Cómo funciona la inteligencia artificial

En los últimos años estamos . Se aplica en casi todas partes: de la esfera de las altas tecnologías y de cálculos matemáticos complejos a la medicina, de la automoción y hasta al trabajo de los smartphones. La tecnología subyacente en el trabajo de ia moderna de la vista, usamos todos los días y a veces incluso podemos no pensar en eso. Pero, ¿qué es la inteligencia artificial? Cómo funciona? Y si el peligro?

¿Qué es la inteligencia artificial

Para empezar, vamos a definir algunas con la terminología. Si te apetece, la inteligencia artificial, como algo capaz de pensar por sí mismo, de tomar decisiones, y en general a mostrar signos de la conciencia, entonces nos apresuramos a ti decepcionar. Prácticamente todos los existentes hasta ahora, el sistema ni siquiera «están» a una definición de la ia. Y los sistemas que presentan las características de dicha actividad, en realidad, de todos modos actúan en el marco de la pre-algoritmos.

A Veces los algoritmos de estos , pero ellos siguen siendo los «marcos», dentro de las cuales funciona la ia. Ninguna «magna» y aún más de los signos de la conciencia máquinas no tienen. Es muy productivas del programa. Pero que «los mejores en su asunto». Además, el sistema de ia siguen evolucionando. Sí y que se organizan muy небанально. Incluso si abata el hecho de que la moderna ia lejos de la perfección, él tiene con nosotros mucho en común.

¿Cómo funciona la inteligencia artificial

En primer lugar, la ia puede llevar a cabo sus tareas (de los cuales un poco más tarde) y a adquirir nuevas habilidades a través de la profunda maquinaria para el aprendizaje. Este término también nosotros a menudo escuchamos y utilizamos. Pero qué significa? A diferencia de «clásicos» métodos, cuando toda la información necesaria cargan en el sistema de antemano, los algoritmos de aprendizaje de máquina hacen que el sistema de evolucionar de forma independiente, al estudiar la información disponible. Que, además, la máquina, en algunos casos, también puede buscar por sí mismo.

Por Ejemplo, para crear un programa para la detección de fraude, el algoritmo de aprendizaje de máquina funciona con una lista de transacciones bancarias y con el resultado final (legal o ilegal). El modelo de máquina de aprendizaje considera los ejemplos y elabora la estadística de dependencia entre los legítimos y las transacciones fraudulentas. Después de esto, cuando usted proporciona información al algoritmo de la nueva banca de la transacción, se clasifica en base a plantillas que se подчерпнул de ejemplos de antemano.

Como regla general, cuanto más datos que usted proporcione, más preciso es el algoritmo de aprendizaje automático en el desempeño de sus tareas. es especialmente útil en la solución de problemas, donde las reglas no están predefinidos y no se pueden interpretar en el sistema binario. Volviendo a nuestro ejemplo de las transacciones bancarias: de hecho, en la salida tenemos un sistema binario base: 0 — legal de la operación, 1 — ilegal. Pero para llegar a esta conclusión, el sistema requiere analizar un montón de opciones y si realizar manualmente, se tardará más de un año. Sí y predecir todas las opciones de todos modos no va a funcionar. Y el sistema funciona a base de un profundo aprendizaje de máquina, será capaz de reconocer algo, incluso si exactamente ese caso, ella antes no se encontraba.

Profundo de aprendizaje y redes neuronales

En ese momento, como un clásico de los algoritmos de aprendizaje de máquina resuelven muchos de los problemas en que hay una gran cantidad de información en forma de bases de datos, que no vencen, por así decirlo, «visuales y аудиальными» datos como imágenes, vídeos, archivos de audio y así sucesivamente.

Por Ejemplo, la creación de modelos de predicción de cáncer de mama con el uso de los enfoques clásicos de aprendizaje automático requerirá , programadores, matemáticos, afirma el investigador en el ámbito de la ia, jeremy howard. Los científicos tendrían que hacer mucho más pequeños algoritmos para aprendizaje de máquina ajusten con el flujo de información. Un subsistema independiente para el estudio de imágenes de rayos x privado — de la resonancia magnética, la otra — para la interpretación de los análisis de sangre, y así sucesivamente. Para cada tipo de análisis, necesitamos sería su propio sistema. A continuación, todos ellos se unieron en un gran sistema de… Es muy difícil y ресурсозатратный el proceso.

Los Algoritmos de aprendizaje profundo resuelven el mismo problema, utilizando la profundidad , el tipo de arquitectura de software, inspirado en el cerebro humano (aunque las redes neuronales son diferentes de las de las neuronas, el principio de funcionamiento es casi el mismo). Computación redes neuronales — este respecto, «hojas de las neuronas», que son capaces de procesar y clasificar la información. Se sitúan como «capas» y cada uno de «la capa» es responsable de algo, en definitiva, de que forma la imagen. Por ejemplo, cuando se entrena neuronal en la red de imágenes de diferentes objetos que encuentra maneras de extraer los objetos de estas imágenes. Cada capa de la red neuronal detecta ciertas características: la forma de los objetos, el color, el aspecto de los objetos, y así sucesivamente.

las capas Superficiales de redes neuronales descubren características comunes. Las capas más profundas ya identifican reales de los objetos. En la figura un esquema simple нейросети. En color verde se marcaron las neuronas de entrada (поступаюзая información), azul — las neuronas ocultas (análisis de datos), de color amarillo — neurona de salida (decisión)

redes Neuronales — es artificial del hombreel cerebro?

A Pesar de similar estructura de la máquina humana y нейросети, los signos de nuestro sistema nervioso central que no tienen. Informáticos de las redes neuronales en esencia los mismos programas auxiliares. Simplemente lo que sucedió fue que la organizada por el sistema para la realización de los cálculos fue nuestro cerebro. Usted ya ha oído la expresión de «nuestro cerebro — es un equipo»? Los científicos simplemente «repetimos» algunos aspectos de su estructura en el «formato digital». Esto permitió que sólo acelerar los cálculos, pero no dotar a la máquina de la conciencia.

Esto es interesante:

Las redes Neuronales existen desde la década de 1950 (por lo menos en la forma de концепий). Pero hasta hace poco tiempo no se habían recibido especial de desarrollo, debido a que su creación requería de grandes cantidades de datos y la computación. En los últimos años, todo esto llegó a estar disponible, por lo tanto, нейросети y salido a la palestra, al recibir su desarrollo. Es importante entender que para su plena aparición carecía de la tecnología. Como no las hay y ahora para llevar la tecnología a un nuevo nivel.

¿Para qué se utiliza una profunda formación y нейросети

Hay varias áreas donde estas dos tecnologías han ayudado a lograr avances. Además, algunos de ellos utilizamos cada día en nuestra vida, y ni siquiera nos preguntamos que por ellos vale la pena.

• — es la capacidad del software para entender el contenido de las imágenes y de vídeo. Esta es una de las áreas donde más profunda instrucción ha hecho un gran progreso. Por ejemplo, los algoritmos de procesamiento de imágenes de aprendizaje profundo pueden detectar diferentes tipos de cáncer, enfermedades de los pulmones, el corazón y así sucesivamente. Y para hacerlo más rápido y más eficiente de los médicos. Pero profunda de la formación también se ha ido consolidando y en muchas de las aplicaciones que usas cada día. Apple Face ID y Google Photos utilizan profunda de la formación para el reconocimiento de la persona y la mejora de la calidad de la imagen. Facebook utiliza más profundo de la matrícula para marcar automáticamente la gente en descargas de fotos y así sucesivamente. Proyecta la visión también ayuda a las empresas a identificar de forma automática y bloquear el dudoso contenido, como la violencia y la desnudez. Y, por último, una profunda formación juega un papel importante en la capacidad de auto-conducción de coches, para que puedan entender lo que les rodea.
• Reconocimiento de voz y el habla. Cuando pronuncie el comando de voz para su Google Now, los algoritmos de aprendizaje profundo convierten su . Varias aplicaciones en línea utilizan un profundo aprendizaje para la transcripción de audio y vídeo. Incluso cuando usted «шазамите» la canción, en el asunto entran los algoritmos de нейросетей y profundo de aprendizaje de máquina.
• Búsqueda en internet: incluso si usted está buscando algo en el buscador, para que tu solicitud ha sido procesada, más claramente, y los resultados de la concesión sean lo más correctos, la empresa comenzó a conectar los algoritmos de нейросетей a sus motores de búsqueda. Así, el rendimiento de un motor de búsqueda de Google ha crecido en un par de veces después de que el sistema entra en un profundo aprendizaje de máquina y нейросети.

Límites de aprendizaje profundo y нейросетей

A Pesar de todas sus ventajas, una profunda formación y нейросети también tienen algunas desventajas.

• la Dependencia de los datos: en general, los algoritmos de aprendizaje profundo requieren una cantidad enorme de datos de entrenamiento para garantizar el exacto cumplimiento de sus tareas. Por desgracia, para resolver muchos de los problemas de insuficiente calidad de los datos de aprendizaje para la creación de modelos.
• la Imprevisibilidad: las redes neuronales se desarrollan de alguna extraña manera. A veces las cosas salen como se pretendía. Y a veces (incluso si нейросеть bien hace su trabajo), incluso los creadores tratan de comprender cómo los algoritmos funcionan. La falta de previsibilidad hace extremadamente difícil solución y corrección de errores en los algoritmos de нейросетей.
• Algorítmica desplazamiento: algoritmos de aprendizaje profundo tan buenos como los datos en que se estudian. El problema es que los datos de entrenamiento contienen a menudo ocultos o explícitos los errores o defectos, y los algoritmos reciben el «en la herencia». Por ejemplo, un algoritmo de reconocimiento de rostros, formado principalmente en las fotos de la gente blanca, funcionará con menos precisión en personas con otro color de piel.
• la Falta de generalización: algoritmos de aprendizaje profundo son buenos para la ejecución de tareas específicas, pero es malo generalizar sus conocimientos. A diferencia de las personas, el modelo de aprendizaje profundo, que no podrá jugar en la otra un juego similar: por ejemplo, en WarCraft. Además, una profunda formación malo vence el procesamiento de los datos, que se apartan de sus casos prácticos.

el Futuro de aprendizaje profundo, нейросетей y ia

Es evidente que el trabajo sobre un profundo aprendizaje y нейронными redes dista mucho de haber terminado. Varios se han realizado esfuerzos para mejorar los algoritmos de aprendizaje profundo. Una profunda formación — es un proceso avanzado en la creación de la inteligencia artificial. Cada vez es más popular en los últimos años, gracias a la abundancia de datos y aumentar la capacidad de procesamiento. Esta es la principal tecnología que hay detrás de muchas de las aplicaciones que usamos todos los días.

Pero nacerá alguna vez en la base de esta tecnología de la conciencia? La verdadera vida artificial? Alguien de los científicos considera que en ese momento, cuando el número de vínculos entre los componentes artificiales нейросетей acercarse a el mismo índice que tiene en el cerebro humano entre nuestras neuronas, algo similar puede ocurrir. Sin embargo, esto заявляениеes muy dudoso. Para el presente ia apareció, necesitamos repensar el enfoque de la creación de sistemas basados en inteligencia artificial. Todo lo que hay ahora — es sólo aplicaciones estrictamente un número limitado de tareas. Como no queríamos creer que el futuro ya llegó el…

¿cómo cree usted? Crearán si la gente de la ia? Comparte tu opinión en nuestro