Сегодня «искусственный интеллект» означает глубокие нейронные сети (DNN) и их многочисленные приложения. За последние пять лет нейронные сети вызвали настоящий прорыв.
На каком этапе технологического прогресса мы сейчас находимся?
Со времен Алана Тьюринга «искусственный интеллект» стал синонимом компьютерных программ, сложных экспертных систем и простых статистических моделей. Сегодня «искусственный интеллект» на самом деле означает глубокие нейронные сети (DNN) и их многочисленные приложения.
За последние пять лет нейронные сети вызвали настоящий прорыв в распознавании образов и речи, часто превосходя человеческую точность. Нейронные сети теперь могут научиться играть в реальном временив игры, не требующие составления плана или запоминания, а также игры со сменой хода, например, «Го», и дойти до немыслимого для человека уровня.
Впечатляет не только уровень технических достижений, которым способствовали нейронные сети, но и разнообразие практических задач, в которых они применяются. В частности, в ближайшие пять лет стремительный рост популярности ожидает два уже существующих приложения DNN.
Диалоговые системы
В основе старых диалоговых систем, подобных тем, которые применяются в приключенческих играх, лежит простое дерево решений с фиксированным числом разрешенных ответов на каждом этапе. Более современные диалоговые системы, такие как системы, предоставленные Amazon Echo или Google Home, используют аналогичную структуру дерева решений, но дополненную DNN для понимания всех возможных вариантов двух или трех стандартных допустимых ответов на каждом этапе.
Принимая это во внимание, мы, вероятно, могли бы автоматизировать любую работу с использованием телефона или службы передачи сообщений для заполнения формы, внедрив вторую глубокую нейронную сеть (DNN) для распознавания речи. Любая пиццерия, больница или центр обслуживания клиентов с большим объемом потока данных могут, по желанию, обслуживать часть своих клиентов с использованием диалоговых систем.
Однако ответные действия таких диалоговых систем по-прежнему ограничены возможностями заранее подготовленных деревьев решений. Искусственные интеллекты, которые могут поддерживать разговоры на отвлеченные темы, пока недостижимы.
Автомобили-роботы
Ранее в автомобилях-роботах использовались сложные, нестандартные 3D маршрутные датчики. Современные итерационные процессы используют DNN для непрерывного преобразования ряда видеокадров и команд (например, «поворот налево») на уровень управления колесами и педалями газа.Эта технология в значительной степени представлена в домашних компьютерах, что позволило существенно удешевить их производство.
Помимо технических средств, в качестве обучающего материала требуется несколько тысяч часов данных об управлении человека автомобилем. Такая необходимость выражается в масштабной, но хорошо понятной задаче для компании, в целях реализации которой компания должна приступить к производству собственных автомобилей-роботов. Можно предположить, что многие действующие автомобильные компании смогут внедрить эту технологию при производстве своих автомобилей.
В рамках такого процесса обучения также предполагается, что траектория движения автомобилей-роботов будет точно такой же, как если бы за рулем находился человек, правда более безопасной. Таким образом, автомобили-роботы могут постепенно появляться на обычных дорогах без создания какой-либо дополнительной инфраструктуры. Остается лишь преодолеть законодательный барьер, после устранения, которого на автомобильном рынке значительно вырастет предложение автомобилей-роботов.
В заключение несколько слов об исследованиях. Разработки в сфере обучаемой робототехники и общих агентов интернет-роуминга – это две перспективные области. Численность персонала и количество исследовательских институтов, ориентированных на ИИ, растет, а темпы работы постоянно увеличиваются. Но в ближайшие пять лет нам еще предстоит оценить влияние искусственного интеллекта, по мере того, как мы делаем первые шаги на пути к новой парадигме.
Перевод статьи для сайта выполнен специализированным агентством.