Արհեստական ​​բանականություն (AI). Արհեստական ​​ինտելեկտ. ինչ են մեզ խոստանում և ինչ ենք վտանգում AI-ն արվեստում

Արհեստական ​​ինտելեկտի (AI) թեման գերակշռում էր լրատվամիջոցների նորությունների հոսքում ամբողջ տարվա ընթացքում: Տոնը տալիս են հիմնական նյուզմեյքերները՝ Իլոն Մասքը և Մարկ Ցուկերբերգը՝ քննարկելով Արհեստական ​​ինտելեկտի օգտագործման վտանգներն ու օգուտները մարդու կյանքում: Ռուսաստանը և Չինաստանը AI-ի զարգացումը հռչակել են որպես թվային տնտեսության առաջնահերթ ուղղություն։ 2018 թվականը կլինի AI-ի, հատկապես խորը ուսուցման մեթոդի, որպես Արհեստական ​​ինտելեկտի ամենահեռանկարային ճյուղի կիրառման հնարավորությունների զարգացման և հետագա ուսումնասիրության տարի։ Ես ձեզ ավելին կպատմեմ բարձր տեխնոլոգիաների ոլորտում այս տենդենցի մասին՝ օգտագործելով մարքեթինգում AI-ի օգտագործման օրինակը:

Արհեստական ​​ինտելեկտի էությունը կայանում է նրանում, որ այնպիսի խելացի մեքենաներ ստեղծելն է, որ դրանք գերազանցեն մարդկանց մտածողությունն ու վերլուծական կարողությունները: Մեքենայական ուսուցումը, որը AI-ի հիմնական մեթոդն է, ունի նման հնարավորություններ և արդեն լայնորեն կիրառվում է տնտեսության շատ ոլորտներում և մարդկային կյանքի ոլորտներում: Սակայն այլ, ավելի առաջադեմ տեխնոլոգիաները նույնպես արագ զարգանում են։

Սա հատկապես նկատելի է խորը ուսուցման զարգացման տեմպերում, որը գրեթե ամբողջությամբ կրկնում է մարդու ուղեղի աշխատանքի սկզբունքը տվյալների մշակման և որոշումների կայացման մոդելավորման մեջ: 2017 թվականին խորը ուսուցումը դարձավ առողջապահության և ավտոմոբիլային արտադրության տեխնոլոգիական գործընթացների անբաժանելի մասը: Մարքեթինգը, որպես յուրաքանչյուր բիզնեսի ամենադինամիկ բաղադրիչ, նույնպես անմասն չի մնացել առաջադեմ տեխնոլոգիաների օգտագործումից։ Խորը ուսուցումը հեղափոխական ազդեցություն է ունեցել ողջ գովազդային արդյունաբերության վրա:

Խորը ուսուցման մեթոդում օգտագործվող տեխնոլոգիան հիմնված է կենսաբանական նեյրոնների փոխազդեցության սկզբունքների վրա։ Ինքնուսուցման ալգորիթմների օգնությամբ շուկայավարներն այժմ ստանում են հաճախորդի գնման ներուժի նկարագրություններ՝ առանց մարդկային օգնության: Օրինակ, RTB House-ը վերջերս վերլուծել է հսկայական քանակությամբ տվյալներ՝ հստակ ցույց տալով, որ արշավների վերաթիրախավորման ժամանակ փորձառու մարքեթոլոգների առաջարկությունների փոխարեն արհեստական ​​ինտելեկտի օգտագործումը կարող է բարելավել փոխակերպման արդյունքները 35%-ով։ Եվ սա դեռ ամենը չէ։ Օգտագործելով խորը ուսուցման մեթոդը, գովազդատուները ստանում են օգտատիրոջ գործողությունների կանխատեսում` հիմնված նրա վարքագծային բնութագրերի և ցանկությունների վերլուծության վրա: Սա մեծապես հեշտացնում է շուկայավարի աշխատանքը՝ առաջարկելով թիրախային գովազդային հաղորդագրությունների լավագույն տարբերակները, որոնք տեղադրում են ապրանքներ, որոնց մասին օգտատերը նույնիսկ չգիտեր կամ դեռ չէր տեսել:

Շատ խոշոր ապրանքանիշեր արդեն տեսել են իրենց արտադրանքի կամ շուկայավարման գործիքների մեջ խորը ուսուցման լուծումների ներդրման առավելությունները: 2018 թվականին մենք ակնկալում ենք խորը ուսուցման լայն կիրառում և ներդրումների ավելացում՝ դրա ներուժը զարգացնելու համար:

«Վերահսկվող ուսուցումից» մինչև նոր հորիզոններ

2017 թվականին մեքենայական ուսուցման գործընթացին բնորոշ, այսպես կոչված, «վերահսկվող ուսուցումից» հեռացում դեպի «փոխանցման ուսուցման» ավելի բարդ համակարգ: Այս տեխնոլոգիան հիմնված է մարդու հրահանգները համակարգչին փոխանցելու վրա՝ վերլուծել առկա որոշումների կայացման մոդելները, օրինակները, տվյալների հավաքածուները և դրանց հետագա վերլուծությունը:

Փոխանցման ուսուցման ձևը համակարգչի կարողությունն է մշակել տվյալները սիմուլյացիաներից, այլ ոչ թե իրականությունից: Այս գործընթացը շատ ավելի պարզ և էժան է, ինչպես նաև ավելի արագ, ինչը շատ կարևոր է հսկայական քանակությամբ տվյալներ վերլուծելիս: Օգտագործելով այս մեթոդը՝ մեքենան սովորում է ինքնուրույն որոշումներ կայացնել՝ տրամաբանական եզրակացություններով, անալոգիայով կամ դեդուկտիվ մեթոդով:

Օրինակ՝ օգտագործելով մեքենայական ուսուցման հին մոդելը, ինքնակառավարվող մեքենան կարող է մարդուց միլիոնավոր մղոններ տանել, մինչ տվյալները գրանցվում են: Այս տվյալները փոխանցվում են մեքենային, որը հասկանում է, թե ինչպես վարել մեքենան՝ ելնելով վարորդի որոշումներից: «Ուսուցման փոխանցման» շնորհիվ իրական վարորդի կարիք այլևս չկա: Փոխարենը, տվյալները կարող են վերցվել վարման տարբեր մոդելավորումներից: Միլիոնավոր ժամեր վարելու մոդելավորմամբ՝ մեքենան ինքն է հասկանում, թե ուր պետք է գնա, և արդեն իսկ գիտելիքները թարգմանում է իրական աշխարհ:

Երկրորդ մոտեցումը կոչվում է «ուժեղացված ուսուցում»: Դրա նպատակն է վարժեցնել համակարգչին, որպեսզի լավագույն որոշումներ կայացնի՝ հիմնվելով շրջակա միջավայրի արձագանքների և դրանում կատարվող գործողությունների վրա: Օրինակ, թե ինչպես է դա տեղի ունենում գովազդային տարածքի գնման համար հայտերին մասնակցելիս: Աճուրդային համակարգերը շատ բարդ են. Նույնիսկ փորձագետները հաճախ խնդիրներ են ունենում օպտիմալ դրույքաչափը որոշելու հարցում, որը թույլ կտա նրանց հասնել ցանկալի արդյունքների նվազագույն գնով: Նույն խոչընդոտներին մեքենան կհանդիպի իր շարժման սկզբում։ Այնուամենայնիվ, ի տարբերություն մարդու, մեքենան կարող է աշխատել 24 ժամ սիմուլյացիոն միջավայրում: Եվ այն կարող է նաև սովորել մի շարք գործողություններ, շատ ավելի արագ, քան մարդը: Վերադառնալով գովազդային տարածք գնելու մեր օրինակին՝ համակարգիչը սովորում է աճուրդների մոդելավորումից՝ ստանալով տվյալներ այն մասին, թե ինչպես գործել ամենաարդյունավետ և այդպիսով հաղթել աճուրդում:

Նոր աշխատատեղեր և նոր մարտահրավերներ

Իրոք, խորը ուսուցման ալգորիթմների գործող սկզբունքը բացարձակապես նույնական է մարդու ուղեղի աշխատանքին: Սակայն, ի տարբերություն մարդկանց, համակարգիչները շատ ավելի արագ են սովորում և կարող են վերլուծել հսկայական քանակությամբ տվյալներ: Համակարգիչները չեն քնում և շատ սխալներ են թույլ տալիս: Հենց այստեղ է գործում սուպեր կատարումը: Շատ պարզ ձևով AI-ն կձգտի գերազանցել մարդկային կարողությունները շատ ոլորտներում։ Ներկայումս ինքնուսուցման ալգորիթմներն ունակ են ճանաչելու գործողություններն ու պատկերները շատ ավելի ճշգրիտ, քան մարդիկ:

Արդյո՞ք սա նշանակում է, որ վտանգ կա, որ մարդիկ ամբողջությամբ փոխարինվեն ռոբոտներով։ Իրականում ոչ: Համաշխարհային տնտեսական ֆորումի տվյալներով՝ այսօր տարրական դպրոց ընդունող երեխաների 65%-ին կտրվի այնպիսի աշխատանք, որը ներկայումս գոյություն չունի։ AI-ի զարգացման ներկայիս մակարդակը թույլ է տալիս ընկերություններին փնտրել ավելի շատ ՏՏ մասնագետներ, տվյալների վերլուծաբաններ և ծրագրավորողներ: Հաջորդ տարի մենք հավանաբար կտեսնենք տվյալների գիտնականների նոր աշխատանքի առաջարկների բում: Թեեւ այժմ նման առաջարկը դեռ հայտնի չէ։

2017 թվականի նորամուծությունները զարգացման հզոր խթան կստանան 2018 թվականին

Խորը ուսուցման մեթոդի ներդրմամբ հետապնդվող նպատակներն են՝ պարզեցնել մեր կյանքը և բարձրացնել մարդկային գործունեության արդյունավետությունը։ Ահա թե ինչու AI-ի օգտագործումն այլևս չափանիշ չէ, այլ անհրաժեշտություն այն ընկերությունների համար, որոնք ցանկանում են մրցունակ լինել համաշխարհային շուկայում։ Խոսքը վերջնական արտադրանքի հնարավորությունները անհատականացնելու կամ բարելավելու ունակության մասին չէ, այլ նաև մի շարք այլ անուղղակի գործողությունների, ինչպիսիք են տվյալների հավաքագրումը և վերլուծությունը: Արդեն ընկերությունները այնքան մեծ քանակությամբ տվյալներ ունեն վերլուծելու համար, որ չեն կարողանում հաղթահարել դրա մշակումը։

Այս իրավիճակն ուղղակիորեն ազդում է նրանց աշխատակիցների կայացրած որոշումների և հետևաբար նրանց ֆինանսական արդյունքների վրա: Այն ընկերությունները, որոնց բիզնեսը մասնագիտացած է տարբեր ձեռնարկությունների տվյալների հավաքագրման և վերլուծության մեջ, գնալով ավելի մեծ պահանջարկ կունենան: Ավելի մեծ բյուջե ունեցող ձեռնարկությունները կօգտագործեն AI-ն դասակարգելու համար՝ ինչ առաջարկել հաճախորդներին, ինչ պայմաններ առաջարկել մատակարարներին, ինչպես հրահանգել աշխատակիցներին, ինչ ասել և անել իրական ժամանակում: Պետք է նաև ենթադրել, որ շատ նոր ստարտափներ շուտով կհայտնվեն, որոնք լուծումներ կառաջարկեն ինքնաուսուցման ալգորիթմների վրա, քանի որ այս տեխնոլոգիան լայն տարածում է ստանում:

Արհեստական ​​ինտելեկտը 2017 թվականին դարձել է մեր առօրյայի և հանրային քննարկումների մի մասը։ Առաջիկա տարիներին ուշադրությունը կենտրոնանալու է արհեստական ​​ինտելեկտի վրա հիմնված տարբեր տեխնոլոգիաների զարգացման վրա, որոնք կփոխարինեն մարդկանց շատ բարդ արդյունաբերություններում՝ ի վերջո, շատ ավելի հեշտացնելով մեր կյանքը: Բայց սա մեծ աշխատանք կպահանջի։

Ericsson-ը ներկայացրել է հաջորդ տարվա 10 ամենատարածված սպառողական միտումները

Արհեստական ​​ինտելեկտ և վիրտուալ իրականություն. 10 սպառողական միտումներ 2017թ. Լուսանկարը՝ elearningindustry.com

Ericsson-ը ներկայացրել է գալիք տարվա սպառողական ամենահայտնի միտումների իր կանխատեսումը։ 2017-ի գլխավոր թրենդը կլինի արհեստական ​​ինտելեկտը, որն աստիճանաբար թափանցում է մեր առօրյա կյանք։

Այսպիսով, Էրիքսոնը զանգահարեց 2017-ի ամենահայտնի սպառողական միտումները:

Ավելի ու ավելի շատ մարդիկ են ցանկանում, որ արհեստական ​​ինտելեկտը ներթափանցի իրենց կյանք: Համացանցի օգտատերերի 35%-ը կցանկանար արհեստական ​​ինտելեկտը տեսնել որպես իրենց աշխատանքային օգնական, իսկ 25%-ը՝ որպես մենեջեր։ Այնուամենայնիվ, հարցվածների 50%-ը արհեստական ​​ինտելեկտը վտանգավոր է համարում։ Մասնավորապես, այս տեխնոլոգիան կարող է պատճառ դառնալ, որ շատ մարդիկ կորցնեն իրենց աշխատանքը, քանի որ նրանց գործառույթները հեշտությամբ կարող են կատարել ռոբոտները։

Հավելվածները ակտիվորեն օգտագործվում են կյանքի որոշակի ասպեկտները պարզեցնելու և ավտոմատացնելու համար: Միաժամանակ արագանում է իրերի ինտերնետի զարգացումը։ Հարցվածների 40%-ը վստահ է, որ կգա ժամանակ, երբ սմարթֆոնները կկարողանան սովորել իրենց տերերի սովորությունները և կատարել մի շարք գործառույթներ։

Եվ կրկին աշխատատեղերի կորստի մասին. շուտով արհեստական ​​ինտելեկտը կփոխարինի նաև վարորդներին։ Հարցվածների 25%-ը կողմ է վարորդներին ավտոպիլոտներով փոխարինելու գաղափարին, քանի որ կարծում է, որ դա շատ ավելի անվտանգ կլինի հետիոտների համար։ Հարցվածների 65%-ը կցանկանար ավտոպիլոտով մեքենա գնել։

Հարցվածների 80%-ը համոզված է, որ ընդամենը երեք տարում վիրտուալ իրականությունը զարգացման այնպիսի մակարդակի կհասնի, որ անհնար կլինի այն տարբերել ֆիզիկական աշխարհից։

Հարցվածները կանխատեսում են, որ նոր տեխնոլոգիաների զարգացումը բացասաբար կանդրադառնա մարդկանց առողջության վրա։ Մասնավորապես, վիրտուալ և ընդլայնված իրականության հավելվածների օգտագործումը կառաջացնի շարժման հիվանդություն, որի դեպքում հարցվածների 33%-ը պատրաստ է ընդունել համապատասխան հաբեր։

Չնայած այն հանգամանքին, որ մարդկանց մեծ մասը փորձում է հնարավորինս պաշտպանվել, հարցվածների 60%-ը խոստովանում է, որ սմարթֆոնների օգտագործումը ռիսկեր է պարունակում։

Հարցվածների ավելի քան 50%-ը կցանկանար ունենալ հավելյալ իրականության ակնոցներ։ Դրանց օգտագործման հնարավոր տարբերակներից՝ մութ հատվածների ընդգծում, վտանգի մասին նախազգուշացում, նյարդայնացնող շրջակա միջավայրի տարրերը փոխելու կամ վերացնելու ունակություն:

Հարցվածների ավելի քան 30%-ը համոզված է, որ ինտերնետում այլևս գոյություն չունի գաղտնիություն, ուստի հետազոտության մասնակիցների 50%-ը գոհ է գաղտնիության «ողջամտորեն լավ» մակարդակից:

Փորձագետների կարծիքով՝ ընդամենը հինգ տարի հետո ինտերնետի բոլոր օգտատերերին կտրամադրվեն ՏՏ ոլորտի հինգ խոշորագույն ընկերությունների բոլոր ապրանքներն ու ծառայությունները։

PAYSPACE ԱՄՍԱԳՐԻ ՕԳՆՈՒԹՅՈՒՆ

Նախկինում գրել էինք այն մասին, որ.

SinovationVentures-ի նախագահ Քայ Ֆու Լին կարծում է, որ AI-ն «ուղղված է աշխատատեղերի լայնածավալ կորստին», մինչդեռ հարստությունը կենտրոնացնում է այն ընկերությունների ձեռքում, որոնք զարգացնում կամ ընդունում են AI: Մյուսները կարծում են, որ նմանատիպ մտավախություններ առկա էին աշխարհը փոխող բոլոր տեխնոլոգիաների ի հայտ գալու հետ կապված՝ դեռևս 15-րդ դարի տպագրական մեքենայում:

The Economist-ը հանգստացնում է ընթերցողներին, որ «AI-ը ստեղծում է աշխատատեղերի պահանջարկ», և աճող թվով մարդիկ ամբողջ աշխարհում «մատուցում են թվային ծառայություններ առցանց»: Ո՞ր ընկերությունները և երկրները կզարգանան AI-ի դարաշրջանում: Ո՞ր հատվածները կվերանան, կփոխվեն կամ կստեղծվեն: Ինչպե՞ս կփոխվի աշխատանքի բնույթը:

Պատերազմ

Զինված անօդաչու թռչող սարքերի կողմնակիցները պնդում են, որ նման զենքերը կարող են թիրախներ խոցել շատ ավելի բարձր ճշգրտությամբ, քան մարդիկ; և որքան մեծ է նրանց դերը գործողությունների թատրոնում, այնքան քիչ հաճախ տեխնիկները կօգտագործեն դրանք վնասելու համար:

Բայց ի՞նչ կլինի, եթե նման զենքերը անկախանան և աշխատեն ինքնուրույն՝ առանց մարդու միջամտության։ Զինվորականների ցուցակից մարդկանց հանելը կհանգեցնի՞ սպառազինությունների էլ ավելի դաժան ու անկասելի մրցավազքի։

2015-ին Արհեստական ​​ինտելեկտի միջազգային համատեղ համաժողովի ժամանակ հրապարակված բաց նամակում նախազգուշացվում էր, որ ինքնավար զենքերը «չեն պահանջում թանկ կամ դժվար գտնել հումք, և, հետևաբար, բոլոր նշանակալից զինվորականների համար զանգվածային արտադրության համար կդառնան ամենուր տարածված և էժան»: Արդյո՞ք ավտոմատ զենքերով դարաշրջանը կլինի ավելի խաղաղ, թե՞ ավելի ռազմատենչ:

RAND-ի հետազոտողները պահանջում են վերլուծական շրջանակ և միջազգային ջանքեր՝ ուղղված ահաբեկչության դեմ պայքարում և նպատակային սպանությունների ժամանակ հեռահար զինված անօդաչու թռչող սարքերի օգտագործման վրա:

Որոշումներ կայացնելը

Քաղաքական գործիչները մշտապես բախվում են հսկայական թվով ընտրությունների և դրդապատճառների հետ՝ շատ ավելի շատ սոցիալական մեդիայի օրերին, քան քսան տարի առաջ: Նման տեղեկատվական գերծանրաբեռնվածությունը դժվարացնում է հաղթահարել ճգնաժամը, էլ չասած բազմաթիվ ճգնաժամերի ժամանակ:

Վերջերս առաջարկ եղավ ընդունել «բոլոր որոշումները, որոնք նախագահը կայացնում է համակարգչի միջոցով՝ ոչ թե վերջնական ընտրությունը կատարելու, այլ ի դեմս առաջնորդին օգնելու համար»։

Բայց չնայած AI-ն այժմ հիմնականում անմեղ է, RAND-ի ուսումնասիրությունը ընդգծում է նորությունների զտման, քրեական արդարադատության վրա ազդելու և նույնիսկ սոցիալական ապահովության նպաստների և վիզաների տրամադրման ալգորիթմական կողմնակալության ռիսկերը: Ի՞նչ որոշումներ պետք է վստահել AI-ին: Ի՞նչ պետք է մնա մարդու ձեռքում. Մարդկանց թիմի ձեռքո՞ւմ։

Ստեղծագործություն

Աշխարհը ընտելացել է արհեստական ​​ինտելեկտին, որը կարող է կատարել հաշվողական հիասքանչ սխրանքներ և հաղթել մարդկանց հանրահայտ սեղանի խաղերում (20 տարի է անցել այն պահից, երբ IBMDeepBlue սուպերհամակարգիչը հայտնիորեն հաղթեց շախմատի գրոսմայստեր Գարրի Կասպարովին): Ինչպե՞ս է այն հետագայում առաջադիմելու մարդկանց ստեղծագործական տարածքում:

Արհեստական ​​ինտելեկտի հետազոտող Ջեսսի Էնգելը կարծում է, որ այն «կվերափոխի ստեղծագործական գործընթացը… այն ընդլայնելով խելացի գործիքներով, որոնք արտահայտվելու նոր հնարավորություններ են տալիս»: Մյուսներն այնքան էլ լավատես չեն։ Լրագրող Ադրիեն Լաֆրանսը նշում է, որ AI-ն արդեն կարող է «սիրախաղ անել», «վեպեր գրել» և «զարմանալի ճշգրտությամբ կեղծ հայտնի նկարներ»։ Ի՞նչ է նշանակում լինել ստեղծագործ: Ավելին, ի՞նչ է նշանակում մարդ լինել։

Արհեստական ​​ինտելեկտի մասին քննարկումները հաճախ շեղվում են ծայրահեղությունների՝ լինի դա մարդկային տառապանքներից զերծ ուտոպիայի խոստում, թե դիստոպիայի վտանգ, որտեղ ռոբոտները ստրկացնում են իրենց մարդ ստեղծողներին: Ավելի հավասարակշռված և խիստ վերլուծություն է անհրաժեշտ՝ ռիսկերը մեղմելու և օգուտները առավելագույնի հասցնելու քաղաքականություն ձևավորելու համար: Որոշակի քայլեր պետք է ձեռնարկվեն՝ հաղթահարելու մտավախությունը, որ արհեստական ​​ինտելեկտը կհաղթահարի պետությունն ու հասարակությունը:

Ինչպե՞ս կարող է AI-ն ազդել երկրի ազգային շահերի վրա: AI-ի ո՞ր տեսակները, եթե այդպիսիք կան, կարելի է համարել ռազմավարական տեխնոլոգիաներ՝ հիմնված կառավարության չափանիշների վրա: Որտե՞ղ պետք է դեր խաղան շուկայական ուժերը, և որտեղ պետք է խաղա քաղաքականությունը: Թեև արհեստական ​​ինտելեկտը հիմնականում մնում է գիտաֆանտաստիկայի առարկա, այս հարցերն ավելի ու ավելի կարևոր են դառնում:

Կանխատեսումներ անելն անշնորհակալ գործ է, մանավանդ, որ ժամանակակից մեքենայական ուսուցման մեթոդների ոլորտում առաջընթացը գերազանցել է մեր ամենախիստ սպասումները վերջին տարիներին: Բայց ես կհամարձակվեի նշել որոշ ոլորտներ խորը նեյրոնային ցանցերի ուսուցման ոլորտում, որոնցում մոտ ապագայում կարելի է զգալի առաջընթաց ակնկալել:

Նախ, սա նեյրոնային ցանցերի ամրապնդման ուսուցման գաղափարների մշակումն է, որը թույլ կտա մշակել նոր ինքնաուսուցման ալգորիթմներ շրջակա միջավայրի հետ փոխազդող գործակալների համար: Սրանք կարող են լինել և՛ ռոբոտներ, և՛ ծրագրեր, որոնք գործում են վիրտուալ տարածքում, օրինակ՝ խաղալով ինտելեկտուալ խաղեր, ինչպիսիք են Go-ն (արդեն կատարված) կամ Starcraft-ը (ընթացքում): Այստեղ հիմնական նպատակը, իհարկե, կլինի ալգորիթմի ստեղծումը, որը կարող է «թռիչքի վրա» հարմարվել նոր բարդ խաղի կամ միջավայրի:

Երկրորդ, դա ուսուցման նոր մեթոդների մշակումն է և մետա-ուսուցումը: Առաջինը թույլ է տալիս համակարգչին ընկալել նոր հասկացություններ և իմաստներ մի քանի օրինակներից, ճիշտ այնպես, ինչպես դա անում է մարդը, և ի տարբերություն ժամանակակից նեյրոնային ցանցերի, որոնք սովորում են նոր հայեցակարգ՝ հազարավոր կամ տասնյակ հազարավոր օրինակների ենթարկվելուց հետո:

Երկրորդը թույլ է տալիս նեյրոնային ցանցին ինքնուրույն ընտրել իր ուսուցման մեթոդի պարամետրերը: Այժմ նեյրոնային ցանցերի վերապատրաստման որակն ու արագությունը զգալիորեն կախված է մի շարք պարամետրերի կարգավորումից (սովորաբար կոչվում են հիպերպարամետրեր՝ դրանք տարբերելու ցանցի կշիռներից, որոնք, ըստ էության, ճշգրտվում են մարզումների ընթացքում), ինչպես նաև՝ հենց ցանցի ճարտարապետությունը: Ներկայումս դրանք որոշվում են մարդկանց կողմից կամ կիսաավտոմատացված ընթացակարգերով, որոնք հեռու են օպտիմալ լինելուց: Դրա պատճառով նեյրոնային ցանցերը սովորում են ավելի երկար և ավելի վատ, քան կարող էին:

2016 թվականին հայտնված աշխատանքները ցույց են տալիս, որ այս աշխատանքը, սկզբունքորեն, կարելի է վստահել օժանդակ նեյրոնային ցանցին։ Ինչպես մենք բոլորս հիշում ենք ավագ դպրոցից, Արդյունաբերական հեղափոխության ավարտն այն է, երբ «մեքենաները սկսում են մեքենաներ պատրաստել»: Միգուցե ապագայում ոչ պակաս կարևոր իրադարձություն կլինի այն պահը, երբ նեյրոնային ցանցերը կսկսեն մարզել նեյրոնային ցանցերը, և հիմքեր կան ենթադրելու, որ դա տեղի կունենա արդեն 2017 թվականին:

Երրորդ, նեյրոնային ցանցերը կսովորեն խոսել մարդու հետ (ինչպես կրկնօրինակ տեքստեր ստեղծելու, այնպես էլ մարդկային խոսքից չտարբերվող խոսքի սինթեզման իմաստով), ստեղծելով ֆոտոռեալիստական ​​նկարներ և տեսահոլովակներ՝ հիմնված տեքստի նկարագրության վրա և գրել մեծ, իմաստալից տեքստեր։ . Սա կդառնա մեր մոտ ապագան՝ շնորհիվ ոլորտում սրընթաց առաջընթացի, այսպես կոչված. գեներատիվ խորը ուսուցման մոդելներ: Իհարկե, դա կհանգեցնի նոր բիզնեսների ստեղծմանը, նոր տեսակի ապրանքների և ծառայությունների առաջացմանը, ինչպես նաև աշխատանքի արտադրողականության բարձրացմանը տնտեսության ավանդական ոլորտներում, ինչպիսիք են բջջային օպերատորները կամ բանկերը, որոնք կկարողանան հրաժարվել թանկարժեք և անարդյունավետ զանգերի կենտրոններից.

Այս բոլոր խնդիրների լուծումը կարևոր քայլ կլինի դեպի մեքենայական ուսուցման Սուրբ Գրաալ՝ արհեստական ​​ինտելեկտի ստեղծում։ AI-ն, իհարկե, հաջորդ տարի չի հայտնվի, բայց 5-10 տարի հետո այն անկասկած կզարգանա։ Ավելին, արհեստական ​​ինտելեկտի արդեն գոյություն ունեցող տարրերը կօգնեն գիտնականներին ստեղծել լիարժեք AI և դրանով իսկ կարագացնեն աշխատանքը այս ուղղությամբ։ AI-ի ստեղծումը կլինի մարդկության ամենակարեւոր ձեռքբերումը և նրան քաղաքակրթական հզոր թռիչք կապահովի առաջ։

Կարևոր է նշել, որ արհեստական ​​ինտելեկտի ոլորտում արագ առաջընթացը հնարավոր է դարձել հիմնականում այն ​​բանի շնորհիվ, որ այդ զարգացումները կատարվում են բաց և նվազագույն անհրաժեշտ պատրաստվածություն ունեցող ցանկացած անձ (օրինակ՝ համակարգչային գիտության ֆակուլտետի շրջանավարտ Ազգային Հետազոտական ​​Համալսարանի Տնտեսագիտության Բարձրագույն Դպրոցը) կարող է մասնակցել դրանց. նույնիսկ խոշոր ՏՏ կորպորացիաներ՝ խորը ուսուցման ոլորտում առաջատարներ, գաղտնիքներ չկան (բացառությամբ կարճաժամկետ առևտրայինների), առկա են շատ մեթոդների ծրագրային ներդրում, ինչպես նաև ալգորիթմների մաթեմատիկական նկարագրությունը, որոնք զարմանալիորեն ոչ այնքան բարդ են՝ հաշվի առնելով դրանց օգնությամբ լուծված խնդիրների գլոբալ բնույթը։ Սա առանձնացնում է մեքենայական ուսուցումը, ասենք, 20-րդ դարի կեսերի տիեզերական կամ միջուկային ծրագրերից:

Լրացուցիչ նյութեր

Դմիտրի Վետրովի դասախոսությունը մեքենայական ուսուցման վերաբերյալ (որպեսզի հասկանանք, թե ինչ է դա)

Արհեստական ​​բանականություն (ԱԻ, անգլ.՝ Artificial Intelligence, AI) - խելացի մեքենաների, հատկապես խելացի համակարգչային ծրագրերի ստեղծման գիտություն և տեխնոլոգիա։ Արհեստական ​​ինտելեկտը կապված է մարդու հետախուզությունը հասկանալու համար համակարգիչներ օգտագործելու նմանատիպ առաջադրանքի հետ, սակայն պարտադիր չէ, որ սահմանափակվի կենսաբանորեն հնարավոր մեթոդներով:

Ինչ է արհեստական ​​ինտելեկտը

Խելք(լատ. intellectus-ից՝ սենսացիա, ընկալում, ըմբռնում, հասկացողություն, հասկացություն, բանականություն), կամ միտք՝ հոգեկանի որակ, որը բաղկացած է նոր իրավիճակներին հարմարվելու, փորձի հիման վրա սովորելու և հիշելու կարողությունից, հասկանալու և կիրառելու կարողությունից։ վերացական հասկացություններ և օգտագործել սեփական գիտելիքները բնապահպանական կառավարման համար: Բանականությունը ճանաչելու և դժվարությունները լուծելու ընդհանուր կարողությունն է, որը միավորում է մարդու բոլոր ճանաչողական կարողությունները՝ զգացողություն, ընկալում, հիշողություն, պատկերացում, մտածողություն, երևակայություն:

1980-ականների սկզբին. Հաշվողական գիտնականներ Բարը և Ֆայգենբաումը առաջարկել են արհեստական ​​ինտելեկտի հետևյալ սահմանումը.

Հետագայում մի շարք ալգորիթմներ և ծրագրային համակարգեր սկսեցին դասակարգվել որպես AI, որի տարբերակիչ հատկությունն այն է, որ նրանք կարող են որոշ խնդիրներ լուծել այնպես, ինչպես կվարվեր դրանց լուծման մասին մտածող մարդը:

AI-ի հիմնական հատկություններն են լեզուն հասկանալը, սովորելը և մտածելու և, ամենակարևորը, գործելու կարողությունը:

AI-ն հարակից տեխնոլոգիաների և գործընթացների համալիր է, որոնք զարգանում են որակապես և արագ, օրինակ.

• բնական լեզվով տեքստի մշակում
• փորձագիտական ​​համակարգեր
• վիրտուալ գործակալներ (չաթ-բոտեր և վիրտուալ օգնականներ)
• առաջարկությունների համակարգեր:

Արհեստական ​​ինտելեկտի զարգացման ազգային ռազմավարություն

• Հիմնական հոդված.Արհեստական ​​ինտելեկտի զարգացման ազգային ռազմավարություն

AI հետազոտություն

• Հիմնական հոդված.Արհեստական ​​ինտելեկտի հետազոտություն

Ստանդարտացում AI-ում

2019. ISO/IEC փորձագետները աջակցել են ռուսերեն ստանդարտ մշակելու առաջարկին

2019 թվականի ապրիլի 16-ին հայտնի դարձավ, որ Արհեստական ​​ինտելեկտի ոլորտում ստանդարտացման ISO/IEC ենթահանձնաժողովը աջակցել է RVC-ի հիման վրա ստեղծված «Կիբերֆիզիկական համակարգեր» տեխնիկական կոմիտեի առաջարկին՝ մշակել «Արհեստական ​​ինտելեկտը»: ստանդարտ. Հայեցակարգեր և տերմինաբանություն» ռուսերեն լեզվով, բացի հիմնական անգլերեն տարբերակից:

Տերմինաբանական ստանդարտ «Արհեստական ​​բանականություն. Հայեցակարգեր և տերմինաբանություն» խորագրով հիմնարար նշանակություն ունի արհեստական ​​ինտելեկտի ոլորտում միջազգային կարգավորող և տեխնիկական փաստաթղթերի ամբողջ ընտանիքի համար: Ի լրումն տերմինների և սահմանումների, այս փաստաթուղթը պարունակում է տարրերով համակարգերի կառուցման հայեցակարգային մոտեցումներ և սկզբունքներ, արհեստական ​​ինտելեկտի և այլ վերջնական տեխնոլոգիաների միջև փոխհարաբերությունների նկարագրություն, ինչպես նաև կարգավորող և տեխնիկական կարգավորման հիմնական սկզբունքներ և շրջանակային մոտեցումներ: արհեստական ​​ինտելեկտի.

Դուբլինում ISO/IEC համապատասխան ենթահանձնաժողովի նիստից հետո ISO/IEC փորձագետները պաշտպանեցին Ռուսաստանի պատվիրակության առաջարկը՝ միաժամանակ մշակել AI-ի ոլորտում տերմինաբանական ստանդարտ ոչ միայն անգլերեն, այլև ռուսերեն: Ակնկալվում է, որ փաստաթուղթը կհաստատվի 2021 թվականի սկզբին։

Արհեստական ​​ինտելեկտի վրա հիմնված ապրանքների և ծառայությունների մշակումը պահանջում է շուկայի բոլոր մասնակիցների կողմից օգտագործվող հասկացությունների միանշանակ մեկնաբանություն: Տերմինաբանական ստանդարտը կմիավորի «լեզուն», որով ծրագրավորողները, հաճախորդները և մասնագիտական ​​համայնքը շփվում են, դասակարգում են արհեստական ​​ինտելեկտի վրա հիմնված արտադրանքի այնպիսի հատկություններ, ինչպիսիք են «անվտանգություն», «վերարտադրելիություն», «հուսալիություն» և «գաղտնիություն»: Միասնական տերմինաբանությունը նույնպես կարևոր գործոն կդառնա արհեստական ​​ինտելեկտի տեխնոլոգիաների զարգացման համար Ազգային տեխնոլոգիական նախաձեռնության շրջանակներում. AI ալգորիթմներն օգտագործվում են NTI պարագծի ընկերությունների ավելի քան 80%-ի կողմից: Բացի այդ, ISO/IEC որոշումը կամրապնդի հեղինակությունը և կընդլայնի ռուս փորձագետների ազդեցությունը միջազգային չափանիշների հետագա զարգացման գործում:

Հանդիպման ընթացքում ISO/IEC փորձագետները նաև աջակցել են միջազգային փաստաթղթի նախագծի մշակմանը Information Technology - Artificial Intelligence (AI) - Overview of Computational Approaches for AI Systems, որտեղ Ռուսաստանը հանդես է գալիս որպես համախմբագիր: Փաստաթուղթը ներկայացնում է արհեստական ​​ինտելեկտի համակարգերի ներկա վիճակի ակնարկ՝ նկարագրելով համակարգերի հիմնական բնութագրերը, ալգորիթմներն ու մոտեցումները, ինչպես նաև արհեստական ​​ինտելեկտի ոլորտում մասնագիտացված հավելվածների օրինակներ։ Այս փաստաթղթի նախագծի մշակումը կիրականացվի ենթահանձնաժողովի շրջանակներում ստեղծված 5 «Հաշվարկային մոտեցումներ և AI համակարգերի հաշվողական բնութագրեր» աշխատանքային խումբը (SC 42 Working Group 5 «Հաշվարկային մոտեցումներ և AI համակարգերի հաշվողական բնութագրեր»):

Միջազգային մակարդակով իրենց աշխատանքի շրջանակներում ռուսական պատվիրակությանը հաջողվել է հասնել մի շարք ուղենշային որոշումների, որոնք երկարաժամկետ ազդեցություն կունենան երկրում արհեստական ​​ինտելեկտի տեխնոլոգիաների զարգացման վրա։ Ստանդարտի ռուսալեզու տարբերակի մշակումը, նույնիսկ այսքան վաղ փուլից, միջազգային դաշտի հետ համաժամացման երաշխիք է, իսկ ISO/IEC ենթահանձնաժողովի ստեղծումը և միջազգային փաստաթղթերի նախաձեռնումը ռուսական համատեղ խմբագրմամբ. արտերկրում ռուս ծրագրավորողների շահերի հետագա առաջմղման հիմքը»,- մեկնաբանեց նա։

Արհեստական ​​ինտելեկտի տեխնոլոգիաները մեծ պահանջարկ ունեն թվային տնտեսության տարբեր ոլորտներում։ Դրանց լայնածավալ գործնական կիրառմանը խոչընդոտող հիմնական գործոններից է կարգավորող դաշտի թերզարգացումը։ Միևնույն ժամանակ, լավ զարգացած կարգավորող և տեխնիկական շրջանակն է ապահովում տեխնոլոգիայի կիրառման հստակ որակը և համապատասխան տնտեսական էֆեկտը։

Արհեստական ​​ինտելեկտի ոլորտում TC Cyber-Physical Systems-ը, որը հիմնված է RVC-ի վրա, մշակում է մի շարք ազգային ստանդարտներ, որոնց հաստատումը նախատեսվում է 2019 թվականի վերջից - 2020 թվականի սկզբին: Բացի այդ, շուկայի խաղացողների հետ համատեղ աշխատանք է տարվում 2020 թվականի համար և դրանից հետո Ստանդարտացման ազգային պլանի (NSP) ձևակերպման ուղղությամբ: ՏԿ «Կիբեր-ֆիզիկական համակարգեր»-ը բաց է շահագրգիռ կազմակերպությունների փաստաթղթերի մշակման առաջարկների համար:

2018. Քվանտային կապի, արհեստական ​​ինտելեկտի և խելացի քաղաքի ստանդարտների մշակում

2018 թվականի դեկտեմբերի 6-ին RVC-ի վրա հիմնված «Կիբեր-ֆիզիկական համակարգեր» տեխնիկական կոմիտեն «SafeNet» տարածաշրջանային ինժեներական կենտրոնի հետ համատեղ սկսեց մշակել ստանդարտների փաթեթ Ազգային տեխնոլոգիական նախաձեռնության (NTI) և թվային տնտեսության շուկաների համար: Մինչև 2019 թվականի մարտը նախատեսվում է տեխնիկական ստանդարտացման փաստաթղթեր մշակել քվանտային հաղորդակցության ոլորտում, և, հաղորդում է RVC-ն։ Կարդալ ավելին.

Արհեստական ​​ինտելեկտի ազդեցությունը

Մարդկային քաղաքակրթության զարգացման ռիսկը

Ազդեցությունը տնտեսության և բիզնեսի վրա

• Արհեստական ​​ինտելեկտի տեխնոլոգիաների ազդեցությունը տնտեսության և բիզնեսի վրա

Ազդեցությունը աշխատաշուկայի վրա

Արհեստական ​​ինտելեկտի կողմնակալություն

Ամեն ինչի հիմքում ընկած է AI-ի պրակտիկան (մեքենայական թարգմանություն, խոսքի ճանաչում, բնական լեզվի մշակում, համակարգչային տեսողություն, ավտոմատ վարում և շատ ավելին) խորը ուսուցումն է: Դա մեքենայական ուսուցման ենթաբազմություն է, որը բնութագրվում է նեյրոնային ցանցի մոդելների օգտագործմամբ, որոնք, կարելի է ասել, ընդօրինակում են ուղեղի աշխատանքը, ուստի դժվար կլինի դրանք դասակարգել որպես AI: Նյարդային ցանցի ցանկացած մոդել վերապատրաստվում է տվյալների մեծ հավաքածուների վրա, ուստի այն ձեռք է բերում որոշ «հմտություններ», բայց թե ինչպես է դրանք օգտագործում, մնում է անհասկանալի իր ստեղծողների համար, ինչը, ի վերջո, դառնում է կարևորագույն խնդիրներից մեկը խորը ուսուցման շատ ծրագրերի համար: Պատճառն այն է, որ նման մոդելը ֆորմալ կերպով աշխատում է պատկերների հետ՝ չհասկանալով, թե ինչ է անում։ Արդյո՞ք նման համակարգը AI-ն է և կարո՞ղ են վստահել մեքենայական ուսուցման վրա ստեղծված համակարգերին: Վերջին հարցի պատասխանի հետևանքները դուրս են գալիս գիտական ​​լաբորատորիայի սահմաններից: Ուստի նկատելիորեն ակտիվացել է ԶԼՄ-ների ուշադրությունը AI-ի կողմնակալություն կոչվող երեւույթի նկատմամբ։ Այն կարող է թարգմանվել որպես «AI-ի կողմնակալություն» կամ «AI-ի կողմնակալություն»: Կարդալ ավելին.

Արհեստական ​​ինտելեկտի տեխնոլոգիաների շուկա

AI շուկա Ռուսաստանում

AI համաշխարհային շուկա

AI-ի կիրառման ոլորտները

Արհեստական ​​ինտելեկտի կիրառման ոլորտները բավականին լայն են և ընդգրկում են ինչպես ծանոթ տեխնոլոգիաները, այնպես էլ առաջացող նոր ոլորտները, որոնք հեռու են զանգվածային կիրառությունից, այլ կերպ ասած՝ սա լուծումների ողջ տեսականին է՝ փոշեկուլներից մինչև տիեզերակայաններ: Դուք կարող եք բաժանել նրանց ողջ բազմազանությունը՝ ըստ զարգացման առանցքային կետերի չափանիշի։

AI-ն մոնոլիտ առարկայական ոլորտ չէ: Ավելին, արհեստական ​​ինտելեկտի որոշ տեխնոլոգիական ոլորտներ հայտնվում են որպես տնտեսության նոր ենթաճյուղեր և առանձին սուբյեկտներ՝ միաժամանակ սպասարկելով տնտեսության ոլորտների մեծ մասը։

AI-ի կիրառման զարգացումը հանգեցնում է տեխնոլոգիաների հարմարեցմանը տնտեսության դասական հատվածներում ողջ արժեշղթայի երկայնքով և փոխակերպում դրանք՝ հանգեցնելով գրեթե բոլոր գործառույթների ալգորիթմացմանը՝ լոգիստիկայից մինչև ընկերության կառավարում:

Օգտագործելով AI պաշտպանության և ռազմական հարցերի համար

Օգտագործեք կրթության մեջ

AI-ի օգտագործումը բիզնեսում

AI-ն խարդախության դեմ պայքարում

2019 թվականի հուլիսի 11-ին հայտնի դարձավ, որ ընդամենը երկու տարի անց արհեստական ​​ինտելեկտը և մեքենայական ուսուցումը կօգտագործվեն խարդախության դեմ պայքարելու համար երեք անգամ ավելի հաճախ, քան 2019 թվականի հուլիսին։ Նման տվյալներ են ձեռք բերվել SAS-ի և Խարդախության վկայագրված քննողների ասոցիացիայի (ACFE) համատեղ ուսումնասիրության ժամանակ: 2019 թվականի հուլիսի դրությամբ խարդախության դեմ պայքարի նման գործիքներն արդեն կիրառվում են հարցմանը մասնակցած կազմակերպությունների 13%-ում, ևս 25%-ը նշել է, որ նախատեսում է դրանք իրականացնել հաջորդ կամ երկու տարվա ընթացքում։ Կարդալ ավելին.

AI էլեկտրաէներգիայի ոլորտում

• Նախագծման մակարդակում. էներգիայի ռեսուրսների արտադրության և պահանջարկի բարելավված կանխատեսում, էներգիա արտադրող սարքավորումների հուսալիության գնահատում, աճող արտադրության ավտոմատացում, երբ պահանջարկը մեծանում է:
• Արտադրական մակարդակում՝ սարքավորումների կանխարգելիչ սպասարկման օպտիմալացում, արտադրության արդյունավետության բարձրացում, կորուստների կրճատում, էներգառեսուրսների գողության կանխում։
• Խթանման մակարդակում. գնագոյացման օպտիմալացում՝ կախված օրվա ժամից և դինամիկ հաշվարկից:
• Ծառայությունների մատուցման մակարդակում՝ առավել շահավետ մատակարարի ավտոմատ ընտրություն, սպառման մանրամասն վիճակագրություն, հաճախորդների ավտոմատացված սպասարկում, էներգիայի սպառման օպտիմալացում՝ հաշվի առնելով հաճախորդի սովորությունները և վարքագիծը:

AI-ն արտադրության մեջ

• Դիզայնի մակարդակում՝ նոր արտադրանքի մշակման արդյունավետության բարձրացում, մատակարարների ավտոմատացված գնահատում և պահեստամասերի պահանջների վերլուծություն:
• Արտադրության մակարդակում. առաջադրանքների կատարման գործընթացի բարելավում, հավաքման գծերի ավտոմատացում, սխալների քանակի կրճատում, հումքի առաքման ժամկետների կրճատում:
• Խթանման մակարդակում` աջակցության և սպասարկման ծառայությունների ծավալի կանխատեսում, գնագոյացման կառավարում:
• Ծառայությունների մատուցման մակարդակում. ավտոպարկի երթուղիների պլանավորման բարելավում, պարկի ռեսուրսների պահանջարկ, սպասարկող ինժեներների վերապատրաստման որակի բարելավում:

AI բանկերում

• Կաղապարի ճանաչում - օգտագործվում է ներառյալ: Ճանաչել հաճախորդներին մասնաճյուղերում և նրանց փոխանցել մասնագիտացված առաջարկներ.

AI տրանսպորտում

• Ավտոարդյունաբերությունը հեղափոխության շեմին է. անօդաչու վարելու դարաշրջանի 5 մարտահրավեր

AI լոգիստիկայի մեջ

AI գարեջրագործության մեջ

AI-ն դատական ​​համակարգում

Արհեստական ​​բանականության ոլորտում զարգացումները կօգնեն արմատապես փոխել դատական ​​համակարգը՝ այն դարձնելով ավելի արդար և զերծ կոռուպցիոն սխեմաներից։ Այս կարծիքը 2017 թվականի ամռանը հայտնել է տեխնիկական գիտությունների դոկտոր, Artezio-ի տեխնիկական խորհրդատու Վլադիմիր Կռիլովը։

Գիտնականը կարծում է, որ արհեստական ​​ինտելեկտի ոլորտում առկա լուծումները կարող են հաջողությամբ կիրառվել տնտեսության և հասարակական կյանքի տարբեր ոլորտներում։ Փորձագետը նշում է, որ արհեստական ​​ինտելեկտը հաջողությամբ կիրառվում է բժշկության մեջ, սակայն ապագայում այն ​​կարող է ամբողջությամբ փոխել դատական ​​համակարգը։

«Ամեն օր ինտելեկտուալ ինտելեկտի ոլորտում զարգացումների մասին լուրերին նայելով՝ դուք միայն զարմանում եք այս ոլորտում հետազոտողների և մշակողների անսպառ երևակայության և պտղաբերության վրա: Գիտական ​​հետազոտությունների վերաբերյալ հաշվետվությունները մշտապես ընդմիջվում են շուկայում հայտնված նոր ապրանքների մասին հրապարակումներով և տարբեր ոլորտներում արհեստական ​​ինտելեկտի օգտագործման արդյունքում ստացված զարմանալի արդյունքների մասին զեկույցներով: Եթե ​​խոսենք սպասվող իրադարձությունների մասին, որոնք ուղեկցվում են լրատվամիջոցներում նկատելի աղմուկով, որոնցում AI-ն կրկին կդառնա նորությունների հերոսը, ապա ես, հավանաբար, ռիսկի չեմ ենթարկի տեխնոլոգիական կանխատեսումներ անել։ Պատկերացնում եմ, որ հաջորդ իրադարձությունը կլինի ինչ-որ տեղ չափազանց իրավասու դատարանի ի հայտ գալը արհեստական ​​ինտելեկտի տեսքով՝ արդար ու անկաշառ։ Դա տեղի կունենա, ըստ ամենայնի, 2020-2025թթ. Եվ այն գործընթացները, որոնք տեղի կունենան այս դատարանում, կհանգեցնեն անսպասելի մտորումների և շատերի ցանկությանը` փոխանցելու AI-ին մարդկային հասարակության կառավարման գործընթացների մեծ մասը»:

Գիտնականը դատական ​​համակարգում արհեստական ​​ինտելեկտի կիրառումը «տրամաբանական քայլ» է համարում օրենսդրական հավասարության և արդարության զարգացման համար։ Մեքենայի հետախուզությունը ենթակա չէ կոռուպցիայի և հույզերի, կարող է խստորեն պահպանել օրենսդրական դաշտը և որոշումներ կայացնել՝ հաշվի առնելով բազմաթիվ գործոններ, այդ թվում՝ վեճի կողմերին բնորոշ տվյալները: Բժշկական ոլորտի նմանությամբ՝ ռոբոտ դատավորները կարող են աշխատել պետական ​​ծառայությունների պահոցների մեծ տվյալների հետ: Կարելի է ենթադրել, որ

Երաժշտություն

Նկարչություն

2015 թվականին Google-ի թիմը փորձարկեց նեյրոնային ցանցերը՝ պարզելու, թե արդյոք նրանք կարող են ինքնուրույն պատկերներ ստեղծել: Այնուհետև արհեստական ​​ինտելեկտը վերապատրաստվեց՝ օգտագործելով մեծ թվով տարբեր նկարներ։ Այնուամենայնիվ, երբ մեքենային «խնդրեցին» ինքնուրույն ինչ-որ բան պատկերել, պարզվեց, որ այն մեզ շրջապատող աշխարհը մեկնաբանում է մի փոքր տարօրինակ ձևով: Օրինակ, համրեր նկարելու առաջադրանքի համար մշակողները ստացել են պատկեր, որում մետաղը միացված է մարդու ձեռքերով։ Դա հավանաբար տեղի է ունեցել այն պատճառով, որ մարզման փուլում համրերով վերլուծված նկարներում ձեռքեր են եղել, և նեյրոնային ցանցը դա սխալ է մեկնաբանել։

2016 թվականի փետրվարի 26-ին Սան Ֆրանցիսկոյում տեղի ունեցած հատուկ աճուրդի ժամանակ Google-ի ներկայացուցիչները մոտ 98 հազար դոլար են հավաքել արհեստական ​​ինտելեկտի կողմից ստեղծված հոգեմետ նկարներից։ Մեքենայի ամենահաջող նկարներից մեկը ներկայացնում ենք ստորև.

Google-ի արհեստական ​​ինտելեկտի կողմից նկարված նկար։