Comment fonctionne l'intelligence artificielle

Récemment, nous avons . Il s'applique un peu partout: de la sphère de la haute technologie et à des calculs complexes à la médecine, de l'automobile, et même lors de l'utilisation des smartphones. La technologie sous-jacente à la base du fonctionnement de l'IA dans l'affichage contemporain, nous utilisons tous les jours et parfois même ne pouvons pas réfléchir à cela. Mais qu'est-ce que l'intelligence artificielle? Comment il fonctionne? Et est-il en danger?

qu'est-ce Que l'intelligence artificielle

Pour commencer, nous allons définir une terminologie. Si vous avez envie de l'intelligence artificielle, comme quelque chose, capable de la liberté de penser, de prendre des décisions, et en général à montrer des signes de conscience, alors nous nous empressons de vous décevoir. Presque tous les systèmes existants aujourd'hui même et ne sont pas près de «coûtent» à cette définition de l'IA. Et ceux qui montrent des signes d'une telle activité, en fait tout agissent dans le cadre de la pré-définies algorithmes.

Parfois, ces algorithmes , mais ils restent les «cadre», dans les limites de ce qui fonctionne de l'IA. Pas de «carta» et d'autant plus le signe de la conscience de pas de voitures. C'est tout simplement très productives du programme. Mais ils sont «les meilleurs dans leur domaine». Le système de l'IA continue de s'améliorer. Oui et ils sont disposés tout небанально. Même si rabattre le fait que moderne, l'IA est loin de la perfection, il est avec nous beaucoup de choses en commun.

Comment fonctionne l'intelligence artificielle

En premier lieu, l'IA pourrait s'acquitter de leurs tâches (dont un peu plus tard) et d'acquérir de nouvelles compétences grâce à la machine à l'apprentissage. Ce terme nous aussi, nous entendons souvent et utilisons. Mais ce qu'il signifie? À la différence de la «classique» les méthodes, lorsque toutes les informations nécessaires télécharge à l'avance, les algorithmes d'apprentissage automatique obligent le système à développer vous-même, en étudiant les informations disponibles. Que, d'ailleurs, la machine dans certains cas, peut aussi chercher vous-mêmes.

Par Exemple, pour créer un programme pour la détection de la fraude, algorithme d'apprentissage automatique fonctionne avec la liste des transactions bancaires et de leur résultat final (légal ou illégal). Le modèle de l'apprentissage automatique, examine des exemples et élabore des statistiques de dépendance entre les des transactions frauduleuses. Après cela, lorsque vous fournissez un algorithme de données de la nouvelle bancaire de la transaction, il répartit ses basés sur des modèles qui il подчерпнул des exemples d'avance.

En règle générale, plus les données que vous fournissez, plus précis est un algorithme d'apprentissage automatique lors de l'exécution de leurs tâches. particulièrement utile lors de la résolution de problèmes, où les règles ne sont pas définies à l'avance et ne peuvent être interprétés dans le système binaire. Pour en revenir à notre exemple avec des opérations bancaires: de fait à la sortie, nous avons le système binaire du calcul: 0 — légitime, 1 — illégales. Mais pour arriver à cette conclusion, le système doit analyser tout un tas de paramètres et si, de contribuer à la main, il faudra plus d'un an. Oui et de prévoir toutes les options ne sont pas encore sorti. Et le système d'exploitation sur la base de l'apprentissage automatique, la mesure de reconnaître que, même si la précision de ces cas elle avant ne connait pas.

Profonde de la formation et de réseaux de neurones

Alors, comme un classique des algorithmes d'apprentissage automatique permettent de résoudre nombre des problèmes qui présentent une masse d'informations sous la forme de bases de données, ils peinent à, pour ainsi dire, «les effets visuels et аудиальными» des données telles que des images, des vidéos, des fichiers audio et ainsi de suite.

Par Exemple, la création d'un modèle de prévision de cancer du sein classiques approches d'apprentissage nécessitera , de programmeurs et de mathématiciens, déclare le chercheur dans le domaine de l'IA Jeremy Howard. Les scientifiques doivent faire beaucoup plus de petits algorithmes pour l'apprentissage assume le feriez avec un flux d'informations. Sous-système unique pour l'étude des rayons x, d'une — pour l'IRM, l'autre — pour l'interprétation des analyses de sang, et ainsi de suite. Pour chaque type d'analyse, nous tenons de son propre système. Puis ils intègre dans un système plus vaste… il Est très difficile et ресурсозатратный le processus.

Les Algorithmes d'apprentissage profond résoudre le même problème, en utilisant la profondeur , le type de l'architecture logicielle, inspiré du cerveau humain (bien que les réseaux de neurones diffèrent de neurones biologiques, le principe de fonctionnement ont presque le même). Informatiques les réseaux de neurones — c'est de la communication «électronique de neurones», qui sont capables de traiter et de classer l'information. Ils sont comme «les couches» et tous les «la couche» est responsable de quelque chose, finalement formant une image globale. Par exemple, lorsque vous formez un réseau de neurones sur des images de différents objets, elle trouve les moyens de récupérer des objets à partir de ces images. Chaque couche d'un réseau de neurones détecte certaines caractéristiques: la forme des objets, des couleurs, des objets et ainsi de suite.

les couches Superficielles de réseaux de neurones découvrent caractéristiques communes. Des couches plus profondes déjà révèlent les objets. Sur la figure un schéma simple d'un réseau neuronal. La couleur verte marquée les neurones d'entrée (поступаюзая de l'information), et en bleu les neurones cachés (analyse des données), jaune — neurone de sortie (solution)

les réseaux de Neurones — il est artificiel de l'hommele cerveau?

Malgré ressemble la structure de la machine humaine et les réseaux de neurones, les signes de notre système nerveux central, ils ne possèdent pas. Informatique réseaux de neurones en fait les mêmes programmes de soutien. Tout simplement c'est ainsi que la très organisé système de calcul s'est avéré notre cerveau. Vous avez sûrement entendu parler de l'expression «notre cerveau — c'est l'ordinateur»? Les scientifiques ont tout simplement «répété» certains aspects de sa structure de «numériquement». Cela a permis d'accélérer les calculs, mais n'a pas doter la machine de la conscience.

C'Est intéressant:

Les réseaux de Neurones existent depuis les années 1950 (au moins dans la forme концепий). Mais jusqu'à récemment, ils n'ont pas reçu particulière de développement, parce que leur création a exigé d'énormes volumes de données et de capacités de calcul. Ces dernières années, il est devenu abordable, c'est pourquoi les réseaux de neurones et sont au premier plan, ayant son développement. Il est important de comprendre que, pour leur part entière de l'apparition manquait technologies. Comme leur manque, et maintenant afin de retirer la technologie à un nouveau niveau.

À quoi sert une profonde formation et les réseaux de neurones

Il Ya quelques domaines où ces deux technologies ont aidé à réaliser des progrès significatifs. De plus, certains d'entre eux nous utilisons tous les jours dans notre vie et ne pensons même pas que pour eux vaut la peine.

— c'est la capacité du logiciel à comprendre le contenu des images et des vidéos. C'est l'un des domaines où une profonde formation a fait de grands progrès. Par exemple, les algorithmes de traitement d'image d'un apprentissage en profondeur peut détecter différents types de cancer, les maladies du poumon, le cœur, et ainsi de suite. Et de le faire plus rapidement et plus efficacement les médecins. Mais profonde, une formation ancrée dans de nombreuses applications que vous utilisez tous les jours. Apple Face ID et Google Photos utilisent profonde de formation pour la reconnaissance de la personne et d'améliorer la qualité des images. Facebook utilise profonde de la formation afin de marquer automatiquement les personnes sur les photos téléchargeables et ainsi de suite. La vision par ordinateur permet également aux entreprises d'identifier automatiquement et de bloquer douteux contenu, tel que la violence et la nudité. Et, enfin, la plus profonde de la formation joue un rôle très important dans la capacité d'auto de conduite, afin qu'ils puissent comprendre ce qui les entoure.

• la Reconnaissance de la voix et de la parole. Lorsque vous prononcez la commande pour votre Google now, les algorithmes d'apprentissage profond transformeront votre . Plusieurs applications en ligne utilisent une profonde formation pour la transcription de fichiers audio et vidéo. Même lorsque vous «шазамите» une chanson, interviennent les algorithmes нейросетей et profonde de l'apprentissage automatique.
• la Recherche en ligne: même si vous cherchez quelque chose dans le moteur de recherche, pour que votre demande a été traitée plus clairement et les résultats de l'émission ont été les plus justes, la société a commencé à connecter les algorithmes нейросетей à ses moteurs de recherche. Ainsi, les performances du moteur de recherche Google a augmenté plusieurs fois après que le système passe en profondeur l'apprentissage et les réseaux de neurones.

les Limites d'un apprentissage en profondeur et нейросетей

Malgré tous ses avantages, en profondeur de la formation et les réseaux de neurones ont aussi quelques inconvénients.

• la Dépendance de données: en général, les algorithmes d'apprentissage profond nécessitent une énorme quantité de données d'apprentissage pour la précision de l'exécution de leurs tâches. Malheureusement, pour résoudre de nombreux problèmes de qualité insuffisante des données d'apprentissage pour créer des modèles.
• l'Imprévisibilité: les réseaux de neurones se développent d'une étrange façon. Parfois, tout se passe comme prévu. Et parfois (même si нейросеть bien face à sa tâche), même les créateurs du mal à comprendre, comment les algorithmes fonctionnent. Le manque de prévisibilité rend extrêmement difficile à résoudre et corriger les erreurs dans les algorithmes de travail нейросетей.
• Algorithmique décalage: les algorithmes d'apprentissage profond sont aussi bons que les données sur lesquelles ils sont formés. Le problème réside dans le fait que les données d'apprentissage contiennent souvent cachés ou apparents des erreurs ou des imperfections, et les algorithmes obtiennent leur «au patrimoine de l'humanité». Par exemple, un algorithme de reconnaissance faciale, formé principalement des photos d'hommes blancs de travailler moins de précision sur les gens de couleur.
• l'Absence de généralisation: les algorithmes d'apprentissage profond sont bons pour l'exécution des tâches ciblées, mais mal résument leurs connaissances. Contrairement aux humains, le modèle d'un apprentissage en profondeur, ne parvient pas à jouer à un autre un jeu similaire: par exemple, dans WarCraft. De plus, une formation de mal avec le traitement des données, qui s'écartent de ses exemples.

l'Avenir d'un apprentissage en profondeur, нейросетей et IA

Il est Clair que le travail sur une profonde formation et нейронными réseaux est loin d'être terminée. Divers efforts ont été déployés pour améliorer les algorithmes d'apprentissage profond. Profonde de la formation — c'est la meilleure méthode, dans la création de l'intelligence artificielle. Il devient de plus en plus populaire au cours des dernières années, grâce à l'abondance des données et de l'augmentation de la puissance de calcul. C'est la technologie de base qui sous-tend de nombreuses applications que nous utilisons tous les jours.

Mais naîtra jamais sur la base de cette technologie de la conscience? La vraie vie artificielle? Quelqu'un de scientifiques estime que, au moment où le nombre de connexions entre les composants artificiels нейросетей se rapprocher le même indice qu'il existe dans le cerveau humain entre nos neurones, quelque chose de semblable pourrait se produire. Mais c'est заявляениеil est très douteux. Pour le présent de l'IA est apparu, nous avons besoin de repenser l'approche de la mise en place de systèmes sur la base de l'IA. Tout ce qu'il y a maintenant — ce sont des applications strictement un nombre limité de tâches. Comme si nous ne voulions pas croire que l'avenir est déjà là…

Que pensez-vous? Créeront si les gens de l'IA? Partagez l'opinion dans notre