способны понимать естественный язык на достаточно хорошем уровне. В 1965 году разработали Элизу – первого робота-помощника, который мог говорить на английском языке. В эти же годы направление ИИ стало привлекать правительственные и военные организации США, СССР и других стран. Так Министерство обороны США уже к 70-м годам запустило проект виртуальных уличных карт – прототип GPS.

В 1969 году ученые Стэнфордского университета создали Шеки – робота с ИИ, способного самостоятельно перемещаться, воспринимать некоторые данные и решать несложные задачи.

В Эдинбургском университете четырьмя годами позже (1973) был создан робот Фредди – это шотландский представитель семейства ИИ мог использовать компьютерное зрение для того, чтобы находить и собирать разные модели.

В СССР искусственный интеллект также развивался стремительно. Академики А.И. Берг и Г.С.Поспелов в 1954-64 годах создают программу «АЛПЕВ ЛОМИ», которая автоматически доказывает теоремы. В эти же годы советскими учеными был разработан алгоритм «Кора», который моделирует деятельность человеческого мозга при распознавании образов. В 1968 году Турчиным В.Ф создается символьный язык обработки данных РЕФАЛ.

80-е годы XX века стали прорывными для ИИ. Учеными были разработаны обучающие машины – интеллектуальные консультанты, которые предлагали варианты решений, умели самообучаться на начальном уровне, общались с человеком на ограниченном, но уже естественном языке.

В 1997 году создали известную шахматную программу – компьютер «Дип Блю», который обыграл чемпиона мира по шахматам Гарри Каспарова. В эти же годы Япония приступает к разработке проекта компьютера 6-го поколения на основе нейросетей.

Интересен факт, что в 1989 году другая шахматная программа Deep Thought обыграла гроссмейстера международного уровня Бента Ларсена. После этого поединка машины и человека, Гарри Каспаров заявил:

«Если интеллектуальная машина сможет переиграть в шахматы лучшего из лучших, значит, она сможет писать самую лучшую музыку, сочинять самые лучшие книги. Я не могу в это поверить. Когда я узнаю, что ученые создали компьютер с рейтингом интеллекта 2800, то есть равному моему, я сам вызову машину на шахматный поединок, чтобы защитить человеческую расу»

В 2000-е годы вновь появился интерес к робототехнике. ИИ активно внедряется в космическую отрасль, а также осваивается в бытовой сфере. Появляются системы умного дома, «продвинутые» бытовые устройства. Роботы Кисмет и Номад исследуют районы Антарктиды.

С 2008 начинается эра технологической сингулярности, которая по расчетам экспертов должна выйти в зенит в 2030 году. Начинается интеграция человека с вычислительными машинами, увеличиваются возможности человеческого мозга, появляются биотехнологии.

Принципы ИИ

Прежде чем описываться технологические принципы, без которых немыслимо развитие искусственного интеллекта, стоит познакомиться с этическими законами робототехники. Их в 1942 году вывел Айзек Азимов в своём романе «Хоровод»:

• Робот или система с искусственным интеллектом не может навредить человеку своим действием или же своим бездействием допустить, чтобы человеку был приченен вред.
• Робот должен повиноваться приказам, которые получает от человека, кроме тех, которые противоречат Первому закону.
• Робот должен заботиться о своей безопасности, если это не противоречит Первому и Второму Законам.

До выхода в свет романа Азимова, искусственный интеллект ассоциировался с образом Франкенштейна Мэри Шелли. Искусственно созданное подобие человека с разумом восстает против людей. Эту же страшилку перенесли и в знаменитый блокбастер Голливуда «Терминатор».

Интересен факт, что в 1986 году Айзек Азимов дописал еще один пункт к законам робототехники. Писатель предпочел назвать его «нулевым»:

0. Робот не может навредить человеку, если только не докажет, что в конечном итоге это (вред) будет полезно для всего человечества.

Разобравшись с этическими законами, перейдем к технологическим принципам искусственного интеллекта:

• Машинное обучение (МО) – принцип развития ИИ на основе самообучающихся алгоритмов. Участие человека при таком подходе ограничивается загрузкой в «память» машины массива информации и постановкой целей. Существует несколько методик МО: обучение с учителем – человек задает конкретную цель, хочет проверить гипотезу или подтвердить закономерность. Обучение без учителя – результат интеллектуальной обработки данных неизвестен – компьютер самостоятельно находит закономерности, учится думать как человек. Глубокое обучение – это смешанный способ, главное отличие в обработке больших массивов данных и использование нейросетей.

• Нейросеть – математическая модель, которая имитирует строение и функционирование нервных клеток живого организма. Соответственно в идеале – это самостоятельно обучаемая система. Если перенести принцип на технологическую основу, то нейросеть – это множество процессоров, которые выполняют какую-то одну задачу в масштабном проекте. Другими словами суперкомпьютер – это сеть из множества обычных компьютеров.

• Глубокое обучение относят в отдельный принцип ИИ, так как этот метод используется для обнаружения закономерностей в огромных массивах информации. Для такой непосильной человеку работы, компьютер использует усовершенствованные методики.
• Когнитивные вычисления – одно их направлений ИИ, которое изучает и внедряет процессы естественного взаимодействия человека и компьютера, наподобие взаимодействия между людьми. Цель технологии искусственного интеллекта заключается в полной имитации человеческой деятельности высшего порядка – речь, образное и аналитическое мышление.
• Компьютерное зрение – это направление ИИ используется для распознавания графических и видеоизображений. Сегодня машинный интеллект может обрабатывать и анализировать графические данные, интерпретировать информацию в соответствии с окружающей обстановкой.

• Синтезированная речь. Компьютеры уже могут понимать, анализировать и воспроизводить человеческую речь. Мы уже можем управлять программами, компьютерами и гаджетами с помощью речевых команд. Например, Siri или Google assistant, Алиса в Яндексе и другие.

Кроме того, трудно представить существование искусственного интеллекта без мощных графических процессоров, которые являются сердцем интерактивной обработки данных. Для интеграции ИИ в различные программы и устройства необходима технология API – программные интерфейсы приложений. Используя API можно без труда добавлять технологии искусственного интеллекта в любые компьютерные системы: домашняя безопасность, умный дом, оборудование на ЧПУ и прочее.

Сфера использования ИИ

Искусственный интеллект постепенно приходит во все отрасли человеческой деятельности, делая обычные программные комплексы интеллектуальными:

• Медицина и здравоохранение. Компьютерные системы ведут учет пациентов, помогают в расшифровке диагностических результатов. Например, снимки УЗИ, рентгена, томографа и другого медоборудования. Интеллектуальные системы даже могут по наличию признаков у пациента определять болезнь, предлагать оптимальные варианты лечения. В магазине приложений Гугла можно найти программы-помощники здорового образа жизни. Эти приложения считывают пульс и температуру тела при касании дисплея телефона палицами, чтобы определить уровень стресса человека и подсказать, как его снизить.
• Розничные продажи в онлайн-магазинах. Многим уже знакома релевантная реклама Гугла и Яндекса. С её помощью ритейлеры предлагают товары и услуги в соответствии с интересами пользователя. Например, вы посещали интернет-магазин купальников, какие-то модели рассматривали, читали характеристики и прочее. Покинув магазин, вы некоторое время будете видеть рекламу купальников на других сайтах. По схожему принципу работают блоки «похожие товары» в интернет-магазинах. Системы аналитики изучают поведенческие метрики пользователя, определяют его покупательские пристрастия и показывают релевантные (по их мнению) предложения.
• Политика. Интеллектуальные машины помогли Барак Обаме выиграть вторые президентские выборы. Для своей кампании тогда ещё действующий президент США нанял лучшую команду профессионалов в области анализа данных. Специалисты использовали возможности интеллектуальных машин, чтобы рассчитать наилучший день, штат и аудиторию для выступлений Обамы. По оценкам специалистов это дало перевес в 10-12%.
• Промышленность. Искусственный интеллект может анализировать данные с разных производственных участков и регулировать нагрузку на оборудование. Кроме того, интеллектуальные машины используются для прогнозирования спроса в разных отраслях промышленности.
• Игровая индустрия, образование. Искусственный интеллект активно применяется создателями игр. Умные машины, робототехника постепенно внедряются в образовательные процессы большинства государств.

Основные проблемы ИИ

Как вы понимаете возможности искусственного интеллекта на данной стадии развития не безграничны. Перечислим главные трудности:

1. Обучение машин возможно только на основе массива данных. Это означает, что любые неточности в информации сильно сказываются на конечном результате.
2. Интеллектуальные системы ограничены конкретным видом деятельности. То есть умная система, настроенная на выявление мошенничества в сфере налогообложения, не сможет выявлять махинации в банковской сфере. Мы имеем дело с узкоспециализированными программами, которым ещё далеко до многозадачности человека.
3. Интеллектуальные машины не являются автономными. Для обеспечения их «жизнедеятельности» необходима целая команда специалистов, а также большие ресурсы.

Резюме

Мы познакомились с понятием, что такое искусственный интеллект. Изучили основные принципы: этические и технологические. Рассмотрели главные препятствия на пути развития ИИ. Искусственный интеллект тесно связан с развитием компьютерной техники, а также таких наук как математика, статистика, комбинаторика и других.

Понимание четырех типов искусственного интеллекта

Распространенное и повторяющееся мнение о последних достижениях в исследованиях искусственного интеллекта состоит в том, что разумные и интеллектуальные машины уже не за горами. Машины лучше нас понимают словесные команды, различают картинки, водят машины и играют в игры.Сколько еще может пройти, прежде чем они пойдут среди нас?

В новом отчете Белого дома об искусственном интеллекте эта мечта представляется достаточно скептической. В нем говорится, что в ближайшие 20 лет машины, скорее всего, не будут «демонстрировать широко применимый интеллект, сопоставимый с человеческим или превосходящий его», хотя в нем говорится, что в ближайшие годы «машины достигнут и превзойдут человеческие возможности в большем количестве. и другие задачи ». Но в его предположениях о том, как эти возможности будут развиваться, упущены некоторые важные моменты.

Как исследователь искусственного интеллекта, я признаю, что было приятно, что моя собственная область была освещена на высшем уровне американского правительства, но отчет был сосредоточен почти исключительно на том, что я называю «скучным видом искусственного интеллекта». Он на полпредложения отклонил мою ветвь исследований ИИ о том, как эволюция может помочь в разработке постоянно улучшающихся систем ИИ и как вычислительные модели могут помочь нам понять, как эволюционировал наш человеческий интеллект.

В отчете основное внимание уделяется так называемым основным инструментам искусственного интеллекта: машинному обучению и глубокому обучению.Это те технологии, которые смогли сыграть в «Jeopardy!» ну и победить мастеров го в самой сложной игре, которую когда-либо изобретали. Эти современные интеллектуальные системы способны обрабатывать огромные объемы данных и очень быстро выполнять сложные вычисления. Но им не хватает элемента, который будет ключом к созданию разумных машин, которые, как мы себе представляем, будут иметь в будущем.

Нам нужно больше, чем просто научить машины учиться. Нам необходимо преодолеть границы, которые определяют четыре различных типа искусственного интеллекта, барьеры, которые отделяют машины от нас — и нас от них.

Сколько существует типов искусственного интеллекта?

Существует четыре типа искусственного интеллекта: реактивные машины, ограниченная память, теория разума и самосознание.

1. Реактивные машины

Самые основные типы систем ИИ являются чисто реактивными и не способны ни формировать воспоминания, ни использовать прошлый опыт для информирования текущих решений. Deep Blue, суперкомпьютер IBM для игры в шахматы, который победил международного гроссмейстера Гарри Каспарова в конце 1990-х, является прекрасным примером такого типа машин.

Deep Blue может распознавать фигуры на шахматной доске и знать, как они ходят. Он может делать прогнозы о том, какие ходы могут быть следующими для него и его противника. И он может выбрать наиболее оптимальные ходы из числа возможных.

Но у него нет ни представления о прошлом, ни воспоминаний о том, что произошло раньше. За исключением редко используемого специфического для шахмат правила, запрещающего повторять один и тот же ход три раза, Deep Blue игнорирует все, что было до настоящего момента. Все, что он делает, — это смотрит на фигуры на шахматной доске в том виде, в каком она стоит сейчас, и выбирает из возможных следующих ходов.

Этот тип интеллекта предполагает, что компьютер непосредственно воспринимает мир и действует в соответствии с тем, что он видит. Он не полагается на внутреннюю концепцию мира. В основополагающей статье исследователь искусственного интеллекта Родни Брукс утверждал, что мы должны создавать только такие машины. Его основная причина заключалась в том, что люди не очень хороши в программировании точных симулированных миров для компьютеров, которые в науке об искусственном интеллекте называются «репрезентацией» мира.

Современные интеллектуальные машины, которыми мы восхищаемся, либо не имеют такого представления о мире, либо имеют очень ограниченное и специализированное представление для своих конкретных задач.Инновация в дизайне Deep Blue заключалась не в расширении диапазона возможных фильмов, рассматриваемых компьютером. Скорее, разработчики нашли способ сузить круг своих взглядов, прекратить предпринимать какие-то потенциальные шаги в будущем, основываясь на том, как они оценили их результат. Без этой способности Deep Blue должен был бы стать еще более мощным компьютером, чтобы победить Каспарова.

Точно так же AlphaGo от Google, опередившая ведущих специалистов по Го, тоже не может оценить все возможные будущие шаги. Его метод анализа более сложен, чем метод Deep Blue, с использованием нейронной сети для оценки развития игры.

Эти методы действительно улучшают способность систем ИИ лучше играть в определенные игры, но их нелегко изменить или применить в других ситуациях. Эти компьютеризированные представления не имеют представления о более широком мире — это означает, что они не могут функционировать за пределами конкретных задач, которые им поручаются, и их легко обмануть.

Они не могут интерактивно участвовать в жизни мира, как мы когда-нибудь могли бы представить себе системы искусственного интеллекта. Вместо этого эти машины будут вести себя точно так же каждый раз, когда они сталкиваются с одной и той же ситуацией.Это может быть очень полезно для обеспечения надежности системы искусственного интеллекта: вы хотите, чтобы ваш автономный автомобиль был надежным водителем. Но плохо, если мы хотим, чтобы машины действительно взаимодействовали с миром и реагировали на него. Эти простейшие системы искусственного интеллекта никогда не вызовут скуки, интереса или уныния.

2. Ограниченная память

Этот класс типа II содержит машины, способные заглянуть в прошлое. Беспилотные автомобили уже делают кое-что из этого. Например, они наблюдают за скоростью и направлением других автомобилей. Это не может быть сделано за один момент, для этого нужно идентифицировать определенные объекты и отслеживать их во времени.

Эти наблюдения добавляются к предварительно запрограммированным изображениям мира беспилотных автомобилей, которые также включают разметку полос движения, светофоры и другие важные элементы, такие как повороты дороги. Они включаются, когда машина решает, когда перестроиться, чтобы не сбить другого водителя или не быть сбитым ближайшей машиной.

Но эти простые сведения о прошлом временны. Они не сохраняются как часть автомобильной библиотеки опыта, на которой можно учиться, как водители-люди накапливают опыт за рулем в течение многих лет.

Итак, как мы можем построить системы ИИ, которые строят полные представления, запоминают свой опыт и учатся справляться с новыми ситуациями? Брукс был прав в том, что сделать это очень сложно. Мое собственное исследование методов, вдохновленных дарвиновской эволюцией, может начать компенсировать человеческие недостатки, позволив машинам строить свои собственные представления.

3. Теория разума

Мы могли бы остановиться на этом и назвать этот момент важным разделением между машинами, которые у нас есть, и машинами, которые мы построим в будущем.Однако лучше быть более конкретным, чтобы обсудить типы представлений, которые машины должны формировать, и для чего они должны быть.

Машины следующего, более продвинутого класса формируют представления не только о мире, но и о других агентах или сущностях в мире. В психологии это называется «теорией разума» — понимание того, что люди, существа и объекты в мире могут иметь мысли и эмоции, влияющие на их собственное поведение.

Это имеет решающее значение для того, как мы, люди, формировали общества, потому что они позволили нам иметь социальные взаимодействия.Без понимания мотивов и намерений друг друга и без учета того, что кто-то знает обо мне или об окружающей среде, работать вместе в лучшем случае сложно, а в худшем — невозможно.

Если системы ИИ действительно когда-нибудь будут ходить среди нас, они должны будут понимать, что у каждого из нас есть мысли, чувства и ожидания относительно того, как с нами будут обращаться. И им придется соответствующим образом скорректировать свое поведение.

4. Самосознание

Заключительный этап разработки ИИ — создание систем, которые могут формировать представления о себе.В конечном итоге нам, исследователям ИИ, придется не только понимать сознание, но и создавать машины, в которых оно есть.

Это, в некотором смысле, расширение «теории разума», которым обладает искусственный интеллект типа III. Сознание также неспроста называют «самосознанием». («Я хочу этот предмет» — это совсем другое утверждение, чем «Я знаю, что хочу этот предмет».) Сознательные существа осознают себя, знают о своих внутренних состояниях и способны предсказывать чувства других. Мы предполагаем, что кто-то, гудящий позади нас в пробке, рассержен или нетерпелив, потому что именно так мы себя чувствуем, когда гудим другим.Без теории разума мы не могли бы делать такого рода выводы.

Хотя мы, вероятно, далеки от создания машин, которые обладают самосознанием, нам следует сосредоточить наши усилия на понимании памяти, обучения и способности принимать решения на основе прошлого опыта. Это важный шаг для самостоятельного понимания человеческого интеллекта. И это очень важно, если мы хотим проектировать или развивать машины, которые более чем исключительны в классификации того, что они видят перед собой.

Эта статья была первоначально опубликована на The Conversation .

Определение искусственного интеллекта: что такое ИИ?

Что такое искусственный интеллект (ИИ)?

Искусственный интеллект (ИИ) относится к моделированию человеческого интеллекта в машинах, которые запрограммированы думать, как люди, и имитировать их действия. Этот термин также может применяться к любой машине, которая проявляет черты человеческого разума, такие как обучение и решение проблем.

Идеальной характеристикой искусственного интеллекта является его способность рационализировать и предпринимать действия, которые имеют наилучшие шансы на достижение конкретной цели.Подмножеством искусственного интеллекта является машинное обучение, которое относится к концепции, согласно которой компьютерные программы могут автоматически учиться и адаптироваться к новым данным без помощи человека. Методы глубокого обучения обеспечивают автоматическое обучение за счет поглощения огромных объемов неструктурированных данных, таких как текст, изображения или видео.

Ключевые выводы

• Искусственный интеллект относится к моделированию человеческого интеллекта в машинах.
• Цели искусственного интеллекта включают обучение, рассуждение и восприятие.
• AI используется в различных отраслях, включая финансы и здравоохранение.
• Слабый ИИ, как правило, прост и ориентирован на выполнение одной задачи, в то время как сильный ИИ выполняет более сложные и похожие на человека задачи.

Понимание искусственного интеллекта (AI)

Когда большинство людей слышат термин «искусственный интеллект», первое, о чем они обычно думают, — это роботы. Это потому, что в высокобюджетных фильмах и романах сплетаются истории о человекоподобных машинах, сеющих хаос на Земле.Но ничто не могло быть дальше от истины.

Искусственный интеллект основан на том принципе, что человеческий интеллект можно определить таким образом, чтобы машина могла легко имитировать его и выполнять задачи, от самых простых до еще более сложных. Цели искусственного интеллекта включают имитацию когнитивной деятельности человека. Исследователи и разработчики в этой области делают удивительно быстрые успехи в имитации таких действий, как обучение, рассуждение и восприятие, в той степени, в которой они могут быть конкретно определены.Некоторые полагают, что новаторы вскоре смогут разработать системы, которые превзойдут возможности людей в изучении или рассуждении любого предмета. Но другие остаются скептически настроенными, потому что вся познавательная деятельность пронизана оценочными суждениями, которые зависят от человеческого опыта.

По мере развития технологий предыдущие тесты, которые определяли искусственный интеллект, устаревают. Например, машины, которые вычисляют базовые функции или распознают текст посредством оптического распознавания символов, больше не считаются воплощением искусственного интеллекта, поскольку эта функция теперь воспринимается как должное как неотъемлемая функция компьютера.

ИИ постоянно развивается, принося пользу во многих отраслях. Машины подключены с использованием междисциплинарного подхода, основанного на математике, информатике, лингвистике, психологии и многом другом.

Алгоритмы часто играют очень важную роль в структуре искусственного интеллекта, где простые алгоритмы используются в простых приложениях, а более сложные помогают создать сильный искусственный интеллект.

Приложения искусственного интеллекта

Приложения для искусственного интеллекта безграничны.Технология может применяться во многих различных секторах и отраслях. ИИ тестируется и используется в отрасли здравоохранения для дозирования лекарств и различных видов лечения пациентов, а также для хирургических процедур в операционной.

Другие примеры машин с искусственным интеллектом включают компьютеры, которые играют в шахматы, и беспилотные автомобили. Каждая из этих машин должна взвешивать последствия любого своего действия, поскольку каждое действие повлияет на конечный результат. В шахматах конечный результат — победа.В случае беспилотных автомобилей компьютерная система должна учитывать все внешние данные и вычислять их, чтобы действовать таким образом, чтобы предотвратить столкновение.

Искусственный интеллект также имеет приложения в финансовой индустрии, где он используется для обнаружения и маркировки деятельности в банковском деле и финансах, такой как необычное использование дебетовых карт и крупные депозиты на счетах, — все это помогает отделу по борьбе с мошенничеством в банке. Приложения для ИИ также используются, чтобы упростить и упростить торговлю. Это достигается за счет упрощения оценки предложения, спроса и цен на ценные бумаги.

Категоризация искусственного интеллекта

Искусственный интеллект можно разделить на две разные категории: слабый и сильный. Слабый искусственный интеллект представляет собой систему, предназначенную для выполнения одной конкретной работы. Слабые системы искусственного интеллекта включают видеоигры, такие как пример шахмат сверху, и личных помощников, таких как Amazon Alexa и Apple Siri. Вы задаете помощнику вопрос, он отвечает на него за вас.

Сильные системы искусственного интеллекта — это системы, которые выполняют задачи, которые считаются человеческими.Это, как правило, более сложные и сложные системы. Они запрограммированы так, чтобы справляться с ситуациями, в которых от них может потребоваться решение проблемы без вмешательства человека. Такие системы можно найти в таких приложениях, как беспилотные автомобили или в больничных операционных.

Особые соображения

С самого начала искусственный интеллект стал объектом пристального внимания как ученых, так и общественности. Одна из распространенных тем — идея, что машины станут настолько высокоразвитыми, что люди не смогут за ними поспевать, и они будут взлетать сами, модернизируя себя с экспоненциальной скоростью.

Во-вторых, машины могут взламывать частную жизнь людей и даже использоваться в качестве оружия. Другие аргументы спорят об этичности искусственного интеллекта и о том, следует ли относиться к интеллектуальным системам, таким как роботы, наравне с людьми.

Беспилотные автомобили вызывают довольно много споров, поскольку их машины, как правило, рассчитаны на наименьший возможный риск и наименьшие потери. Если представить сценарий одновременного столкновения с одним человеком или другим, эти автомобили будут рассчитывать вариант, который нанесет наименьший ущерб.

Еще одна спорная проблема, с которой сталкиваются многие люди с искусственным интеллектом, — это то, как он может повлиять на занятость людей. Поскольку многие отрасли стремятся автоматизировать определенные рабочие места с помощью интеллектуального оборудования, есть опасения, что люди будут вытеснены из рабочей силы. Беспилотные автомобили могут устранить необходимость в такси и программах обмена автомобилями, в то время как производители могут легко заменить человеческий труд машинами, сделав навыки людей более устаревшими.

Определение интеллекта Merriam-Webster

in · tel · li · gence | \ in-ˈte-lə-jən (t) s \ 1а (1) : способность учиться или понимать или иметь дело с новыми или трудными ситуациями : причина также : умелое использование разума

(2) : способность применять знания для манипулирования окружающей средой или мыслить абстрактно в соответствии с объективными критериями (такими как тесты)

б Христианская наука : основное вечное качество божественного разума

б : информация о противнике или возможном противнике или области также : агентство, занимающееся получением такой информации

4 : способность выполнять функции компьютера

5а : разум или разум космический разум

Что такое искусственный интеллект (ИИ)?

Искусственный интеллект — это моделирование процессов человеческого интеллекта машинами, особенно компьютерными системами.Конкретные приложения ИИ включают экспертные системы, обработку естественного языка, распознавание речи и машинное зрение.

Как работает ИИ?

По мере того, как шумиха вокруг ИИ усиливается, поставщики изо всех сил стараются продвигать то, как их продукты и услуги используют ИИ. Часто то, что они называют ИИ, является просто одним из компонентов ИИ, например, машинным обучением. ИИ требует наличия специализированного оборудования и программного обеспечения для написания и обучения алгоритмов машинного обучения. Ни один язык программирования не является синонимом ИИ, но некоторые из них, включая Python, R и Java, популярны.

В общем, системы ИИ работают, поглощая большие объемы помеченных обучающих данных, анализируя данные на предмет корреляций и шаблонов и используя эти шаблоны для прогнозирования будущих состояний. Таким образом, чат-бот, которому загружены примеры текстовых чатов, может научиться производить реалистичный обмен мнениями с людьми, или инструмент распознавания изображений может научиться определять и описывать объекты на изображениях, просматривая миллионы примеров.

Программирование

AI фокусируется на трех когнитивных навыках: обучении, рассуждении и самокоррекции.

Учебные процессы. Этот аспект программирования ИИ фокусируется на сборе данных и создании правил преобразования данных в полезную информацию. Правила, которые называются алгоритмами, предоставляют вычислительным устройствам пошаговые инструкции для выполнения конкретной задачи.

Процессы мышления. Этот аспект программирования ИИ фокусируется на выборе правильного алгоритма для достижения желаемого результата.

Процессы самокоррекции. Этот аспект программирования ИИ предназначен для постоянной настройки алгоритмов и обеспечения максимально точных результатов.

Почему так важен искусственный интеллект?

AI важен, потому что он может дать предприятиям представление об их операциях, о котором они, возможно, не знали ранее, и потому, что в некоторых случаях ИИ может выполнять задачи лучше, чем люди. В частности, когда дело доходит до повторяющихся, детально-ориентированных задач, таких как анализ большого количества юридических документов для обеспечения правильного заполнения соответствующих полей, инструменты искусственного интеллекта часто выполняют задания быстро и с относительно небольшим количеством ошибок.

Это способствовало резкому росту эффективности и открыло двери для совершенно новых деловых возможностей для некоторых крупных предприятий. До нынешней волны искусственного интеллекта было трудно представить себе использование компьютерного программного обеспечения для подключения водителей к такси, но сегодня благодаря этому Uber стала одной из крупнейших компаний в мире. Он использует сложные алгоритмы машинного обучения, чтобы предсказать, когда людям, вероятно, понадобятся поездки в определенных областях, что помогает заранее вывести водителей на дорогу до того, как они понадобятся.В качестве другого примера, Google стал одним из крупнейших игроков для ряда онлайн-сервисов, используя машинное обучение, чтобы понять, как люди используют их сервисы, а затем улучшить их. В 2017 году генеральный директор компании Сундар Пичаи заявил, что Google будет действовать как компания, ориентированная на ИИ.

Крупнейшие и наиболее успешные на сегодняшний день предприятия используют ИИ для улучшения своей деятельности и получения преимущества перед конкурентами.

Каковы преимущества и недостатки искусственного интеллекта?

Искусственные нейронные сети и технологии искусственного интеллекта с глубоким обучением быстро развиваются, в первую очередь потому, что ИИ обрабатывает большие объемы данных намного быстрее и делает прогнозы более точными, чем это возможно для человека.

В то время как огромный объем данных, создаваемых ежедневно, может похоронить человека-исследователя, приложения ИИ, использующие машинное обучение, могут использовать эти данные и быстро превращать их в полезную информацию. На момент написания этой статьи основным недостатком использования ИИ является дороговизна обработки больших объемов данных, необходимых для программирования ИИ.

Преимущества

• Хорошо выполняет работу, ориентированную на детали;
• Сокращенное время для задач с большим объемом данных;
• Обеспечивает стабильные результаты; и
• Виртуальные агенты на базе искусственного интеллекта всегда доступны.

Недостатки

• Дорогой;
• Требуется глубокая техническая экспертиза;
• Ограниченный набор квалифицированных рабочих для создания инструментов искусственного интеллекта;
• Только знает, что было показано; и
• Неспособность переходить от одной задачи к другой.

Сильный ИИ против слабого ИИ

ИИ можно разделить на слабые и сильные.

• Слабый ИИ, также известный как узкий ИИ, — это система ИИ, разработанная и обученная для выполнения конкретной задачи.Промышленные роботы и виртуальные персональные помощники, такие как Siri от Apple, используют слабый ИИ.
• Strong AI, также известный как общий искусственный интеллект (AGI), описывает программирование, которое может воспроизводить когнитивные способности человеческого мозга. Когда перед ней стоит незнакомая задача, сильная система искусственного интеллекта может использовать нечеткую логику для применения знаний из одной области в другую и автономного поиска решения. Теоретически сильная программа искусственного интеллекта должна быть способна пройти как тест Тьюринга, так и тест китайской комнаты.

Какие 4 типа искусственного интеллекта?

Аренд Хинтце, доцент кафедры интегративной биологии, информатики и инженерии в Университете штата Мичиган, объяснил в статье 2016 года, что ИИ можно разделить на четыре типа, начиная с специализированных интеллектуальных систем, широко используемых сегодня, и заканчивая разумными. системы, которых еще нет. Категории следующие:

• Тип 1: реактивные машины. Эти системы искусственного интеллекта не имеют памяти и зависят от конкретной задачи. Примером может служить Deep Blue, шахматная программа IBM, победившая Гарри Каспарова в 1990-х годах. Deep Blue может определять фигуры на шахматной доске и делать прогнозы, но, поскольку у него нет памяти, он не может использовать прошлый опыт для информирования будущих.
• Тип 2: Ограниченная память. У этих систем искусственного интеллекта есть память, поэтому они могут использовать прошлый опыт для информирования о будущих решениях. Так устроены некоторые функции принятия решений в беспилотных автомобилях.
• Тип 3: Теория разума. Теория разума — это психологический термин. Применительно к ИИ это означает, что система будет обладать социальным интеллектом, чтобы понимать эмоции. Этот тип ИИ сможет делать выводы о человеческих намерениях и предсказывать поведение, что является необходимым навыком для систем ИИ, чтобы стать неотъемлемыми членами человеческих команд.
• Тип 4: Самосознание. В этой категории системы ИИ обладают чувством «я», которое придает им осознанность.Машины с самосознанием понимают свое текущее состояние. Такого типа ИИ пока не существует.

Какие примеры технологий искусственного интеллекта и как они используются сегодня?

AI используется в различных технологиях. Вот шесть примеров:

• Автоматика. В сочетании с технологиями искусственного интеллекта 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, которые традиционно выполняются людьми.В сочетании с машинным обучением и новыми инструментами ИИ RPA может автоматизировать большую часть корпоративных заданий, позволяя тактическим 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 подмножество машинного обучения, которое, говоря простым языком, можно рассматривать как автоматизацию прогнозной аналитики. Есть три типа алгоритмов машинного обучения:
  • Обучение с учителем . Наборы данных помечаются, чтобы можно было обнаруживать закономерности и использовать их для маркировки новых наборов данных.
  • Обучение без учителя . Наборы данных не помечены и отсортированы по сходству или различию.
  • Обучение с подкреплением . Наборы данных не помечены, но после выполнения действия или нескольких действий система ИИ получает обратную связь.
• Машинное зрение. Эта технология дает машине возможность видеть.Машинное зрение фиксирует и анализирует визуальную информацию с помощью камеры, аналого-цифрового преобразования и цифровой обработки сигналов. Его часто сравнивают со зрением человека, но машинное зрение не связано биологией и может быть запрограммировано, например, видеть сквозь стены. Он используется в различных приложениях, от идентификации подписи до анализа медицинских изображений. Компьютерное зрение, сфокусированное на машинной обработке изображений, часто ассоциируется с машинным зрением.
• Обработка естественного языка (NLP). Это обработка человеческого языка компьютерной программой. Один из самых старых и наиболее известных примеров НЛП — это обнаружение спама, которое просматривает строку темы и текст электронного письма и определяет, является ли оно нежелательным. Современные подходы к НЛП основаны на машинном обучении. Задачи НЛП включают перевод текста, анализ тональности и распознавание речи.
• Робототехника. Эта область инженерии специализируется на разработке и производстве роботов. Роботы часто используются для выполнения задач, которые людям сложно выполнять или выполнять постоянно.Например, роботы используются на сборочных линиях для производства автомобилей или НАСА 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 комбинацию компьютерного зрения, распознавания изображений и глубокого обучения для выработки автоматизированных навыков пилотирования транспортного средства, оставаясь на заданной полосе движения и избегая неожиданных препятствий, например пешеходов.

AI — это не одна технология.

Каковы применения ИИ?

Искусственный интеллект появился на самых разных рынках. Вот девять примеров.

AI в здравоохранении. Самые большие ставки сделаны на улучшение результатов лечения пациентов и снижение затрат. Компании применяют машинное обучение, чтобы ставить более точные и быстрые диагнозы, чем люди. Одна из самых известных медицинских технологий — IBM Watson. Он понимает естественный язык и может отвечать на заданные ему вопросы.Система собирает данные о пациентах и ​​другие доступные источники данных, чтобы сформировать гипотезу, которую затем представляет со схемой оценки достоверности. Другие приложения искусственного интеллекта включают использование онлайн-виртуальных помощников по здоровью и чат-ботов, которые помогают пациентам и клиентам здравоохранения находить медицинскую информацию, назначать встречи, понимать процесс выставления счетов и выполнять другие административные процессы. Множество технологий искусственного интеллекта также используется для прогнозирования, борьбы и понимания пандемий, таких как COVID-19.

AI в бизнесе.Алгоритмы машинного обучения интегрируются в платформы аналитики и управления взаимоотношениями с клиентами (CRM), чтобы получить информацию о том, как лучше обслуживать клиентов. Чат-боты были встроены в веб-сайты для немедленного обслуживания клиентов. Автоматизация рабочих мест также стала предметом обсуждения среди ученых и ИТ-аналитиков.

AI в образовании. AI может автоматизировать выставление оценок, давая преподавателям больше времени. Он может оценивать учащихся и адаптироваться к их потребностям, помогая им работать в своем собственном темпе.Преподаватели искусственного интеллекта могут предоставить студентам дополнительную поддержку, чтобы они не сбились с пути. И это может изменить то, где и как студенты учатся, возможно, даже заменив некоторых учителей.

AI в финансах. AI в приложениях для личных финансов, таких как Intuit Mint или TurboTax, разрушает финансовые учреждения. Подобные приложения собирают личные данные и предоставляют финансовые консультации. Другие программы, такие как IBM Watson, применялись в процессе покупки дома. Сегодня программное обеспечение искусственного интеллекта выполняет большую часть торговли на Уолл-стрит.

AI по закону. Процесс открытия — просеивание документов — в законе часто бывает непосильным для людей. Использование ИИ для автоматизации трудоемких процессов в юридической отрасли позволяет сэкономить время и улучшить 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.

AI в производстве. Производство находится в авангарде внедрения роботов в рабочий процесс. Например, промышленные роботы, которые когда-то были запрограммированы для выполнения отдельных задач и отделены от людей, все чаще работают как коботы: более мелкие, многозадачные роботы, которые взаимодействуют с людьми и берут на себя ответственность за большее количество частей работы на складах, в производственных цехах. и другие рабочие места.

AI в банковском деле. Банки успешно используют чат-ботов, чтобы информировать своих клиентов об услугах и предложениях и обрабатывать транзакции, не требующие вмешательства человека.Виртуальные помощники AI используются для улучшения и сокращения затрат на соблюдение банковских правил. Банковские организации также используют ИИ, чтобы улучшить процесс принятия решений по кредитам, установить лимиты кредита и определить инвестиционные возможности.

ИИ на транспорте. Помимо фундаментальной роли ИИ в управлении автономными транспортными средствами, технологии ИИ используются на транспорте для управления движением, прогнозирования задержек рейсов и повышения безопасности и эффективности морских перевозок.

Безопасность. Искусственный интеллект и машинное обучение находятся в верхней части списка модных словечек, которые сегодня используют поставщики средств безопасности, чтобы дифференцировать свои предложения. Эти термины также представляют собой действительно жизнеспособные технологии. Организации используют машинное обучение в программном обеспечении для управления информацией и событиями безопасности (SIEM) и связанных областях для обнаружения аномалий и выявления подозрительных действий, указывающих на угрозы. Анализируя данные и используя логику для выявления сходства с известным вредоносным кодом, ИИ может предоставлять оповещения о новых и возникающих атаках гораздо раньше, чем сотрудники-люди и предыдущие технологические итерации.Развивающиеся технологии играют большую роль в помощи организациям в отражении кибератак.

Расширенный интеллект против искусственного интеллекта

Некоторые отраслевые эксперты считают, что термин искусственный интеллект слишком тесно связан с популярной культурой, и это вызвало у широкой публики невероятные ожидания относительно того, как ИИ изменит рабочее место и жизнь в целом.

• Расширенный интеллект. Некоторые исследователи и маркетологи надеются, что этикетка с расширенным интеллектом , имеющая более нейтральный оттенок, поможет людям понять, что большинство реализаций ИИ будет слабым, и просто улучшит продукты и услуги.Примеры включают автоматическое отображение важной информации в отчетах бизнес-аналитики или выделение важной информации в юридических документах.
• Искусственный интеллект. Истинный ИИ, или общий искусственный интеллект, тесно связан с концепцией технологической сингулярности — будущего, управляемого искусственным суперинтеллектом, который намного превосходит способность человеческого мозга понимать его или то, как он формирует нашу реальность. Это остается в сфере научной фантастики, хотя некоторые разработчики работают над этой проблемой.Многие считают, что такие технологии, как квантовые вычисления, могут сыграть важную роль в превращении ОИИ в реальность, и что мы должны зарезервировать использование термина ИИ для этого вида общего интеллекта.

Этическое использование искусственного интеллекта

В то время как инструменты ИИ представляют ряд новых функций для бизнеса, использование искусственного интеллекта также поднимает этические вопросы, потому что, к лучшему или худшему, система ИИ укрепит то, что она уже изучила.

Это может быть проблематично, потому что алгоритмы машинного обучения, которые лежат в основе многих самых передовых инструментов ИИ, настолько умны, насколько умны данные, которые они предоставляют при обучении. Поскольку человек выбирает, какие данные используются для обучения программы искусственного интеллекта, потенциальная возможность систематической ошибки машинного обучения является неотъемлемой и должна тщательно отслеживаться.

Всем, кто хочет использовать машинное обучение как часть реальных производственных систем, необходимо учитывать этику в своих процессах обучения ИИ и стремиться избегать предвзятости.Это особенно верно при использовании алгоритмов искусственного интеллекта, которые по своей сути необъяснимы в приложениях глубокого обучения и генеративных состязательных сетей (GAN).

Объяснимость — потенциальный камень преткновения для использования ИИ в отраслях, которые работают в соответствии со строгими нормативными требованиями. Например, финансовые учреждения в США действуют в соответствии с правилами, которые требуют от них объяснения своих решений о выдаче кредитов. Однако, когда решение об отказе в кредитовании принимается программированием ИИ, может быть трудно объяснить, как было принято решение, потому что инструменты ИИ, используемые для принятия таких решений, работают, выявляя тонкие корреляции между тысячами переменных.Когда процесс принятия решения не может быть объяснен, программа может называться ИИ черного ящика.

Эти компоненты составляют ответственное использование ИИ.

Несмотря на потенциальные риски, в настоящее время существует несколько правил, регулирующих использование инструментов ИИ, а там, где законы существуют, они обычно косвенно относятся к ИИ. Например, как упоминалось ранее, правила справедливого кредитования в Соединенных Штатах требуют от финансовых учреждений объяснения кредитных решений потенциальным клиентам. Это ограничивает степень, в которой кредиторы могут использовать алгоритмы глубокого обучения, которые по своей природе непрозрачны и не поддаются объяснению.

Общий регламент ЕС по защите данных (GDPR) устанавливает строгие ограничения на то, как предприятия могут использовать данные потребителей, что препятствует обучению и функциональности многих приложений ИИ, ориентированных на потребителей.

В октябре 2016 года Национальный совет по науке и технологиям выпустил отчет, в котором исследуется потенциальная роль государственного регулирования в разработке ИИ, но не рекомендовал рассматривать конкретное законодательство.

Создание законов для регулирования ИИ будет нелегким делом отчасти потому, что ИИ включает в себя множество технологий, которые компании используют для разных целей, а отчасти потому, что регулирование может происходить за счет прогресса и развития ИИ.Быстрая эволюция технологий искусственного интеллекта — еще одно препятствие для формирования значимого регулирования искусственного интеллекта. Технологические прорывы и новые приложения могут мгновенно сделать существующие законы устаревшими. Например, существующие законы, регулирующие конфиденциальность разговоров и записанных разговоров, не охватывают проблему, создаваемую голосовыми помощниками, такими как Amazon Alexa и Apple Siri, которые собирают, но не распространяют разговоры, — за исключением технологических групп компаний, которые используют его для улучшения машины. алгоритмы обучения.И, конечно же, законы, которые правительствам удается разработать для регулирования ИИ, не мешают преступникам использовать эту технологию со злым умыслом.

Когнитивные вычисления и ИИ

Термины AI и когнитивные вычисления иногда используются взаимозаменяемо, но, вообще говоря, термин AI используется по отношению к машинам, которые заменяют человеческий интеллект, моделируя то, как мы воспринимаем, обучаемся, обрабатываем и реагируем на информацию в окружающей среде. .

Обозначение «когнитивные вычисления» используется в отношении продуктов и услуг, которые имитируют и улучшают процессы мышления человека.

Какова история искусственного интеллекта?

Идея о неодушевленных предметах, наделенных разумом, существует с древних времен. Греческий бог Гефест изображался в мифах как выковывающий роботов-слуг из золота. Инженеры в Древнем Египте строили статуи богов, оживляемых священниками. На протяжении веков мыслители от Аристотеля до испанского теолога XIII века Рамона Лулля и Рене Декарта и Томаса Байеса использовали инструменты и логику своего времени для описания человеческих мыслительных процессов как символов, заложив основу для таких концепций искусственного интеллекта, как представление общих знаний.

Поддержка современной области искусственного интеллекта, с 1956 г. по настоящее время.

Конец 19-го и первая половина 20-го веков породили фундаментальную работу, которая положила начало современному компьютеру. В 1836 году математик Кембриджского университета Чарльз Бэббидж и Августа Ада Байрон, графиня Лавлейс, изобрели первую конструкцию программируемой машины.

1940-е гг. Математик из Принстона Джон фон Нейман придумал архитектуру компьютера с хранимой программой — идею о том, что компьютерная программа и данные, которые она обрабатывает, могут храниться в памяти компьютера .А Уоррен Маккалок и Уолтер Питтс заложили основу нейронных сетей.

1950-е гг. С появлением современных компьютеров ученые смогли проверить свои идеи о машинном интеллекте. Один из методов определения наличия у компьютера интеллекта был разработан британским математиком и взломщиком кодов времен Второй мировой войны Аланом Тьюрингом. Тест Тьюринга был сосредоточен на способности компьютера обмануть следователей, заставив поверить, что его ответы на их вопросы были сделаны человеком.

1956. Считается, что современная область искусственного интеллекта началась в этом году во время летней конференции в Дартмутском колледже. В конференции, спонсируемой Агентством перспективных оборонных исследовательских проектов (DARPA), приняли участие 10 корифеев в этой области, в том числе пионеры искусственного интеллекта Марвин Мински, Оливер Селфридж и Джон Маккарти, которому приписывают введение термина искусственный интеллект . Также присутствовали Аллен Ньюэлл, ученый-компьютерщик, и Герберт А.Саймон, экономист, политолог и когнитивный психолог, представил свою новаторскую программу Logic Theorist, компьютерную программу, способную доказывать определенные математические теоремы и названную первой программой ИИ.

1950-х и 1960-х годов. После конференции Дартмутского колледжа лидеры молодой области искусственного интеллекта предсказали, что искусственный интеллект, эквивалентный человеческому мозгу, не за горами, что получит серьезную поддержку со стороны правительства и промышленности.Действительно, почти 20 лет хорошо финансируемых фундаментальных исследований привели к значительному прогрессу в искусственном интеллекте: например, в конце 1950-х годов Ньюэлл и Саймон опубликовали алгоритм General Problem Solver (GPS), который не позволял решать сложные проблемы, но заложил основы для разработка более сложных когнитивных архитектур; Маккарти разработал Lisp, язык программирования ИИ, который используется до сих пор. В середине 1960-х профессор Массачусетского технологического института Джозеф Вайценбаум разработал ELIZA, раннюю программу обработки естественного языка, которая заложила основу для сегодняшних чат-ботов.

1970-е и 1980-е годы. Но достижение общего искусственного интеллекта оказалось неуловимым, не неизбежным, ему мешали ограничения компьютерной обработки и памяти, а также сложность проблемы. Правительство и корпорации отказались от поддержки исследований искусственного интеллекта, что привело к периоду бездействия, который длился с 1974 по 1980 год и был известен как первая «зима искусственного интеллекта». В 1980-х годах исследования методов глубокого обучения и внедрение в отрасли экспертных систем Эдварда Фейгенбаума вызвали новую волну энтузиазма в области ИИ, за которой последовал еще один крах государственного финансирования и поддержки отрасли.Вторая зима AI продлилась до середины 1990-х годов.

1990-е годы по сегодняшний день. Увеличение вычислительной мощности и всплеск данных вызвали в конце 1990-х годов возрождение искусственного интеллекта, которое продолжается и по сей день. Последнее внимание к ИИ привело к прорыву в обработке естественного языка, компьютерном зрении, робототехнике, машинном обучении, глубоком обучении и многом другом. Более того, ИИ становится все более ощутимым, приводя в действие автомобили, диагностируя болезни и укрепляя свою роль в массовой культуре.В 1997 году Deep Blue от IBM победил российского гроссмейстера Гарри Каспарова, став первой компьютерной программой, победившей чемпиона мира по шахматам. Четырнадцать лет спустя компания IBM Watson очаровала публику, когда победила двух бывших чемпионов на игровом шоу Jeopardy !. Совсем недавно историческое поражение 18-кратного чемпиона мира по Го Ли Седола от AlphaGo из Google DeepMind ошеломило сообщество Го и стало важной вехой в развитии интеллектуальных машин.

AI как услуга

Поскольку затраты на оборудование, программное обеспечение и персонал для ИИ могут быть высокими, многие поставщики включают компоненты ИИ в свои стандартные предложения или предоставляют доступ к платформам «искусственный интеллект как услуга» (AIaaS).AIaaS позволяет отдельным лицам и компаниям экспериментировать с ИИ для различных бизнес-целей и пробовать различные платформы, прежде чем брать на себя обязательства.

Популярные облачные предложения AI включают следующее:

4 типа искусственного интеллекта — BMC Software

Мы находимся дальше по дороге А.И. По мере того, как мы растем в понимании, мы растем и в понимании его различий.

В 2020 году мы можем разделить искусственный интеллект на 4 различных типа. Типы примерно похожи на иерархию потребностей Маслова, где простейший уровень требует только базового функционирования, а самый продвинутый уровень — это Мухаммед, Будда, христианский Святой, всезнающее, всевидящее, самосознание.

Четыре А. типы

1. Реактивные машины
2. Ограниченная память
3. Теория разума
4. Самосознание

В настоящее время мы прошли мимо первого типа и активно совершенствуем второй. На данный момент третий и четвертый типы существуют только теоретически. Они должны стать следующим этапом искусственного интеллекта — давайте посмотрим.

Реактивные машины

Реактивные машины выполняют базовые операции. Этот уровень А.I. самый простой. Эти типы реагируют на какой-то ввод неким выводом. Никакого обучения не происходит. Это первый этап любого ИИ. система. Машинное обучение, которое принимает человеческое лицо в качестве входных данных и выводит рамку вокруг лица, чтобы идентифицировать его как лицо, представляет собой простую реактивную машину. Модель не хранит входных данных, она не выполняет обучение.

Статические модели машинного обучения — это реактивные машины. Их архитектура самая простая, и их можно найти в репозиториях GitHub в Интернете. Эти модели можно с легкостью загружать, продавать, передавать и загружать в инструментарий разработчика.

Ограниченная память

Ограниченные типы памяти относятся к способности ИИ сохранять предыдущие данные и / или прогнозы, используя эти данные для более точных прогнозов. С ограниченной памятью архитектура машинного обучения становится немного более сложной. Каждая модель машинного обучения требует создания ограниченного объема памяти, но модель может быть развернута как реактивный тип машины.

Существует три основных типа моделей машинного обучения, которые достигают этого типа с ограниченной памятью:

Обучение с подкреплением

Эти модели учатся делать более точные прогнозы с помощью многих циклов проб и ошибок.Эта модель используется для обучения компьютеров игре в шахматы, го и DOTA2.

Долговременная краткосрочная память (LSTM)

Исследователи интуитивно поняли, что прошлые данные помогут предсказать следующие элементы в последовательности, особенно на языке, поэтому они разработали модель, которая использовала так называемую долговременную краткосрочную память. Для прогнозирования следующих элементов в последовательности LSTM помечает более свежую информацию как более важную, а более ранние элементы — как менее важные.

Эволюционно генерирующие состязательные сети (E-GAN)

У E-GAN есть память, поэтому она развивается с каждым этапом эволюции.Модель выпускает этакую ​​растущую штуку . Выращивание предмета не всегда идут по одному и тому же пути, пути должны быть немного изменены, потому что статистика — это математика случая, а не математика точности. В модификациях модель может найти лучший путь, путь наименьшего сопротивления. Следующее поколение модели мутирует и развивается по пути, который ее предок нашел по ошибке.

В некотором смысле E-GAN создает симуляцию, аналогичную эволюции человека на этой планете.Каждый ребенок при идеальном и успешном воспроизводстве лучше подготовлен к необычной жизни, чем его родитель.

Ограниченные типы памяти на практике

Хотя каждая модель машинного обучения создается с использованием ограниченной памяти, они не всегда становятся такими при развертывании.

Ограниченная память A.I. работает двумя способами:

1. Команда постоянно обучает модель новым данным.
2. A.I. Среда построена таким образом, что модели автоматически обучаются и обновляются при использовании и поведении модели.

Чтобы инфраструктура машинного обучения поддерживала ограниченный тип памяти, инфраструктура требует, чтобы машинное обучение было встроено в ее структуру.

Активное обучение все чаще встречается в жизненном цикле машинного обучения. Цикл активного обучения ML состоит из шести этапов:

1. Данные обучения . Модель машинного обучения должна иметь данные для обучения.
2. Сборка ML Модель . Модель создана.
3. Прогнозы модели . Модель делает прогнозы,
4. Обратная связь .Модель получает обратную связь о своем предсказании от стимулов человека или окружающей среды.
5. Обратная связь становится данными . Отзыв отправляется обратно в хранилище данных.
6. Повторите шаг 1 . Продолжайте повторять этот цикл.

Теория разума

Мы еще не добрались до типов искусственного интеллекта по теории разума. Это только начало, и их можно увидеть в таких вещах, как беспилотные автомобили. В этом типе А.И., А.И. начинает взаимодействовать с мыслями и эмоциями людей .

В настоящее время модели машинного обучения очень много делают для человека, направленного на выполнение задачи. Текущие модели имеют одностороннюю связь с искусственным интеллектом. Алекса и Сири кланяются каждой команде. Если вы сердито кричите на Google Maps, чтобы они указали вам другое направление, это не окажет эмоциональной поддержки и скажет: «Это самое быстрое направление. Кому я могу позвонить и сообщить, что вы опоздаете? » Вместо этого Google Maps продолжает возвращать те же отчеты о пробках и расчетное время прибытия, которые он уже показал, и не заботится о вашем бедствии.

Теория разума А.И. будет лучшим товарищем.

Области исследований, посвященных этой проблеме, включают искусственный эмоциональный интеллект и разработки в области теории принятия решений. Майкл Джордан представил некоторые из своих исследований по вопросам принятия решений на мероприятии «Будущее машинного обучения и искусственного интеллекта» 13 мая с Майклом Джорданом и Ионом Стойкой, а на конференции ICLR 2020 было представлено больше информации.

Самосознание

Наконец, в далеком будущем, возможно, А.I. достигает нирваны. Он становится самосознающим. Этот вид А. существует только в рассказе и, как это часто бывает в рассказах, вселяет в аудиторию как безмерную надежду, так и страх. Самосознательный интеллект, превосходящий человеческий, обладает независимым интеллектом, и, вероятно, людям придется договариваться об условиях с созданной им сущностью. Что происходит, хорошее или плохое, остается только догадываться.

Существуют ли другие типы ИИ?

Существуют и другие типы ИИ. наблюдает более технически ориентированная толпа. Они следуют аналогичной схеме, но написаны на более прочной основе в том, что А.I. используется для того, на что он способен и как он помогает продвигать человечество. Эти три типа:

• Искусственный узкий интеллект
• Общий искусственный интеллект
• Искусственный супер интеллект

Каким бы способом вы ни взяли A.I., знайте, что это A.I. — это мощный программный инструмент будущего, который никуда не денется. А.И. устраняет повторяющиеся задачи в рабочей силе и поднимает людей, чтобы достичь высших я, охватывая постоянные состояния изменений и творчества.

Ссылки по теме

Эти публикации являются моими собственными и не обязательно отражают позицию, стратегию или мнение BMC.

Обнаружили ошибку или есть предложение? Сообщите нам об этом по электронной почте [email protected].

Интеллектуальный цикл

Интеллектуальный цикл — это процесс преобразования необработанной информации в готовые аналитические данные, которые политики могут использовать при принятии решений и действиях. Цикл интеллекта состоит из пяти шагов.

1. Планирование и руководство

Это управление всеми усилиями, от определения потребности в данные для доставки интеллектуального продукта потребителю. Это начало а конец цикла — начало, потому что он предполагает составление конкретные требования к сбору и конец, потому что законченный интеллект, который поддерживает политические решения, порождает новые требования.

Весь процесс зависит от указаний государственных должностных лиц. Политики — Президент, его помощники, Совет национальной безопасности и другие важные ведомства и правительственные агентства — инициируют запросы на разведку.

2. Коллекция

… это сбор необработанной информации, необходимой для производства готовой продукции. интеллект. Есть много источников информации, в том числе из открытых источников. такие как зарубежные радиопередачи, газеты, периодические издания и книги. Открытый исходный код отчетность является неотъемлемой частью аналитических возможностей ЦРУ. Это также секретные источники информации. Офицеры ЦРУ собирают такие информация от агентов за рубежом и от перебежчиков, которые предоставляют информацию невозможно получить никаким другим способом.

Наконец, техническая коллекция — электроника и спутниковая фотография — пьесы незаменимая роль в современной разведке, например, для наблюдения за оружием соглашения о контроле и оказание прямой поддержки вооруженным силам.

3. Обработка

… включает преобразование огромного количества собранной информации в форма, которую могут использовать аналитики с помощью дешифрования, языковых переводов и сжатие данных.

4. Анализ всех источников и производство

… это преобразование базовой информации в законченный интеллект.Он включает в себя интеграцию, оценку и анализ всех доступных данных, которые часто фрагментарен и даже противоречив — и готовит разведку продукты. Аналитики, являющиеся профильными специалистами, считают информацию надежность, обоснованность и актуальность. Они объединяют данные в единое целое целиком, поместите оцененную информацию в контекст и произведите готовую разведывательные данные, включающие оценки событий и суждения о значение информации для Соединенных Штатов.

ЦРУ направляет большую часть своих ресурсов на обеспечение стратегической разведки политикам. Он выполняет эту важную функцию, отслеживая события, предупреждение лиц, принимающих решения, об угрозах Соединенным Штатам и прогнозирование развития. Затронутые темы могут касаться разных регионов, проблем, или личности в различных контекстах — политическом, географическом, экономическом, военный, научный или биографический. Текущие события, возможности и будущие тенденции исследуются.

ЦРУ выпускает многочисленные письменные отчеты, которые могут быть краткими — одна страница или меньше — или длительные учебы.В них может быть задействован текущий интеллект, который имеет непосредственное значение или долгосрочные оценки. Агентство представляет некоторые закончили разведку в устных брифингах. ЦРУ также участвует в составлении и производстве оценок национальной разведки, которые отражают коллективные суждения разведывательного сообщества.

5. Распространение

Последний шаг, который логически переходит в первый, — это распределение готовой информации потребителям, тем же политическим деятелям, которые потребности инициировали требования разведки.Готовый интеллект ежедневно доставляется в руки президенту и ключевым советникам по национальной безопасности. Политики, получившие готовую разведывательную информацию, затем принимают решения. на основе информации, и эти решения могут привести к взиманию дополнительных требований, тем самым запуская Интеллектуальный Цикл.

Что такое искусственный интеллект (ИИ)?

Искусственный интеллект использует компьютеры и машины для имитации способности человеческого разума решать проблемы и принимать решения.

Что такое искусственный интеллект?

Хотя за последние несколько десятилетий появилось несколько определений искусственного интеллекта (ИИ), Джон Маккарти предлагает следующее определение в этой статье 2004 года (PDF, 106 КБ) (ссылка находится за пределами IBM): «Это наука и инженерия. создания интеллектуальных машин, особенно интеллектуальных компьютерных программ.Это связано с аналогичной задачей использования компьютеров для понимания человеческого интеллекта, но ИИ не должен ограничиваться методами, которые являются биологически наблюдаемыми.«

Однако за десятилетия до этого определения зарождение разговора об искусственном интеллекте было обозначено основополагающей работой Алана Тьюринга «Вычислительные машины и интеллект» (PDF, 89,8 КБ) (ссылка находится за пределами IBM), которая была опубликована в 1950 году. В этой статье Тьюринг, которого часто называют «отцом информатики», задает следующий вопрос: «Могут ли машины думать?» Оттуда он предлагает тест, теперь известный как «Тест Тьюринга», в котором человек-следователь пытается различить компьютерный и человеческий текстовый ответ.Хотя этот тест подвергся тщательной проверке с момента его публикации, он остается важной частью истории ИИ, а также постоянной концепцией в философии, поскольку он использует идеи, связанные с лингвистикой.

Стюарт Рассел и Питер Норвиг затем приступили к публикации «Искусственный интеллект: современный подход» (ссылка находится за пределами IBM), став одним из ведущих учебников по изучению ИИ. В нем они углубляются в четыре потенциальные цели или определения ИИ, который различает компьютерные системы на основе рациональности и мышления и против.действующий:

Человеческий подход:

• Системы, мыслящие как люди
• Системы, действующие как люди

Идеальный подход:

• Системы, мыслящие рационально
• Системы, которые действуют рационально

Определение Алана Тьюринга подпадало бы под категорию «систем, которые действуют как люди».

В своей простейшей форме искусственный интеллект — это область, которая объединяет информатику и надежные наборы данных для решения проблем.Он также включает в себя подобласти машинного обучения и глубокого обучения, которые часто упоминаются в связи с искусственным интеллектом. Эти дисциплины состоят из алгоритмов искусственного интеллекта, которые стремятся создать экспертные системы, которые делают прогнозы или классификации на основе входных данных.

Сегодня все еще много шумихи окружает развитие ИИ, которого ожидают от любой новой появляющейся на рынке технологии. Как отмечалось в цикле ажиотажа Gartner (ссылка находится за пределами IBM), такие инновационные продукты, как беспилотные автомобили и личные помощники, следуют «типичному прогрессу инноваций, от чрезмерного энтузиазма через период разочарования до окончательного понимания актуальности и роли инновации. на рынке или в домене.Как отмечает здесь (00:15) (ссылка находится за пределами IBM) Лекс Фридман в своей лекции в Массачусетском технологическом институте в 2019 году, мы находимся на пике завышенных ожиданий, приближаясь к минимуму разочарования.

По мере того, как возникают разговоры об этике ИИ, мы можем начать видеть первые проблески впадины разочарования. Чтобы узнать больше о позиции IBM в обсуждении этики ИИ, читайте здесь.

Типы искусственного интеллекта — слабый ИИ против сильного ИИ

Слабый ИИ, также называемый Узким ИИ или Искусственным Узким Интеллектом (ANI), — это ИИ, обученный и ориентированный на выполнение определенных задач.Слабый ИИ управляет большей частью ИИ, который нас окружает сегодня. «Узкий» может быть более точным описанием этого типа ИИ, поскольку он совсем не слабый; он поддерживает некоторые очень надежные приложения, такие как Apple Siri, Amazon Alexa, IBM Watson и автономные транспортные средства.

Strong AI состоит из общего искусственного интеллекта (AGI) и искусственного суперинтеллекта (ASI). Общий искусственный интеллект (AGI) или общий ИИ — это теоретическая форма ИИ, в которой машина будет иметь интеллект, равный человеческому; у него будет самосознание, способное решать проблемы, учиться и планировать будущее.Искусственный суперинтеллект (ИСИ), также известный как суперинтеллект, превзойдет интеллект и способности человеческого мозга. Хотя сильный ИИ все еще полностью теоретический, и сегодня нет практических примеров, это не означает, что исследователи ИИ также не изучают возможности его развития. Между тем, лучшие примеры ИСИ могут быть взяты из научной фантастики, такие как HAL, сверхчеловеческий, мошеннический компьютерный помощник из 2001: Космическая одиссея.

Глубокое обучение и машинное обучение

Поскольку глубокое обучение и машинное обучение, как правило, взаимозаменяемы, стоит отметить нюансы между ними.Как упоминалось выше, как глубокое обучение, так и машинное обучение являются подразделами искусственного интеллекта, а глубокое обучение на самом деле является подразделом машинного обучения.

Глубокое обучение на самом деле состоит из нейронных сетей. «Глубокое» в глубоком обучении относится к нейронной сети, состоящей из более чем трех слоев, включая входные и выходные данные, и может считаться алгоритмом глубокого обучения. Обычно это представлено на следующей диаграмме:

Глубокое обучение и машинное обучение отличаются друг от друга тем, как обучается каждый алгоритм.Глубокое обучение автоматизирует большую часть процесса извлечения признаков, устраняя необходимость ручного вмешательства человека и позволяя использовать большие наборы данных. Вы можете думать о глубоком обучении как о «масштабируемом машинном обучении», как отметил Лекс Фридман в той же лекции MIT сверху. Классическое, или «неглубокое», машинное обучение больше зависит от вмешательства человека. Специалисты-люди определяют иерархию функций, чтобы понять различия между входными данными, обычно для изучения требуются более структурированные данные.

«Глубокое» машинное обучение может использовать помеченные наборы данных, также известные как контролируемое обучение, для информирования своего алгоритма, но для этого необязательно наличие помеченного набора данных. Он может принимать неструктурированные данные в необработанном виде (например, текст, изображения) и может автоматически определять иерархию функций, которые различают разные категории данных друг от друга. В отличие от машинного обучения, для обработки данных не требуется вмешательства человека, что позволяет нам масштабировать машинное обучение более интересными способами.

Приложения искусственного интеллекта

Сегодня существует множество реальных приложений систем ИИ. Ниже приведены некоторые из наиболее распространенных примеров:

• Распознавание речи: Оно также известно как автоматическое распознавание речи (ASR), компьютерное распознавание речи или преобразование речи в текст, и это возможность, которая использует обработку естественного языка (NLP) для преобразования человеческой речи в письменный формат. Многие мобильные устройства включают в свои системы распознавание речи для голосового поиска — e.грамм. Siri или сделайте текстовые сообщения более доступными.
• Служба поддержки клиентов: Виртуальные онлайн-агенты заменяют агентов-людей на пути к клиенту. Они отвечают на часто задаваемые вопросы (FAQ) по таким темам, как доставка, или предоставляют индивидуальные советы, предлагают перекрестные продажи продуктов или предлагают размеры для пользователей, изменяя наше представление о взаимодействии с клиентами на веб-сайтах и ​​в социальных сетях. Примеры включают ботов для обмена сообщениями на сайтах электронной коммерции с виртуальными агентами, приложения для обмена сообщениями, такие как Slack и Facebook Messenger, а также задачи, обычно выполняемые виртуальными помощниками и голосовыми помощниками.
• Компьютерное зрение: Эта технология искусственного интеллекта позволяет компьютерам и системам извлекать значимую информацию из цифровых изображений, видео и других визуальных входов, и на основе этих входных данных они могут принимать меры. Эта способность давать рекомендации отличает его от задач распознавания изображений. Компьютерное зрение, основанное на сверточных нейронных сетях, находит применение в создании тегов для фотографий в социальных сетях, рентгенологической визуализации в здравоохранении и самоуправляемых автомобилях в автомобильной промышленности.
• Механизмы рекомендаций: Используя прошлые данные о поведении потребления, алгоритмы искусственного интеллекта могут помочь выявить тенденции данных, которые можно использовать для разработки более эффективных стратегий перекрестных продаж. Это используется для предоставления клиентам соответствующих рекомендаций по надстройке в процессе оформления заказа для интернет-магазинов.
• Автоматизированная торговля акциями: Разработанные для оптимизации портфелей акций, высокочастотные торговые платформы на базе искусственного интеллекта совершают тысячи или даже миллионы сделок в день без вмешательства человека.

История искусственного интеллекта: основные даты и названия

Идея «машины, которая думает» восходит к древней Греции. Но с момента появления электронных вычислений (и относительно некоторых тем, обсуждаемых в этой статье) важные события и вехи в развитии искусственного интеллекта включают следующее:

• 1950: Алан Тьюринг издает Computing Machinery and Intelligence. В своей статье Тьюринг, известный тем, что взломал нацистский код ENIGMA во время Второй мировой войны, предлагает ответить на вопрос «могут ли машины думать?» и вводит тест Тьюринга, чтобы определить, может ли компьютер продемонстрировать тот же интеллект (или результаты того же интеллекта), что и человек.С тех пор ценность теста Тьюринга обсуждается.
• 1956: Джон Маккарти ввел термин «искусственный интеллект» на первой в истории конференции по искусственному интеллекту в Дартмутском колледже. (Маккарти изобрел язык Лисп.) Позже в том же году Аллен Ньюэлл, Дж.К. Шоу и Герберт Саймон создали Logic Theorist, первую в истории программу для искусственного интеллекта.
• 1967: Фрэнк Розенблатт создает Mark 1 Perceptron, первый компьютер, основанный на нейронной сети, которая «училась» методом проб и ошибок.Всего год спустя Марвин Мински и Сеймур Паперт публикуют книгу под названием Perceptrons , которая становится одновременно знаковой работой по нейронным сетям и, по крайней мере, на время, аргументом против будущих исследовательских проектов нейронных сетей.
• 1980-е: Нейронные сети, которые используют алгоритм обратного распространения ошибки для обучения, широко используются в приложениях искусственного интеллекта.
• 1997: IBM Deep Blue побеждает тогдашнего чемпиона мира по шахматам Гарри Каспарова в шахматном матче (и матче-реванше).
• 2011: IBM Watson побеждает чемпионов Кена Дженнингса и Брэда Раттера на Jeopardy!
• 2015: Суперкомпьютер Minwa от Baidu использует особый вид глубокой нейронной сети, называемой сверточной нейронной сетью, для идентификации и категоризации изображений с более высокой точностью, чем у обычного человека.
• 2016: Программа DeepMind AlphaGo, работающая на глубокой нейронной сети, побеждает Ли Содола, чемпиона мира по игре в го, в матче из пяти игр.Победа значительна, учитывая огромное количество возможных ходов по ходу игры (более 14,5 триллионов всего за четыре хода!). Позже Google приобрел DeepMind за 400 миллионов долларов.

Искусственный интеллект и IBM Cloud

IBM является лидером в продвижении технологий на основе искусственного интеллекта для предприятий и является пионером в области систем машинного обучения будущего для различных отраслей. Основываясь на десятилетиях исследований в области искусственного интеллекта, многолетнем опыте работы с организациями любого размера и извлеченных из более чем 30 000 взаимодействий с IBM Watson, IBM разработала лестницу искусственного интеллекта для успешного развертывания искусственного интеллекта:

• Собрать: Упрощение сбора данных и доступность.
• Организовать: Создание основы для бизнес-аналитики.
• Analyze: Создание масштабируемых и надежных систем на основе искусственного интеллекта.
• Infuse: Интеграция и оптимизация систем в рамках всей бизнес-структуры.
• Модернизация: Перенос приложений и систем искусственного интеллекта в облако.

IBM Watson предоставляет предприятиям инструменты искусственного интеллекта, необходимые для преобразования их бизнес-систем и рабочих процессов, при этом значительно улучшая автоматизацию и эффективность.Для получения дополнительной информации о том, как IBM может помочь вам завершить путешествие по ИИ, изучите портфель управляемых услуг и решений IBM

.

Зарегистрируйтесь в IBMid и создайте свою учетную запись IBM Cloud.

.