В прошлый раз я говорил об использовании технологий искусственного интеллекта в образовании, а сегодня попробуем разобраться, что же представляет собой искусственный интеллект.
Могут ли компьютеры выполнять творческие функции, которые традиционно считаются прерогативой человека? Ответом на этот вопрос и занимается направление науки, связанное с искусственным интеллектом. При этом существует довольно интересный парадокс, как только какой-то класс задач, связанных с искусственным интеллектом, научаются решать, то они быстро переклассифицируются в обычные компьютерные задачи.
Сейчас никого не удивить, что компьютеры играют в шахматы лучше, чем человек, а еще каких-то лет двадцать назад это был вызов для компьютерной науки.
Как же кошки и собаки помогли развиться таким направлениям искусственного интеллекта, как компьютерное зрение и распознавание речи? Вспомните, как вы спрашиваете ребенка — кто изображен на картинке собачка или кошечка, и ребенок довольно быстро и уверенно справляется с задачей, каким бы ни было изображение животного или его части, например лапки. Вот решение подобной задачи компьютером до какого-то времени была довольно сложным и ресурсоемким процессом, учитывая все многообразие изображений, так как алгоритмы строились на описании признаков, по которым компьютеры пытались определить класс того или иного объекта. Всю сложность задачи по описанию признаков, можно оценить по шуточной фотографии из Интернета, где предлагается определить собачку или кексик.
Примерно десять лет назад произошел существенный прорыв в технологиях искусственного интеллекта, когда, применяя методы глубокого обучения и нейронные сети, компьютерам удалось превзойти человека в данных задачах, что означает, что процент ошибок, допущенных компьютером при классификации, был меньше, чем у человека. Суть методов заключается в том, что нейросеть на вход получает изображение в цифровом виде, дальше используется несколько преобразований информации (число глубинных слоев), а на выходе – требуемая классификация. На этапе обучения нейросеть формирует связи между входной и выходной информацией на больших объемах данных, при этом нет явных признаков, которые отличают один объект от другого. Начиналось все как раз с решения задачи по распознаванию кошечек и собачек, а первые успешные модели, обученные на миллионах изображений, могли уверенно классифицировать до тысячи разных объектов.
На базе данных технологий в 2019 году была разработана нейронная сеть, способная обнаружить рак легких по томографическим снимкам, при этом она показала точность 94% при постановке диагноза, опередив группу из 6 рентгенологов. А с 2022 года в онкоклиниках Москвы началось тестирование цифровых сервисов на основе нейросетей российских разработчиков по работе с изображениями патоморфологического материала.
Искусственный интеллект незаметно вошел в нашу жизнь, кто-то общается с голосовым помощником, спрашивая Алису о погоде на сегодня, кто-то обрабатывает фотографии, удаляя ненужные предметы со снимков. Вчера мама попросила установить ей «умную камеру» на смартфон, чтобы распознать растения, которые растут в саду. А вы используете такие технологии в повседневной жизни? Может быть, вы знаете, как применить или уже используете их на работе? Напишите об этом в комментариях.