Типы и технологические основы искусственного интеллекта по состоянию на 2024 год


Оригинал: AI Tributaries & Types for 2024
Автор: Джим Сайнур (Jim Sinur)

Полезно понимать не только что такое ИИ, куда он движется, в чем его преимущества и недостатки, но и его технологические основы. У них есть как сильные стороны, которые могут способствовать достижению бизнес-эффекта, так свои сложности внедрения и эксплуатации. Я собрал наиболее распространенные технологии искусственного интеллекта и коротко описал, где их использовать, а где лучше избегать или чем-то подкрепить. Зачастую для достижения и автоматического поддержания желаемых результатов организации объединяют несколько технологий. Имейте в виду, что эти технологии развиваются быстро и независимо, поэтому для достижения более значимых результатов организации понадобится соединить несколько из них. Я надеюсь, что этот перечень будет полезен при планировании бюджет на искусственный интеллект в 2024 году.

Логические

Машинное обучение (machine learning)

  • Определение. Машинное обучение — это разновидность искусственного интеллекта, не включающего определенные заранее формулы или наборы правил, а обучающегося на опыте, представленного данными и информацией. Алгоритм машинного обучения он адаптивно повышает свою эффективность с увеличением объема данных, тем самым ускоряя процесс обучения.

  • Где использовать. Используйте машинное обучение там, где вы не можете запрограммировать правила, например, в задачах, связанных с распознаванием, где есть множество часто меняющихся переменных.
  • Где не использовать. Там, где есть проблемы с данными – слишком много шума, грязных или сильно неполных данных.

Глубокое обучение (deep learning)

  • Определение. Глубокое обучение – это специализированная форма машинного обучения, копирующая то, как учатся люди – путем идентификации объектов и связывания их друг с другом с помощью нейронной сети. Нейронная сеть состоит из взаимосвязанных узлов, называемых нейронами, которые работают совместно, обрабатывая данные и участь на них. Это обучение на основе паттернов.
  • Где использовать. Глубокое обучение используется там, где есть много данных и требуется повышенная точность. Алгоритмы глубокого обучения обычно учатся на своих ошибках, извлекая из них уроки.
  • Где не использовать. Выбирая решение, надо иметь в виду, что глубокое обучение требует больших вычислительных затрат. Конечно, результат сильно зависит от качества данных. Диапазон данных, на которых проводилось обучение, может ограничивать способность алгоритма справляться с непредвиденными ситуациями.

Распознавание/восприятие паттернов (pattern recognition/perception)

  • Определение. Распознавание паттернов – это автоматическое распознавание закономерностей в различных данных. Их можно классифицировать и использовать для принятия решений или прогнозирования. Обнаруживаемые новые паттерны могут направляться на дальнейший анализ.
  • Где использовать. Распознавание паттернов критически важно для понимания нюансов сложных задач. Эта технология может быть полезна в распознавании объектов на изображениях, в сканировании и интерпретации фотографий.
  • Где не использовать. Опять-таки, качество данных имеет решающее значение, и значительные вариации в данных могут сделать эту технологию неприменимой.

Обработка естественного языка (natural language processing, NLP)

  • Определение. NLP – это разновидность искусственного интеллекта, позволяющая компьютеру понимать человеческий язык, что дает возможность реализовывать бесперебойное взаимодействие между человеком и компьютером.
  • Где использовать. NLP – важный связующий механизм между человеком, разговаривающем на родном языке, и компьютером. Он используется для чтения текста компьютером, для интерпретации устной речи, определения настроения говорящего, вылавливания важных слов или фраз.
  • Где не использовать. NLP не столь полезен, если используемый язык непоследователен или двусмыслен, особенно если присутствует сарказм или культурные особенности.

Универсальный перевод в режиме реального времени (real-time universal translation)

  • Определение. Перевод в режиме реального времени позволяет мгновенно переводить с одного языка на другой. Люди, говорящие на разных языках, могут вести диалог или проводить встречу с минимальными задержками и искажениями.
  • Где использовать. Универсальный перевод – важный инструмент для преодоления языковых барьеров и облегчения межкультурной коммуникации.
  • Где не использовать. Универсальный перевод следует использовать с осторожностью, так как он не умеет правильно переводить выражения, идиомы, сленг, сокращения и акронимы. Кроме того, он не способен обеспечить точный, но креативный перевод.

Чат-боты (chatbots)

  • Определение. Чат-бот – это приложение или веб-интерфейс, имитирующее человеческое общение посредством текстовых или голосовых сообщений. Наиболее эффективны чат-боты, способные на обучение в ходе работы.
  • Где использовать. Чат-боты часть используются для оказания оперативной, в режиме 24×7 помощи клиентам или сотрудникам через социальные сети, службы обмена сообщениями или телефонные звонки.
  • Где не использовать. Чат-боты бесполезны при рассмотрении жалоб клиентов, поскольку каждый человек уникален, а проблема может быть сложной и требовать для своего решения времени более продолжительного, чем один звонок.

Аналитика эмоций в реальном времени (real-time emotion analytics, EA)

  • Определение. Аналитика эмоций собирает анализирует данные вербального и невербального общения с человеком, чтобы понять его настроение или отношение в ходе коммуникации. EA дает понимание того, как клиент воспринимает продукт или услугу.
  • Где использовать. EA способен повысить удобство использования, вовлеченность и удовлетворенность пользователей, а также выявить и устранить болевые точки.
  • Где не использовать. Как и другие технологии, эмоциональный ИИ может быть предвзятым и неточным. Могут возникать определенные проблемы с конфиденциальностью – потребители должны дать согласие на анализ с помощью эмоционального ИИ.

Виртуальные Компаньоны (Virtual Companions)

  • Определение. Виртуальный компаньон — это воплощенный персонаж с искусственным интеллектом, поддерживающий множество форм общения. Сюда входит также помощь в установлении дружеских отношений между людьми или людьми и животными.
  • Где использовать. Интерактивные программы, служащие компаньонами или партнерами в терапии и наставничестве, доступны в Интернете и на мобильных устройствах. На первых порах они выполняли некоторые функции, связанные с отношениями между молодыми людьми, затем стали также использоваться в уходе за пожилыми людьми, а новейшая область применения – наставничество и совместная работа в бизнесе.
  • Где не использовать. Будьте осторожны – виртуальный компаньон может причинить вред, например, эмоционально ранить пользователя или дать опасный совет. В результате может сложиться негативное предубеждение.

Экспертные системы (expert systems)

  • Определение. Экспертные системы используют искусственный интеллект для имитации суждений и поведения человека или организации, обладающих знаниями или опытом в определенной области.
  • Где использовать. Экспертные системы можно использовать сами по себе или в качестве помощника для неспециалиста. Это полезно там, где не хватает компетентных специалистов или они чересчур дороги, совершают ошибкам, слишком медленно работают.
  • Где не использовать. Экспертным системам зачастую не хватает здравого смысла, креативности и деликатности, на которые способны люди. Также экспертные системы часто не способны обосновать логику своих выводов.

Генеративный искусственный интеллект (generative artificial intelligence)

  • Определение. Генеративным ИИ называют модели и алгоритмы, обученные на огромных объемах данных и умеющие «генерировать» новый контент, такой как текст, фотографии, видео, программный код, данные или 3D-рендеринги.
  • Где использовать. На основе запроса пользователя генеративный ИИ создает новый и зачастую оригинальный контент, а также ответы, дизайн и синтетические данные. Он ценен в творческих областях и в решении нестандартных проблем, предоставляя новые прогнозы и новые результаты.
  • Где не использовать. Сгенерированные материалы могут оказаться оскорбительными, неуместными или неточными. Присмотр со стороны человека поможет скорректировать результат и подать его в правильном контексте.

Физические

Пограничный искусственный интеллект (edge artificial intelligence)

  • Определение. Пограничный ИИ – это все, что относиться к интеллектуальности устройств или периферийных вычислений. Вычисления выполняются поблизости от источника данных, а не в централизованном облачном вычислительном центре или удаленном центре обработки данных.
  • Где использовать. Там, где решения необходимо принимать в любой момент, быстро, рядом с тем местом, где данные собираются и накапливаются.
  • Где не использовать. Не все устройства с пограничным ИИ обладают высоким уровнем шифрования, аутентификации и защиты информации, что потенциально делает их уязвимыми для кибератак. Проблемой также может быть масштабируемость.

Сенсорный искусственный интеллект (sensing artificial intelligence)

  • Определение. Сенсорный искусственный интеллект — это воспроизведение органов чувств человека, таких как слух, зрение, осязание, вкус или обоняние. Сенсорный искусственный интеллект обеспечивает передачу одного или нескольких физических контекстов логической стороне искусственного интеллекта.
  • Где использовать. Искусственные органы чувств предоставляют мгновенную и жизненно важную обратную связь вычислительным системам и людям. Их часто применяют в опасной среде.
  • Где не использовать. Если физические сенсоры не помогаю достижению результатов или если нет необходимости в немедленной обратной связи.

Автономная робототехника (autonomous robotics, AR)

  • Определение. Автономная робототехника — это автономные интеллектуальные машины, способные работать и выполнять задачи без вмешательства человека.
  • Где использовать. Автономная робототехника отлично подходит для автоматизации ручных или рутинных операций в промышленной или офисной среде, а также для работы в непредсказуемой и опасной среде.
  • Где не использовать. Робот делает только то, на что он запрограммирован, и не больше, если только его не поддерживает обучающийся искусственный интеллект.

Облачная робототехника нового поколения (next-gen cloud robotics)

  • Определение. Облачная робототехника — это использование для нужд робототехники облачных вычислений, облачных хранилищ и других интернет-технологий. Одним из главных преимуществ облачной робототехники является способность предоставлять роботизированным устройствам огромные объемы данных без закачивания их напрямую во встроенную память.
  • Где использовать. Облачные роботизированные системы способны выполнять задачи совместно. Например, несколько промышленных роботизированных устройств смогут обработать индивидуальный заказ, изготовить и доставлять – и все это самостоятельно, без участия человека.
  • Где не использовать. Задачи, которые должны выполняться в режиме реального времени, требуют встроенной обработки. Облачные приложения могут работать медленно или быть недоступно из-за задержек ответов или сбоев в сети.

Персональные роботы-ассистенты (robotic personal assistants)

  • Определение. Робот-личный ассистент — это искусственный интеллект, который помогает вам выполнять рутинные домашние дела и улучшает качество вашей жизни.
  • Где использовать. Сегодня эти роботы используются в специализированных службах, таких как уборка.
  • Где не использовать. Там, где требуется эмпатия или динамическая адаптация

Управление и контроль

Универсальный искусственный интеллект (artificial general intelligence, AGI)

  • Определение. Универсальный искусственный интеллект – это реализация в программном обеспечении общих когнитивных способностей человека, позволяющих решать незнакомые задачи. Альтернативное определение — автономная система, которая в большинстве экономически значимых задач превосходит возможности человека.
  • Где использовать. Универсальный искусственный интеллект, если он когда-нибудь появится, сможет научиться выполнять любые интеллектуальные задачи, которые могут выполнить люди или животные.
  • Где не использовать. Пока не создан.

Цифровой двойник (digital twin)

  • Определение. Цифровой двойник — это цифровое представление физического объекта, человека или процесса, в контексте цифрового представления его окружения. Цифровой двойник связывает логический и физический аспекты ИИ в искусственной среде с целью визуализации, имитационного моделирования, проб и ошибок без последствий для реального мира, что в итоге помогает людям и машинам принимать более эффективные решения.
  • Где использовать. Технология цифровых двойников позволяет создавать более качественные продукты, здания и даже целые города. При помощи имитационного моделирования системы или физического объекта проектировщики могут тестировать различные версии дизайна, выявлять конструктивные недостатки и вносить улучшения еще до начала строительства.
  • Где не использовать. Поддерживать цифровые активы сложно. Многие попытки создания цифровых двойников терпят неудачу, потому что цифровым активам не уделяется столько же внимания, сколько физическим. Цифровой двойник требует постоянного обслуживания, тщательного наблюдения и времени для документирования всех изменений в режиме реального времени.

Интеллектуальные самогенерирующиеся/адаптивные приложения, процессы и клиентские пути (smart self-generating/adaptive applications, processes and journeys)

  • Определение. Самоадаптирующиеся программные системы способны корректировать свою деятельность в ответ на сигналы, поступающие от окружающей среды и от самой системы. Приложения, процессы и клиентские пути координируют интеллектуальные и не очень интеллектуальные ресурсы и должны постоянно корректироваться, чтобы соответствовать потребностям.
  • Где использовать. Когда система или процесс должны откликаться на изменения в условиях или желаемых результатах.
  • Где не использовать. Если система или процесс функционируют в условиях долгосрочной стабильности.

Поведение, ориентированное на достижение целей и ограничения (goal-driven & constraint behavior)

  • Определение. Когда цели управления меняются, отражая новейшие подходы или возникающие регуляторные ограничения, системы и процессы стремятся достичь этих целей в рамках поставленных ограничений.
  • Где использовать. Если волатильность является решающим фактором или регулярно возникают нештатные ситуации.
  • Где не использовать. Там, где стабильность обеспечивает постоянство.

Когнитивная кибербезопасность (cognitive cybersecurity)

  • Определение. Когнитивная безопасность — это комбинация когнитивной науки и методов искусственного интеллекта, используемая для защиты организаций от кибератак.
  • Где использовать. Там, где злоумышленники предпринимают интеллектуальные атаки.
  • Где не использовать. Сегодня это не является опцией, это часть интеллектуальной инфраструктуры.

Итого

Чтобы реализовать преимущества ИИ в сегодняшней и завтрашней бизнес-среде, необходимо ориентироваться в его разновидностях. Скомпоновав технологические основы ИИ, мы получим решение более ценное для бизнеса и потребителя. Компании-лидеры не будут терять время, а воспользуются преимуществами этих технологий и зарождающихся комбинаций. Компаниям, следующим за лидерами, также необходимо понимать преимущества тех или иных технологий, чтобы задавать правильные вопросы вендорам или внутренним разработчикам. Искусственный интеллект меняет форму, так что давайте оставаться на гребне этой зарождающейся волны.

Обсудить