Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-02-21

1 <a>#статьи</a>

2 <ul><li>8 дек 2020</li>

3 <li>0</li>

4 </ul>Компьютер запросто диагностирует рак, управляет автомобилем и умеет обучаться. Почему же машины пока не захватили власть над человечеством?

5 vlada_maestro / shutterstock

6 Пишет про digital и машинное обучение для корпоративных блогов. Топ-автор в категории "Искусственный интеллект" на Medium. Kaggle-эксперт.

7 Мы пользуемся Google-картами, позволяем сайтам подбирать для нас интересные фильмы и советовать, что купить. И, в общем-то, слышали, что под капотом всех этих умных вещей - искусственный интеллект, машинное обучение и deep learning. Но сможете ли вы с ходу отличить одно от другого? Разбираемся на примерах.

8 <a>Искусственный интеллект</a>(англ. artificial intelligence) - это способность компьютера обучаться, принимать решения и выполнять действия, свойственные человеческому интеллекту.

9 Кроме того, ИИ - это наука на стыке математики, биологии, психологии, кибернетики и ещё кучи всего. Она изучает технологии, которые позволяют человеку писать "интеллектуальные" программы и учить компьютеры решать задачи самостоятельно. Главная задача ИИ - понять, как устроен человеческий интеллект, и смоделировать его.

10 В области искусственного интеллекта есть подразделы. К ним относятся робототехника, наука о компьютерном зрении, обработка естественного языка и машинное обучение.

11 Хотите знать, может ли машина мыслить и чувствовать как человек? Приходите на курс "<a>Философия искусственного интеллекта</a>". Здесь вы получите новые знания об ИИ, обсудите актуальные вопросы с преподавателями и однокурсниками и прокачаете навык публичных выступлений.

12 Исследователи обычно делят ИИ на три группы:

13 Слабый интеллект - тот, что нам уже удалось создать. Такой ИИ способен решать определённую задачу. Зачастую даже лучше, чем человек. Например, как<a>Deep Blue</a> - компьютерная программа, которая обыграла Гарри Каспарова (UPD: в 2022 году объявлен в России иностранным агентом, в 2024 году внесён в реестр террористов и экстремистов) в шахматы ещё в 1996 году. Но такая Deep Blue не умеет делать ничего другого и никогда этому не научится. Слабый ИИ используют в медицине, логистике, банковском деле, бизнесе:

14 <ul><li><a>Искусственный интеллект от Google</a>смог опередить опытных врачей в точности диагностики рака молочной железы. Чтобы это сделать, использовали сотни тысяч результатов скрининга. По данным Американского онкологического общества, врачи не диагностируют рак примерно в 20% случаев и часто ставят ложный диагноз. ИИ не только поставил более точный диагноз, чем врачи, - на 9,4%, - но и чаще указывал на болезнь там, где онкологи не сумели её распознать.</li>

15 <li>Amazon - одна из ведущих ИИ-компаний в мире - разработала систему<a>Fraud Detector</a>. Она помогает бороться с онлайн-мошенничеством, из-за которого люди и компании теряют миллионы долларов. Алгоритм следит за действиями пользователей в реальном времени, находит их и сообщает об аномалиях - например, помечает подозрительные заказы, которые нужно проверить до совершения платежа. Это можно использовать в банках, онлайн-магазинах и крупных компаниях.</li>

16 <li>Беспилотные автомобили Waymo благодаря машинному обучению способны передвигаться по реальным дорогам без вреда для пассажиров и прохожих. Кстати, такие машины - правда, от <a>компании Toyota</a> - будут использовать на следующих Олимпийских играх в Японии для транспортировки гостей.</li>

17 </ul>Это несколько примеров, в реальности применений намного больше.

18 Как выглядел бысильный искусственный интеллект, можно увидеть в игре<a>Detroit: Become Human</a>.

19 Во вселенной Detroit роботы способны учиться, мыслить, чувствовать, осознавать себя и принимать решения. Одним словом, становятся похожи на человека. А в обычной жизни ближе всего к General AI чат-боты и виртуальные ассистенты, которые имитируют человеческое общение. Здесь ключевое слово - имитируют. Siri или Алиса не думают - и неспособны принимать решения в ситуациях, которым их не обучили. Сильный искусственный интеллект пока остаётся мечтой.

20 Мы не только не создали суперинтеллект, но и не имеем пока что ни малейшего представления, как это сделать и можно ли вообще. Это не просто умные машины, а компьютеры, которые во всём превосходят людей. Проще говоря, что-то из области фантастики.

21 Машинное обучение (англ. machine learning) - это один из разделов науки об ИИ. Здесь используются алгоритмы для анализа данных, получения выводов или предсказаний в отношении чего-либо. Вместо того чтобы кодировать набор команд вручную, машину обучают и дают ей возможность научиться выполнять поставленную задачу самостоятельно.

22 Чтобы машина могла принимать решения, необходимы три вещи:

23 <ul><li>Алгоритм - специальная программа, которая говорит компьютеру, что делать и откуда брать данные. Например, мы можем написать программу, которая сортирует пиццу: "Маргарита", с грибами, с колбасой.</li>

24 <li>Набор данных - примеры, на которых машина тренируется. Это могут быть картинки, видео, текст - что угодно. В нашем случае понадобятся тысячи фотографий различных пицц. Чем больше примеров, тем богаче опыт, - совсем как у людей.</li>

25 <li>Признаки - на что компьютеру смотреть при принятии решения? Если мы занимаемся машинным обучением с учителем, то вручную выделяем грибочки и кусочки колбасы. При обучении без учителя - сливаем все данные в программу и даём компьютеру самому разобраться, где что, а при необходимости корректируем.</li>

26 </ul>В машинном обучении много разных алгоритмов. Один из самых простых -линейная регрессия. Её применяют, если есть линейная зависимость между переменными. Пример: чем больше сумма заказа, тем больше вы оставите чаевых. По имеющимся данным можно предсказать сумму чаевых в будущем. В общем-то, простая математика.

27 Естьбайесовские алгоритмы. В их основе применение теоремы Байеса и теории вероятности. Эти алгоритмы используют для работы с текстовыми документами - например, для спам-фильтрации. Программе нужно дать наборы данных по категориям "спам" и "не спам". Дальше алгоритм будет самостоятельно оценивать вероятность того, что слова "Бесплатные туры для пенсионеров" и "Закажи маме тур, пожалуйста" относятся к той или иной категории.

28 А ещё естьнейронные сети, о них вы наверняка слышали. Они относятся к методам глубокого машинного обучения, и об этом чуть подробнее.

29 Глубокое обучение - подраздел машинного обучения. Алгоритмам глубокого обучения не нужен учитель, только заранее подготовленные (размеченные) данные.

30 Самый популярный, но не единственный метод глубокого обучения, - искусственные нейронные сети (ИНС). Они больше всего похожи на то, как устроен человеческий мозг.

31 Нейронные сети - это набор связанных единиц (нейронов) и нейронных связей (синапсов). Каждое соединение передаёт сигнал от одного нейрона к другому, как в мозге человека. Обычно нейроны и синапсы организованы в слои, чтобы обрабатывать информацию. Первый слой нейросети - это вход, который получает данные. Последний - выход, результат работы. Например, несколько категорий, к одной из которых мы просим отнести то, что было отправлено на вход. И между ними - скрытые слои, которые выполняют преобразование.

32 По сути, скрытые слои выполняют какую-то математическую функцию. Мы её не задаём, программа сама учится выводить результат. Можно научить нейросеть классифицировать изображения или находить на изображении нужный объект. Помните, как<a>reCAPTCHA</a>просит найти все изображения грузовиков или светофоров, чтобы доказать, что вы не робот? Нейронная сеть выполняет то же самое, что и наш мозг, - видит знакомые элементы и понимает: "О, кажется, это грузовик!"

33 А ещё нейросети могут генерировать объекты: музыку, тексты, изображения. Например, компания<a>Botnik</a>скормила нейросети все книги про Гарри Поттера и попросила написать свою. Получился "Гарри Поттер и портрет того, что выглядит как огромная куча пепла". Звучит немного странно, но как минимум с точки зрения грамматики это сочинение имеет смысл.

34 Сегодня нейронные сети могут применяться практически для любой задачи. Например, при диагностике рака, прогнозировании продаж, идентификации лиц в системах безопасности, машинных переводах, обработке фотографий и музыки.

35 Чтобы обучить нейросеть, нужны гигантские наборы тщательно отобранных данных. Например, для распознавания сортов огурцов нужно обработать 1,5 млн разных фотографий. Не получится просто слить рандомные картинки или текст из интернета - их нужно подготовить: привести к одному формату и удалить то, что точно не подходит (например, мы классифицируем пиццу, а в наборе данных у нас фото грузовика). На разметку данных - подготовку и систематизацию - уходят тысячи человеко-часов.

36 Чтобы создать новую нейросеть, требуется задать алгоритм, прогнать через него все данные, протестировать и неоднократно оптимизировать. Это сложно и долго. Поэтому иногда проще воспользоваться более простыми алгоритмами - например, регрессией.

37 Искусственный интеллект - одновременно и наука, которая помогает создавать "умные" машины, и способность компьютера обучаться и принимать решения.

38 Машинное обучение - одна из областей искусственного интеллекта. МО использует алгоритмы для анализа данных и получения выводов.

39 А глубокое обучение - лишь один из методов машинного обучения, в рамках которого компьютер учится без учителя подспудно, с помощью данных.

40 Если чувствуете, что вас привлекает проектирование машинного интеллекта, продолжить образование можно на <a>нашем курсе</a>. Вы научитесь писать алгоритмы, собирать и сортировать данные и получите престижную профессию Data Scientist - специалист по машинному обучению.

41 <a>Курс с трудоустройством: "Профессия Data scientist + ИИ" Узнать о курсе</a>