Переклад статі

A 6 minute Intro to AI

Огляд штучного інтелекту за 6-ть хвилин

AI (штучний інтелект) показав неймовірний прогресу за останній рік (2016). Від перших автономних автомобілів UBER до перемоги AlphaGo ми спостерігали, як штучний інтелект все частіше потрапляє в цент уваги. Тож як подарунок для нашого співтовариства ми вирішили більш детально розтлумачити деякі ключові слова, приведемо велику статистику, розглянемо тренди які ви маєте право знати.

85% взаємодії з клієнтами, за прогнозами аналітиків, буде відбуватися без участі людини до 2020. (Gartner)
$1,5 мільярди венчурних інвестицій було виділено на вивчена і розвиток AI до травня 2016 року. (CB Insights)
45% від опитаних людей говорять що не використовують усі блага інтернету тому що переймаються за свою безпеку в інтернеті і приватність (via NTIA)

“Я знаю що означає AI… я так думаю”

Поміж голівудськими фільмами і фантастичними серіалами ми бачили багато чудних прикладів штучного інтелекту майбутнього. Але AI вже тут. Він навкруги нас у досить скромному вигляді.

Ввічливе поводження автовідповідача на сайті банку – це і є Штучний Інтелект. Це опис розуму а не тіла інтелектуальних машин (AI ≠ роботи). Штучний Інтелект (AI) сьогодні може виконувати обмежені функції (керувати автомобілем, зарезервувати місце для зустрічі, вибрати ваш наступний серіал на Netflix для перегляду всього сезону одним заходом). Вивчення штучного інтелекту (AI) це шлях і пошук чогось більш видатного, Загального штучного інтелекту (AGI). Такий штучний інтелект коли поведінку машини буде важко відрізнити від людської поведінки, ось чого всі чекають від AI.

Симфонія штучного інтелекту

AGI “Штучний базовий інтелект” – це грандіозний фінал симфонії штучного інтелекту. Але перед тим як ми зіграємо цей грандіозний акорд кожен окремий інструмент повинен зіграти з великою майстерністю. В редакції Snips ми вважаємо що ключовими інструментами в оркестрі штучного інтелекту є такі складові: машинне навчання (Machine Learning), поглиблене навчання (Deep Learning), розуміння натуральної мови (Natural Language Understandign), розуміння контексту (Context Awareness) і конфіденційність даних (Data Privacy). Ну що ж, зіграємо!

Ключові слова

Machine Learning

Машинне навчання (Machine Learning, ML) і AI – це зовсім різні поняття. Машинне навчання це один із інструментів в симфонії AI, складова частина AI. То чим же насправді є машинне навчання або ML. Це можливість для алгоритму за допомогою вже відомих фактів і даних виробити звичку. ML навчає машину приймати рішення в ситуаціях в які вони не потрапляли раніше на основі схожих.

Найбільш розповсюджений спосіб машинного навчання – це показ, передача алгоритму великої кількості різних ситуацій і вказування яке правильне рішення в кожній із них – тренування моделі. Це називається “Контрольоване машинне навчання”. Коли модель натренована ми можемо використовувати її, давати їй нові невідомі ситуації і данні і сподіватися що машина прийме розумне рішення в цій новій невідомій ситуації.

Ось вам метафора: Коли ви вчитеся грати на трубі ви вчитеся як правильно переставляти пальці, щоб грати ноти. Це контрольований штучний Інтелект . Вивчення ноти – це тренування моделі. Наскільки добре ви, як людська машина, обробите данні “як грати ноти” визначає як добре ви будете грати в усіх нових ситуаціях (грати на нових інструментах, грати нові мелодії, з іншим темпом і таке інше).

Deep Learning

Глибинне навчання це окрема гілка розвитку машинного навчання де штучна нейрона сітка – алгоритм натхненний тим як нейрони працюють в мозку людини – знаходить закономірності у вхідних даних комбінуючи різні шари штучних нейронів. Із збільшенням кількості шарів збільшується здатність нейронної сітки вивчати більш абстрактні поняття.

Наприклад: нейрона мережа може навчитися як розпізнати обличчя людини. Як? Перший шар нейронів бере пікселі з картинок які дали як приклад, наступний шар вивчає як пікселі формують обриси, потім цей шар передає ці знання іншим шарам, поєднуючи знання про обриси вивчає концепцію “обличчя”. Цей процес нашарування знань продовжується до тих пір поки БАХ! – і алгоритм на нейронних мережах не почав розпізнавати характерні особливості і в кінці почне розпізнавати обличчя.

Глибинне навчання було основною технологією, яку використовував штучний інтелект AlphaGo AI компанії Google. Ця машина перемогла світового чемпіона людину, Ліі Седол (Lee Sedol), в надзвичайно складній грі Go. Що ж такого екстраординарного в грі Go? Це те що кількість можливих варіантів ходів на гральній дошці більша ніж кількість атомів у нашому всесвіті.

Розуміння натуральної мови (Natural Language Processing)

Штучному інтелекту необхідно спілкуватися з людьми так же як люди спілкуються один з одним. У штучному інтелекті такий рівень розуміння називається “Розуміння натуральної мови” (Natural Language Understanding або NLU). NLU – це великий пріоритет і великий виклик для дослідження в штучному інтелекті. Чому? Тому що людське спілкування не можна назвати прямолінійним. Людське спілкування це складна павутина із випадковостей, невпорядкованості, приправлена гумором, емоціями та конфліктами і воно найбільшим чином залежить від контексту.

Коли AI здолає задачу комунікації з людьми, навчиться розуміти складні питання (питання натуральною мовою), зрозуміє взаємозв’язки і дасть відповідь яка має сенс – це стане наступним кроком в прогресі.

Розуміння контексту (Context Awareness)

Як людина-помічник, штучний інтелект зможе бути настільки розумним настільки буде розуміти контекст, який ви йому поясните. Якщо ваш асистент, жива людина чи штучний інтелект, має можливість бачити ваш календар і події в ньому, але не бачить ваших контактів або де ви знаходитесь то це не буде дуже корисний помічник.

Контекст це найважливіша річ коли мова йде про складні задачі. Це вірно як для людини так і для штучного інтелекту. Всі частини інформації і контексту повинні бути ідеально налаштовані щоб грати різні ноти в симфонії AI.

1196 – кількість стартапів в списку Crunchbase, онлайн бази данних всіх венчурних інвестицій у світі (Crunchbase)
6% – опитанного дорослого населення “повністю впевнені” що державні установи можуть зберігати їхні особисті данні приватно і надійно (Pew)
x6 – саме у стільки разів збільшилась кількість пропозицій від стартапів у галузі штучного інтелекту в період з 2011–2015 років і це включає в себе компанії, які “лише” використовують штучний інтелект у різних галузях, наприклад: охорона здоров’я, реклама, фінанси і в тому ж числі ті компанії, які розвивають взагалі штучний інтелект (AI). (CB Insites)
6,000,000,000 – кількість підключених пристроїв, які зможуть самі викликати сервісну службу до 2018 р. Уявіть собі, ваш тостер сам зателефонує в службу підтримки (Gartner)
16% – робочих місць в США буде замінено з допомогою штучного інтелекту до кінця десятиліття (Forrester)
2,000,000 – працівників які будуть змушені носити фітнес трекери і трекери здоров*я, що буде умовою їх найма на роботу (для їхньої безпеки) (Gartner)

Тренди

Розквіт голосових команд у помічниках

Пошук рішень для спілкування натуральною мовою триває, технологія голос-в-текст (speech-to-text) значно покращується. Нові покращення в роботі Siri і запуск Amazon Echo та Google Home головні приклади того, що наукова фантастика стає реальністю.

AI це не розквіт машин – це вдосконалення людини

У той час як показують AI в кіно і на телебаченні ми бачимо роботів з людськими тілами, багато хто не помічає AI (крихітні, крихітні, крихітні роботи із штучним інтелектом) в людських тілах. Візіонери штучного інтелекту, такі як Елон Маск починають говорити про фізичний симбіоз людини і штучного інтелекту з вживленням нанотехнологічних роботів із штучним інтелектом у тіло, які будуть ефективно лікувати людину від усіх хвороб і навіть… від смерті. Звучить як хороший сюжет 🙂

Контекст як полігон для тестування

Стаючи розумнішим AI потребує все більше даних, шаблонів і різних ситуацій. Починається час контент-платформ. Людські шаблони споживання були вже визначені за допомогою ML що стояв за послугами такими як Spotify “Discover Weekly”, Netflix “Recomended for you” і можливість в Facebook тримати вас у власноручно створеному фільтрі.

Штучний інтелект навчається бути менш упередженим

Коли група вчених зрозуміла що їхній штучний інтелект піддався впливу людських упереджень (AI прийшов до висновку, що “чоловік” – це комп’ютерний програміст, а “жінка” – це домогосподарка) вони знайшли витоки цієї упередженості і виправили їх.

Технологія стали двоякими, невідворотніми і невидимими

Ми досягли місця технічного не повернення в цьому році. Також у 2016 набув широкого розповсюдження поняття надтехнологічності… народилося декільки “технологій уважності”, напрямків і продуктів – наприклад Tristan Harris с сервисом Time Well Spent, або Rand Hindi’s із закликом Зробити Технології Невидимими, поширюються рухи і продукти як “Непомітний телефон” та “Браслет Винаи”.

Нехай як все піде далі але нам потрібен захист особистих даних

Майбутнє штучного інтелекту залежить від захисту наших даних. Чому? Тому що без даних на яких можна навчатися AI не зможе ставати розумнішим і прогрес уповілниться. Компанії повинні впроваджувати створення захищених продуктів. Користувачі повинні знати що їхні персональні данні будуть захищеними коли вони зберуться дати штучному інтелекту повний доступ до них.

Чому ми розповсюджуємо цю інформацію

Snips витратили роки важкої праці і досліджень разом щоб збудувати SDK для помічників що підсилюється штучним інтелектом яке дозволить будь-якому мобільному додатку чи приладу під’єднаному до мережі вбудувати голосового помічника в їхні продукти. Ми хочемо створити такий AI, який буде настільки хорошим що ви перестанете його помічати. Але це ще не все.

Живучи в еру штучного інтелекту як ми це робимо в Snips, ми чуємо весь час одне і теж запитання. І ви заслуговуєте знати відповідь. Ось вона: Snips – це швидкий інструмент для допомоги кожному краще зрозуміти основи штучного інтелекту, тому що так чи інакше ми всі живемо в новому світі і він навкруги нас. Поширюйте це знання, воно того варте.