Виктор Мари Гюго — французский поэт и писатель XIX века, наиболее известный своими романами Отверженные (1862 г.) и Горбун из Нотр-Дама (1831 г.). Однажды он сказал: "Нет ничего более могущественного, чем идея, время которой пришло". Никогда в своих самых смелых мечтах он не мог представить, что его глубокие слова будут использованы для объяснения #Искусственного интеллекта 200 лет. позже.
Чтобы понять, почему #ИИ происходит сейчас, а не раньше, лучше всего разделить технологические разработки на 2 хронологических этапа.
- Первая фаза относилась к периоду до начала 2000-х годов и включала инновации в программном обеспечении, оборудовании и средствах связи, которые обеспечили нам надежную интернет-экосистему, которая у нас есть в настоящее время.
- Второй этап начался в начале 2000-х годов и в настоящее время продолжается и включает в себя технологические инновации, которые в настоящее время обеспечивают революцию #AI.
Без Интернета революция ИИ никогда бы не состоялась.
Генезис нынешней революции #ИИ был заложен, когда Ада Лавлейс (1815–1852) написала свои наблюдения и анализ Аналитической машины, изобретенной Чарльзом Бэббиджем (1791–1871). Ей приписывают создание первой в мире компьютерной программы, и она считается первым в мире программистом.
Microsoft Research имеет стипендию Ады Лавлейсв университетах США для аспирантов, заинтересованных в проведении исследований.
©: Автор постера: findindada.com
За последние двести лет множество людей, корпораций и исследовательских институтов внесли свой вклад в разработку аппаратного и программного обеспечения, которое привело к интернет-революции. Интернет сегодня включает в себя сотни тысяч миль соединенных между собой волоконно-оптических кабелей, миллионы веб-сайтов, миллиарды пользователей и миллионы байтов данных. Эта взаимосвязанность пользователей, устройств, приложений и генерация соответствующих данных обеспечила экосистему для революции ИИ.
Взаимосвязь пользователей, устройств, приложений и создание соответствующих данных создали экосистему для революции ИИ.
Наличие высокоскоростной и надежной интернет-экосистемы, технические достижения начала 2000-х годов и резкое падение стоимости вычислений послужили толчком к тому, чтобы революция ИИ наконец состоялась. Важно понимать, что «секретный соус» в ИИ — это данные, очень много данных и способность обрабатывать данные для получения релевантной информации.
Искусственный интеллект — это данные, огромное количество данных и способность обрабатывать данные для получения релевантной информации.
ФАКТОРЫ, ОБЕСПЕЧИВАЮЩИЕ ИИ
1. Облачные вычисления. Два критических требования к ИИ – это способность принимать большие объемы данных и обрабатывать их. Нет никаких сомнений в том, что достижения и широкое распространение облачных вычислений являются ключевыми факторами революции в области искусственного интеллекта. До появления облачных вычислений организации были ограничены в хранении и обработке данных размером своей ИТ-инфраструктуры. Рост облачных вычислений обеспечил возможность управления и обработки огромных объемов данных. Теперь организации могут хранить данные с минимальными затратами, а затем запускать ресурсоемкие программы и алгоритмы для построения моделей ИИ. Это также экономично для организаций, поскольку им нужно платить только за те ресурсы, которые они потребляют. Это позволяет организациям гораздо больше экспериментировать в своем поведении, что является ключевым аспектом проектов ИИ.
2. Пропускная способность Интернета. Чем больше у нас данных, тем лучше модели ИИ мы можем построить. Организации должны иметь возможность хранить и получать доступ к своим огромным наборам данных быстро, безопасно и по мере необходимости. За последние пару десятилетий в области передачи данных произошли значительные успехи, которые дали организациям возможность безопасно хранить огромные объемы данных вне помещений в крупных сторонних центрах обработки данных и получать к ним доступ по мере необходимости с минимальными затратами. Клиенты также доверяют тому, что их данные будут надежно храниться в сторонних центрах обработки данных.
3. Датчики (Интернет вещей). Сбор данных является очень важным требованием для искусственного интеллекта. В ходе обычной работы машины, процессы, отдельные лица и организации генерируют множество данных. Например, данные могут относиться к температуре, давлению, местоположению, движению, когнитивной деятельности и т. д. За последнее десятилетие в сенсорных технологиях были достигнуты значительные успехи, которые обеспечили их широкую доступность по очень низким ценам, что привело к их широкое распространение. Это помогло организациям развернуть больше датчиков в большем количестве вариантов использования для отслеживания параметров. Кроме того, эти датчики стали доступными для Интернета (отраслевой термин Интернет вещей (#IoT)), что означает, что они могут собирать информацию и отправлять ее в Интернет напрямую без вмешательства человека, где все эти данные могут храниться и обрабатываться. Хорошим примером является проект Sydney Growth Trains, где в каждом поезде установлено более 300 датчиков Интернета вещей (IoT) и почти 90 камер, которые молча фиксируют данные и записывают видео. Каждые десять минут датчики (устройства IoT) отправляют 30 000 сигналов, что дает представление о состоянии поезда в режиме реального времени. Захват такого большого количества данных с минимальным вмешательством человека при минимальных затратах и прямой передачей в Интернет было бы невообразимо десять лет назад.
4. Датафикация. Датафикация — это термин, введенный Кеннетом Цукьером и Виктором Майер-Шенбергером в их книге Большие данные: революция, которая изменит то, как мы живем, работаем и думаем. что в основном подразумевает превращение некоторых аспектов нашей жизни в данные, которые затем могут быть преобразованы в ценную информацию. Чтобы обработать данные, явление означает представить его в количественном формате, чтобы его можно было проанализировать. Если и есть фактор, который внес наибольший вклад в революцию ИИ помимо облачных вычислений, так это датафикация. Могли ли вы представить себе 10–15 лет назад, что сможете отслеживать, сколько шагов вы делаете за день? Или как быстро бьется ваше сердце за последние 2 недели только потому, что вы носите смарт-часы? Возможность преобразовывать любой аспект жизни в данные, а также оцифровывать — очень мощная концепция. Как только мы сможем обработать данные и оцифровать их, мы сможем проанализировать их, что, в свою очередь, может помочь получить гораздо более глубокое понимание того, как все работает, и, следовательно, получить несколько замечательных крупиц информации. Эти слепки могут затем помочь нам улучшить наши операции, помочь лучше прогнозировать и автоматизировать процессы.
Если есть еще один фактор, который, помимо облачных вычислений, внес наибольший вклад в революцию в области искусственного интеллекта, так это датафикация.
5. N=ВСЕ. Всякий раз, когда в прошлом нам нужно было провести исследование рынка или понять общую тенденцию предпочтений или выбора людей, нам приходилось строить свое понимание на основе опросов, проведенных на выборочных данных. Было просто невозможно опросить все население для варианта использования. Возьмем, к примеру, если бы мы хотели узнать, сколько людей смотрели Карточный домик на Netflix или какая самая популярная песня сейчас играет на Spotify. В прошлом мы тщательно выбирали размер выборки на основе случайной выборки, корректировали выбросы, нормализовали данные, а затем проводили опрос для отобранной выборки. Основываясь на результатах проведенного опроса, мы бы затем экстраполировали выводы на все население и сделали вывод. Вывод будет в диапазоне (например, +/- 5%). Теперь, когда доступны возможности облачных вычислений, нет необходимости выбирать случайный размер выборки. Изменчивость результатов при разных размерах выборки.
© Техасский университет
Весь набор данных — это размер вашей выборки! Следовательно, вывод также имеет тенденцию быть более точным. Еще более полезным является то, что упражнение можно выполнять практически в режиме реального времени. Мы знаем не только точное количество людей, которые смотрят Карточный домик, но и то, когда они смотрят, сколько дней уходит на завершение сезона, где они делают паузы, какой сезон им нравится больше всего и т. д. Все эти идеи становятся очень важным вкладом при построении моделей ИИ.
6. Достижения в программных инструментах и технологиях. За последние 10–15 лет были достигнуты значительные успехи в области баз данных, наук о данных и когнитивных сервисов, которые позволяют внедрять искусственный интеллект во все сферы деятельности. жизни.
- Базы данных. Несколько лет назад было невозможно представить, что у нас будут возможности баз данных, которые позволят принимать, хранить, обрабатывать, анализировать и представлять большие объемы структурированных и неструктурированных данных, хранящихся в облаке.
- Науки о данных: были достигнуты большие успехи в машинном обучении, нейронных сетях, виртуальных машинах для обработки данных, возможностях AutoML, инструментах для презентаций и отчетов и т. д., что позволило обрабатывать и обрабатывать данные в больших масштабах.
- Когнитивные науки. Теперь у нас есть инструменты, которые помогают нам получать и обрабатывать когнитивные данные, а именно. речь, звук, зрение, знание, видео, поиск, язык и т. д., что позволяет нам находить информацию о субъективных данных, которую можно было бы вообразить еще несколько лет назад.
7. Алгоритмы и платформы. В основе ИИ лежит разработка алгоритмов, которые по своей сути являются статистическими моделями и помогают нам получать такие результаты, как прогнозирование поломок машин, создание автомобилей без водителя, помощь в определении оптимальных маршрутов движения, продаж. прогноз, предсказание мошенничества, получение информации о поведении клиентов и т. д. Алгоритмы помогают нам находить корреляцию на основе данных, а также переменных, которые влияют на каждый сценарий. Благодаря возможностям облачных вычислений теперь можно запускать сложные статистические модели с большими наборами данных, а также с большими наборами данных. Кроме того, у нас есть значительные разработки, происходящие в средах кластерных вычислений общего назначения (Hadoop, Spark, MapReduce и т. д.), которые помогают обрабатывать огромные объемы данных на нескольких компьютерах, тем самым ускоряя вычислительный процесс, а также давая нам возможность запускать более крупные и сложные алгоритмы и наборы данных.
8. Резкое снижение стоимости вычислений. Низкие затраты на облачные вычисления, хранение данных, доступ в Интернет и датчики помогают продвинуть революцию в области искусственного интеллекта. Если бы не это, ИИ так и остался бы блестящей концепцией, доступной только исследовательским лабораториям.
В заключение можно констатировать, что последнее десятилетие (2009–2019 гг.) было периодом времени, когда, наконец, начали собираться воедино различные движущиеся части искусственного интеллекта. Если облачные вычисления, датчики (IoT), программное обеспечение, алгоритмы и фреймворки являются строительными блоками искусственного интеллекта, то связующим звеном является широкая доступность широкополосной связи и низкая стоимость вычислений. Наконец-то появился ИИ. Виктор Гюго был прав.
"Нет ничего более могущественного, чем идея, время которой пришло".
Взгляды, высказанные здесь автором, являются личными. Моя статья за октябрь 2019 г. будет посвящена теме "Датификация".
Я искренне благодарю Бена Дэвиса и Кэтрин Фельдхаузен за рецензирование статьи и их предложения.
Первоначально опубликовано на https://www.linkedin.com.
