1689a2fdf9
|
||
|---|---|---|
| .. | ||
| README.md | ||
| assignment.md | ||
README.md
Изображение Дмитрия Сошникова
Со временем вычислительные ресурсы стали дешевле, а объем доступных данных значительно увеличился, что позволило подходам на основе нейронных сетей демонстрировать отличные результаты в конкуренции с людьми во многих областях, таких как компьютерное зрение или распознавание речи. В последнее десятилетие термин "Искусственный интеллект" чаще всего используется как синоним нейронных сетей, поскольку большинство успехов в области ИИ, о которых мы слышим, основаны именно на них.
Мы можем наблюдать, как менялись подходы, например, при создании программы для игры в шахматы:
- Ранние шахматные программы основывались на поиске — программа явно пыталась оценить возможные ходы противника на определенное количество следующих ходов и выбирала оптимальный ход, исходя из лучшей позиции, которую можно достичь за несколько ходов. Это привело к разработке алгоритма поиска альфа-бета отсечения.
- Стратегии поиска хорошо работают ближе к концу игры, где пространство поиска ограничено небольшим количеством возможных ходов. Однако в начале игры пространство поиска огромное, и алгоритм можно улучшить, обучаясь на существующих партиях между человеческими игроками. Последующие эксперименты использовали подход, называемый рассуждение на основе случаев, где программа искала случаи в базе знаний, очень похожие на текущую позицию в игре.
- Современные программы, которые побеждают человеческих игроков, основаны на нейронных сетях и обучении с подкреплением, где программы учатся играть, играя долгое время против самих себя и извлекая уроки из собственных ошибок — примерно так же, как люди учатся играть в шахматы. Однако программа может сыграть гораздо больше партий за гораздо меньшее время, и, следовательно, учится намного быстрее.
✅ Проведите небольшое исследование о других играх, в которые играли ИИ.
Аналогично, мы можем увидеть, как изменился подход к созданию "говорящих программ" (которые могли бы пройти тест Тьюринга):
- Ранние программы такого рода, такие как Eliza, основывались на очень простых грамматических правилах и преобразовании входного предложения в вопрос.
- Современные помощники, такие как Cortana, Siri или Google Assistant, представляют собой гибридные системы, которые используют нейронные сети для преобразования речи в текст и распознавания намерений, а затем применяют рассуждения или явные алгоритмы для выполнения необходимых действий.
- В будущем мы можем ожидать появления полностью нейронных моделей, способных самостоятельно вести диалог. Недавние нейронные сети семейства GPT и Turing-NLG демонстрируют большие успехи в этом направлении.
Изображение Дмитрия Сошникова, фото Марина Абросимова, Unsplash
Последние исследования в области ИИ
Огромный рост исследований нейронных сетей начался примерно в 2010 году, когда стали доступны крупные публичные наборы данных. Огромная коллекция изображений под названием ImageNet, содержащая около 14 миллионов аннотированных изображений, дала начало ImageNet Large Scale Visual Recognition Challenge.
Изображение Дмитрия Сошникова
В 2012 году сверточные нейронные сети впервые были использованы для классификации изображений, что привело к значительному снижению ошибок классификации (с почти 30% до 16,4%). В 2015 году архитектура ResNet от Microsoft Research достигла уровня точности, сопоставимого с человеческим.
С тех пор нейронные сети продемонстрировали очень успешное поведение во многих задачах:
| Год | Достигнут паритет с человеком |
|---|---|
| 2015 | Классификация изображений |
| 2016 | Распознавание разговорной речи |
| 2018 | Автоматический машинный перевод (с китайского на английский) |
| 2020 | Создание подписей к изображениям |
За последние несколько лет мы стали свидетелями огромных успехов в разработке крупных языковых моделей, таких как BERT и GPT-3. Это стало возможным главным образом благодаря большому количеству доступных текстовых данных, которые позволяют обучать модели для понимания структуры и смысла текстов, предварительно обучать их на общих текстовых коллекциях, а затем специализировать эти модели для более конкретных задач. Мы узнаем больше о обработке естественного языка позже в этом курсе.
🚀 Задание
Исследуйте интернет, чтобы определить, где, по вашему мнению, ИИ используется наиболее эффективно. Это может быть приложение для карт, сервис преобразования речи в текст или видеоигра. Узнайте, как была построена эта система.
Тест после лекции
Обзор и самостоятельное изучение
Изучите историю ИИ и машинного обучения, прочитав этот урок. Выберите элемент из скетчноута в начале этого урока или текущего и исследуйте его более подробно, чтобы понять культурный контекст, повлиявший на его развитие.
Задание: Game Jam
Отказ от ответственности:
Этот документ был переведен с использованием сервиса автоматического перевода Co-op Translator. Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.