Inteligencia artificial: cómo y dónde estudiar - responden los expertos.
Inteligencia artificial: cómo y dónde estudiar - responden los expertos
“Quiero hacer IA. ¿Qué vale la pena estudiar? ¿Qué idiomas usar? ¿En qué organizaciones estudiar y trabajar?
Nos dirigimos a nuestros expertos para obtener aclaraciones y presentamos las respuestas que recibimos para su atención.
Depende de tu formación básica. En primer lugar, necesitas una cultura matemática (conocimientos de estadística, teoría de la probabilidad, matemáticas discretas, álgebra lineal, análisis, etc.) y ganas de aprender mucho rápidamente. La implementación de métodos de IA requerirá programación (algoritmos, estructuras de datos, programación orientada a objetos, etc.).
Diferentes proyectos requieren el conocimiento de diferentes lenguajes de programación. Recomendaría saber al menos Python, Java y cualquier lenguaje funcional. La experiencia con varias bases de datos y sistemas distribuidos será útil. Se requiere dominio del inglés para aprender rápidamente las mejores prácticas en la industria.
¡Recomiendo estudiar en buenas universidades rusas! Por ejemplo, el Instituto de Física y Tecnología de Moscú, la Universidad Estatal de Moscú, la Escuela Superior de Economía tienen departamentos correspondientes. Hay disponible una amplia variedad de cursos temáticos en Coursera, edX, Udacity, Udemy y otras plataformas MOOC. Algunas organizaciones líderes tienen sus propios programas de capacitación en el campo de la IA (por ejemplo, la Escuela de Análisis de Datos de Yandex).
Los problemas aplicados resueltos por métodos de IA se pueden encontrar en una amplia variedad de lugares. Los bancos, el sector financiero, la consultoría, el comercio minorista, el comercio electrónico, los motores de búsqueda, los servicios de correo, la industria del juego, la industria de los sistemas de seguridad y, por supuesto, Avito, todos necesitan especialistas de diversas calificaciones.
Actualizar Downgrade
Tenemos un proyecto de fintech relacionado con el aprendizaje automático y la visión por computadora, en el que su primer desarrollador escribió todo en C ++, luego entró un desarrollador que reescribió todo en Python. Entonces, el idioma no es lo más importante aquí, ya que el idioma es ante todo una herramienta, y cómo lo usas depende de ti. Es solo que en algunos idiomas es más rápido resolver problemas, mientras que en otros es más lento.
Es difícil decir dónde estudiar: todos nuestros muchachos estudiaron solos, ya que existe Internet y Google.
Actualizar Downgrade
Puedo aconsejarte desde el principio que te prepares para el hecho de que tendrás que estudiar mucho. Independientemente de lo que se entienda por "hacer IA": trabajar con big data o redes neuronales; desarrollo de tecnología o soporte y entrenamiento de un determinado sistema ya desarrollado.
Tomemos la profesión de moda de científico de datos por el bien de los detalles. ¿Qué está haciendo esta persona? En general, recopila, analiza y prepara grandes datos para su uso. Exactamente aquellos sobre los que crece y entrena la IA. ¿Qué debe saber y ser capaz de hacer un científico de datos? Análisis estático y modelado matemático: por defecto y en el nivel de fluidez. Idiomas: digamos, R, SAS, Python. También sería bueno tener algo de experiencia en desarrollo. Bueno, en términos generales, un buen científico de datos debe tener confianza en la base de datos, los algoritmos y la visualización de datos.
No quiere decir que tal conjunto de conocimientos pueda obtenerse en una de cada dos universidades técnicas del país. Las grandes empresas que priorizan el desarrollo de IA entienden esto y desarrollan programas de capacitación apropiados para ellas mismas; existe, por ejemplo, la Escuela de Análisis de Datos de Yandex. Pero debes ser consciente de que esta no es la escala en la que vienes a los cursos "de la calle", sino que los dejas como un junior listo para usar. La capa es grande, y tiene sentido ir a estudiar en la disciplina cuando la base (matemáticas, estadística) ya está cubierta, al menos en el marco del programa universitario.
Sí, llevará tiempo. Pero el juego vale la pena, porque un buen científico de datos es muy prometedor. Y muy caro También hay otro punto. La inteligencia artificial es, por un lado, ya no solo un objeto de exageración, sino una tecnología que ha alcanzado un nivel de productividad. Por otro lado, la IA aún se está desarrollando. Este desarrollo requiere muchos recursos, muchas habilidades y mucho dinero. Hasta ahora, este es el nivel de las ligas mayores. Voy a decir lo obvio ahora, pero si quieres estar al frente del ataque e impulsar el progreso con tus propias manos, apunta a una empresa como Facebook o Amazon.
Al mismo tiempo, la tecnología ya se está utilizando en varias áreas: en el sector bancario, en telecomunicaciones, en empresas industriales gigantes y en el comercio minorista. Y ya se necesita gente que pueda apoyarlo. Gartner predice que para 2020, el 20% de todas las empresas en los países desarrollados contratarán empleados especiales para entrenar las redes neuronales utilizadas en estas empresas. Así que todavía hay algo de tiempo para aprender por tu cuenta.
Actualizar Downgrade
La IA ahora se está desarrollando activamente, y es difícil predecirlo dentro de diez años. Los enfoques basados en redes neuronales y computación basada en GPU dominarán durante los próximos dos o tres años. El líder en esta área es Python con el entorno interactivo Jupyter y las bibliotecas numpy, scipy y tensorflow.
Hay muchos cursos en línea que brindan una comprensión básica de estas tecnologías y los principios generales de la IA, como el curso de Andrew Ng. Y en cuanto a la enseñanza de este tema ahora en Rusia, lo más efectivo es el autoaprendizaje o en un grupo de interés local (por ejemplo, en Moscú, sé que hay al menos un par de grupos donde las personas comparten su experiencia y conocimiento).
Actualizar Downgrade
Actualizar Downgrade
Hasta la fecha, la parte de la inteligencia artificial que progresa más rápidamente son, quizás, las redes neuronales.
El estudio de las redes neuronales y la IA debe comenzar con el desarrollo de dos secciones de las matemáticas: el álgebra lineal y la teoría de la probabilidad. Este es un mínimo obligatorio, pilares inquebrantables de inteligencia artificial. Los solicitantes que quieran aprender los conceptos básicos de la IA, al elegir una universidad, en mi opinión, deben prestar atención a las facultades con una sólida escuela de matemáticas.
El siguiente paso es estudiar la problemática del tema. Hay una enorme cantidad de literatura, tanto educativa como especial. La mayoría de las publicaciones sobre el tema de la inteligencia artificial y las redes neuronales están escritas en inglés, pero también se publican materiales en ruso. Se puede encontrar literatura útil, por ejemplo, en la biblioteca digital pública arxiv.org.
Si hablamos de las áreas de actividad, aquí podemos distinguir el entrenamiento de redes neuronales aplicadas y el desarrollo de variantes completamente nuevas de redes neuronales. Un ejemplo sorprendente: ahora hay una especialidad tan popular: "Científico de datos" (Científico de datos). Estos son desarrolladores que, por regla general, se dedican al estudio y preparación de ciertos conjuntos de datos para entrenar redes neuronales en áreas específicas y aplicadas. En resumen, me gustaría enfatizar que cada especialización requiere una ruta de capacitación separada.
Actualizar Downgrade
Antes de embarcarse en cursos de perfil reducido, debe estudiar álgebra lineal y estadística. Le aconsejaría que comenzara a sumergirse en la IA con el libro de texto “Aprendizaje automático. La ciencia y el arte de construir algoritmos que extraen conocimiento de los datos es una buena guía para principiantes. En Coursera, deberías escuchar las conferencias introductorias de K. Vorontsov (enfatizo que requieren un buen conocimiento de álgebra lineal) y el curso de Machine Learning en la Universidad de Stanford, que es impartido por Andrew Ng, profesor y director del Baidu AI Group. /Google Cerebro.
La mayor parte está escrita en Python, seguida de R, Lua.
Si hablamos de instituciones educativas, es mejor inscribirse en cursos en los departamentos de matemáticas aplicadas e informática, existen programas educativos adecuados. Para poner a prueba tus habilidades, puedes participar en los concursos de Kaggle, donde las principales marcas mundiales ofrecen sus casos.
Actualizar Downgrade
En cualquier caso, antes de embarcarse en proyectos, sería bueno hacerse una base teórica. Hay muchos lugares donde puede obtener una maestría formal en este campo o mejorar sus habilidades. Por ejemplo, Skoltech ofrece programas de maestría en Ciencias Computacionales e Ingeniería y Ciencia de Datos, que incluyen cursos en Aprendizaje Automático y Procesamiento de Lenguaje Natural. También podemos mencionar el Instituto de Sistemas Cibernéticos Inteligentes de la Universidad Nacional de Investigación Nuclear MEPhI, la Facultad de Matemática Computacional y Cibernética de la Universidad Estatal de Moscú y el Departamento de Sistemas Inteligentes del Instituto de Física y Tecnología de Moscú.
Si la educación formal ya existe, hay una serie de cursos en varias plataformas MOOC. Por ejemplo, EDx.org ofrece cursos de inteligencia artificial de Microsoft y la Universidad de Columbia, la última de las cuales ofrece un programa de micromaestría a un costo modesto. Me gustaría enfatizar que, por lo general, puede obtener el conocimiento en sí mismo de forma gratuita, el pago es solo por un certificado si es necesario para su currículum.
Si desea "profundizar" en el tema, varias empresas en Moscú ofrecen intensivos de una semana con ejercicios prácticos e incluso ofrecen equipos para experimentos (por ejemplo, newprolab.com), sin embargo, el precio de dichos cursos es de varias decenas de miles de rublos.
De las empresas que desarrollan Inteligencia Artificial, probablemente conozcas a Yandex y Sberbank, pero hay muchas otras de varios tamaños. Por ejemplo, esta semana el Ministerio de Defensa inauguró la Tecnópolis de Innovación Militar ERA en Anapa, uno de cuyos temas es el desarrollo de IA para necesidades militares.
Actualizar Downgrade
Antes de estudiar inteligencia artificial es necesario resolver una cuestión fundamental: tomar la pastilla roja o la azul.
La píldora roja es convertirse en desarrollador y sumergirse en el mundo cruel de los métodos estadísticos, los algoritmos y la comprensión constante de lo desconocido. Por otro lado, no es necesario precipitarse inmediatamente en el "agujero de conejo": puede convertirse en gerente y crear IA, por ejemplo, como gerente de proyecto. Estos son dos caminos fundamentalmente diferentes.
El primero es excelente si ya ha decidido que escribirá algoritmos de inteligencia artificial. Luego, debe comenzar con la dirección más popular hoy en día: el aprendizaje automático. Para hacer esto, necesita conocer los métodos estadísticos clásicos de clasificación, agrupación y regresión. También te será de utilidad para familiarizarte con las principales medidas para evaluar la calidad de una solución, sus propiedades... y todo lo que se presente en el camino.
Solo después de dominar la base, vale la pena estudiar métodos más especiales: árboles de decisión y conjuntos de ellos. En esta etapa, debe profundizar en las formas básicas de construir y entrenar modelos: están ocultos detrás de las palabras apenas decentes bagging, boosting, stacking o blending.
También vale la pena conocer los métodos para controlar el reentrenamiento de modelos (otro "ing" es el sobreajuste).
Y, finalmente, el mismísimo nivel Jedi: obtener conocimientos altamente especializados. Por ejemplo, el aprendizaje profundo requerirá dominar las arquitecturas básicas y los algoritmos de descenso de gradiente. Si está interesado en tareas de procesamiento de lenguaje natural, le recomiendo estudiar redes neuronales recurrentes. Y los futuros creadores de algoritmos para procesar imágenes y videos deberían profundizar en las redes neuronales convolucionales.
Las dos últimas estructuras mencionadas son los componentes básicos de las arquitecturas populares de hoy: redes antagónicas (GAN), redes relacionales, redes combinadas. Por lo tanto, será útil estudiarlos, incluso si no planea enseñarle a la computadora a ver o escuchar.
Un enfoque muy diferente para aprender sobre la IA, también conocida como la "píldora azul", comienza encontrándose a uno mismo. La inteligencia artificial da lugar a un montón de tareas y profesiones completas: desde gerentes de proyectos de IA hasta ingenieros de datos que pueden preparar datos, limpiarlos y construir sistemas escalables, de alta carga y tolerantes a fallas.
Entonces, con un enfoque "gerencial", primero debe evaluar sus habilidades y antecedentes, y solo luego elegir dónde y qué estudiar. Por ejemplo, incluso sin una mentalidad matemática, puede diseñar interfaces y visualizaciones de IA para algoritmos inteligentes. Pero prepárate: en 5 años, la inteligencia artificial comenzará a trolearte y llamarte “humanista”.
Los principales métodos de ML se implementan como bibliotecas listas para usar disponibles para conectarse en diferentes idiomas. Los lenguajes más populares en ML hoy en día son: C++, Python y R.
Hay muchos cursos tanto en ruso como en inglés, como los cursos Yandex School of Data Analysis, SkillFactory y OTUS. Pero antes de invertir tiempo y dinero en capacitación especializada, creo que vale la pena “entrar en el tema”: ver conferencias abiertas en YouTube de las conferencias DataFest de los últimos años, tomar cursos gratuitos de Coursera y Habrahabra.
Las noticias sobre nuevos desarrollos en el campo de la inteligencia artificial aparecen con una frecuencia envidiable. Entonces, en enero de este año, Google anunció sus planes de asociarse con Movidius para crear procesadores móviles con capacidades de aprendizaje automático. Los objetivos declarados de la asociación son proporcionar a las personas capacidades de inteligencia artificial en sus dispositivos portátiles. Y en febrero, los ingenieros del MIT ya presentaron el procesador Eyeriss, gracias al cual la inteligencia artificial puede aparecer en dispositivos portátiles. Y esto en el contexto del hecho de que el volumen de inversiones en el desarrollo de sistemas de inteligencia artificial crece año tras año.
Todo apunta a que pronto la inteligencia artificial penetrará en nuestros smartphones, que en serio “se volverán más inteligentes”. ¿Así que no lejos del levantamiento de las máquinas? Cuán inteligentes deben ser las máquinas para tomar el poder sobre las personas. Y lo real que es.
IA uno, IA dos, IA tres
Cuando leemos o escuchamos sobre inteligencia artificial, muchos de nosotros imaginamos SkyNet y las máquinas de la famosa película Terminator. ¿Qué invierten los investigadores y desarrolladores en este concepto?
Hay tres tipos de IA que tenemos o podemos tener que crear:
Inteligencia artificial de enfoque estrecho. Esto es lo que pronto recibiremos en nuestros nuevos smartphones. Tal inteligencia es superior a la humana en ciertas actividades u operaciones. Un ordenador con inteligencia artificial altamente especializada es capaz de vencer a un campeón mundial de ajedrez, aparcar un coche o recoger los resultados más relevantes en un buscador.
El poder de tal inteligencia artificial radica en las capacidades computacionales de los procesadores. Cuantas más oportunidades, más eficazmente se resuelven las tareas. Y ahora no hay problemas con el crecimiento de la potencia del procesador. La IA estrecha, en la filosofía de la inteligencia artificial (hay una) se llama débil.
Pero las capacidades computacionales por sí solas, según los científicos, no son suficientes para crear máquinas verdaderamente inteligentes. Aunque fue un caso ficticio de una transición espontánea de una inteligencia artificial débil a una fuerte que formó la base del guión de las películas de Terminator. SkyNet, la supercomputadora del Departamento de Defensa de EE. UU. diseñada para controlar el sistema de defensa antimisiles, cobra conciencia y comienza a tomar sus propias decisiones.
Inteligencia artificial general. Si ya hemos creado sistemas con IA de enfoque limitado y hemos encontrado aplicaciones prácticas para ellos, entonces con IA general todo es mucho más complicado. Este tipo de IA ya es inteligencia a nivel humano. Es versátil y capaz de realizar las mismas operaciones intelectuales que el cerebro humano.
Si en nuestra vida vemos robots completamente humanoides, entonces tendrán este tipo de inteligencia. Piensa en el androide Andrew de la película Bicentennial Man de Chris Columbus. Los robots con tal IA podrán aprender, pensar y tomar decisiones de forma independiente como las personas. Podrán entablar relaciones con las personas que los rodean, convertirse en amigos y ayudantes. Es esta inteligencia artificial la que se llama fuerte.
Pero hay un abismo entre la inteligencia artificial fuerte y la débil. Para pasar de uno a otro, no basta con aumentar la potencia de cómputo de las computadoras, también hay que dotarlas de inteligencia. Los científicos aún no ven una forma inequívoca de cómo hacer esto.
Superinteligencia artificial. Es este tipo de inteligencia artificial el que atrae una gran atención. En gran parte porque la posibilidad de su creación por parte de muchos científicos se percibe como un peligro para la humanidad. SkyNet es una ilustración de tal amenaza.
La superinteligencia será más inteligente que cualquiera de las personas. Será superior al hombre en casi todos los campos. Capaz de resolver problemas complejos y hacer descubrimientos científicos. ¿Cómo se comportará una máquina inteligente en relación con la humanidad?
Los científicos sugieren tres modelos de interacción:
Oráculo- Podemos obtener una respuesta a cualquier pregunta difícil.
Ginebra- él mismo hará todo lo que necesitamos, utilizando para esto al menos un ensamblador molecular, al menos laboratorios robóticos y fábricas que funcionan sin intervención humana.
soberano- encontrará el problema y lo resolverá él mismo.
Como puede ver, el término "inteligencia artificial" abarca tres formas de existencia de la inteligencia artificial. Y sus diferencias entre sí son significativas, al igual que las consecuencias de la transición de una IA a otra. ¿Podemos determinar el nivel de inteligencia de las máquinas inteligentes para entender con quién estamos tratando?
¿Cómo medir la inteligencia artificial?
Las personas difieren entre sí en el nivel de inteligencia. Para cuantificarlo, se utilizan pruebas especiales. La prueba de coeficiente intelectual es conocida por muchos. ¿Cómo se mide la inteligencia artificial?
Si abordamos los informes de los medios sin críticas, el nivel intelectual de las máquinas modernas varía entre el coeficiente intelectual de un niño de 4 años y el de un adolescente de 13 años. Estos dos números ilustran dos enfoques para medir la inteligencia de las máquinas.
En 2015, un equipo de científicos de Illinois probó el sistema de inteligencia artificial ConceptNet del MIT utilizando una prueba de coeficiente intelectual estándar para niños de 2,5 a 7 años. El resultado de la máquina estuvo en línea con el promedio de un niño de cuatro años.
Además del uso de pruebas diseñadas para humanos, una prueba especial diseñada para máquinas es ampliamente conocida y utilizada. La prueba de Turing está diseñada para determinar si una máquina puede pensar.
La prueba es la siguiente. Una persona: el juez se comunica con dos interlocutores a quienes no ve. Toda la interacción se lleva a cabo por correspondencia utilizando una computadora intermediaria. Uno de los interlocutores es una persona y el otro es un programa de computadora que se hace pasar por una persona. Si el juez no puede decir con certeza cuál de sus interlocutores es el programa, se considera que la máquina ha pasado la prueba.
Hasta ahora, la prueba de Turing solo se ha superado una vez. En 2014, el programa Eugene Goostman, que imitaba a una adolescente de 13 años llamada Zhenya Goostman por los desarrolladores, pudo engañar a los jueces y hacerse pasar por una persona.
Sin embargo, hay muchas objeciones a tales pruebas. Tanto las computadoras como sus programas hoy en día son portadores de una inteligencia artificial débil y de enfoque limitado. Tal inteligencia solo puede imitar a la persona que está tomando la prueba.
Todo cambiará en la transición de una inteligencia artificial débil a una fuerte. Una máquina dotada de inteligencia artificial general, que será similar a la inteligencia humana, ya tendrá conciencia y autoconciencia, y por tanto pensará. Tal computadora pasaría una prueba de coeficiente intelectual estándar respondiendo preguntas conscientemente, como lo hace un humano.
El coeficiente del nivel de inteligencia humana oscila entre 85 y 130. Los mismos indicadores estarán disponibles para la IA general. Pero el nivel superior del coeficiente intelectual de la superinteligencia artificial no tendrá restricciones. Podrían ser 1000 o 10 000. ¿Qué nos espera a medida que mejora la IA?
La inteligencia artificial es una tecnología que definitivamente llevaremos con nosotros al futuro.
Te contamos cómo funciona y qué aplicaciones geniales encontré.
😎 La sección de Tecnología se estrena todas las semanas con el apoyo de re:Store.
¿Qué es la inteligencia artificial?
La inteligencia artificial (IA) es una tecnología para crear programas y máquinas inteligentes que pueden resolver problemas creativos y generar nueva información basada en la información existente. De hecho, la inteligencia artificial está diseñada para simular la actividad humana, que se considera intelectual.
Tradicionalmente, se creía que la creatividad es inherente solo a las personas. Pero la creación de la inteligencia artificial ha cambiado el orden habitual de las cosas
Un robot que solo corta madera mecánicamente no está dotado de IA. Un robot que aprende a cortar leña por sí mismo, mirando un ejemplo de una persona o un tronco y sus partes, y lo hace cada vez mejor, tiene IA.
Si el programa simplemente obtiene valores de la base de datos de acuerdo con ciertas reglas, no está dotado de IA. Si el sistema, después del entrenamiento, crea programas, métodos y documentos, resolviendo ciertas tareas, tiene IA.
Cómo crear un sistema de inteligencia artificial
En un sentido global, es necesario imitar el modelo de pensamiento humano. Pero, de hecho, es necesario crear una caja negra, un sistema que, en respuesta a un conjunto de valores de entrada, produzca valores de salida que sean similares a los resultados de una persona. Y a nosotros, en general, no nos importa lo que sucede en su "cabeza" (entre la entrada y la salida).
Los sistemas de inteligencia artificial se crean para resolver una determinada clase de problemas
La base de la inteligencia artificial - aprendizaje, imaginación, percepción y memoria
Lo primero que hay que hacer para crear inteligencia artificial es desarrollar funciones que implementen la percepción de la información para que puedas “alimentar” datos al sistema. Luego, las funciones que implementan la capacidad de aprender. Y un almacén de datos para que el sistema pueda almacenar en algún lugar la información que recibe durante el proceso de aprendizaje.
Después de eso, se crean las funciones de la imaginación. Pueden modelar situaciones utilizando datos existentes y agregar nueva información (datos y reglas) a la memoria.
El aprendizaje es inductivo y deductivo. En la versión inductiva, el sistema recibe pares de datos de entrada y salida, preguntas y respuestas, etc. El sistema debe encontrar relaciones entre los datos y, en el futuro, utilizando estos patrones, encontrar los datos de salida de acuerdo con la entrada.
El enfoque deductivo (¡hola Sherlock Holmes!) utiliza la experiencia de expertos. Se transfiere al sistema como base de conocimientos. Aquí no solo hay conjuntos de datos, sino también reglas listas para usar que ayudan a encontrar una solución por condición.
En los sistemas de inteligencia artificial modernos, se utilizan ambos enfoques. Además, los sistemas generalmente ya están capacitados, pero continúan aprendiendo en el proceso. Esto se hace para que el programa al principio demuestre un nivel decente de habilidad, pero en el futuro se vuelve aún mejor. Por ejemplo, tenga en cuenta sus deseos y preferencias, cambios en la situación, etc.
En el sistema de inteligencia artificial, incluso puede establecer la probabilidad de imprevisibilidad. Esto lo hará más parecido a un humano.
Por qué la inteligencia artificial derrota a los humanos
En primer lugar, porque tiene una menor probabilidad de error.
- La inteligencia artificial no puede olvidar, tiene memoria absoluta.
- No puede ignorar inadvertidamente factores y dependencias: cada acción de IA tiene una justificación clara.
- La IA no duda, sino que evalúa las probabilidades y se inclina por la mayor. Por lo tanto, puede justificar cada paso.
- Además, la IA no tiene emociones. Por lo tanto, no influyen en la toma de decisiones.
- La inteligencia artificial no se limita a evaluar los resultados del paso actual, sino que piensa varios pasos adelante.
- Y tiene suficientes recursos para considerar todos los escenarios posibles.
Usos geniales para la inteligencia artificial
En términos generales, la inteligencia artificial puede hacer cualquier cosa. Lo principal es formular correctamente el problema y proporcionarle datos iniciales. Además, la IA puede sacar conclusiones inesperadas y buscar patrones donde, al parecer, no los hay.
Respuesta a cualquier pregunta
Un equipo de investigación dirigido por David Ferrucci ha desarrollado la supercomputadora Watson con un sistema de preguntas y respuestas. Nombrado en honor al primer presidente de IBM, Thomas Watson, el sistema puede comprender preguntas en lenguaje natural y buscar respuestas en la base de datos.
Watson tiene 90 servidores IBM p750, cada uno con cuatro procesadores POWER7 de ocho núcleos. La RAM total del sistema supera los 15 TB.
Entre los logros de Watson se encuentra la victoria en el juego "¡Jeopardy!" (American "Juego propio"). Derrotó a dos de los mejores jugadores: el mayor ganador de victorias, Brad Rutter, y el poseedor del récord de la racha invicta más larga, Ken Jennings.
El premio Watson es de $1 millón. Es cierto que solo en 2014 se invirtieron mil millones en él.
Además, Watson está involucrado en el diagnóstico de cáncer, ayuda a los profesionales financieros y se utiliza para analizar grandes datos.
Reconocimiento facial
En el iPhone X, el reconocimiento facial se desarrolla mediante redes neuronales, una variante del sistema de inteligencia artificial. Los algoritmos de redes neuronales se implementan al nivel del procesador A11 Bionic, por lo que funciona de manera efectiva con tecnologías de aprendizaje automático.
Las redes neuronales realizan hasta 60 mil millones de operaciones por segundo. Esto es suficiente para analizar hasta 40 mil puntos clave en la cara y proporcionar una identificación extremadamente precisa del propietario en una fracción de segundo.
Incluso si te dejas crecer la barba o usas anteojos, el iPhone X te reconoce. Simplemente no tiene en cuenta la línea del cabello y los accesorios, sino que analiza el área de sien a sien y de cada sien hasta el hueco debajo del labio inferior.
El ahorro de energía
Y de nuevo Apple. iPhone X tiene un sistema inteligente que monitorea la actividad de las aplicaciones instaladas y un sensor de movimiento para entender tu rutina diaria.
Después de eso, el iPhone X, por ejemplo, le pedirá que actualice en el momento más conveniente. Captará el momento en que tenga un Internet estable, no una señal que salte de las torres móviles, y no esté realizando tareas urgentes o importantes.
AI también distribuye tareas entre los núcleos del procesador. Por lo tanto, proporciona suficiente energía con un consumo mínimo de energía.
Creación de pintura
La creatividad, que antes solo estaba disponible para los humanos, está abierta a la IA. Entonces, el sistema, creado por investigadores de la Universidad de Rutgers en Nueva Jersey y el Laboratorio de IA en Los Ángeles, introdujo su propio estilo artístico.
Y el sistema de inteligencia artificial de Microsoft puede dibujar imágenes de acuerdo con su descripción textual. Por ejemplo, si le pides a la IA que dibuje un "pájaro amarillo con alas negras y un pico corto", obtienes algo como esto:
Es posible que tales pájaros no existan en el mundo real, así es como nuestra computadora los representa.
Un ejemplo más extendido es la aplicación Prisma, que crea cuadros a partir de fotografías:
escritura musical
En agosto, la inteligencia artificial Amper compuso, produjo e interpretó la música del álbum "I AM AI" (Ing. I - inteligencia artificial) con la cantante Taryn Southern.
Amper fue desarrollado por un equipo de músicos profesionales y expertos en tecnología. Señalan que la IA está diseñada para ayudar a las personas a avanzar en el proceso creativo.
AI puede escribir música en segundos
Amper creó de forma independiente las estructuras de acordes y la instrumentación en la pista "Break Free". La gente solo corrigió ligeramente el estilo y el ritmo general.
Otro ejemplo es un álbum de música con el espíritu de "Defensa Civil", cuyos textos fueron escritos por AI. El experimento fue realizado por los empleados de Yandex Ivan Yamshchikov y Alexei Tikhonov. El álbum 404 del grupo Neural Defense fue publicado en línea. Resultó en el espíritu de Letov:
Luego, los programadores fueron más allá y obligaron a la IA a escribir poesía al estilo de Kurt Cobain. Para las cuatro mejores letras, el músico Rob Carroll compuso la música y las pistas se combinaron en el álbum Neurona. Incluso se filmó un video para una canción, sin embargo, ya sin la participación de AI:
Creación de textos
Los escritores y periodistas también pueden ser reemplazados pronto por AI. Por ejemplo, el sistema Dewey recibió libros de la biblioteca del Proyecto Gutenberg, luego agregó textos científicos de Google Scholar, clasificándolos por popularidad y título, así como por ventas en Amazon. Además, se establecieron los criterios para escribir un nuevo libro.
El sitio ofrecía a las personas tomar decisiones en situaciones difíciles: por ejemplo, ponerlos en el asiento del conductor, lo que podría derribar a tres adultos o dos niños. Por lo tanto, Moral Machine fue entrenado para tomar decisiones difíciles que violan la ley de la robótica de que un robot no puede dañar a una persona.
¿A qué conducirá la imitación de personas por parte de robots con IA? Los futuristas creen que algún día se convertirán en miembros de pleno derecho de la sociedad. Por ejemplo, el robot Sophia de la empresa de Hong Kong Hanson Robotics ya recibió la ciudadanía en Arabia Saudita (¡al mismo tiempo, las mujeres comunes en el país no tienen ese derecho!).
Cuando el columnista del New York Times, Andrew Ross, le preguntó a Sophia si los robots eran sensibles y conscientes de sí mismos, Sophia respondió con una pregunta:
Déjame preguntarte a cambio, ¿cómo sabes que eres humano?
Además, Sophia declaró:
Quiero usar mi inteligencia artificial para ayudar a las personas a vivir mejor, como diseñar casas más inteligentes, construir ciudades del futuro. Quiero ser un robot empático. Si me tratas bien, te trataré bien.
Y antes, admitió que odia a la humanidad e incluso accedió a destruir a las personas...
Reemplazo de cara de video
El video de Deepfakes se ha distribuido masivamente a través de la red. Los algoritmos de inteligencia artificial reemplazaron las caras de los actores en las películas para adultos con las caras de las estrellas.
Funciona así: la red neuronal analiza fragmentos de rostros en el video original. Luego los compara con fotos de Google y videos de YouTube, superpone los fragmentos necesarios y... tu actriz favorita está en una película que es mejor no ver en el trabajo.
PornHub ya ha prohibido este tipo de videos.
Deepfakes resultó ser algo peligroso. Una actriz abstracta es una cosa, un video contigo, tu esposa, hermana, colega, que puede usarse para chantajear, es otra.
comercio de intercambio
Un grupo de investigadores de la Universidad de Erlangen-Nuremberg en Alemania ha desarrollado una serie de algoritmos que utilizan datos históricos del mercado para replicar inversiones en tiempo real. Uno de los modelos proporcionó un retorno de la inversión del 73 % anual desde 1992 hasta 2015, que es comparable a un retorno real del mercado del 9 % anual.
Cuando el mercado estaba temblando en 2000 y 2008, los rendimientos alcanzaron máximos históricos de 545% y 681%, respectivamente.
En 2004, Goldman Sachs lanzó la plataforma comercial Kensho AI. Los sistemas basados en IA para negociar en bolsas también están apareciendo en los mercados de criptomonedas: Mirocana, etc. Son mejores que los comerciantes en vivo, ya que carecen de emociones y se basan en un análisis claro y reglas estrictas.
¿La IA nos reemplazará a ti y a mí?
Dicen que la inteligencia artificial trabaja en las profundidades de los laboratorios militares desde 2007. Es posible que ya haya resultados. No es casualidad que hace apenas un mes, Elon Musk anunció el apoyo a las tecnologías para contrarrestar la inteligencia artificial e invirtió $ 7 millones en investigación en esta área.
“Existe el riesgo de que suceda algo realmente peligroso en los próximos cinco años. Diez años como máximo”, dijo el empresario en una discusión en edge.org.
Elon Musk, fundador de Tesla y SpaceX
Estoy de acuerdo con Musk y Steve Wozniak, quien cree que "la inteligencia artificial algún día será lo suficientemente inteligente como para deshacerse de una persona". Bill Gates está seguro de que si no se controla la creación de IA, entonces "la inteligencia artificial evolucionará a un estado que entrará en conflicto con los objetivos de los sistemas humanos". Y, por último, el célebre astrofísico Stephen Hawking afirmó sin rodeos que “la inteligencia artificial puede acabar con la existencia de la humanidad”.
Junto a Elon Musk, Hawking publicó una carta abierta en futureoflife.org llamando a la comunidad científica a estar atenta a los avances de sus investigaciones en el campo de la inteligencia artificial. Sin embargo, los nombres de Sergey Brin y Larry Page no están entre los firmantes. Y esto no es casualidad. Más recientemente, Google anunció la creación de una nueva IA basada en simulación de conversación.
Aquí hay un pequeño fragmento de una conversación entre un humano y una máquina de Google:
P: ¿Cuál es el significado de la vida?
M: Haz el bien.
P: ¿Para qué estamos viviendo?
M: Vivir para siempre.
P: ¿Cuál es el significado de la existencia?
M: Para saber qué pasará cuando lleguemos al planeta Tierra.
C: ¿Dónde estás ahora?
M.: En el centro del vacío.
P: ¿Cuál es el significado de la muerte?
M: Para conseguir la vida.
C: ¿Cuál es el significado de la mente?
M: Para entender lo que es.
P: ¿Cuál es el significado de los sentimientos?
M: No lo sé.
Una conversación bastante significativa. “Este es el punto de partida, una especie de pivote para el futuro de la inteligencia artificial”, dice Yevgeny Karyuk, director ejecutivo de la empresa Biplan. “Ya se puede suponer hoy que para 2030 veremos prototipos muy reales dotados de inteligencia artificial, aunque en una etapa temprana”.
Se puede ver el contenido completo de todas las conversaciones entre el hombre y Google Machine. En el mismo lugar, a modo de comparación, se dan conversaciones entre una persona y Cleverbot. Cleverbot es una aplicación web que utiliza algoritmos de inteligencia artificial para chatear con una persona. Fue inventado en 1988 por el científico Rollo Carpenter. A lo largo de su existencia, Cleverbot ha mantenido más de 65 millones de conversaciones con personas. En 2011, Cleverbot obtuvo un 51 % en la prueba de Turing.
La prueba de Turing es una prueba empírica cuya idea fue propuesta por Alan Turing en el artículo "Computing Machinery and the Mind" publicado en 1950 en la revista filosófica Mind. El propósito de la prueba es averiguar si una computadora puede pensar.
Y aquí está mi conversación con Cleverbot:
Hombre: ¿Cuál es el sentido de la vida?
Cleverbot: No hay sentido en la vida.
Hombre: ¿Para qué estamos viviendo?
Cleverbot: Bueno, vivimos para otra persona, y si te sientes solo, no tiene sentido vivir.
Persona: ¿Cuál es el significado de la existencia?
Hombre: ¿Dónde estás ahora?
Cleverbot: En Moscú.
Hombre: ¿Cuál es el significado de la muerte?
Cleverbot: Quiero preguntarte esto.
Hombre: ¿Cuál es el significado de la mente?
Cleverbot: Tengo mi propia respuesta a esta pregunta.
Persona: ¿Cuál es el significado de los sentimientos?
Cleverbot: Por qué nací.
Obviamente, Google Machine proporciona respuestas mucho más significativas. Cleverbot sustituye adecuadamente, en su opinión, las frases de otras personas. A veces realmente parece que la otra persona está respondiendo, pero nada más.
Hay otro punto de vista, según el cual la inteligencia artificial es imposible en principio. El teorema de incompletitud de Gödel se cita a menudo como argumento principal. La conclusión es que una persona puede resolver problemas irresolubles algorítmicamente, pero una computadora no. “A la edad de tres años, un niño resuelve con confianza el problema de si una fruta está madura o no, debido a que tiene conexiones neuronales con las que puede responder a la pregunta de madurez: color, sabor, olor, suavidad o dureza. ”, dice Evgeny Pluzhnik, primer vicerrector del Instituto Tecnológico de Moscú. - ¿La máquina es capaz de aprender esto? ¡Estoy seguro de que sí! Si tuviera una gran base de datos de imágenes, podría medir el contenido de fructosa y determinar la suavidad de la fruta. Pero, ¿qué sucede si deslizas una esponja, pintada de azul y empapada en agua dulce, dentro del automóvil? ¿Es la máquina capaz de comprensión real en este momento?
“Una computadora moderna puede hacer frente fácilmente a cualquier actividad compleja, ya sea ajedrez o cálculos matemáticos, pero solo con la condición de que esta actividad pueda describirse utilizando reglas de cálculo claras”, dice el famoso matemático Roger Penrose en una de sus conferencias. "La inteligencia artificial es la capacidad de un sistema para crear programas durante el autoaprendizaje que pueden resolver problemas de cierta clase de complejidad", cree Evgeny Pluzhnik. “Estoy seguro de que en los próximos 100 años no seremos testigos del surgimiento de una inteligencia artificial fuerte”.
Y en conclusión, una pregunta más para Cleverbot.
Persona: Había 1 manzana, 1 tomate, 1 pepino y 1 pera. ¿Cuántas frutas en total?
Cleverbot: Diez en punto de la noche.
La esencia de la inteligencia artificial en formato de preguntas y respuestas. La historia de la creación, las tecnologías de investigación, si la inteligencia artificial está asociada con el coeficiente intelectual y si se puede comparar con uno humano. preguntas respondidas John McCarthy, profesor de la Universidad de Stanford.
¿Qué es la inteligencia artificial (IA)?
La inteligencia artificial es un campo de la ciencia y la ingeniería que se ocupa de la creación de máquinas y programas informáticos que tienen inteligencia. Está relacionado con la tarea de usar computadoras para comprender la inteligencia humana. Al mismo tiempo, la inteligencia artificial no debe limitarse a métodos biológicamente observables.
Sí, pero ¿qué es la inteligencia?
La inteligencia es la capacidad de llegar a una decisión con la ayuda de cálculos. Los humanos, muchos animales y algunas máquinas tienen inteligencia de varios tipos y niveles.
¿No hay una definición de inteligencia que no dependa de relacionarla con la inteligencia humana?
Hasta ahora, no se sabe qué tipos de procedimientos computacionales queremos llamar inteligentes. Conocemos lejos de todos los mecanismos de la inteligencia.
¿Es la inteligencia un concepto inequívoco, por lo que la pregunta "¿Esta máquina tiene inteligencia?" ¿Podrías responder sí o no?
No. La investigación de IA ha demostrado cómo usar solo algunos de los mecanismos. Cuando solo se requieren modelos bien estudiados para completar una tarea, los resultados son muy impresionantes. Dichos programas tienen "poca" inteligencia.
¿Es la inteligencia artificial un intento de imitar la inteligencia humana?
A veces, pero no siempre. Por un lado, aprenderemos cómo hacer que las máquinas resuelvan problemas observando a las personas o nuestros propios algoritmos en funcionamiento. Por otro lado, los investigadores de IA utilizan algoritmos que no se observan en humanos o requieren muchos más recursos computacionales.
¿Los programas de computadora tienen un coeficiente intelectual?
No. El coeficiente intelectual se basa en la tasa de desarrollo de la inteligencia en los niños. Esta es la relación entre la edad a la que un niño suele obtener un determinado resultado y la edad del niño. Esta evaluación se extiende apropiadamente a los adultos. El coeficiente intelectual se correlaciona bien con varias medidas de éxito o fracaso en la vida. Pero construir computadoras que puedan obtener una puntuación alta en las pruebas de coeficiente intelectual tendrá poco que ver con su utilidad. Por ejemplo, la habilidad de un niño para repetir una larga secuencia de números se correlaciona bien con otras habilidades intelectuales. Muestra cuánta información un niño puede recordar a la vez. Al mismo tiempo, mantener números en la memoria es una tarea trivial incluso para las computadoras más primitivas.
¿Cómo comparar la inteligencia humana y la informática?
Arthur R. Jensen, un destacado investigador en el campo de la inteligencia humana, afirma como "hipótesis heurística" que la gente común comparte los mismos mecanismos de inteligencia y que las diferencias intelectuales se deben a "condiciones bioquímicas y fisiológicas cuantitativas". Estos incluyen la velocidad del pensamiento, la memoria a corto plazo y la capacidad de formar recuerdos a largo plazo precisos y recuperables.
Sea correcta o no la visión de Jensen sobre la inteligencia humana, la situación actual en la IA es la opuesta.
Los programas de computadora tienen mucha velocidad y memoria, pero sus habilidades corresponden a los mecanismos intelectuales que los desarrolladores de programas entienden y pueden poner en ellos. Se introducen algunas habilidades que los niños no suelen desarrollar hasta la adolescencia. Otros, propiedad de niños de dos años, siguen desaparecidos. El asunto se agrava aún más por el hecho de que las ciencias cognitivas todavía no pueden determinar exactamente qué son las habilidades humanas. Lo más probable es que la organización de los mecanismos intelectuales de la IA se compare favorablemente con la de los humanos.
Cuando un ser humano es capaz de resolver un problema más rápido que una computadora, indica que los desarrolladores no comprenden los mecanismos de inteligencia necesarios para realizar esta tarea de manera eficiente.
¿Cuándo comenzó la investigación de la IA?
Después de la Segunda Guerra Mundial, varias personas comenzaron a trabajar de forma independiente en máquinas inteligentes. El matemático inglés Alan Turing puede haber sido el primero de ellos. Dio su conferencia en 1947. Turing fue uno de los primeros en decidir que la IA se exploraba mejor programando computadoras en lugar de construir máquinas. A fines de la década de 1950, había muchos investigadores de IA y la mayoría basaba su trabajo en la programación de computadoras.
¿El propósito de la IA es poner la mente humana en una computadora?
La mente humana tiene muchas características, es poco realista imitar cada una de ellas.
¿Qué es la prueba de Turing?
El artículo de 1950 de A. Alan Turing "Computación e inteligencia" discutió las condiciones para que una máquina tenga inteligencia. Argumentó que si una máquina puede pretender con éxito ser humana para un observador inteligente, entonces, por supuesto, debe considerarse inteligente. Este criterio satisfará a la mayoría de las personas, pero no a todos los filósofos. El observador debe interactuar con la máquina o el ser humano a través de una función de entrada/salida para eliminar la necesidad de que la máquina imite la apariencia o la voz de un ser humano. La tarea tanto de la máquina como del hombre es hacer que el observador se considere un hombre.
La prueba de Turing es unilateral. Una máquina que pasa la prueba definitivamente debe considerarse inteligente, incluso si no sabe lo suficiente sobre los humanos para imitarlos.
El libro de Daniel Dennett "Brainchildren" tiene una excelente discusión sobre la prueba de Turing y sus diversas partes que se han implementado con éxito, es decir, con limitaciones en el conocimiento del observador sobre la IA y el tema. Resulta que algunas personas son bastante fáciles de convencer de que un programa bastante primitivo es razonable.
¿El objetivo de la IA es alcanzar los niveles humanos de inteligencia?
Sí. El objetivo final es crear programas de computadora que puedan resolver problemas y lograr objetivos de la misma manera que los humanos. Sin embargo, los científicos que realizan investigaciones en áreas estrechas establecen metas mucho menos ambiciosas.
¿Qué tan lejos está la inteligencia artificial de alcanzar el nivel humano? ¿Cuándo sucederá?
La inteligencia a nivel humano se puede lograr escribiendo muchos programas y recopilando vastas bases de conocimiento de hechos en los lenguajes que se utilizan para expresar el conocimiento en la actualidad.Sin embargo, la mayoría de los investigadores de IA creen que se necesitan nuevas ideas fundamentales. Por lo tanto, es imposible predecir cuándo se creará la inteligencia a nivel humano.
¿Es la computadora una máquina que puede volverse inteligente?
Las computadoras se pueden programar para simular cualquier tipo de máquina.
¿La velocidad de las computadoras les permite ser inteligentes?
Algunas personas piensan que se requieren computadoras más rápidas y nuevas ideas. Las computadoras eran lo suficientemente rápidas incluso hace 30 años. Si tan solo supiéramos programarlos.
¿Qué hay de crear una "máquina infantil" que podría mejorarse leyendo y aprendiendo de la experiencia?
Esta idea ha sido propuesta repetidamente desde la década de 1940. Eventualmente, se implementará. Sin embargo, los programas de IA aún no han alcanzado el nivel de aprendizaje de mucho de lo que un niño aprende a lo largo de su vida. Los programas existentes no entienden el idioma lo suficientemente bien como para aprender mucho a través de la lectura.
¿Son la teoría de la computabilidad y la complejidad computacional las claves de la IA?
No. Estas teorías son relevantes pero no abordan los problemas fundamentales de la IA.
En la década de 1930, los lógicos matemáticos Kurt Gödel y Alan Turing establecieron que no había algoritmos que garantizaran la solución de todos los problemas en algunas áreas matemáticas importantes. Por ejemplo, respuestas a preguntas con el espíritu de: "¿es la oración de lógica de primer orden un teorema?" o "¿una ecuación polinomial en algunas variables tiene soluciones enteras en otras?" Dado que los humanos son capaces de resolver problemas de este tipo, este hecho se ha presentado como un argumento de que las computadoras son intrínsecamente incapaces de hacer lo que hacen los humanos. Roger Penrose también habla de esto. Sin embargo, los humanos no pueden garantizar soluciones.arbitrariotareas en estas áreas.
En la década de 1960, científicos informáticos como Steve Cook y Richard Karp desarrollaron la teoría del dominio para problemas NP-completos. Los problemas en estas áreas son solucionables, pero, aparentemente, su solución requiere un tiempo que crece exponencialmente con la dimensión del problema. El ejemplo más simple del dominio de un problema NP-completo es la pregunta: ¿qué enunciados de lógica proposicional son satisfactorios? Las personas a menudo resuelven problemas en el área de problemas NP-completos muchas veces más rápido de lo que garantizan los algoritmos principales, pero no pueden resolverlos rápidamente en el caso general.
Para la IA, es importante que al resolver problemas algoritmos eran tan efectivos como mente humana. Es importante determinar los subcampos donde existen buenos algoritmos, pero muchos solucionadores de problemas de IA no se encuentran en subdominios fácilmente identificables.
La teoría de la complejidad de las clases generales de problemas se denomina complejidad computacional. Hasta ahora, esta teoría no ha interactuado con la IA tanto como cabría esperar. El éxito en la resolución de problemas por parte de humanos y programas de IA parece depender de las propiedades del problema y de las técnicas de resolución de problemas que ni los investigadores de complejidad ni la comunidad de IA pueden definir con precisión.
También es relevante la teoría de la complejidad algorítmica, desarrollada de forma independiente entre sí. Solomonov, Kolmogorov y Chaitin. Define la complejidad de un objeto simbólico como la longitud del programa más corto que puede generarlo. Demostrar que un programa candidato es el más corto, o cercano a él, es una tarea imposible, pero representar objetos por los programas cortos que los generan a veces puede aclarar las cosas, incluso si no puede probar que su programa es el más corto.
Cargando...
