Эпоха искусственного интеллекта: все, что вам нужно знать об искусственном интеллекте

ИИ появляется, казалось бы, во всех уголках современной жизни: от музыки и средств массовой информации до бизнеса и продуктивности и даже свиданий. Нас так много, что может быть трудно уследить за этим — так что читайте дальше, чтобы узнать все: от последних крупных событий до условий и компаний, которые вам необходимо знать, чтобы оставаться в курсе этой быстро развивающейся области.

Для начала давайте убедимся, что мы все находимся на одной волне: что такое ИИ?

Искусственный интеллект, также называемый машинным обучением, представляет собой своего рода программную систему, основанную на нейронных сетях, метод, который был впервые разработан несколько десятилетий назад, но совсем недавно расцвел благодаря новым мощным вычислительным ресурсам. Искусственный интеллект позволил эффективно распознавать голос и изображения, а также создавать синтетические изображения и речь. И исследователи усердно работают над тем, чтобы ИИ мог просматривать веб-страницы, бронировать билеты, корректировать рецепты и многое другое.

О, но если вы беспокоитесь о подъеме машин по типу Матрицы — не беспокойтесь. Мы поговорим об этом позже!

Наше руководство по ИИ состоит из трех основных частей, каждую из которых мы регулярно обновляем, и их можно читать в любом порядке:

К концу этой статьи вы будете в курсе последних событий настолько, насколько это возможно в наши дни. Мы также будем обновлять и расширять его по мере продвижения в эпоху искусственного интеллекта.

Кредиты изображений:Андрей Шип / Getty Images

Одна из диких особенностей ИИ заключается в том, что, хотя основные концепции появились более 50 лет назад, лишь немногие из них были знакомы даже технически подкованным людям до недавнего времени. Так что, если вы чувствуете себя потерянным, не волнуйтесь — все так.

И мы хотим сразу прояснить одну вещь: хотя это называется «искусственный интеллект», этот термин немного вводит в заблуждение. Не существует единого определения интеллекта, но то, что делают эти системы, определенно ближе к калькуляторам, чем к мозгу. Ввод и вывод этого калькулятора намного более гибкий. Вы можете думать об искусственном интеллекте как об искусственном кокосе — это имитационный интеллект.

С учетом вышесказанного, вот основные термины, которые вы встретите при любом обсуждении ИИ.

Наш мозг в основном состоит из взаимосвязанных клеток, называемых нейронами, которые объединяются, образуя сложные сети, выполняющие задачи и хранящие информацию. Попытки воссоздать эту удивительную систему в программном обеспечении предпринимались с 60-х годов, но требуемая вычислительная мощность не была широко доступна до 15-20 лет назад, когда графические процессоры позволили процветать нейронным сетям с цифровым определением. По сути, это просто множество точек и линий: точки — это данные, а линии — статистические отношения между этими значениями. Как и в случае с мозгом, это может создать универсальную систему, которая быстро принимает входные данные, передает их через сеть и выдает выходные данные. Эта система называется моделью.

Модель — это фактический набор кода, который принимает входные данные и возвращает выходные данные. Сходство терминологии со статистической моделью или системой моделирования, моделирующей сложный природный процесс, не случайно. В ИИ модель может относиться к полной системе, такой как ChatGPT, или практически к любой конструкции ИИ или машинного обучения, что бы она ни делала или производила. Модели бывают разных размеров, что означает, сколько места они занимают и сколько вычислительной мощности им требуется для работы. И это зависит от того, как обучена модель.

Чтобы создать модель ИИ, нейронные сети, составляющие основу системы, подвергаются воздействию большого количества информации в так называемом наборе данных или корпусе. При этом эти гигантские сети создают статистическое представление этих данных. Этот процесс обучения является наиболее трудоемкой частью вычислений, то есть он занимает недели или месяцы (вы можете продолжать столько, сколько захотите) на огромных банках мощных компьютеров. Причина этого не только в том, что сети сложны, но и в том, что наборы данных могут быть чрезвычайно большими: миллиарды слов или изображений, которые необходимо проанализировать и представить в гигантской статистической модели. С другой стороны, как только модель готова, она может стать намного меньше и менее требовательной при использовании (процесс, называемый логическим выводом).