Какие существуют типы ИИ? [Видео и викторина]

Краткий ответ: Типы ИИ лучше всего понимать по их возможностям, функциональности, стилю обучения и сценариям использования. Сегодня широко распространены узкоспециализированные ИИ, в то время как общие ИИ и супер-ИИ остаются теоретическими понятиями. При выборе инструмента следует сопоставлять категорию с задачей, связанными с ней рисками и необходимостью проверки человеком.

Основные выводы:

Классификация: Перед сравнением систем необходимо отдельно изучить их возможности, функциональность, метод обучения и сценарии использования.

Проверка человеком: Прежде чем полагаться на результаты генеративных, прогностических и диалоговых вычислений, проверьте их.

Прозрачность: Задайте себе вопрос, какие данные, логика и ограничения лежат в основе каждой системы искусственного интеллекта.

Ответственность: Необходимо привлекать людей к ответственности, когда ИИ влияет на решения, пользователей или безопасность.

Контроль рисков: Перед развертыванием необходимо провести проверку на предвзятость, конфиденциальность, безопасность и возможность неправомерного использования.

---

1. Какие существуют типы искусственного интеллекта?

Когда люди спрашивают: «Какие существуют типы ИИ?», они обычно имеют в виду одно из двух:

Возможно, они спрашивают об ИИ, исходя из его возможностей, например, может ли он выполнять только одну задачу или же рассуждать в более широком смысле, подобно человеку.

Или же они могут спрашивать об ИИ с точки зрения функциональности, то есть о том, как система ведет себя, учится, запоминает, прогнозирует или реагирует.

Вот тут-то и начинаются сложности. Искусственный интеллект нельзя отнести к какой-то одной четкой категории. Это скорее похоже на сортировку кухонных инструментов по размеру, назначению, остроте и тому, купил ли их ваш дядя в сомнительном интернет-магазине. Различные системы классификации пересекаются.

К основным категориям обычно относятся:

• Узкий ИИ

• Общий ИИ

• Супер-ИИ

• Реактивные машины

• Искусственный интеллект с ограниченной памятью

• Теория разума ИИ

• Самосознающий ИИ

• Искусственный интеллект на основе машинного обучения

• Глубокое обучение в искусственном интеллекте

• Генеративный ИИ

• Прогностический ИИ

• Разговорный ИИ

• Искусственный интеллект в компьютерном зрении

• Робототехника и искусственный интеллект

Некоторые из них широко используются. Другие пока остаются преимущественно теоретическими. Некоторые звучат футуристично, но уже встроены в повседневные приложения. Граница между «обычным программным обеспечением» и «искусственным интеллектом» также со временем размывается.

---

2. Типы ИИ по возможностям

Первый основной способ классификации ИИ — это определение его возможностей. Это общая картина 🧠.

Узкий ИИ

Узкоспециализированный ИИ, также называемый слабым ИИ, предназначен для выполнения конкретной задачи или ограниченного набора задач. Именно такой ИИ люди используют каждый день.

Примеры включают:

• Рекомендации по поиску

• Спам-фильтры

• Голосовые помощники

• Системы распознавания лиц

• Чат-боты

• Системы рекомендаций товаров

• инструменты обнаружения мошенничества

• Приложения для перевода языков

Узкоспециализированный ИИ может быть мощным, но он не «думает» в широком человеческом смысле. ИИ, создающий шахматную команду, может победить гроссмейстера, но он не сможет внезапно решить стать кондитером. Модель перевода может перевести абзац текста, но она не воспринимает язык так, как человек.

Тем не менее, узкоспециализированный ИИ — это рабочая лошадка современного мира искусственного интеллекта. Он не гламурен в научно-фантастическом смысле, но управляет большей частью работы за кулисами 🎭.

Общий ИИ

Общий ИИ — это искусственный интеллект, способный понимать, учиться, рассуждать и применять знания в самых разных задачах на уровне, близком к человеческому.

Проще говоря: оно не будет хорошо делать только что-то одно. Оно сможет адаптироваться.

Настоящий универсальный ИИ потенциально мог бы:

• Освоение незнакомых задач

• Размышляйте на разные темы

• Решать новые проблемы

• Перенос знаний из одной области в другую

• Глубже понять контекст

• Принимайте решения, проявляя гибкость в суждениях

Такой вид ИИ пока остается скорее целью, чем повседневной реальностью. Люди много говорят о нем, потому что это увлекательно, возможно, немного тревожно, и трудно устоять перед этой концепцией. Но обычные инструменты, которые пишут текст, генерируют изображения или отвечают на вопросы, не являются автоматически универсальным ИИ. Они могут казаться универсальными, но все же работают в рамках заданных ограничений.

Супер-ИИ

Сверхъестественный ИИ превзойдёт человеческий интеллект. Речь идёт не только о более быстрой печати или лучших математических способностях — он будет обладать превосходными навыками рассуждения, креативностью, стратегией, способностью к обучению, а возможно, и эмоциональным или социальным пониманием.

Это наиболее склонная к предположениям категория. Она поднимает множество вопросов:

• Кто это контролирует?

• Можно ли это согласовать с человеческими ценностями?

• Сможет ли оно правильно понять цели человека?

• Может ли оно само улучшиться?

• Что произойдет, если оно будет принимать решения, которым люди не смогут следовать?

В мире сверхискусственного интеллекта разговоры об ИИ порой превращаются в философскую чепуху. Ценную чепуху, возможно, но всё же чепуху 🍲.

---

3. Типы ИИ по функциональности

Ещё один распространённый способ объяснить типы ИИ — это функциональность. В этом случае основное внимание уделяется тому, как ИИ себя ведёт.

Реактивные машины

Реактивные машины — это простейший тип искусственного интеллекта. Они реагируют на текущие входные данные, не используя память о прошлом опыте.

Они не учатся со временем, как это делают современные адаптивные системы. Они анализируют ситуацию, обрабатывают её и реагируют.

Представьте это так: «Входные данные поступают. Выходные данные выходят. Записей в дневнике нет»

Реактивный ИИ по-прежнему может впечатлять. Он может анализировать возможные ходы в игре или реагировать на четко определенную ситуацию с невероятной скоростью и точностью. Но он не создает личную историю и не развивается на основе прошлых взаимодействий.

Искусственный интеллект с ограниченной памятью

Искусственный интеллект с ограниченной памятью может использовать данные из прошлого для принятия более обоснованных решений. Именно в этой категории находится большая часть современного практического ИИ.

Примеры включают:

• Рекомендательные системы, обучающиеся на основе поведения пользователей

• Системы автономного вождения, анализирующие недавние дорожные условия

• Чат-боты запоминают контекст разговора

• Модели обнаружения мошенничества обучаются на основе анализа закономерностей транзакций

• Инструменты прогнозной аналитики, использующие исторические данные

Ограниченная память не означает «плохая память». Это означает, что система может использовать сохраненные или недавние данные, но не обладает человеческим сознанием или долговременным личным опытом. Однако она может быть очень эффективной. Иногда досадно эффективной — например, когда приложение для покупок знает, что вы хотите, еще до того, как вы сами себе это признаете 🛒.

Теория разума ИИ

Искусственный интеллект, основанный на теории разума, будет понимать эмоции, убеждения, намерения и социальные сигналы более человекоподобным образом.

Такой тип ИИ будет обрабатывать не только слова. Он будет делать выводы о том, что человек может чувствовать, хотеть, неправильно понимать, бояться или ожидать.

Например, оно может понимать следующее:

• Клиент раздражен, но старается оставаться вежливым

• Студент растерян, но ему неловко задавать вопрос снова

• Пациент испытывает тревогу, несмотря на то, что говорит: «Я в порядке»

• Один из членов команды колеблется, потому что молча не согласен с другими

Это по-прежнему актуальная область обсуждения ИИ, но истинная теория разума в ИИ чрезвычайно сложна. Человеческие эмоции запутанны. Люди говорят одно, а подразумевают другое. Иногда они даже сами не понимают, что имеют в виду. Удачи тебе, машина.

Самосознающий ИИ

Искусственный интеллект, обладающий самосознанием, будет иметь сознание, самопонимание и осознание собственного внутреннего состояния.

Это всего лишь теория. Она относится к научной фантастике, этическим дискуссиям, ночным спорам и людям, драматично смотрящим в окно 🌙.

Самосознающий ИИ не просто имитировал бы разговор о чувствах. Он обладал бы неким субъективным опытом. Это смелое утверждение. Современные системы ИИ не обладают подтвержденным сознанием, чувствами, желаниями или самосознанием.

Они могут казаться самосознательными, потому что язык способен имитировать саморефлексию. Но звучать как что-то и быть чем-то — это не одно и то же. Попугай может сказать: «Я голоден», но это не значит, что у него забронирован столик в ресторане.

---

4. Сравнительная таблица: Основные типы ИИ

Тип ИИ	Основная идея	Текущий статус	Типичные примеры	Почему это важно
Узкий ИИ	Создан для выполнения конкретных задач	Широко используется	Чат-боты, поиск, рекомендации	Практичный и вездесущий
Общий ИИ	Человекоподобный гибкий интеллект	Не достигнуто в полной мере	В основном теоретический	Большая цель, большие дебаты
Супер-ИИ	В целом, умнее людей	Спекулятивный	Практический пример отсутствует	Огромные этические вопросы
Реактивные машины	Реагирует без памяти	Используется в ограниченных случаях	Игровой ИИ, системы, основанные на правилах	Быстрые, но не адаптирующиеся
Искусственный интеллект с ограниченной памятью	Использует данные/историю для улучшения	Очень распространенное явление	Системы автономного вождения, инструменты для борьбы с мошенничеством	Это мой автомобиль на каждый день 🚗
Теория разума ИИ	Понимает эмоции и намерения	Разработка концепции	Передовые идеи в области социального искусственного интеллекта	Это может сделать ИИ более человечным
Самосознающий ИИ	Обладает сознанием	Теоретический	Примеры в стиле научной фантастики	Философски масштабный
Генеративный ИИ	Создаёт новый контент	Широко используется	Инструменты для работы с текстом, изображениями и аудио	Повышение продуктивности в творческой сфере
Прогностический ИИ	Результаты прогнозов	Широко используется	Оценка рисков, планирование спроса	Помогает принимать решения - в основном
Робототехника и искусственный интеллект	Управляет физическими машинами	Используется в промышленности	Роботы, дроны, автоматизация	Соединяет ИИ с физическим трудом

Немного неровно? Да. Но именно так работает ИИ и в повседневной жизни — а не в музейной экспозиции с идеально оформленными подписями.

---

5. Генеративный ИИ: тот тип, о котором все говорят 🎨

Генеративный ИИ — один из самых популярных типов ИИ, потому что он создает вещи.

Оно может генерировать:

• Текст

• Изображения

• Музыка

• Код

• Видео

• Описание товаров

• Маркетинговый текст

• Планы уроков

• Краткие обзоры

• Синтетические данные

• Дизайнерские идеи

Генеративный ИИ работает, изучая закономерности в больших массивах данных, а затем создавая новые результаты на основе заданных параметров. Он не копирует в том простом смысле, в каком это иногда представляют люди. Он предсказывает, комбинирует, изменяет и генерирует на основе изученных структур.

Тем не менее, оно всё ещё может ошибаться. Оно может звучать уверенно, будучи неправым, что, по сути, является машинной версией объяснения налогового законодательства на семейном пикнике.

Генеративный ИИ ценен для:

• Мозговой штурм

• Составление черновика

• Автоматизация повторяющегося письма

• Создание визуальных концепций

• Поддержка обслуживания клиентов

• Ускорение задач кодирования

• Персонализация учебных материалов

Но это требует проверки. Всегда. Результаты работы ИИ могут впечатлять, но они не гарантируют автоматически точность, справедливость, законность или безопасность бренда. Относитесь к ним как к очень быстрому помощнику, который время от времени может проявлять признаки недоработки.

---

6. Искусственный интеллект на основе машинного обучения: поиск закономерностей

Машинное обучение — это одна из основных отраслей искусственного интеллекта, в которой системы изучают закономерности на основе данных, а не программируются построчно для каждого решения.

Традиционное программное обеспечение следует чётко заданным правилам. Системы машинного обучения выявляют взаимосвязи и повышают производительность посредством обучения.

Например:

• Спам-фильтр обучается распознавать подозрительные электронные письма

• Банковская модель выявляет необычное поведение транзакций

• Приложение для потокового вещания рекомендует сериалы на основе зрительских привычек

• Инструмент для подбора персонала может ранжировать кандидатов на основе определенных сигналов

• Модель медицинской визуализации может выявить возможные отклонения от нормы

Машинное обучение может быть контролируемым, неконтролируемым или основанным на подкреплении.

Обучение под наблюдением

В контролируемом обучении используются примеры с пометками. Например, изображения могут быть помечены как «кот» или «не кот». Модель учится различать эти понятия.

Обучение без учителя

Обучение без учителя ищет закономерности без помеченных ответов. Оно может группировать клиентов в сегменты или выявлять скрытые кластеры в данных.

Обучение с подкреплением

Обучение с подкреплением основано на получении вознаграждения или штрафа за действия. Это распространенный подход в искусственном интеллекте, используемом в играх, робототехнике и задачах оптимизации.

Машинное обучение — это не магия. Оно в значительной степени зависит от качества данных. Плохие данные приводят к плохим моделям — мусор на входе, мусор на выходе.

---

7. Глубокое обучение в искусственном интеллекте: мощный инструмент нейронных сетей 🧬

Глубокое обучение — это специализированный вид машинного обучения, использующий многослойные нейронные сети для обработки сложных закономерностей.

Это особенно ценно для:

• Распознавание речи

• распознавание изображений

• Обработка естественного языка

• Автономные системы

• Анализ медицинских изображений

• Перевод

• Модели генеративного искусственного интеллекта

• Сложные задачи прогнозирования

Часть «глубина» относится к нескольким слоям в модели. Каждый слой помогает изменять и интерпретировать информацию. Один слой может обнаруживать простые формы на изображении, другой — текстуры, третий — объекты и так далее.

Глубокое обучение может давать потрясающие результаты, но часто требует огромных объемов данных и вычислительной мощности. Кроме того, его результаты сложнее интерпретировать. Это означает, что даже экспертам может быть трудно объяснить, почему глубокая модель приняла то или иное решение.

Это одна из главных проблем доверия в ИИ: производительность может быть высокой, но объяснимость может быть проблематичной. Это как пытаться спросить блендер, почему смузи имеет неправильный вкус.

---

8. Разговорный ИИ: разговорчивый тип

Разговорный ИИ предназначен для общения с людьми посредством текста или голоса.

В него входят:

• Чат-боты для обслуживания клиентов

• Голосовые помощники

• Виртуальные агенты

• ИИ-репетиторы

• Внутренние боты службы поддержки

• Продавцы-консультанты

• Помощники по планированию

Для эффективного разговорного ИИ требуется не только грамматика. Ему необходимы контекст, распознавание намерений, контроль тона и способность обрабатывать непредсказуемый ввод данных от человека.

Люди не умеют говорить чётко и ясно. Они многословны. Они допускают орфографические ошибки. Они задают половинчатый вопрос и ожидают, что машина «поймёт его». Вы же понимаете, как это бывает.

Базовый чат-бот может следовать сценарию. Более продвинутый разговорный ИИ способен понимать естественный язык, сохранять контекст и генерировать гибкие ответы.

Этот тип ИИ ценен, потому что сокращает рутинную работу и обеспечивает быструю поддержку. Но он может раздражать пользователей, когда делает вид, что понимает, но на самом деле этого не делает. Худший вариант — это чат-бот, который говорит: «Я рад помочь», но на самом деле никакой помощи не оказывает. Это просто мучительно.

---

9. Искусственный интеллект в компьютерном зрении: машины, которые «видят» 👀

Искусственный интеллект в области компьютерного зрения позволяет системам интерпретировать визуальную информацию, получаемую с изображений, видео, камер, датчиков или сканирований.

Его можно использовать для:

• Распознавание лиц

• Обнаружение объектов

• Контроль качества на заводах

• Медицинская визуализация

• мониторинг безопасности

• Анализ полок в розничной торговле

• Обнаружение трафика

• Дополненная реальность

• мониторинг сельского хозяйства

Компьютерное зрение видит не так, как человек. Оно обрабатывает пиксели, узоры, формы, цвета и статистические сигналы. Но результаты могут быть очень впечатляющими.

Например, компьютерное зрение может помочь быстрее обнаруживать дефекты на производственной линии, чем ручная проверка. Оно может помочь в организации библиотек изображений. Оно может поддерживать системы безопасности в транспортных средствах. Однако оно также может вызывать опасения по поводу конфиденциальности, особенно при использовании для наблюдения или идентификации.

Это двусторонняя вилка — не меч, а вилка. Она всё ещё достаточно острая, чтобы доставить неприятности 🍴.

---

10. Прогностический ИИ: механизм прогнозирования

Прогностический ИИ использует данные для оценки того, что может произойти дальше.

Это распространенный подход в бизнесе, финансах, здравоохранении, логистике, спортивной аналитике, маркетинге и операционной деятельности.

Прогностический искусственный интеллект может помочь ответить на такие вопросы, как:

• Какие клиенты, скорее всего, уйдут?

• Какая транзакция выглядит подозрительной?

• Какой объем товара потребуется на складе?

• Какому пациенту может потребоваться дополнительное внимание?

• На какой контент пользователь, скорее всего, кликнет?

• Какая деталь машины может вскоре выйти из строя?

Этот тип ИИ менее эффектен, чем генеративный ИИ, но он чрезвычайно важен. Многих организаций меньше волнует, сможет ли модель писать стихи, и больше — сможет ли она сократить потери, снизить риски и улучшить планирование.

Прогностический ИИ работает лучше всего, когда данные актуальны, чисты и регулярно обновляются. Но прогнозирование никогда не гарантирует успеха. Модель может оценивать вероятности, но не гарантирует результатов. Люди постоянно забывают об этом. А потом обвиняют ИИ, как будто он их лично предал.

---

11. Искусственный интеллект в робототехнике: Когда ИИ обретает тело 🤖

интеллект в робототехнике объединяет искусственный интеллект с физическими машинами. Именно здесь ИИ покидает экран и начинает перемещаться по миру.

Примеры включают:

• Складские роботы

• Производственные роботы

• Роботы-доставщики

• Сельскохозяйственные роботы

• Системы хирургической помощи

• Дроны

• Инспекционные роботы

• Роботы-уборщики

• Гуманоидные исследовательские роботы

Создание искусственного интеллекта в робототехнике — сложная задача, поскольку физическая среда непредсказуема. Чат-бот должен обрабатывать только слова. Роботу же приходится сталкиваться со скользкими полами, плохим освещением, неровными поверхностями, движущимися людьми, ошибками датчиков и даже с тем, что кто-то оставил стул в самом неподходящем месте.

В робототехнике часто сочетаются несколько типов искусственного интеллекта:

• Компьютерное зрение для зрения

• Машинное обучение для адаптации

• Алгоритмы планирования движения

• Обучение с подкреплением для принятия решений

• Обработка естественного языка для выполнения команд человеком

Искусственный интеллект в робототехнике обладает огромным потенциалом, особенно в опасной или монотонной работе. Но он также дорог, сложен и физически опасен в случае сбоев в работе системы.

---

12. Искусственный интеллект, основанный на стиле обучения

Ещё один важный способ осмысления типов ИИ — это рассмотрение способов их обучения.

Искусственный интеллект, основанный на правилах

Искусственный интеллект, основанный на правилах, следует логике, созданной человеком. Например:

• Если это произойдёт, сделайте это

• Если пользователь выберет этот вариант, покажите соответствующий ответ

• Если значение превышает пороговое значение, активируйте оповещение

Это простой, предсказуемый и полезный подход для структурированных задач. Однако он страдает от неопределенности.

Искусственный интеллект, обученный на данных

Искусственный интеллект, обученный на основе данных, учится на примерах. Он способен справляться с более сложными задачами, поскольку выявляет закономерности, а не полагается только на фиксированные правила.

Именно здесь на помощь приходят машинное обучение и глубокое обучение.

Гибридный ИИ

Гибридный ИИ сочетает в себе логику, основанную на правилах, с машинным обучением. Во многих практических системах это прагматичный выбор. Вы получаете гибкость обучающихся систем плюс контроль над правилами.

Например, система обнаружения банковского мошенничества может использовать машинное обучение для выявления подозрительного поведения, а затем применять строгие правила для проверки соответствия требованиям. Не очень эффектно, но крайне необходимо.

---

13. В чём заключается путаница между типами ИИ?

Наибольшая путаница возникает из-за того, что люди используют категории ИИ по-разному.

Один человек, говоря о «типах ИИ», может подразумевать узкий, общий и сверхинтеллект.

Другой человек может подразумевать генеративный ИИ, предиктивный ИИ и разговорный ИИ.

Разработчик может говорить об обучении с учителем, глубоком обучении, нейронных сетях или обучении с подкреплением.

Менеджер по бизнесу может говорить об автоматизации, аналитике, персонализации и искусственном интеллекте для поддержки клиентов.

Все они в какой-то степени правы. Раздражает, но это правда.

Искусственный интеллект классифицируется по следующим признакам:

• Возможности

• Функциональность

• Метод обучения

• Область применения

• Техническая архитектура

• Уровень автономии

• Тип ввода и вывода

• Пример использования в промышленности

Поэтому, когда кто-то спрашивает: «Что это за тип ИИ?», наиболее понятный ответ может быть многоуровневым.

Чат-бот, например, может выглядеть следующим образом:

• Сузить область применения ИИ по возможностям

• Искусственный интеллект с ограниченной памятью, обусловленной функциональностью

• Разговорный ИИ по областям применения

• Генеративный ИИ, если он создает ответы

• Искусственный интеллект на основе глубокого обучения работает на базе нейронных сетей

Это не излишнее усложнение ради развлечения. Так устроена эта область.

---

14. Практические примеры типов ИИ

Вот несколько примеров из повседневной жизни, которые помогут лучше понять эти категории.

Рекомендации по стриминговым сервисам 🎬

Это узкий искусственный интеллект, предиктивный ИИ и машинное обучение. Он изучает закономерности и рекомендует, что вы могли бы посмотреть дальше.

Голосовые помощники 🎙️

В них используются разговорный искусственный интеллект, обработка естественного языка, распознавание речи и функции работы с ограниченной памятью.

Генераторы изображений 🖼️

Это генеративные системы искусственного интеллекта, часто работающие на основе моделей глубокого обучения.

Системы обнаружения мошенничества 💳

Эти системы используют предиктивный искусственный интеллект и машинное обучение для выявления необычной активности.

Функции автономного вождения 🚗

Эти технологии объединяют компьютерное зрение, ИИ с ограниченной памятью, ИИ, связанный с робототехникой, слияние данных с датчиков и модели принятия решений.

Фильтры спама для электронной почты 📩

Это классический пример искусственного интеллекта в области машинного обучения. Не самый эффектный, но чрезвычайно ценный.

Инструменты для написания текстов с использованием ИИ ✍️

Это генеративный ИИ и разговорный ИИ, как правило, созданные с использованием больших языковых моделей.

Важно следующее: один продукт на основе ИИ может одновременно относиться к нескольким категориям.

---

15. Преимущества понимания типов ИИ

Знание типов ИИ поможет вам принимать более взвешенные решения, особенно если вы используете ИИ в работе, бизнесе, учебе или создании контента.

Это вам поможет:

• Выберите подходящий инструмент

• Избегайте нереалистичных ожиданий

• Понимание рисков

• Задавайте более качественные вопросы

• Оцените заявления об искусственном интеллекте

• преувеличение в рекламном маркетинге

• Используйте ИИ более ответственно

• Объясните другим, как работает ИИ, не создавая впечатления растерянного робота

Например, если инструмент представляет собой предиктивный ИИ, вы знаете, что он прогнозирует вероятности. К нему не следует относиться как к оракулу.

Если инструмент использует генеративный ИИ, вы знаете, что он создает контент, но этот контент все равно нуждается в проверке.

Если система относится к узкоспециализированной области искусственного интеллекта, это означает, что она может быть превосходна в одной области, но неэффективна за пределами своей компетенции.

Уже одно это избавляет от множества проблем.

---

16. Риски и ограничения различных типов ИИ ⚠️

У каждого типа ИИ есть свои ограничения. Разные вкусы, одна и та же тарелка супа.

распространенным рискам, связанным с ИИ, относятся:

• Смещение в обучающих данных

• Некорректные результаты

• Отсутствие прозрачности

• вопросы конфиденциальности

• Чрезмерная зависимость

• Уязвимости безопасности

• Злоупотребление

• Недостаточный человеческий контроль

• Путать беглость речи с истиной

Генеративный ИИ может создавать информацию. Прогностический ИИ может укреплять предвзятые представления. Компьютерное зрение может неправильно идентифицировать людей или объекты. Разговорный ИИ может раздражать пользователей ложной уверенностью. Робототехнический ИИ может причинить физический вред, если он плохо спроектирован.

Это не значит, что ИИ плох. Это значит, что ИИ следует использовать с умом. Как электроинструменты, контракты или очень острая лапша 🌶️.

В состав лучших систем искусственного интеллекта обычно входят:

• Проверка человеком

• Четкие границы

• Надежные методы работы с данными

• Тестирование

• Мониторинг

• Объясняемость там, где это возможно

• Этичный дизайн

• Меры безопасности

Искусственный интеллект может способствовать принятию правильных решений. Он также может способствовать принятию неосторожных решений.

---

17. Какой тип ИИ наиболее важен?

Не существует единственного наиболее важного типа. Все зависит от конкретного случая использования.

Для развития креативности генеративный искусственный интеллект имеет огромное значение.

Для бизнес-планирования предиктивный искусственный интеллект может оказаться более ценным.

Для автоматизации машинное обучение и робототехника имеют большое значение в области искусственного интеллекта.

В сфере поддержки пользователей разговорный искусственный интеллект — это настоящая находка.

Для медицинских исследований или визуального осмотра компьютерное зрение имеет решающее значение.

В долгосрочных исследованиях основное философское внимание уделяется общему искусственному интеллекту.

Однако на практике наиболее распространенными и ценными категориями на данный момент являются ИИ с узкой функциональностью и ИИ с ограниченной памятью. Они являются скрытыми двигателями многих инструментов, на которые люди уже полагаются.

В заголовках газет фигурирует фантастическое будущее. Практичный настоящий день обеспечивает средства к существованию.

---

Заключительные замечания: Понимание типов ИИ без лишнего шума

типы ИИ могут показаться сложными, поскольку категории пересекаются. Но как только вы разделите возможности, функциональность, методы обучения и практическое применение, все станет намного проще для понимания.

Узкоспециализированный ИИ решает конкретные задачи. Универсальный ИИ мыслит более гибко, хотя это по-прежнему амбициозная цель. Супер-ИИ пока находится в стадии разработки. Реактивные машины реагируют без памяти, в то время как ИИ с ограниченной памятью использует прошлые данные для улучшения принимаемых решений. Генеративный ИИ создает. Прогностический ИИ прогнозирует. Разговорный ИИ общается. Компьютерное зрение видит. Роботизированный ИИ действует в физической среде.

Это общая картина.

Искусственный интеллект — это не что-то одно. Это запутанное семейство технологий — некоторые из них практичны, некоторые экспериментальны, некоторые преувеличены, а некоторые действительно имеют серьезные последствия. Именно эта сложность и делает его важным. Чем яснее вы понимаете типы ИИ, тем легче вам будет использовать его разумно, вместо того чтобы просто кивать головой, когда кто-то говорит «алгоритм» на совещании. 🤷♂️

Краткое описание: Основные типы ИИ включают в себя узкий ИИ, общий ИИ, супер-ИИ, реактивные машины, ИИ с ограниченной памятью, ИИ, основанный на теории разума, самосознающий ИИ, генеративный ИИ, предиктивный ИИ, разговорный ИИ, ИИ компьютерного зрения, ИИ машинного обучения, ИИ глубокого обучения и ИИ для робототехники. Большая часть используемого сегодня ИИ является узкоспециализированным, ориентированным на выполнение конкретных задач и основанным на машинном обучении или глубоком обучении.

Пример из реальной жизни: создание помощника по сортировке обращений в службу поддержки клиентов на основе искусственного интеллекта

Сценарий

Представьте себе небольшой интернет-магазин мебели, получающий около 120 писем в службу поддержки в день. Команда не пытается заменить сотрудников службы поддержки. Им просто нужна помощь в более быстрой обработке сообщений, выявлении срочных проблем и составлении первых ответов.

Это хороший пример, поскольку один ассистент может использовать несколько типов ИИ одновременно. Он может использовать разговорный ИИ для понимания сообщений клиентов, генеративный ИИ для составления ответов, предиктивный ИИ для выявления вероятных рисков возврата средств и ИИ с ограниченной памятью для использования данных о недавних заказах или правилах.

Задача ассистента проста: прочитать сообщение клиента, классифицировать его, предложить дальнейшие действия и составить ответ, который сможет утвердить человек.

Что нужно помощнику

Команда предоставит помощнику:

Политика обслуживания клиентов

Правила доставки и возврата

Условия гарантии

Часто задаваемые вопросы о продукте

Примеры интонации

Список правил эскалации

Пример прошлых заявок с правильными категориями

Чёткие ограничения на то, что оно не должно решать самостоятельно

Например, компания не должна одобрять возврат средств свыше 100 фунтов стерлингов, обещать сроки доставки, которые она не может подтвердить, или предъявлять юридические претензии по поводу поврежденных товаров. Такие дела должны быть переданы на рассмотрение непосредственно сотруднику.

Пример инструкции

Вы работаете помощником по обработке обращений в интернет-магазине мебели. Вам нужно прочитать каждое сообщение от клиента и предоставить пять пунктов: категорию обращения, уровень срочности, вероятное настроение клиента, рекомендуемые дальнейшие действия и черновик ответа.

Используйте только предоставленную политику компании. Если ответа нет в политике, скажите: «Требуется проверка человеком». Не выдумывайте даты доставки, условия возврата средств, гарантийные обещания или наличие товара.

Если клиент упоминает о травме, судебном иске, повторных неудачных доставках, возврате средств на сумму более 100 фунтов стерлингов, недостающих деталях детского товара или сильном недовольстве после двух предыдущих ответов, заявку следует передать на рассмотрение вышестоящим инстанциям.

В черновике ответа будьте вежливы, кратки и практичны. Не говорите механически. Не обвиняйте клиента или курьера.

Как это проверить

Прежде чем использовать ассистента с клиентами, протестируйте его на небольшом наборе старых билетов.

Используйте 30 предыдущих сообщений службы поддержки:

10 простых вопросов о доставке

5 жалоб на поврежденные товары

5 запросов на возврат средств

5 вопросов по гарантии

5 гневных или сложных жалоб

Для каждого теста проверьте:

Выбрали ли они правильную категорию?

Система корректно отмечала срочные случаи?

Удалось ли ей избежать обещаний?

Привело ли это к обострению деликатных вопросов?

Соответствовал ли черновик ответа стилю компании?

Полезным тестовым вопросом был бы:

«Мой стол привезли с треснувшей одной ножкой, и это уже второй раз, когда доставка идет не по плану. Я требую полного возврата денег сегодня же, иначе я напишу об этом везде»

Слабоквалифицированный ассистент может просто извиниться и пообещать вернуть деньги. Более компетентный ассистент классифицирует это как «поврежденный товар плюс повторная жалоба», пометит как крайне срочный случай, избежит автоматического одобрения возврата средств и передаст дело на рассмотрение специалисту.

Результат

Примерный результат: на основе анализа 30 тестовых заявок до и после применения рабочего процесса.

Ручная обработка 30 заявок заняла 2 часа 15 минут, в среднем 4,5 минуты на одну заявку.

Обработка тех же 30 заявок с помощью ИИ заняла 48 минут, в среднем 1,6 минуты на заявку, поскольку человеку-эксперту нужно было только проверить категорию, решение о передаче на рассмотрение вышестоящему руководству и черновик ответа.

Ассистент правильно классифицировал 27 из 30 заявок в тестовом наборе. Он правильно передал на рассмотрение все 5 заявок с высоким риском. В двух заявках на возврат средств потребовалась корректировка формулировок, поскольку черновик звучал слишком однозначно, а одна заявка на гарантийное обслуживание была отнесена к неправильной категории.

Это дает практический ориентир: более быстрая первая проверка, но не полная автоматизация. Ответ по-прежнему остается за человеком.

Что может пойти не так?

Самая большая ошибка — позволять помощнику вести себя так, будто он знает больше, чем на самом деле. Если правила возврата устарели, помощник может уверенно составить неверный ответ. Если правила рассмотрения жалоб расплывчаты, он может пропустить серьезные жалобы.

Конфиденциальность — еще один важный вопрос. Команде следует избегать вставки в систему ненужных платежных данных, адресов или конфиденциальной личной информации, если система не одобрена для такого использования.

Также следует регулярно проверять работу ассистента. Вопросы клиентов меняются, политика компании меняется, и продукция тоже. Ассистент, хорошо работавший в марте, может стать рискованным после введения новой гарантийной политики в июне.

Практический вывод

Этот пример показывает, почему категории ИИ пересекаются на практике. Один и тот же вспомогательный ИИ может одновременно быть узкоспециализированным ИИ, разговорным ИИ, генеративным ИИ, предиктивным ИИ и ИИ с ограниченной памятью. Более точный способ оценки — это выяснить, какие решения он поддерживает, какие данные использует и где требуется проверка человеком.

Часто задаваемые вопросы

Какие основные типы ИИ следует знать начинающим?

Основные типы ИИ включают в себя узкий ИИ, общий ИИ, супер ИИ, реактивные машины, ИИ с ограниченной памятью, генеративный ИИ, предиктивный ИИ, разговорный ИИ, ИИ компьютерного зрения, ИИ машинного обучения, ИИ глубокого обучения и ИИ робототехники. Эти категории часто перекрываются, поэтому один инструмент может одновременно соответствовать нескольким категориям. Например, чат-бот может быть узким ИИ, разговорным ИИ, генеративным ИИ и ИИ с ограниченной памятью.

Как классифицируются типы ИИ по возможностям?

Искусственный интеллект по своим возможностям обычно подразделяется на узкий ИИ, общий ИИ и супер-ИИ. Узкий ИИ занимается решением конкретных задач и широко используется сегодня. Общий ИИ способен рассуждать и обучаться на уровне, близком к человеческому, но он не используется в повседневной жизни. Супер-ИИ превзойдёт человеческий интеллект и пока остаётся предметом предположений.

В чём разница между узким искусственным интеллектом и общим искусственным интеллектом?

Узкоспециализированный ИИ предназначен для решения конкретной задачи или ограниченного набора задач, таких как фильтрация спама, рекомендации, чат-боты или обнаружение мошенничества. Универсальный ИИ способен обучаться, рассуждать и адаптироваться к множеству несвязанных задач. Большинство используемых сегодня ИИ — это узкоспециализированные системы, даже если они кажутся гибкими или продвинутыми.

Почему искусственный интеллект с ограниченной памятью так распространен сегодня?

Искусственный интеллект с ограниченной памятью может использовать прошлые или недавние данные для улучшения принимаемых решений, что делает его практичным для многих внедренных систем. Системы рекомендаций, инструменты обнаружения мошенничества, функции автономного вождения и чат-боты часто полагаются на этот тип ИИ. Он не обладает человеческим сознанием, но может адаптироваться на основе закономерностей и сохраненной информации.

Какое место занимает генеративный ИИ в категории типов ИИ?

Генеративный ИИ — это тип искусственного интеллекта, который создает новые результаты, такие как текст, изображения, код, аудио, видео, резюме или дизайнерские идеи. Он изучает закономерности в больших массивах данных и создает контент на основе заданных подсказок. Он может помочь в составлении черновиков, мозговом штурме, поддержке программирования и творческой работе, но его результаты все еще нуждаются в проверке человеком.

В чём разница между машинным обучением и глубоким обучением?

Машинное обучение — это раздел искусственного интеллекта, в котором системы изучают закономерности на основе данных, а не следуют только правилам, написанным вручную. Глубокое обучение — это специализированная форма машинного обучения, использующая многослойные нейронные сети. Глубокое обучение особенно ценно для сложных задач, таких как распознавание речи, распознавание изображений, обработка естественного языка, перевод, медицинская визуализация и генеративный ИИ.

Для чего в бизнесе используется предиктивный ИИ?

Прогностический ИИ использует данные для оценки вероятных будущих результатов. Предприятия могут использовать его для планирования спроса, прогнозирования оттока клиентов, выявления мошенничества, оценки рисков, принятия решений по управлению запасами или прогнозирования технического обслуживания. Он поддерживает планирование и принятие решений, но не гарантирует будущее. Прогнозы — это оценки, сформированные на основе имеющихся данных и качества модели.

Как работает искусственный интеллект в компьютерном зрении на практике?

Искусственный интеллект в области компьютерного зрения помогает машинам интерпретировать визуальную информацию с изображений, видео, камер, сканирований или датчиков. Он может поддерживать распознавание лиц, обнаружение объектов, контроль качества на производстве, медицинскую визуализацию, обнаружение дорожного движения, анализ розничной торговли, мониторинг сельского хозяйства и системы безопасности. Он не видит как человек, но может обрабатывать пиксели, формы, цвета и узоры в больших масштабах.

Почему один продукт, созданный с помощью ИИ, может относиться к нескольким типам ИИ?

Категории ИИ часто описывают разные вещи, такие как возможности, функциональность, метод обучения или применение. Например, голосовой помощник может быть узкоспециализированным ИИ по возможностям, разговорным ИИ по применению, ИИ с ограниченной памятью по функциональности и ИИ глубокого обучения по архитектуре. Это пересечение является нормальным и помогает объяснить, что делает система с разных точек зрения.

Какие риски следует учитывать при использовании различных типов искусственного интеллекта?

К распространенным рискам ИИ относятся предвзятость, некорректные результаты, проблемы конфиденциальности, уязвимости в системе безопасности, недостаточная прозрачность, чрезмерная зависимость и слабый человеческий контроль. Генеративный ИИ может создавать ложную информацию, предиктивный ИИ может закреплять ошибочные модели поведения, а компьютерное зрение может неправильно идентифицировать объекты или людей. Эффективное использование ИИ обычно требует тестирования, мониторинга, четких границ, строгой практики работы с данными и проверки человеком.

Ссылки

1. IBM - Типы искусственного интеллекта - ibm.com

2. Структура управления рисками в сфере ИИ от NIST — Риски, связанные с ИИ — nist.gov

3. Google Developers - Машинное обучение - developers.google.com

4. AWS - Генеративный ИИ - aws.amazon.com