Как начать работу с машинным обучением и искусственным интеллектом

Мэтт Форд — 22 июня 2022 г., 13:00 UTC

Еще в 1950-х годах, на заре того, что мы сейчас называем искусственным интеллектом, велись споры о том, как назвать эту область. Герберт Саймон, соавтор машины логической теории и решения общих задач, утверждал, что эта область должна иметь гораздо более безобидное название «сложная обработка информации». Это, конечно, не внушает того благоговения, которое вызывает «искусственный интеллект», и не передает идею о том, что машины могут думать, как люди.

Однако «сложная обработка информации» — гораздо лучшее описание того, что на самом деле представляет собой искусственный интеллект: анализ сложных наборов данных и попытка сделать выводы из этой кучи. Некоторые современные примеры искусственного интеллекта включают распознавание речи (в виде виртуальных помощников, таких как Siri или Alexa) и системы, которые определяют, что изображено на фотографии, или рекомендуют, что купить или посмотреть дальше. Ни один из этих примеров не сравним с человеческим интеллектом, но они показывают, что мы можем делать замечательные вещи при достаточной обработке информации.

Назовем ли мы эту область «сложной обработкой информации» или «искусственным интеллектом» (или более зловеще в духе Скайнета «машинным обучением»), не имеет значения. Огромный объем работы и человеческая изобретательность были потрачены на создание совершенно невероятных приложений. В качестве примера рассмотрим GPT-3, модель глубокого обучения для естественных языков, которая может генерировать текст, неотличимый от текста, написанного человеком (но также может пойти не так, как надо). Он поддерживается моделью нейронной сети, которая использует более 170 миллиардов параметров для моделирования человеческого языка.

На основе GPT-3 создан инструмент под названием Dall-E, который создаст изображение любой фантастической вещи по запросу пользователя. Обновленная версия инструмента Dall-E 2 2022 года позволяет вам пойти еще дальше, поскольку она может «понимать» стили и концепции, которые являются весьма абстрактными. Например, если попросить Dall-E визуализировать «астронавта верхом на лошади в стиле Энди Уорхола», получится ряд изображений, подобных этому:

Dall-E 2 не выполняет поиск в Google для поиска похожего изображения; он создает картинку на основе своей внутренней модели. Это новый образ, построенный исключительно из математики.

Не все приложения ИИ настолько революционны, как эти. Искусственный интеллект и машинное обучение находят применение практически во всех отраслях. Машинное обучение быстро становится обязательным во многих отраслях, обеспечивая работу во всем: от рекомендательных систем в розничном секторе до безопасности трубопроводов в нефтегазовой отрасли, а также диагностики и конфиденциальности пациентов в сфере здравоохранения. Не у каждой компании есть ресурсы для создания таких инструментов, как Dall-E, с нуля, поэтому существует большой спрос на доступные и доступные наборы инструментов. Задача удовлетворения этого спроса имеет параллели с первыми днями развития бизнес-вычислений, когда компьютеры и компьютерные программы быстро становились технологиями, необходимыми бизнесу. Хотя не всем нужно разрабатывать следующий язык программирования или операционную систему, многие компании хотят использовать возможности этих новых областей обучения, и им нужны аналогичные инструменты, которые могут им помочь.