Что такое ИИ?

Искусственный интеллект встречается повсюду — на вашем телефоне, в вашей почте, подталкивает карты, помогает составлять письма, которые вы почти собирались написать. Но что такое ИИ ? Вкратце: это набор методов, позволяющих компьютерам выполнять задачи, которые мы ассоциируем с человеческим интеллектом, такие как распознавание закономерностей, прогнозирование и генерация языка или изображений. Это не просто маркетинговый ход. Это реальная область, основанная на математике, данных и множестве проб и ошибок. Авторитетные источники представляют ИИ как системы, способные учиться, рассуждать и действовать в соответствии с целями способами, которые мы считаем разумными. [1]

Статьи, которые могут вас заинтересовать после этой:

🔗 Что такое искусственный интеллект с открытым исходным кодом?
Разберитесь в искусственном интеллекте с открытым исходным кодом, его преимуществах, моделях лицензирования и взаимодействии с сообществом.

🔗 Что такое нейронная сеть в искусственном интеллекте?
Изучите основы нейронных сетей, типы архитектуры, обучение и распространенные области применения.

🔗 Что такое компьютерное зрение в искусственном интеллекте?
Узнайте, как машины интерпретируют изображения, ключевые задачи, наборы данных и приложения.

🔗 Что такое символический искусственный интеллект?
Изучите символическое мышление, графы знаний, правила и гибридные нейросимволические системы.

Что такое ИИ: краткая версия 🧠➡️💻

Искусственный интеллект — это набор методов, позволяющих программному обеспечению аппроксимировать интеллектуальное поведение. Вместо того чтобы кодировать каждое правило, мы часто обучаем модели на примерах, чтобы они могли обобщаться на новые ситуации — распознавание изображений, преобразование речи в текст, планирование маршрутов, помощники по программированию, предсказание структуры белков и так далее. Если вам нравится четкое определение для ваших заметок: представьте себе компьютерные системы, выполняющие задачи, связанные с человеческими интеллектуальными процессами, такими как рассуждение, обнаружение смысла и обучение на основе данных. [1]

Полезная ментальная модель из этой области заключается в том, чтобы рассматривать ИИ как системы, ориентированные на достижение цели , которые воспринимают окружающую среду и выбирают действия — это полезно, когда вы начинаете думать об оценках и циклах управления. [1]

Что делает ИИ действительно полезным✅

Почему стоит отдать предпочтение искусственному интеллекту, а не традиционным правилам?

• Способность выявлять закономерности : модели обнаруживают тонкие корреляции в огромных массивах данных, которые человек пропустил бы еще до обеда.

• Адаптация — при увеличении объема данных производительность может быть улучшена без переписывания всего кода.

• Высокая скорость в масштабе — после обучения модели работают быстро и стабильно, даже при больших объемах данных.

• Генеративность — современные системы способны создавать текст, изображения, код и даже молекулы-кандидаты, а не просто классифицировать объекты.

• Вероятностное мышление — они справляются с неопределенностью более изящно, чем хрупкие леса, построенные по принципу «если-иначе».

• Использование инструментов позволяет подключать модели к калькуляторам, базам данных или поисковым системам для повышения надежности.

• Когда что-то идёт не так — предвзятость, галлюцинации, устаревшие обучающие данные, риски для конфиденциальности. Мы к этому придём.

Давайте будем честны: иногда ИИ ощущается как велосипед для ума, а иногда — как одноколесный велосипед по гравийной дороге. И то, и другое может быть правдой.

Как работает ИИ, со скоростью, свойственной человеку 🔧

Большинство современных систем искусственного интеллекта сочетают в себе следующие элементы:

1. Данные — примеры текста, изображений, кликов, показаний датчиков.

2. Целевые функции — это функция потерь, определяющая, как выглядит «хороший» результат.

3. Алгоритмы — это процедура обучения, которая подталкивает модель к минимизации функции потерь.

4. Оценка — тестовые наборы, метрики, проверки на корректность.

5. Развертывание — обеспечение работы модели с мониторингом, обеспечением безопасности и защитными механизмами.

Две широкие традиции:

• Искусственный интеллект, основанный на символике или логике, — это явные правила, графы знаний, поиск. Отлично подходит для формальных рассуждений и ограничений.

• Статистический или основанный на обучении ИИ — это модели, которые учатся на данных. Именно здесь находится глубокое обучение и именно отсюда исходит большая часть недавнего ажиотажа; широко цитируемый обзор описывает территорию от многослойных представлений до оптимизации и обобщения. [2]

В области искусственного интеллекта, основанного на машинном обучении, важны несколько ключевых моментов:

• Обучение под наблюдением – обучение на примерах с обозначениями.

• Обучение без учителя и самообучение — изучение структуры на основе неразмеченных данных.

• Обучение с подкреплением — обучение методом проб и обратной связи.

• Генеративное моделирование — научитесь создавать новые образцы, которые выглядят реалистично.

Две генеративные группы, о которых вы будете слышать ежедневно:

• Трансформеры — архитектура, лежащая в основе большинства больших языковых моделей. Она использует механизм внимания для связи каждого токена с другими, что позволяет проводить параллельное обучение и получать удивительно плавные результаты. Если вы слышали о «самовнимании», то это и есть основной принцип. [3]

• Диффузионные модели — они учатся обращать вспять процесс шумоподавления, переходя от случайного шума обратно к четкому изображению или звуку. Это как медленно и осторожно перетасовывать колоду, но с использованием математического анализа; фундаментальная работа показала, как эффективно обучать и сэмплировать. [5]

Если метафоры кажутся натянутыми, это справедливо — ИИ постоянно меняется. Мы все учимся танцевать, пока музыка меняется прямо посреди песни.

Там, где вы уже каждый день встречаетесь с ИИ 📱🗺️📧

• Поиск и рекомендации — ранжирование результатов, ленты, видео.

• Электронная почта и документы — автозаполнение, суммирование, проверка качества.

• Камера и звук - шумоподавление, HDR, транскрипция.

• Навигация — прогнозирование трафика, планирование маршрута.

• Поддержка и обслуживание — операторы чата, которые обрабатывают запросы и составляют ответы.

• Программирование — предложения, рефакторинг, тесты.

• Здравоохранение и наука — сортировка пациентов, поддержка визуализации, прогнозирование структуры. (Клинические контексты следует рассматривать как критически важные с точки зрения безопасности; использовать человеческий контроль и документированные ограничения.) [2]

Небольшая история: команда разработчиков продукта может провести A/B-тестирование этапа поиска информации перед языковой моделью; частота ошибок часто снижается, потому что модель рассуждает на основе более свежего, специфичного для задачи контекста, а не угадывает. (Метод: определить метрики заранее, иметь контрольную группу и сравнивать одинаковые запросы.)

Сильные стороны, ограничения и небольшой хаос между ними ⚖️

Сильные стороны

• С легкостью справляется с большими и сложными наборами данных.

• Масштабируется для решения различных задач с использованием одного и того же базового механизма.

• Изучает скрытую структуру, которую мы не создавали вручную. [2]

Пределы

• Галлюцинации — модели могут выдавать правдоподобно звучащие, но неверные результаты.

• Предвзятость — обучающие данные могут содержать социальные предубеждения, которые затем воспроизводятся системами.

• Надежность — крайние случаи, неблагоприятные входные данные и изменение распределения могут привести к сбоям.

• Конфиденциальность и безопасность — конфиденциальные данные могут утечь, если вы не будете осторожны.

• Объяснимость — почему там было написано именно это? Иногда это неясно, что затрудняет проведение аудитов.

Управление рисками существует для того, чтобы не допустить хаоса: структура управления рисками в области ИИ от NIST предоставляет практические, добровольные рекомендации по повышению доверия на всех этапах проектирования, разработки и развертывания — например, картирование рисков, их измерение и управление использованием от начала до конца. [4]

Правила дорожного движения: безопасность, управление и ответственность 🛡️

Нормативно-правовые акты и рекомендации догоняют реальную практику:

• Подходы, основанные на оценке рисков : для более рискованных видов использования предъявляются более строгие требования; документация, управление данными и обработка инцидентов имеют значение. Общедоступные структуры подчеркивают прозрачность, человеческий контроль и непрерывный мониторинг. [4]

• Секторальные нюансы — в критически важных с точки зрения безопасности областях (например, здравоохранение) требуется участие человека и тщательная оценка; для инструментов общего назначения по-прежнему необходимы четкие документы, описывающие их предназначение и ограничения. [2]

Речь идёт не о подавлении инноваций, а о том, чтобы не превращать свой продукт в аппарат для приготовления попкорна в библиотеке… что звучит забавно, пока не перестаёт быть таковым.

Типы ИИ на практике с примерами 🧰

• Восприятие — слияние изображений, речи и данных с различных датчиков.

• Язык — чат, перевод, составление резюме, извлечение информации.

• Прогнозирование — прогнозирование спроса, оценка рисков, выявление аномалий.

• Планирование и управление — робототехника, логистика.

• Генерация — изображения, аудио, видео, код, структурированные данные.

В основе лежит математика, опирающаяся на линейную алгебру, теорию вероятностей, оптимизацию и вычислительные стеки, обеспечивающие бесперебойную работу. Для более подробного обзора основ глубокого обучения см. канонический обзор. [2]

Сравнительная таблица: обзор популярных инструментов ИИ 🧪

(Небольшие несовершенства намеренно. Цены меняются. Результаты могут отличаться.)

Как профессионально оценить систему искусственного интеллекта 🧪🔍

1. Опишите задачу в одном предложении.

2. Выберите метрики : точность, задержка, стоимость, срабатывания защиты.

3. Создайте тестовый набор — репрезентативный, разнообразный, исключающий определенные группы.

4. Проверьте режимы отказов — входные данные, которые система должна отклонить или передать на рассмотрение вышестоящему руководству.

5. Проверка на наличие предвзятости — демографические данные и конфиденциальные характеристики, где это применимо.

6. Участие человека — укажите, когда именно необходимо провести проверку.

7. Ведение журналов и мониторинг — обнаружение отклонений, реагирование на инциденты, откат изменений.

8. Документ - источники данных, ограничения, предполагаемое использование, тревожные сигналы. NIST AI RMF предоставляет общий язык и процессы для этого. [4]

Распространённые заблуждения, которые я слышу постоянно 🙃

• «Это просто копирование». Обучение изучает статистическую структуру; генерация создает новые результаты, соответствующие этой структуре. Это может быть изобретательно — или неправильно — но это не копирование-вставка. [2]

• «Искусственный интеллект понимает как человек». Он моделирует закономерности. Иногда это выглядит как понимание; иногда это уверенная невнятность. [2]

• «Чем больше, тем лучше». Масштаб помогает, но качество данных, их согласованность и доступность зачастую важнее. [2][3]

• «Один ИИ, чтобы править всеми». Реальные стеки — это многомодельные системы: поиск фактов, генеративный поиск текста, небольшие быстрые модели на устройстве, а также классический поиск.

Более подробный обзор: Трансформаторы и диффузия, за одну минуту ⏱️

• Трансформеры вычисляют показатели внимания между токенами, чтобы решить, на чём следует сосредоточиться. Многослойная архитектура позволяет улавливать долгосрочные зависимости без явного повторения, обеспечивая высокую степень параллелизма и высокую производительность в различных языковых задачах. Эта архитектура лежит в основе большинства современных языковых систем. [3]

• Диффузионные модели учатся устранять шум шаг за шагом, подобно полировке запотевшего зеркала, пока не появится лицо. Основные идеи обучения и сэмплирования положили начало буму генерации изображений и теперь распространяются на аудио и видео. [5]

Мини-глоссарий, который вы можете сохранить 📚

• Модель — параметризованная функция, которую мы обучаем для сопоставления входных данных с выходными.

• Обучение — оптимизация параметров для минимизации потерь на примерах.

• Переобучение — отлично работает на обучающих данных, но в остальных случаях — так себе.

• Галлюцинация — беглое, но фактически неверное изложение мысли.

• RAG — это система генерации с расширенными возможностями поиска, которая обращается к актуальным источникам.

• Согласование — формирование поведения в соответствии с инструкциями и нормами.

• Безопасность — предотвращение вредных последствий и управление рисками на протяжении всего жизненного цикла.

• Вывод — использование обученной модели для построения прогнозов.

• Задержка — время от ввода данных до получения ответа.

• Ограничения — политики, фильтры и элементы управления, связанные с моделью.

Слишком длинно, не стал читать — Заключительные замечания 🌯

Что такое ИИ? Это набор методов, позволяющих компьютерам учиться на основе данных и действовать разумно для достижения целей. Современная волна опирается на глубокое обучение — особенно на трансформеры для языка и диффузию для медиа. При продуманном использовании ИИ масштабирует распознавание образов, ускоряет творческую и аналитическую работу и открывает новые научные горизонты. При неосторожном использовании он может ввести в заблуждение, исключить или подорвать доверие. Идеальный путь сочетает в себе сильную инженерию с управлением, измерением и долей смирения. Этот баланс не только возможен — его можно освоить, проверить и поддерживать при наличии правильных фреймворков и правил. [2][3][4][5]

Ссылки

[1] Энциклопедия Britannica - Искусственный интеллект (ИИ) : подробнее
[2] Nature - «Глубокое обучение» (LeCun, Bengio, Hinton) : подробнее
[3] arXiv - «Внимание — это все, что вам нужно» (Vaswani et al.) : подробнее
[4] NIST - Структура управления рисками в области ИИ : подробнее
[5] arXiv - «Шумоподавление в диффузионных вероятностных моделях» (Ho et al.) : подробнее

Найдите новейшие разработки в области ИИ в официальном магазине ИИ-помощников

О нас