14 марта 2024 ИХ "Финам"
Искусственный интеллект (ИИ) - термин, вызывающий столько же восторга, сколько и замешательства, даже в академической среде, не говоря уже об инвесторах. В этом обзоре мы раскроем ключевые моменты эволюции ИИ, и как он становится неотъемлемой частью бизнес-стратегий.
Сильный и слабый искусственный интеллект
Прежде всего, проведём различие между сильным и слабым ИИ. Вкратце: сильный ИИ - это то, чего все боятся, а слабый - это то, что имеем сейчас. Различие между "сильным" и "слабым" ИИ состоит в его способностях и применении. Сильный ИИ, или AGI, способен выполнять любые когнитивные функции, что теоретически делает его равным человеческому интеллекту. Слабый ИИ ограничивается конкретными задачами - он и движет сегодняшними инновациями в различных сферах.
Технологическая сингулярность и опасения
Связанная с появлением сильного ИИ, технологическая сингулярность возникает в разговорах как точка, когда машины превзойдут человеческий интеллект, потенциально порождая неизвестные риски. Однако это далёкое будущее, а сегодня в центре общего внимания - текущие практические применения ИИ.
История ИИ и его пионеры
Историю ИИ можно начинать с работ многих знаменитых учёных, например, Джона Фон Нейнмана, Норберта Винера, Алонсо Черча, Герберта Саймона, а при желании даже с Ады Лавлейс, дочери лорда Байрона. С историей нейронных сетей дело обстоит проще. Уже первые нейронные сети МакКаллока и Питтса продемонстрировали, как машины могут моделировать человеческий разум.
Интересная деталь: личные обстоятельства взаимоотношений перечисленных знаменитостей то способствовали, то препятствовали продвижению разработок. Так, супруга Винера невзлюбила МакКаллока, что отрицательно сказалось на карьере обоих первопроходцев.
Большое влияние на раннем этапе оказала однослойная нейронная сеть - "перцептрон" Фрэнка Розенблатта, на основе которого были построены первые алгоритмы обучения. Однако суровая критика других знаменитых специалистов, в частности Минского и Пейперта, привела к временному охлаждению интереса к нейронным сетям. От нейронных сетей слишком многого ожидали уже в 60-е годы - и немедленного качественного машинного перевода, и квалифицированной поддержки принятия решений, и распознавания изображений. А теоретики легко показали, что перцептрон не может даже решить даже простейшие задачи. Многослойные же нейронные сети тогда считались фантазиями, и до воплощения этих фантазий в жизнь оставались 40 лет работы очень терпеливых людей.
Главной альтернативой машинному обучению вообще и нейронным сетям в частности считаются экспертные системы. Их расцвет пришёлся на 70-е и 80-е годы прошлого века.
Экспертные системы, программируемые для имитации решений специалистов, были оттеснены на второй план машинным обучением, ориентированным на анализ данных и самообучение. Подходы на основе машинного обучения оказались более гибкими и масштабируемыми, что привело к бурному развитию ИИ в последние годы.
Революция нейронных сетей
Несмотря на предсказания Владимира Вапника о закате нейронных сетей, большие данные и мощные ГПУ сыграли ключевую роль в подъёме этой технологии. С точки зрения капитализации главным бенефициаром пока что стала NVIDIA, разработчик графических карт. Благодаря спросу на них со стороны ИИ она достигла триллионной капитализации.
Канадский учёный Джеффри Хинтон - наверное, главный властитель дум в сфере глубокого обучения. Его аспиранты, такие как Алекс Крижевски, играли центральную роль в успехах глубинного обучения, что вылилось в победу нейронных сетей в конкурсах по распознаванию изображений.
Проект OpenAI был запущен для демократизации доступа к ИИ, и одна из его знаковых разработок – ChatGPT - стала настоящим прорывом 2023 года. Почему обучение с подкреплением уступило место другим методам? Частично из-за меньшей практичности и сложности в применении.
Российские и международные специалисты вносят значительный вклад в разработку ИИ, причём Китай и Индия быстро набирают обороты в этом пространстве. Тенденции ИИ определяются такими компаниями, как Google, Apple, Facebook (признана экстремистской и запрещена в РФ - прим. Finam.ru) и Amazon.
От автоматизации до анализа данных, ИИ становится неотъемлемой частью бизнес-стратегий. Российский бизнес с нетерпением ожидает преимуществ, которые ИИ может принести в эффективность и инновации.
http://www.finam.ru/ (C)
Не является индивидуальной инвестиционной рекомендацией
При копировании ссылка обязательна Нашли ошибку: выделить и нажать Ctrl+Enter
Сильный и слабый искусственный интеллект
Прежде всего, проведём различие между сильным и слабым ИИ. Вкратце: сильный ИИ - это то, чего все боятся, а слабый - это то, что имеем сейчас. Различие между "сильным" и "слабым" ИИ состоит в его способностях и применении. Сильный ИИ, или AGI, способен выполнять любые когнитивные функции, что теоретически делает его равным человеческому интеллекту. Слабый ИИ ограничивается конкретными задачами - он и движет сегодняшними инновациями в различных сферах.
Технологическая сингулярность и опасения
Связанная с появлением сильного ИИ, технологическая сингулярность возникает в разговорах как точка, когда машины превзойдут человеческий интеллект, потенциально порождая неизвестные риски. Однако это далёкое будущее, а сегодня в центре общего внимания - текущие практические применения ИИ.
История ИИ и его пионеры
Историю ИИ можно начинать с работ многих знаменитых учёных, например, Джона Фон Нейнмана, Норберта Винера, Алонсо Черча, Герберта Саймона, а при желании даже с Ады Лавлейс, дочери лорда Байрона. С историей нейронных сетей дело обстоит проще. Уже первые нейронные сети МакКаллока и Питтса продемонстрировали, как машины могут моделировать человеческий разум.
Интересная деталь: личные обстоятельства взаимоотношений перечисленных знаменитостей то способствовали, то препятствовали продвижению разработок. Так, супруга Винера невзлюбила МакКаллока, что отрицательно сказалось на карьере обоих первопроходцев.
Большое влияние на раннем этапе оказала однослойная нейронная сеть - "перцептрон" Фрэнка Розенблатта, на основе которого были построены первые алгоритмы обучения. Однако суровая критика других знаменитых специалистов, в частности Минского и Пейперта, привела к временному охлаждению интереса к нейронным сетям. От нейронных сетей слишком многого ожидали уже в 60-е годы - и немедленного качественного машинного перевода, и квалифицированной поддержки принятия решений, и распознавания изображений. А теоретики легко показали, что перцептрон не может даже решить даже простейшие задачи. Многослойные же нейронные сети тогда считались фантазиями, и до воплощения этих фантазий в жизнь оставались 40 лет работы очень терпеливых людей.
Главной альтернативой машинному обучению вообще и нейронным сетям в частности считаются экспертные системы. Их расцвет пришёлся на 70-е и 80-е годы прошлого века.
Экспертные системы, программируемые для имитации решений специалистов, были оттеснены на второй план машинным обучением, ориентированным на анализ данных и самообучение. Подходы на основе машинного обучения оказались более гибкими и масштабируемыми, что привело к бурному развитию ИИ в последние годы.
Революция нейронных сетей
Несмотря на предсказания Владимира Вапника о закате нейронных сетей, большие данные и мощные ГПУ сыграли ключевую роль в подъёме этой технологии. С точки зрения капитализации главным бенефициаром пока что стала NVIDIA, разработчик графических карт. Благодаря спросу на них со стороны ИИ она достигла триллионной капитализации.
Канадский учёный Джеффри Хинтон - наверное, главный властитель дум в сфере глубокого обучения. Его аспиранты, такие как Алекс Крижевски, играли центральную роль в успехах глубинного обучения, что вылилось в победу нейронных сетей в конкурсах по распознаванию изображений.
Проект OpenAI был запущен для демократизации доступа к ИИ, и одна из его знаковых разработок – ChatGPT - стала настоящим прорывом 2023 года. Почему обучение с подкреплением уступило место другим методам? Частично из-за меньшей практичности и сложности в применении.
Российские и международные специалисты вносят значительный вклад в разработку ИИ, причём Китай и Индия быстро набирают обороты в этом пространстве. Тенденции ИИ определяются такими компаниями, как Google, Apple, Facebook (признана экстремистской и запрещена в РФ - прим. Finam.ru) и Amazon.
От автоматизации до анализа данных, ИИ становится неотъемлемой частью бизнес-стратегий. Российский бизнес с нетерпением ожидает преимуществ, которые ИИ может принести в эффективность и инновации.
http://www.finam.ru/ (C)
Не является индивидуальной инвестиционной рекомендацией
При копировании ссылка обязательна Нашли ошибку: выделить и нажать Ctrl+Enter