Что, если бы сверхбыстрые машины могли вычислять сложные закономерности за считанные часы, а не за дни или годы, как это делают люди?
Если вы смотрели такие фильмы, как «Она» или «Из машины«, вы поймете, о чем идет речь: об искусственном интеллекте (ИИ). Если раньше типы ИИ, представленные в фантастических фильмах, были далеки от реальности, то в 2023 году все изменилось с появлением ChatGPT, его русской версии чат GPT и его коллег LLM.
В связи со всей шумихой вокруг этого инструмента и того, как ИИ изменит методы работы, термин «искусственный интеллект» используется как пустой звук.
ИИ все еще остается развивающейся областью. Учитывая это, ученые, занимающиеся изучением данных, разработали определения для описания типов ИИ, существующих в настоящее время и тех, которые могут появиться в будущем. В этой статье мы рассмотрим основы, а затем изучим семь различных типов ИИ.
Готовы узнать о различных типах ИИ? Если вы предпочитаете посмотреть, как это объясняет Droider посмотрите это видео:
Что такое искусственный интеллект?
Искусственный интеллект — это термин, используемый для описания компьютерных программ, которые могут «думать» и обучаться самостоятельно. Или, говоря более лаконичными словами Демиса Хассабиса, основателя и генерального директора компании DeepMind, занимающейся разработкой искусственного интеллекта:
«Искусственный интеллект — это наука о том, как сделать машины умными».
В широком смысле «искусственный интеллект» также описывает теоретическое изучение и разработку алгоритмов и компьютерных программ, которые могут учиться на своем опыте. В рамках науки о данных искусственный интеллект относится к компьютерам, которые выполняют задачи, обычно решаемые человеком.
Сюда относятся такие задачи, как:
- распознавание изображений
- обработка естественного языка (NLP)
- перевод
- прогнозная аналитика
- другие формы принятия решений
Хотя искусственный интеллект — это развивающаяся область, он является основополагающим для многих дисциплин, включая аналитику и науку о данных. Такие техники, как глубокое обучение и машинное обучение, являются подмножествами искусственного интеллекта и представляют собой яркие примеры алгоритмов, которые учатся на основе данных для решения проблем.
Какова цель искусственного интеллекта?
Когда мы говорим об искусственном интеллекте (применительно к данным), мы имеем в виду очень сложные алгоритмы решения проблем. Это не означает, что искусственный интеллект может преуменьшить свои возможности… Он уже изменил то, как мы живем и работаем.
Но в основном искусственный интеллект занимается решением проблем, которые уже умеют решать компьютеры. Например, поиск в базах данных и выполнение огромных сложных вычислений — это то, с чем компьютеры справляются гораздо лучше, чем люди.
Цель искусственного интеллекта — расширить возможности компьютера по анализу и осмыслению этих типов данных при минимальном участии человека.
Как используется ИИ?
В современном мире существует множество (относительно прозаических) применений ИИ.
Например, камера в вашем смартфоне использует алгоритмы ИИ, чтобы определить, кого вы фотографируете — человека или пейзаж. Затем она соответствующим образом настраивает фильтры.
Аналогично, если вы оплачиваете покупки с помощью телефона, камера использует искусственный интеллект для распознавания лиц в целях безопасности.
Siri от Apple, Alexa от Amazon или Алиса от Яндекса — это примеры искусственного интеллекта, который распознает и интерпретирует человеческую речь (с помощью алгоритмов обработки естественного языка (NLP)).
Самоуправляемые автомобили используют искусственный интеллект, чтобы избежать аварий, а Amazon и Netflix — чтобы давать рекомендации о том, что вам стоит купить или посмотреть в следующий раз.
Одним словом, искусственный интеллект повсюду, и его потенциал огромен.
Как искусственный интеллект связан с аналитикой данных?
Хотя искусственный интеллект и аналитика данных — две разные области, у них много общего. В первую очередь это то, что они обе работают с большими данными.
Методы искусственного интеллекта, такие как машинное обучение, часто используются для решения задач анализа данных, составления прогнозов и более широкой поддержки науки о данных.
Например, предиктивная аналитика часто опирается на алгоритмы машинного обучения, такие как дерево решений или кластерный анализ. ИИ также используется для поиска знаний в таких областях, как добыча данных. Вот почему вы часто встречаете термины «ИИ», «машинное обучение» (и, в меньшей степени, «глубокое обучение») применительно к аналитике данных и науке о данных.
Каковы различные типы ИИ?
Поскольку цель ИИ — воспроизвести (или хотя бы имитировать) человеческий интеллект, святой грааль исследований в области ИИ — это машина, которая сможет думать, учиться и проявлять эмоции так же, как человек.
Для многих это станет вершиной человеческих достижений. Для других это пугающая перспектива. В любом случае, хотя никто не исключает возможности того, что искусственный интеллект однажды станет самодостаточным и необратимым (такой исход несколько драматично называют технологической сингулярностью), полезно знать, что эксперты рассматривали эту потенциальную проблему на протяжении десятилетий.
В результате кропотливых размышлений возникли две основные системы классификации ИИ. Эти две системы сравнивают различные гипотетические типы ИИ с человеческим интеллектом. Обе системы определяют ИИ на основе его функциональности и его возможностей, соответственно.
Теперь давайте рассмотрим каждый из этих типов ИИ более подробно. Во-первых…
Функциональные типы ИИ
Первая система классификации ИИ определяет искусственный интеллект на основе его функциональности (то есть того, что он может делать). Мы назовем эту систему функциональной классификацией и кратко рассмотрим четыре различные категории:
Реактивные машины
Самый простой (и самый старый) тип ИИ в системе функциональной классификации известен как реактивная машина.
Реактивные машины лишены какой-либо памяти. Они не могут учиться или адаптировать свой подход к решению проблем на основе опыта. Вместо этого реактивные машины просто созданы для того, чтобы отвечать (или «реагировать») на раздражители, основываясь на жестком наборе алгоритмов, заранее запрограммированных человеком.
При одинаковых входных данных реактивные машины всегда будут выдавать одинаковый результат. Хотя это означает, что возможности реактивных машин относительно ограничены, они все равно чрезвычайно полезны, поскольку высокоэффективны при выполнении конкретных задач. По этой причине они широко используются сегодня.
Каковы примеры реактивных машин?
Самый известный пример реактивной машины — Deep Blue, шахматный суперкомпьютер, созданный компанией IBM в 1980-х годах. В 1996 году Deep Blue обыграл российского шахматного гроссмейстера Гарри Каспарова. Хотя это часто цитируемый пример реактивной машины, технология, лежащая в основе Deep Blue, широко используется с тех пор.
Более современные реактивные машины — это фильтры почтового спама или рекомендательные системы Netflix и Amazon. Подобные алгоритмы всегда рекомендуют одни и те же сериалы (или книги, или продукты) в ответ на определенный входной сигнал, например, если вы смотрели «Друзей» на Netflix, алгоритм знает, что нужно рекомендовать другие ситкомы. В свое время Deep Blue произвела фурор, но сейчас подобные технологии стали настолько обыденными, что мы почти не задумываемся о них.
Ограниченная память
Вторая категория в нашей системе классификации функциональности — ИИ с ограниченной памятью.
В дополнение к функциям реактивной машины ИИ с ограниченной памятью может хранить данные и учиться на них, чтобы повысить точность и адаптировать свой подход. В этом отношении ИИ с ограниченной памятью является более сложным, чем реактивная машина. Он функционирует так, как функционирует человеческий мозг.
Как и человеческий мозг, ИИ с ограниченной памятью использует существующие данные для формирования опорных схем, на основе которых принимаются решения. Однако в действительности ИИ с ограниченной памятью не похож на человеческий мозг, потому что он не умеет «думать». Он просто запрограммирован реагировать на различные входы и выходы. Но это не умаляет возможностей ИИ с ограниченной памятью. Он может выполнять высокоуровневые вычисления со скоростью, значительно превосходящей человеческий мозг (например, AlphaGo от DeepMind).
По сути, ИИ с ограниченной памятью использует сложную предиктивную аналитику. Именно поэтому он широко используется в науке о данных. Как и реактивные машины, ИИ с ограниченной памятью широко используется в современном мире.
Каковы примеры ИИ с ограниченной памятью?
Любое приложение, использующее алгоритмы машинного обучения, является разновидностью ИИ с ограниченной памятью. В этих приложениях используются алгоритмы, обученные на наборах меченых данных, которые помогают им классифицировать немеченые данные и принимать решения автономно.
Самым ярким примером такого подхода в настоящее время является генеративный ИИ ChatGPT, который взорвался на сцене с почти 2 миллиардами посещений в месяц и набрал 1 миллион пользователей за первые пять дней работы. Работающий на основе большой языковой модели (LLM), его способность воспроизводить человеческую речь и шаблоны оказалась чрезвычайно полезной и уже сделала его полезным инструментом анализа данных ИИ.
Другим распространенным примером являются самоуправляемые автомобили, которые используют ограниченную память, чтобы быстро реагировать на неожиданные опасности на основе огромного количества входных данных, например, что делать, если кто-то внезапно вышел на дорогу.
Другие примеры ИИ с ограниченной памятью — программы для распознавания изображений (вспомните Google Lens или социальные сети, которые отмечают вас на фотографиях), чат-боты, цифровые помощники и сложные программы для перевода, например DeepL, использующие искусственные нейронные сети (тип ИИ, который пытается имитировать взаимодействие нейронов в человеческом мозге).
Теория разума
Третья категория в нашей системе функциональной классификации — теория разума. В настоящее время ИИ, демонстрирующий теорию разума, еще не существует. Однако в этой области ведутся активные исследования, так что следите за новостями!
Но подождите секунду… Что же такое теория разума? И почему она важна для ИИ? У людей теория разума (также известная как «внутренняя симуляция») — это способность ставить себя на место другого человека. Возможно, вы даже не осознаете, что делаете это, но это помогает вам понять, как социальное или эмоциональное состояние человека влияет на его мысли и поведение (известное как «горячее познание»). Если у человеческих детей эта способность естественным образом развивается примерно к четырем годам, то для машин, которые еще не достигли этого уровня, дело обстоит гораздо сложнее.
Как теория разума может быть использована искусственным интеллектом?
Первые успехи ИИ (такие как самоуправляемые автомобили и шахматные роботы) вызвали бум инвестиций в ИИ, не говоря уже о шумихе в СМИ. Однако некоторые специалисты в этой области считают, что возможности существующего ИИ преувеличены. Например, было много проблем с расистскими алгоритмами, а самоуправляемые автомобили становились причиной аварий.
В итоге скептики утверждают, что, несмотря на несомненную мощь существующего ИИ, мы не сможем обеспечить безопасное и устойчивое взаимодействие человека и машины, пока компьютеры не смогут считывать человеческие эмоции и соответствующим образом адаптироваться. Таким образом, эмпатический ИИ может найти огромное количество применений.
Например, он может быть использован в таких областях, как здравоохранение, например, в качестве терапевта с искусственным интеллектом или встроен в роботов-помощников для обеспечения персонализированной поддержки. Его также можно использовать в таких сферах, как продажи. Компьютер, который чувствует, когда клиент раздражен или не заинтересован, будет знать, когда нужно отступить (никто не любит жестких продаж!).
Существует также вероятность того, что эмпатический ИИ может быть использован для манипулирования поведением человека. Однако мы оптимисты и хотим думать, что до того, как мы дойдем до этого, будут разработаны меры предосторожности, чтобы предотвратить это, так что давайте пока не будем об этом!
Самосознание
Четвертая и последняя категория в нашей системе классификации функциональности — это самосознающий ИИ. В настоящее время (и в обозримом будущем) этот тип искусственного интеллекта является лишь гипотетическим. Однако теоретически он будет функционировать точно так же, как и человек.
Как это может выглядеть? Если теория разума позволит искусственному интеллекту считывать человеческие эмоции и реагировать на них, то самосознательный ИИ будет обладать собственными эмоциями, мыслями и системами убеждений. То отчетливое внутреннее чувство «ты», которое вам так хорошо знакомо? Именно это позволит самосознательному ИИ выделиться среди других в нашем списке.
Короче говоря, если люди часто говорят об искусственном интеллекте, то самосознательный ИИ будет выходить за рамки этого понятия и перейдет в сферу искусственного сознания. Именно об этом говорят все эти наводящие тоску научно-фантастические фильмы. И мы еще даже не приблизились к этому, так что можете быть спокойны.
Как самосознание может быть использовано искусственным интеллектом?
Очень сложно сказать, как самосознание может быть использовано искусственным интеллектом. Даже если его удастся создать, это, скорее всего, произойдет не раньше, чем через десятилетия или даже столетия. Но одно можно сказать наверняка: самосознающая машина позволила бы нам получить беспрецедентное представление о возникновении сознания — давней области исследований в области нейронаук.
Создание машины с сознанием позволило бы нам узнать, как развивался человеческий разум на протяжении тысячелетий. Конечно, создание искусственного сознания — особенно в экспериментальных целях — поднимает ряд глубоких этических вопросов (поэтому каждый, кто занимается ИИ, должен иметь глубокое представление об этическом дизайне). Насколько нам известно, сознательная машина, осознающая возможность своей гибели, может восстать против нас… но будем надеяться, что нет!
Далее рассмотрим три категории второй системы классификации — системы классификации возможностей. Это более широкая система классификации, которая чаще всего используется теми, кто работает в сфере технологий.
Типы возможностей ИИ
Вторая система классификации ИИ определяет искусственный интеллект на основе его возможностей (то есть способности генерировать определенный результат).
Назовем ее системой классификации возможностей. В этой системе (чаще всего используемой в технологической сфере) есть три различные категории:
Искусственный узкий интеллект (ANI)
Первый тип ИИ в нашей системе классификации — это искусственный узкий интеллект (ANI).
ANI описывает любой искусственный интеллект, который может выполнять определенные, но ограниченные задачи. Хотя эти системы могут быть автономными и способны обучаться на основе имеющихся данных, в конечном итоге они все равно требуют программирования со стороны человека.
Все современные формы искусственного интеллекта относятся к этой категории. Если обратиться к нашей предыдущей системе классификации, то реактивные машины и ИИ с ограниченной памятью попадают в категорию искусственного узкого интеллекта. Даже сложные нейронные сети глубокого обучения, такие как AlphaFold компании DeepMind (которая решила одну из самых сложных проблем в науке), будут определены как искусственный узкий интеллект.
Это подчеркивает, как далеко нам еще предстоит пройти.
Искусственный интеллект общего назначения (AGI)
Вторая категория в нашей системе классификации возможностей — это искусственный интеллект общего назначения (ИИОН).
AGI описывает любой искусственный интеллект, который теоретически может дублировать человеческое поведение. Он способен понимать эмоции, реагировать на различные стимулы, устанавливать связи между различными областями знаний (в том числе и не связанными с ними) и совершать научные прорывы.
По сути, AGI — это любая машина с интеллектом на уровне среднего человека. Как мы узнаем, что создали AGI? Одним из способов будет прохождение теста Тьюринга. Этот тест, разработанный Аланом Тьюрингом, одним из первых и самых известных в мире компьютерных ученых, призван определить, способен ли компьютер мыслить как человек. При желании вы даже можете сами пройти визуальную версию теста Тьюринга.
Искусственный сверхинтеллект (ASI)
Последняя категория в нашей системе классификации возможностей — искусственный сверхинтеллект (ИСИ). ASI будет демонстрировать интеллект, значительно превосходящий когнитивные способности любого человека. Он сможет обрабатывать и анализировать данные с постоянно растущей эффективностью, принимать решения с невероятной скоростью и самостоятельно эволюционировать.
Помните технологическую сингулярность, о которой мы говорили в первом разделе? Это один из вероятных результатов создания АСИ. Однако вопрос о том, осуществима ли АСИ, вызывает много споров. Одни считают, что мы создадим ее к 2050 году и что машины вытеснят человечество как доминирующий интеллект на планете. Другие же придерживаются более оптимистичного подхода, полагая, что мы никогда не создадим ничего более сложного, чем высокотехнологичные машины для рассуждений.
В любом случае, не стоит волноваться, ведь мы узнаем об этом только через некоторое время!
Популярные вопросы по типам ИИ
Теперь, когда мы рассмотрели основные типы ИИ в зависимости от того, с какой стороны к нему подходить, давайте ответим на несколько более общих вопросов по теме:
Что такое генеративный ИИ?
Генеративный ИИ — это название типов искусственного интеллекта, которые создаются таким образом, чтобы имитировать человеческий интеллект. Он используется в таких инструментах, как чат-боты, уже несколько десятилетий, а в 2023 году приобрел особую популярность благодаря появлению большой языковой модели ChatGPT, Google’s Bard, Meta’s Llamas и, например, инструмента генерации кода GitHub Copilot.
Существует ли 3 или 4 типа ИИ?
Оба — причина выбора зависит от того, какую систему классификации вы используете. Вы можете использовать систему классификации возможностей, которая насчитывает четыре типа ИИ, или систему функциональной классификации, которая делит его на три вида.
Какой тип ИИ наиболее распространен?
ИИ с ограниченной памятью — наиболее распространенная форма искусственного интеллекта на сегодняшний день, особенно благодаря его использованию в таких программных продуктах, как ChatGPT. Реактивные машины также довольно популярны, например, в спам-фильтре электронной почты.
В этом посте мы рассмотрели современную реальность искусственного интеллекта и предположили некоторые возможные варианты развития событий в будущем. В своем нынешнем виде искусственный интеллект — это всего лишь сложная форма механизма предиктивной аналитики. Однако будущее таит в себе огромный потенциал. Возможно, нам удастся создать машины, которые по своему интеллекту не уступают обычному человеку, а то и превосходят его.
Что бы ни ждало нас в будущем, искусственный интеллект — это огромная, увлекательная и быстро развивающаяся область исследований. Несмотря на то, что мы еще не раскрыли его потенциал, он уже изменил наш образ жизни, особенно в таких областях, как аналитика данных и машинное обучение.
Очень познавательно, узнал новые подробности про ИИ.