AI and Machine Learning – это не что иное, как набор методологических подходов и имеющихся реальных возможностей, благодаря которым мощные компьютерные системы могут находить в своих массивах оперативной и внешней памяти такие данные, которые изначально могли и не предполагаться, так как были полностью неизвестны их новые взаимосвязи и закономерности.
Следовательно, машинное обучение может происходить в процессе решения значительного множества сходных и образно подобных задач. Не так давно получил распространение термин «большие данные», обозначивший новую прикладную область – поиск способов автоматического быстрого анализа огромных объёмов разнородной информации.
Машинное обучение
Машинное обучение считается самым перспективным подходом, особенно в процессах анализа больших блоковых объёмов разнообразной информации. Например, компания DeepMind (США) получила известность благодаря разработке компьютерной системы Alpha Go, победившей профессионального игрока в го. Это стало возможным благодаря созданию нейронной сети, способной научиться играть в видеоигры на уровне человека. В 2017 году эта компания совместно с Open AI, основанной Илоном Маском (создателем SpaceX и Tesla Motors), провела исследование нового метода машинного обучения, суть которого заключалась в получении сигналов от людей для формулирования и изучения новых задач. На сегодня искусственный интеллект ещё довольно расплывчатое понятие, включающее в себя множество технических разработок: нейронные сети, робототехнику, распознавание образов, алгоритмизацию процессов и явлений и т.д. Но всё же это уже основа основ именно интеллекта, то есть, по сути, обучаемая вычислительная структура. Её отличие от человеческого разума – узкая специализация и пока ещё отсутствие возможности самопроизвольно (по мере необходимости) переключаться между профилями умственной деятельности.
При этом искусственный интеллект имеет огромный потенциал и перспективы применения во всех сферах жизнедеятельности человечества.
Искусственный интеллект
Использование искусственного интеллекта даёт возможность создавать динамичные, гибкие и относительно автономные системы. А значит, эти системы должны использоваться там, где, например, человек не может справиться с выдерживанием высочайшей степени точности (в промышленности, исследованиях) или встречается с угрозами для жизни и безопасности (в атомной энергетике, в подводных работах, военной сфере). Особое внимание при развитии как искусственного интеллекта, так и машинного обучения уделяется совершенствованию IT инфраструктур. На сегодня известны так называемые «облачные» вычисления (облака), которые активно принимаются на службу технологией искусственного интеллекта и машинного обучения.
Следующее десятилетие, скорее всего, продемонстрирует нам новый уровень этого тренда, ведь почти все технологические гиганты работают в данном направлении деятельности. Ценность облаков – в их надёжности, невысокой стоимости для клиентов (эксплуатантов), отсутствии значительных капитальных вложений и затрат. Облако обеспечивает достаточно лёгкое масштабирование производств и процессов, позволяет создавать и разворачивать сервис-ориентированные модели, гарантировать большие вычислительные мощности для целей бизнеса, науки и производств. Кроме того, облака повсеместно проникли и в жизнь частных пользователей, так как информационные системы уже органично вписались во все основные сферы жизни. Прогресс во всех отраслях науки и промышленности идёт с огромной скоростью, не прекращая удивлять и восхищать специалистов и дилетантов.
Создание систем, которые самостоятельно учатся, адаптируются и готовятся действовать автономно, станет основным «полем битвы» между поставщиками технологий на ближайшие десятилетия. Наши специалисты это прекрасно понимают и уже всецело включились в потенциально интересные исследовательские программы.
