Что такое искусственный интеллект?

Искусственным интеллектом (ИИ) в широком смысле называется любое поведение машин или систем, схожее с человеческим. Наиболее простой формой ИИ является «имитация» компьютерами поведения человека на основе обширных данных прошлых примеров аналогичного поведения. Деятельность при этом может быть самой разной — от нахождения различий между кошкой и птицей до выполнения сложных действий на производственном предприятии.

Узнайте больше об искусственном интеллекте

Идет ли речь о глубоком обучении, стратегическом мышлении или другом виде ИИ, в основе его использования всегда лежат ситуации, требующие мгновенной реакции. Благодаря ИИ машины могут работать эффективно и быстро анализировать огромные объемы данных, решая задачи на основе обучения с учителем, без учителя или с подкреплением.

Ранние этапы развития ИИ

Ранние формы ИИ позволяли компьютерам играть против людей, например, в шашки, но в наше время ИИ вошел в повседневную жизнь. Решения ИИ используются для контроля качества, видеоаналитики, преобразования речи в текст (обработки естественного языка) и автономного вождения, а также в сфере здравоохранения, производства, финансовых услуг и развлечений.

Мощный инструмент для предприятий и организаций

Технологии ИИ обеспечивают мощный инструментарий как для крупных корпораций, генерирующих значимые данные, так и для небольших организаций, которым необходимо более эффективно обрабатывать звонки клиентов. Например, они помогают оптимизировать бизнес-процессы, быстрее выполнять задачи и устранять человеческие ошибки.

Технологии ИИ на периферии

Компания HPE открывает новые горизонты в области ИИ, используя данные и аналитику на периферии. Наши решения на основе технологии ИИ с аналитикой в режиме реального времени для автоматизации, прогнозирования и контроля помогают клиентам быстрее реализовывать весь потенциал данных и использовать безграничные возможности для инноваций, роста и успеха.

Краткая история искусственного интеллекта

До 1949 года компьютеры могли выполнять команды, но не могли запоминать, что они делали, поскольку не умели хранить эти команды. В 1950 году Алан Тьюринг в своей работе «Вычислительные машины и разум» поднял вопрос о том, как создавать интеллектуальные машины и проверять их интеллект. Пятью годами позже была представлена первая программа ИИ в рамках Дартмутского летнего семинара по вопросам искусственного интеллекта. Это мероприятие стало катализатором исследований ИИ на следующие несколько десятилетий.

В период с 1957 по 1974 год компьютеры стали быстрее, дешевле и доступнее. Алгоритмы машинного обучения стали совершеннее, и в 1970 году один из организаторов Дартмутского семинара сообщил журналу Life Magazine, что через три-восемь лет появится машина с общим интеллектом среднестатистического человека. Несмотря на успешное развитие компьютерных технологий в течение следующего десятилетия, созданию искусственного интеллекта препятствовала неспособность компьютеров эффективно хранить и быстро обрабатывать информацию.

Работа над созданием ИИ продолжилась в 1980-х годах, когда расширился набор алгоритмических инструментов и были выделены дополнительные финансовые средства. Джон Хопфилд и Дэвид Румельхарт представили методы «глубокого обучения», позволяющие компьютерам учиться на основе опыта. Эдвард Фейгенбаум представил «экспертные системы», имитирующие принятие решений человеком. Несмотря на недостаток государственного финансирования и отсутствие общественного ажиотажа, технологии ИИ процветали, и в следующие два десятилетия было достигнуто множество важных целей. В 1997 году действующий чемпион мира по шахматам и гроссмейстер Гарри Каспаров потерпел поражение от компьютерной программы для игры в шахматы Deep Blue от IBM. В том же году на базе Windows было выпущено программное обеспечение для распознавания речи, разработанное компанией Dragon Systems. Кроме того, Синтия Бризил создала Кисмета — робота, способного распознавать и выражать эмоции.

В 2016 году программа AlphaGo от Google выиграла матч у профессионального игрока в го Ли Седоля, а в 2017 году покерный суперкомпьютер Libratus одержал победу над сильнейшими игроками.

Виды искусственного интеллекта

Технологии ИИ подразделяются на две основные категории: на основе функций и на основе возможностей.

 

На основе функций

  • Реактивные машины. У таких систем ИИ нет памяти и они не способны учиться на прошлых действиях. Типичным представителем является система Deep Blue от IBM.
  • Ограниченная память. Благодаря добавлению памяти эти системы ИИ используют прошлую информацию, чтобы эффективнее принимать решения. К этой категории относятся, к примеру, приложения для определения местоположения с использованием GPS.
  • Теория разума. Эти системы ИИ все еще находятся в стадии разработки. Они должны обладать глубоким пониманием человеческого разума.
  • ИИ с самосознанием. Такие системы ИИ должны понимать и выражать человеческие эмоции, а также иметь собственные. На данном этапе эти системы находятся на уровне гипотетических проектов.
     

На основе возможностей

  • Искусственный интеллект узкого назначения (слабый ИИ). Это система, запрограммированная на выполнение одной узкоспециализированной задачи. Этот ИИ представляет собой комбинацию реактивной машины и ограниченной памяти. К этой категории относится большинство современных ИИ-приложений.
  • Искусственный интеллект общего назначения (сильный ИИ). Эти системы ИИ способны тренироваться, учиться, понимать и действовать, как человек.
  • Супер-ИИ. Этот ИИ выполняет задачи лучше, чем люди, благодаря превосходным способностям в таких областях, как обработка данных, память и принятие решений. В настоящее время таких систем не существует.

 

Взаимосвязь между искусственным интеллектом, машинным обучением и глубоким обучением

Искусственный интеллект — это отрасль информатики, которая пытается создать машину с человеческим интеллектом. Системы ИИ работают на основе алгоритмов, использующих такие методы, как машинное и глубокое обучение, для демонстрации «разумного» поведения.

 

Машинное обучение
Компьютер «обучается», когда его программное обеспечение способно успешно прогнозировать сценарии и реагировать на них с учетом предыдущих результатов. Машинное обучение — это процесс, происходящий в компьютерах, когда они разрабатывают механизм распознавания шаблонов, или способность непрерывного обучения и составления таких прогнозов на основе данных, а также способность внесения соответствующих корректировок без какого-либо дополнительного программирования. Будучи одной из форм искусственного интеллекта, машинное обучение эффективно автоматизирует процесс построения аналитической модели и позволяет компьютерам независимо адаптироваться к новым сценариям.

Процесс создания модели машинного обучения состоит из четырех этапов:
1. Выбор и подготовка набора данных для обучения, необходимых для решения задачи. Данные могут быть размеченными или неразмеченными.
2. Выбор алгоритма для работы с данными для обучения.

  • Для размеченных данных могут использоваться такие алгоритмы, как регрессия, дерево решений или обучение на примерах.
  • Для неразмеченных данных могут использоваться такие алгоритмы, как кластеризация, ассоциация или нейросеть.

3. Обучение алгоритма для создания модели.
4. Использование и усовершенствование модели.

Существует три метода машинного обучения: «Контролируемое обучение» имеет дело с помеченными данными и требует меньше инструкций. Обучение «без привлечения учителя» используется для классификации непомеченных данных путем определения шаблонов и взаимосвязей. Обучение «с частичным привлечением учителя» использует небольшие наборы помеченных данных для классификации более крупных наборов непомеченных данных.

 

Глубокое обучение
Глубокое обучение — это разновидность машинного обучения, которая в последнее время демонстрирует значительное повышение производительности на фоне ряда традиционных подходов к машинному обучению. Глубокое обучение представляет собой комбинацию многоуровневых искусственных нейронных сетей, процессов обучения, в которых задействованы большие объемы данных и вычислительных ресурсов, а также новейшее понимание принципов работы человеческого мозга. Этот подход продемонстрировал настолько высокую эффективность, что позволил превзойти человеческие способности во многих областях, таких как распознавание образов и речи, а также обработка естественной речи.

Модели глубокого обучения обрабатывают большие объемы данных и обычно выполняются без учителя или с частичным привлечением учителя.

Повышение эффективности и конкурентного преимущества на основе данных с помощью современных приложений ИИ

После сотен лет теоретических изысканий, десятков лет исследований и нескольких лет рекламы искусственный интеллект наконец-то начал проникать на предприятия, где планируется его широкое распространение. Последний опрос показал, что 50% респондентов развернули инициативу ИИ, находятся на этапе проверки концепции или планируют развертывание в течение следующего года%D0%A0%D1%83%D0%BA%D0%BE%D0%B2%D0%BE%D0%B4%D1%81%D1%82%D0%B2%D0%BE%20%D0%BF%D0%BE%20%D0%B2%D0%BD%D0%B5%D0%B4%D1%80%D0%B5%D0%BD%D0%B8%D1%8E%20%D0%98%D0%98%20%D0%BD%D0%B0%20%D0%BF%D1%80%D0%B5%D0%B4%D0%BF%D1%80%D0%B8%D1%8F%D1%82%D0%B8%D0%B8%3A%20%D1%81%D1%86%D0%B5%D0%BD%D0%B0%D1%80%D0%B8%D0%B8%20%D0%B8%D1%81%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D1%80%D0%B5%D0%BE%D0%B4%D0%BE%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%BE%D1%81%D0%BD%D0%BE%D0%B2%D0%BD%D1%8B%D1%85%20%D0%BF%D1%80%D0%B5%D0%BF%D1%8F%D1%82%D1%81%D1%82%D0%B2%D0%B8%D0%B9%20%D0%BF%D1%80%D0%B8%20%D0%B2%D0%BD%D0%B5%D0%B4%D1%80%D0%B5%D0%BD%D0%B8%D0%B8%2C%20451%20Research%2C%20%D0%BE%D1%82%D1%87%D0%B5%D1%82%20Pathfinder%2C%20%D0%B8%D1%8E%D0%BB%D1%8C%202019%20%D0%B3..

 

С чем связано ускорение темпов распространения ИИ в организациях
Причиной является сочетание нескольких факторов: достижения в области алгоритмов, широкое распространение цифровых наборов данных и усовершенствование вычислительных процессов (в том числе увеличение вычислительной мощности и снижение стоимости). Все это позволило создать новое поколение технологий ИИ, готовых к использованию в организациях. Почти у всех организаций есть непрерывно растущие «горы» данных, а ИИ позволяет анализировать их в требуемом масштабе.

Другая причина, по которой ИИ уготовано стать основой предприятия, заключается в том, что он является краеугольным камнем процесса цифровой трансформации. ИИ — универсальная технология, которая может оптимизировать эффективность и прозрачность практически любого бизнес-процесса — от операций по обслуживанию клиентов и обеспечения физической и кибербезопасности до функций НИОКР и процессов бизнес-аналитики.

 

Современные приложения для ИИ
ИИ обладает уникальной способностью извлекать значение данных, когда можно определить, как выглядит ответ, но не как его получить. Искусственный интеллект может расширить человеческие возможности, которые трансформируют экспоненциально увеличивающиеся в объемах данные в идеи, действия и выгоду.

Сегодня ИИ используется во множестве приложений в различных отраслях, включая здравоохранение, производство и правительство. Вот несколько конкретных примеров использования:

  • Регламентированное обслуживание и контроль качества повышает производительность, оптимизирует производство и розничные продажи с помощью открытой инфраструктуры ИТ/ ОТ. Интегрированные решения обеспечивают наилучшие решения по обслуживанию, автоматизируют действия и оптимизируют процессы управления путем внедрения методик компьютерной обработки изображений на базе ИИ.
  • При обработке речи и языка неструктурированные звуковые данные трансформируются в аналитические данные. Автоматизируется распознавание устной и письменной речи с помощью компьютеров путем обработки естественного языка, преобразования речи в текст, биометрического поиска или оперативного мониторинга вызовов.
  • Видеонаблюдение и аналитика  позволяют автоматически анализировать видео для обнаружения событий, получения персональных данных, сведений об окружающей среде и людях, а также оперативной информации. Это решение использует системы видеоаналитики для всей инфраструктуры, для самых разных рабочих задач и условий эксплуатации.
  • Высокая степень автоматизации транспорта обеспечивается на базе масштабируемой платформы приема данных, чтобы позволить разработчикам создать оптимальное высокоавтономное решение для вождения, настроенное для использования сервисов с открытым исходным кодом, машинного обучения и нейронных сетей с глубоким обучением.
     

Результат поиска подходящего партнера по ИИ
Важной частью планирования внедрения ИИ на предприятии является поиск партнера, который понимает, на каком этапе находится организация и может помочь наметить путь для достижения ближайших и долгосрочных целей.

Подходящий партнер может помочь раскрыть ценность данных в масштабах всего предприятия для проведения трансформации и развития бизнеса. Ищите партнера, который сможет:

  • Комплексные решения для упрощения инфраструктуры и поддержки интеграции с существующей средой
  • Консультационные и профессиональные услуги
  • Локальные, облачные и гибридные варианты, которые учитывают расположение команды, потребности в доступе, безопасность и ограничения по стоимости.
  • Масштабируемые системы в соответствии с текущими и будущими потребностями
  • Компетентная партнерская экосистема с отраслевыми решениями

Решения ИИ от HPE предоставляют аналитические данные по запросу в любом масштабе

Для трансформации бизнеса требуется использование аналитического ИИ в реальном времени для проактивного контроля, профилактического обслуживания, автономизации процессов и получения аналитической информации для принятия значимых решений. ИИ в Intelligent Edge позволяет предприятиям быстрее извлекать выгоду из данных и получать безграничные возможности для инноваций и роста.

HPE сотрудничает с организациями, чтобы в полной мере использовать возможности данных с помощью новых решений ИИ, управляя аналитическими данными на периферии по необходимости.

 

Причины выбора решений HPE для ИИ
С HPE, как партнером по ИИ, заказчики получат:

 

Передовые инновационные технологические решения
Решения HPE на основе результатов специально предназначены для ИИ и разработаны экспертами для интеллектуальных вычислений.

 

Специалисты ИИ
Примеры моделей обслуживания и развертывания, основанных на глубоких знаниях и опыте работы:

 

Конкурентное преимущество ИИ
Сильные стороны HPE позволяют нашим заказчикам получить преимущества для бизнеса, обеспечивая:

  • Работу на периферии с аналитическими возможностями в реальном времени для автоматизации, прогнозирования и контроля
  • Передовые практические решения для создания ценности, бизнес-возможностей, моделей и улучшения обслуживания заказчиков
  • Партнерство в сфере ИТ и операционных технологий (ОТ), которое повышает эффективность работы и сокращает время получения аналитических данных

 

ИИ HPE охватывает несколько отраслей
Платформа ИИ от HPE помогает предприятиям во всех отраслях получать аналитические данные на периферии с помощью специально разработанных технологий. Организации используют искусственный интеллект на периферии, чтобы поддерживать связь, гарантировать автономность, управлять большими объемами данных и устанавливать события, зависящие от времени. Сценарии использования включают обработку естественного языка, видеоаналитику, обеспечение качества, видеонаблюдение, поддержание безопасности и анализ отзывов клиентов в разных организациях (от больниц и лабораторий до складов и производственных предприятий).

Организации в сфере здравоохранения и медико-биологических наук о жизни используют ИИ-решения HPE, чтобы получить доступ к медицинской информации и обеспечить новый уровень обслуживания на периферии. Эти решения могут использоваться как в портативных устройствах для мониторинга состояния здоровья и персонализированного здравоохранения, так и в практической медицине и подключенном здравоохранении. ИИ на периферии также используется в обучении для распределенных открытий и в других сферах применения для стимулирования медицинских исследований и научных открытий.

В производстве ИИ-решения HPE помогают повысить производительность и общую эффективность оборудования (OEE) на периферии. К примерам использования относятся интеллектуальные операции, прогнозная аналитика активов и процессов в цепочке поставок и моделирование с помощью ИИ.