Машинное обучение, нейронные сети и искусственный интеллект (ИИ): как интеллектуальные технологии предсказывают решения?

Часть серии "Искусственный интеллект для начинающих"

Что такое искусственный интеллект и как он влияет на процесс принятия решений? Что нужно знать об искусственном интеллекте, чтобы изучить, как эта форма технологии предоставляет предприятиям инструмент для понимания человеческих решений? Именно такие вещи я рассмотрю более подробно в этой статье.

Для тех, кто не изучал искусственный интеллект, сам термин может привести к тому, что он или она вообразит себе постапокалиптический мир в результате «Скайнета» или, возможно, так называемой «коррумпированной» компьютерной системы В.И.К.И в И-Робот. Однако эти драматизированные версии «будущего», изображаемые Голливудом, забывают вам сказать, что искусственный интеллект — это область, в которой некоторые из самых умных умов проводят свое время, исследуя такие примеры, как «Ватсон» IBM или еще более ранний «Элиза», направленная на то, чтобы заставить работать тест Тьюринга, неудивительно, что мы наблюдаем продолжающийся прогресс в индустрии ИИ. Прежде чем я подробно расскажу, как эти достижения в области технологий приводят к «интеллектуальным» решениям с помощью сложных алгоритмов, я думаю, важно, чтобы мы точно понимали, что представляют собой приведенные выше термины, и как они играют свою роль в ряде других систем в области ИИ. .

Начиная с машинного обучения, эта область ИИ направлена ​​на изучение алгоритмов, которые позволяют машинам действовать без программирования. Эти так называемые машины и алгоритмы учатся на шаблонах и соответствующим образом корректируют свое поведение. Таким образом, в некоторой степени его можно рассматривать как форму полуавтономного принятия решений с целью устранения человеческого взаимодействия. Искусственные нейронные сети (ИНС) — это модели, основанные на биологических нейронных сетях, присутствующих в мозгу, которые нацелены на решение задач, которые были бы слишком сложны для традиционных методов программирования. Таким образом, комбинация этих двух может привести к набору алгоритмов, которые не только учатся на шаблонах, но также используют формы программирования, которые традиционные методы не смогли бы решить. Именно эту форму анализа я рассмотрю более подробно, хотя в будущем я рассмотрю глубокое обучение, интеллектуальный анализ данных и обработку естественного языка (NLP), а также то, как все эти формы ИИ могут также принести пользу бизнесу и его более широким потребителям. .

Такие компании, как Apple, Google и Microsoft, используют формы искусственного интеллекта или, точнее, формы машинного обучения, и это представлено в виде Siri, Google Now и Cortana. Хотя основное внимание в данном случае, возможно, уделяется более глубокому пониманию речи с помощью НЛП, эти системы постоянно работают над распознаванием паттернов человеческого поведения. Лучшим примером в случае Apple является их распознавание образов и анализ в интеллектуальных клавиатурах, которые постоянно изучают то, как пользователь взаимодействует с мобильным устройством и клавиатурой, и в конечном итоге позволяют пользователю быстро писать сообщения на своем собственном языке. стиле и для устранения распространенных ошибок в процессе. В этом отношении это постоянно развивающийся алгоритм, демонстрирующий понимание Apple саморазвивающихся алгоритмов. По мере того, как Facebook начинает изучать идею создания своего собственного программного обеспечения NLP, похожего на Siri, в мессенджерах, они также изучают различные формы ИИ, которые можно использовать для улучшения общего опыта пользователя, но в фоновом режиме начинает анализировать интересы и модели поведения пользователей. Однако именно Google лидирует в гонке за создание чего-то, способного пройти тест Тьюринга, и с их недавним приобретением DeepMind похоже, что они не собираются замедляться в ближайшем будущем. ИИ — это то, что Google внедряет в ряд своих продуктов, от Карт до рекламы и всего, что между ними.

Итак, как эта технология действительно влияет на образ жизни повседневного пользователя и как ее можно использовать для прогнозирования решений, принимаемых теми, кто ее использует. Один из способов уже ясно продемонстрирован в виде предиктивного анализа текста, но другие формы уже начинают появляться на более широком рынке, например, NEIL или Never Ending Image Learner. NEIL был выпущен в Университете Карнеги-Мелон и использует сложные алгоритмы для постоянного сравнения взаимосвязей между различными изображениями. Хотя технические возможности могут присутствовать, вопрос заключается в том, как этот инструмент можно использовать для пользы обычного пользователя и связей между предприятиями и отдельными лицами? Определенно, один из способов, с помощью которого эта технология могла бы быть сформулирована, — это сочетание анализа паттернов в моде. По мере того, как люди привыкают к своему собственному «стилю», может быть реализована такая технология, как NEIL, чтобы предоставить пользователю дополнительные «похожие» предметы одежды, которые соответствуют этому, тем самым устраняя барьер поиска чего-то нового, подходящего их стилю. Однако это зависит от того, что стиль пользователя остается неизменным, и, естественно, должны быть реализованы формы автоматического обучения, чтобы помочь алгоритмам адаптироваться в соответствии с изменениями в стиле и моде. Это также очень полезно для тех, кто занимается деловой стороной моды, поскольку те, кто работает в этой отрасли, имеют возможность четко анализировать популярные предметы одежды, и можно даже предсказать, что прогнозирование в будущем указывает на тенденции, основанные на алгоритмах. Управляемые алгоритмы стремятся повлиять на решение потребителя в момент покупки и, следовательно, создают возможность для предприятий, которые могут извлечь выгоду из такого рода технологий. Хотя это может вызвать этические вопросы, неразумно ли предполагать, что именно так движутся технологии? Как Google и другие ведущие компании будут вкладывать деньги в этот новый интеллект, покажет только время.

Итак, где можно внедрить ИИ, чтобы понять пользователя или сделать прогнозные предположения о пользователе. Можно утверждать, что почти любая отрасль может извлечь выгоду из такого рода технологий, поскольку массовые данные могут быть перемещены и представлены персонализированным образом. Недавние исследовательские работы могут эффективно показать, что сочетание интеллектуального анализа данных и анализа данных с использованием алгоритмов самообучения позволяет компьютерам теперь понимать людей по их учетным записям в Facebook, если предоставлено достаточно информации. Это не только означает более глубокое понимание пользователя, но и приводит к тому, что компьютеры могут принимать эмоционально разумные решения, и мы даже можем утверждать, что компьютеры становятся более социально квалифицированными. Таким образом, наборы данных становятся более специфичными для каждого пользователя, и компании могут предоставлять персонализированную информацию каждому человеку. То, что я здесь утверждаю, конечно же, приводит к мысли, что компьютеры все лучше и лучше понимают человека, и по мере того, как мы продолжаем создавать цифровой след, эти алгоритмы позволяют компаниям принимать более обоснованные решения о человеке. Это, однако, может привести к тому, что широкая публика почувствует себя некомфортно, но это этический вопрос, и я оставлю его для понимания каждым человеком по-своему. Одна вещь, которая становится ясной, однако, состоит в том, что онлайн-конфиденциальность — это то, что станет труднее достичь для поколений после нас сегодня, если только не будет создан контрпродукт.

Теперь, когда я объяснил растущий уровень интеллекта, которым сегодня обладают компьютеры, легко понять, что будущее указывает на мир, в котором цифровое присутствие кого-либо может быть легко интерпретировано и предсказано интеллектуальными алгоритмами. Поскольку компьютеры выполняют процессы быстрее, чем человеческий разум, способность обрабатывать данные становится более возможной и более точной. Однако здесь важно понять, что это не следует рассматривать в негативном свете или как опасный инструмент, которым владеют предприятия, но вместо этого я бы сказал, что эти инструменты следует использовать для дальнейшего продвижения инноваций, позволяя людям создавать продукты, которые не только работать более эффективно, но и работать на благо конечного пользователя на индивидуальном уровне, поскольку программное обеспечение начинает понимать конечную игру того, кто его использует, и, таким образом, может представлять эти данные быстрее. В течение следующих нескольких месяцев я буду писать статьи, касающиеся искусственного интеллекта и постоянно меняющейся технологической сферы, с целью облегчить обычному человеку понимание правил ИИ и того, как он работает. Я стремлюсь демистифицировать отрасль, делая ее более понятной, чтобы более широкая аудитория могла понять как отрицательные, так и положительные стороны отрасли, а также ее потенциал.