Возможности искусственного интеллекта: от верблюдов к автомобилям

Posted on by riasevastopol

В сфере ИИ имеется множество захватывающих реалий, не осознаваемых большинством людей. Из-за чего последствия его влияния на человечество значительно глубже, чем мы себе воображаем? Из-за чего в некоторых областях знаний — в маркетинге, продажах, аналитике и обслуживании клиентов — его действие скоро окажется таким глубоким и всепроникающим? Из-за чего это не всего лишь еще одна область программирования?

Из-за чего масштаб, в котором мы можем (либо должны) решать неприятности, уже выходит далеко за пределы фундаментальной стратегии большинства компаний, звучащей приблизительно так: у нас имеется возможность получения большего дохода, но мы не знаем, как воспользоваться преимуществами, так приобретём же еще колес для хомяков, наймем больше хомяков и научим их бежать стремительнее!

Хотелось бы пролить свет на все эти «из-за чего» а также пойти дальше. Цель разрешённой статьи — заставить грани вашего сознания повернуться так, дабы вы решились функционировать проактивно и воспользовались раскрывающимися возможностями как на личном, так и на опытном уровне.

В блоге уже выходила статья на похожую тему, именовалась она «ИИ: использование в маркетинге, вашей жизни и аналитике». Из нее вы имели возможность определить о глобальном максимуме, взять толкование таких понятий, как «ИИ», либо «ИИ» (Artificial Intelligence, AI), машинное обучение (Machine Learning, ML), глубинное изучение (Deep Learning, DL), и прочесть об их применении в отечественной повседневной работе.Возможности искусственного интеллекта: от верблюдов к автомобилям

Сегодняшний же пост организован около следующих 6 пунктов:

  1. В чем, фактически, преимущество?
  2. Стоп! Так мы все «обречены»?!
  3. AI: беседа со скептиком.
  4. Хорошо, хорошо, но что с настоящим? (В опытном замысле.)
  5. Хорошо, хорошо, но что с настоящим? (В личном замысле.)
  6. Выводы.

Вы имеете возможность перепрыгивать между разделами, но сперва прочтите ту часть, что идет сразу же по окончании данного параграфа — не пожалеете. И если вы готовы размять собственный ум, то вперед!

В чем, фактически, преимущество?

Говоря о появляющихся AI-ответах, нужно выделить два особенно замечательных концепта: постоянное коллективное обучение (Collective Continuous Learning) + безграничное знание с самого начала (Complete Day One Knowledge). Они имеют важное значение для размаха революции и усвоения глубины и того, из-за чего сильные стороны AI становятся обстоятельством радикального сдвига за пределы людских возможностей.

Большая часть роботов являются чересчур «машинными», по причине того, что они следуют парадигме «чувство-замысел-действие». Это ограничивает круг дешёвых им действий — вы точно подмечали, как преднамеренными выглядят их перемещения. Команда Гугл приняла для себя стратегию создания робота, что будет изучать сам себя (вместо программирования с предварительно сконфигурированными моделями поведения).

Следуя этому подходу, их исследователи «поручили» однорукому роботу самому обучиться поднимать объекты.

Сначала механизм хватания носил полностью случайный темперамент. Представьте ребенка, чуть осознающего, что в конце плеча у него начинается рука. В видео чуть ниже вы заметите, что роботы редко преуспевают в исполнении данной задачи. 😉

В конце каждого дня планировали эти, употреблявшиеся после этого для обучения глубинной сверточной нейронной сети (Convolutional Neural Network, CNN) умению прогнозировать итог каждого хватательного перемещения. Потом эти знания возвращались к роботу, улучшая его шансы на успех.

Для усвоения интеллектуального поведения потребовалось всего 3 000 роботочасов практики.

Что такое интеллектуальное поведение для однорукого робота, поддерживаемого CNN? Среди другого, возможность изолировать один объект (степлер) для успешного захвата части конструктора Lego, что возможно замечать на 15-й секунде этого видео:

Это кроме этого распознавание способов хватания разных типов объектов (губки для мытья посуды, стирателя с доски либо стакана для воды).

Дух захватывает, в то время, когда воображаешь себе вещь, которая ничего не знала и внезапно чему-то обучилась. Остановитесь на мгновение. Поразмыслите об этом.

Эти роботы начинали с нуля — как ребенок, — а позже сами забрали и разобрались. И достаточно скоро! Это неимеетвозможности не поражать.

Из этого мы можем извлечь 2 урока. Первый относится к глубинному изучению в чистом виде во всей его необычной мощи, и о нем мы уже знали. Второй открывает что-то новое. В опыте было задействовано 14 одноруких роботов. Маленькое число. Все 14 сначала коллективно поставляли эти, включая фиксацию множественных неудач. В конце дня знания, полученные сверточной нейронной сетью, применяли все 14 роботов.

И на следующий сутки все 14 начинали с этого нового уровня коллективной мудрости.

Дабы четко запечатлеть данный урок в вашем сознании, назовем его коллективным обучением. Замечательный инструмент.

Поразмыслите о том, как 14 человек изучают новую задачу. Снятие кожуры с яблока. Либо прокладку пути для железной дороги.

Либо программирование нового, еще более неинтересного меню развлечений для телевизоров на бортах самолетов Air Canada (у них нехорошие развлекательные программы, узнаваемые человечеству).

Любой человек будет делать это по отдельности, как это быть может, и в итоге мы возьмём обычную колоколообразную кривую компетентности. В полной мере быть может, что при наличии соответствующих стимулов люди, показывающие отличных показателей в группе, будут пробовать учить вторых. Обстановка существенно улучшится, в случае если задача начнёт повторяться и не будет потребовать работы воображения / творческой жилки / внутреннего интеллекта.

В случае если задача не будет повторяться и потребует работы воображения / творческой жилки / внутреннего интеллекта, то улучшение, вероятнее, будет маленьким.

В любом случае у людей не будет ничего похожего на коллективное обучение. Нам кроме этого не характерен постоянный замкнутый циклический метод «Сделать что-нибудьПроверить итог (успех либо неудачу)Деятельно обучаться либо улучшать себяВ следующий раз сделать это лучше».

Постоянное коллективное обучение. Немыслимое преимущество, не до конца осмысленное нами.

Перейдем ко второму преимуществу.

Машинное обучение уже меняет большое количество сфер, и особенно весьма интересно происходящее в здравоохранении, от свойства приблизить открытие новых лекарств до немыслимой скорости, с какой способы машинного обучения становятся нужными в диагностике (анализы крови, рентген, изучение раковых опухолей и т.д.).

415 миллионов больных с диабетом во всем мире подвержены риску диабетической ретинопатии (ДР), самой быстрорастущей обстоятельства слепоты. При ранней диагностике заболевание всецело поддается лечению. Проблема заключается в том, что немногие эксперты способны обнаруживать ДР, и их еще меньше в тех частях света, где диабет особенно распространен.

Применяя комплект данных из 128 000 изображений, форсированная научная несколько Гугл научила глубинную нейронную сеть обнаруживать ДР, разбирая фотографии сетчатки. Результаты, полученные методом (тёмная кривая), были несколько лучше, чем у специалистов-офтальмологов (цветные точки).

Вертикальная ось — чувствительность, %. Горизонтальная ось — специфичность, %

В частности, метод имел F-критерий, равный 0,95, а средний F-критерий восьми специалистов-офтальмологов составлял 0,91.

Потому, что для обучения нейронной сети стали дешёвы более богатые комплекты данных и потому, что технологии создания 3D-изображений, такие как оптическая когерентная томография, разрешают более подробно просматривать сетчатку, несложно представить, как преобразующим будет действие применения метода. Миллионы людей, подверженные риску ослепнуть, возьмут доступ к разработкам с ИИ, дающим слово совсем второй финал их жизней — и жизней их семей.

Сравнительно не так давно в издании New Yorker вышла немыслимая статья на эту тему, «Неестественный разум против докторов» (A.I. VERSUS M.D., от 3 апреля 2017 года). Одна из частей поражает воображение.

Метод, созданный Себастьяном Труном, Андре Эстева и Бреттом Купрелом (Sebastian Thrun, Andre Esteva, Brett Kuprel), может найти кератиноцитовую карциному (тип рака кожи), глядя на разные кожные проявления (акне, сыпь, родинку и т.п.). В июне 2015 года он давал верные ответы в 72% случаев, тогда как два дипломированных доктора-дерматолога отвечали правильно довольно тех же изображений в 66% случаев.

С момента публикации отчета ученых в респектабельном издании Nature метод стал еще умнее, обучился определять другие типы рака кожи и последовательно показывает результаты лучше, чем у дерматологов.

Большая часть видов рака являются фатальными, если они обнаруживаются через чур поздно. Представьте, какие конкретно трансформации может внести в нашу жизнь данный метод, в то время, когда на базе облака он станет дешёвым для всех людей через их пять миллиардов смартфонов. Осуществленная мечта: недорогой универсальный доступ к крайне важной диагностической помощи.

Имеется одна недооцененная грань всего этого. Методы для области здравоохранения (включая тот, о котором мы говорили, но не ограничиваясь им) проявляют себя немыслимым образом в патологических случаях с редкими странностями, потому, что они не забывают то, что видели только в один раз либо «редко».

Вот мало контекста для поддержания этого положения.

Дерматолог, практикующий полный рабочий сутки, заметит около 200 000 различных случаев в течение собственной жизни. Каждым новый случай в совершенстве добавит ей либо ему дополнительные знания и повысит диагностические навыки.

Но отечественная неприятность как людей содержится в том, что любой новый представитель медицинской науки начинает практически с нуля. Одни книжки обновляются, вторыми смогут пользоваться дюжина лет. Доктору смогут стать дешёвы новые аналитические — стратегии и методы машины.

Но широта и глубина знаний, купленных дерматологом к концу карьеры по окончании знакомства с 200 000 случаев, будут полностью недоступны новоиспеченному дерматологу. Кроме того если он пройдет интернатуру и пара лет практики в поликлинике, даже если он будет трудиться совместно со ветхим, умелым дерматологом, юный врач будет немногим лучше прошлого, в то время, когда тот чуть покинул университет.

Сейчас обдумайте следующее. Вышеупомянутый метод обработал 130 000 случаев за 3 месяца! И ежедневно он делается лишь умнее, потому, что приобретает все больше новых данных. А вот самая чудесная часть.

Любой новый метод, присоединившийся к уже существующим в сети, будет иметь полный доступ ко всем знаниям из прошлых методов! Назовем эту отправную точку «безграничным знанием с самого начала».

Потому, что он владеет громадным числом данных для обучения и более высокой вычислительной мощностью, он будет становиться все умнее и продолжит наращивать новое познание поверх этого безграничного знания. Следующая версия метода начнет развиваться с данной новой высокой отметки.

При с нами нет ничего похожего на безграничное знание с самого начала. Совместите данный концепт с постоянным коллективным обучением (сетевое оборудование либо ПО, все звенья которого обучаются в одно да и то же время) и через 5 секунд вы осознаете, что мы находимся в новом времени и новом мире.

Независимо от формы AI, он постоянно будет иметь доступ к полному знанию. Посредством сети любой экземпляр будет делать собственных «собратьев» умнее каждое мгновение собственного существования.

Люди просто не смогут соперничать.

И это чертовски важное преимущество.

Остановитесь. Поразмыслите. Если вы хоть чуть-чуть не согласны, прокрутите страницу вверх и опять прочтите данный текст.

Очень принципиально важно, дабы вы осознали все происходящее — но не по причине того, что случится через десятилетие, а по причине того, что сейчас происходит с вашей работой.

Просматривайте кроме этого: AI-разработки обещают революцию в отношениях с клиентами

Стоп! Так мы все «обречены»?!

Зависит от того, что вы имеете в виду под «обречены», но да. Нет. Да, полностью совершенно верно.

ИИ будет иметь огромное преимущество перед людьми в ближайщее время.

Благодаря постоянному всеобъемлющему знанию и коллективному обучению с самого начала (не говоря уже о достижениях в области способов разработки аппаратных и глубинного обучения частей ЭВМ), AI будет лучше справляться с повторяющимися задачами громадного количества.

Из этого первое «да».

Сейчас Neuralink, имплантируемый интерфейс «мозг-компьютер», — это всего лишь концепция. Но многие специалисты (к примеру, Рэй Курцвейл, Ray Kurzweil) уверены в том, что какой-то тип связи между интеллектом и человеческим «мозгом, данными, вычислительной силой в облаке» станет дешёвым людям.

Возможно высказать предположение, что к тому моменту, в то время, когда это случится, в течение следующих многих лет (году, эдак, к, 2050-му), люди смогут добиться паритета с тем AI новой эры. У нас кроме того возможно преимущество в течение некоего времени (все-таки не легко расстаться с мыслью о том, что отечественный мозг особый!).

Из этого ответ «нет».

Ближе ко второй половине текущего столетия, AI опять вернет лидерство — и сохранит его окончательно. Нельзя сказать, будет ли это неспециализированный ИИ (Artificial General Intelligence, AGI) либо некоторый Суперинтеллект (Superintelligence) либо какой-либо второй вариант. Но учитывая то, что все связанные с компьютерами факторы изменяются с экспоненциальной скоростью, нереально, дабы ИИ не превзошел людей и человеческий мозг, со всеми их ограничениями (включая и версию людей, трудящихся с Neuralink).

Вот лишь одно наблюдение от эксперта по AI Юргена Шмидхубера. Нейронные сети, применяемые нами для глубинного обучения, на данный момент имеют около миллиарда нейронных связей. В коре людской мозга их приблизительно 100 000 миллиардов. Компьютеры становятся на порядок стремительнее каждые 5 лет, и в случае если эта тенденция не нарушится, то всего через четверть века покажется нейронная сеть, сравнимая с мозгом человека.

Всего 25 лет.

Из этого ответ «да, мы обречены, полностью совершенно верно».

AI: беседа со скептиком

Само собой разумеется, кое-какие из вас считаюм, что все, что тут написано, мягко говоря, мало невозможно. Вы уже слышали обо всей данной «шумихе» раньше и настроены глубоко скептически (в итоге, ИИ прошел долгий путь через двадцать лет, в течение которых ему не удалось выполнить ни одно обещание). Вам говорили, что разработка Programmatic — это AI, но ей удалось только более действенно и в большем масштабе делать всякую ерунду.

Ваш скептицизм оправдан.

Все мы имеем различное мировоззрение. Но цель той статьи — посредством сравнений и примеров оказать помощь вам в путешествии, требующем мыслить более обширно, а также, подключая скептический взор на вещи.

Хорошо, хорошо, но что с настоящим? (В опытном замысле)

Не обращая внимания на все вышесказанное, в целом неспециализированный взор на будущее оптимистичен (кроме того в случае если человечеству осталось лет 150). Но стоит поболтать о возможностях машинного и глубинного обучения в настоящем. Они будоражат. Столько еще существует вещей, каковые нам тяжело делать, столько возможностей, о которых мы и не подозреваем, столько возможностей делать изнурительную работу стремительнее, легче, лучше

Поделимся несколькими рекомендациями о том, чем вам стоит заняться уже на данный момент, сохраняем надежду, они побудят вас как возможно скорее приступить к применению машинного обучения.

Поболтаем о Саудовской Аравии. Это страна, замечавшая сейчас поразительно стремительную модернизацию. В течение нескольких лет она перешла от верблюдов к машинам. Поразмыслите об этом.

Между этими двумя транспортными средствами не было ни велосипедов, ни паровых двигателей. Саудовцы и сходу поменяли верблюдов на машины! Оцените последствия новшества.

Как раз таковой момент мы на данный момент переживаем в мире бизнеса. ИИ и его применение в аналитике и маркетинге — это как пересесть с вьючного животного на автомобиль. Быть может кроме того на ракету.

Найдутся начальники компаний, с гордостью говорящие о том, как они внедряют ИИ. Но в случае если копнуть, как правило выясняется, что они только заставляют собственных верблюдов идти мало стремительнее.

Это само по себе хорошо — они, непременно, движутся стремительнее. Неприятность в том, что всецело упускается возможность сесть за руль автомобили (а ведь их соперники уже едут в ней).

Принципиально важно знать отличие между этими двумя вариантами развития событий — для выживания компании и сохранения работы.

Вот пара примеров, талантливых оказать помощь по-настоящему усвоить различие между двумя стратегиями.

Если вы переходите от атрибуции по последнему клику (Last-Click Attribution) к опытам с первым кликом (First-Click) либо оценке сотрудничества довольно его времени (Time-Decay), то вы пробуете вынудить верблюда идти стремительнее. Применение атрибуции на базе данных и машинного обучения и связывание данной атрибуции с аккаунтом AdWords, для автоматического ответа о принятия действий в зависимости от DDA-рекомендаций (DDA, Data-Driven Attribution — атрибуция, управляемая данными), — вот это езда на современном автомобиле. (Подробнее о маркетинговой атрибуции возможно прочесть тут.)

Если вы занимаетесь экспериментированием с каждой кнопкой, о которой лишь возможно определить в AdWords, для того чтобы выяснить, как все трудится и доказать повышение конверсий, наряду с этим узко фокусируясь на нескольких главных словах, — вы верблюда. Переход к интеллектуальному таргетингу с применением ML (Smart Targeting), интеллектуальной рекламе (Smart Creative), интеллектуальным торгам (Smart Bidding), берущим прибыль компании в качестве критерия успеха, и автоматической идентификации методом каждого релевантного главного слова — это то же, что ехать на машине.

Комплект новых сотрудников колл-центра в ожидании звонков от потенциальных клиентов — это верблюд. Создание нейронной сети, разбирающей все сведенья компаний, находящиеся в открытом доступе для определения тех, кому может пригодиться долговое финансирование, и проактивное обращение к ним с предложением ваших прекрасных одолжений по финансированию задолженностей — это автомобиль.

Вручную отбирать сайты для показа вашей дисплейной рекламы (Display Ads) посредством таблички, с которой вы любовно возитесь и у которой, кстати, показались новая колонка и новый шрифт по просматриваемости, — это тащить верблюда. Обращению к машинному обучению для алгоритмического вычисления того, где обязана показываться ваша реклама, посредством 5 000 сигналов в настоящем времени для каждого присутствующего в сети человека на базе механизмов понимания людской поведения (погибните, кукис! погибните!) — значит ехать на стремительной машине.

Просить собственного аналитика прекратить попросту изрыгать эти (простите, мы имели в виду, автоматические отчеты) и вместо этого отсылать выводы, полученные методом объединения разных комплектов данных, — ехать на верблюде чуть стремительнее. Просить аналитика присылать вам лишь те эти, что касаются влияния и действий этих действий на бизнес, — водить автомобиль. Попросить его перейти на продукты, включающие машинное обучение, наподобие интеллектуальной аналитики в Гугл Analytics (Analytics Intelligence), с целью определения малоизвестного малоизвестного (Unknown Unknowns) в комбинации с автоматизированными ответами — это уже уровень ракеты.

Если вы шепетильно программируете чат-боты, продумывая 10 различных случаев применения и фиксированные дороги улучшения клиентского сервиса для каждого из этих случаев, — вы заставляете верблюда двигаться стремительнее. В случае если, ища методы ответа появляющихся у клиентов трудностей, вы берете комплекты данных собственной компании, касающиеся продуктов, неприятностей, ответов, успешных одолжений, предлагавшихся ранее, продуктов ваших соперников, сведений о пользователях и т.д., и внедряете их в метод глубинного изучения, талантливого обучаться без кропотливого программирования, — вы едете на автомобиле.

Возможно привести еще 25 аналогичных примеров Но вы уже осознали идея.

Спросите себя, чем из этого занимаетесь лично вы. Это непросто, но такое размышление принесет один из двух хороших результатов:

1. Вы получите разрешение от управленческой команды прекратить тратить время на то, дабы вынудить верблюда ехать стремительнее, и сделаете что-то вправду значимое. Либо

2. Вы осознаете, что компания будет высасывать лучшие соки из вас и вашей карьеры, и нормально начнете искать новое место работы, на котором ваша жизнь наполнится материальными стимулами и смыслом.

Беспроигрышная обстановка.

Так что будьте предельно честны с собой. Сопоставьте комплект текущих приоритетов и самые современные возможности. После этого ответьте на вопрос: пробуете ли вы вынудить верблюда пойти стремительнее либо запрыгиваете в машину?

Тогда как машинное обучение не решило проблему голода в мире, а до общего внедрения AGI еще не один год в первых рядах, на рынке уже сейчас существуют решения для трансформации бизнеса. Применяйте их для обеспечения себе устойчивого конкурентного преимущества.

Просматривайте кроме этого: Развитие ИИ: на пути к Сверхразуму

Хорошо, хорошо, но что с настоящим? (В личном замысле)

В случае если эта статья не внушила вам тревогу довольно вашего опытного пути, то это полная неудача. В итоге, нельзя думать, что может случиться такое огромное количество трансформаций, а ваша работа / карьера не будут глубоко затронуты.

В запасе у людей еще имеется пара лет, в течение которых у нас имеется шанс сделать резкий поворот, деятельно положив в это отечественное время и энергию и переосмыслив вещи. В случае если мы потеряем эту возможность, то выбор будет сделан за нас.

взглянуть на слайд из презентации на эту тему Авинаша Каушика (Avinash Kaushik):

Автомобили — повторяющиеся задачи громадного количества. Люди (на данном этапе) — берутся за новые задачи (творческая работа, профессии, ориентированные на этическое восприятие и эмпатию вещей, должности, где очень принципиально важно мочь проводить узкую грань между качественными и некачественными данными)

Данный слайд коротко резюмирует, для каких функций в скором времени оптимальнееподойдут «автомобили», а для каких — люди. Повторяющиеся задачи громадного количества против ответа ранее не существовавших задач.

Рекомендуем вам держаться светло синий границы в это же время, что суждено роботам и нам, и выходить за нее. Это будет придавать актуальность вашим умениям еще лет 10, быть может, чуть больше. Дальше этого срока все до тех пор пока неопределено.

Выводы

Сохраняем надежду, вы встречаете новое с позитивом. Инновации, происходящие около нас, и широта их применения не смогут не воодушевлять. в первых рядах раскрывается целый ряд возможностей для нас, для решения проблем личного и делового характера, для ответов на вопросы, касающихся как людей, так и отечественной драгоценной планеты.

Что касается сфер маркетинга, аналитики, продаж и услуг, на данный момент возможно определенно заявить, что трансформации уже имеют место быть, и еще громадные предстоят в скором времени.

Высоких вам конверсий!

По данным: kaushik.net Источник картины: Aoda Jordan

Случайные статьи:

Илон Маск искусственный интеллект может угрожать человечеству


Подборка похожих статей:

riasevastopol

More Posts