Презентация - Искусственный интеллект

Искусственный интеллект
: Ерихова Анастасия Алексеевна

Введение
Искусственный интеллект — это способ сделать компьютер, компьютер-контролируемого робота или программу способную также разумно мыслить как человек. С момента изобретения компьютеров, их способность выполнять различные задачи продолжают расти в геометрической прогрессии. Люди развивают мощность компьютерных систем, увеличивая выполнения задач и уменьшая размер компьютеров. Основной целью исследователей в области искусственного интеллекта — создание компьютеров или машин таких же разумных как человек.

История
Первая теоретическая разработка ИИ, которую принципиально можно было реализовать при помощи существующих на тот момент ЭВМ, относится к 40-ым годам XX-ого века. Так, в 1943 году Уоррен Маккалок и Уолтер Питтс опубликовали свои труды под названием «A Logical Calculus of the Ideas Immanent in Nervous Activity (Логическое исчисление идей, относящихся к нервной активности)», которые заложили основы искусственных нейронных сетей. Авторы предложили модель искусственного нейрона. Д. Хебб в работе «Организация поведения» 1949 года описал основные принципы обучения нейронов. Интерес к исследованию нейронных сетей угас после публикации работы по машинному обучению Минского и Пейперта в 1969 году. Ими были обнаружены основные вычислительные проблемы, возникающие при компьютерной реализации искусственных нейронных сетей.

Первый ии
Фрэнк Розенблатт
Алан Тьюринг
Первую модель искусственного интеллекта создал Алан Тьюринг. Это удалось понять благодаря простому тесту. Человек для этого должен был общаться с одним человеком и с одним компьютером. И целью компьютерной программы было ввести этого человека в заблуждение. Суть этого теста следующая: человек и робот общаются с другим человеком, таким образом, чтобы тот не знал и не видел, кто есть кто. Например, по телефону, через телетайп или через чат (в современной интерпретации). Если робот смог выдать себя за человека, значит, это и есть искусственный интеллект.
В конце 1950-х годов Фрэнк Розенблатт разработал первую нейросеть. И эта нейросеть могла обучаться, то есть представляла собой настоящий искусственный интеллект. Затем в 1997 году компьютер впервые смог победить в игре в шахматы чемпиона мира Гарри Каспарова.

Продолжение развития
Далее в 2011 году была создана Google - масштабная нейросеть, которая способна обрабатывать картинки и создавать на их основе другие. А что собственно представляет собой нейросеть? Это искусственный интеллект, который функционирует по тому же принципу, что и мозг человека. То есть это нейронная сеть, где данные постоянно обрабатываются, изменяются и в результате сеть обучается, в ней создаются новые связи либо нейроны. Источник:Научная Россия

Нейросети в сферах жизни
Популярность нейронные сети стали завоевывать после 2010 г. Для того чтобы разобраться, почему это произошло, мы должны понимать, как устроена нейросеть и в чем ее особенность. Поисковые алгоритмы от Google и Яндекса построены на нейронных сетях. Онлайн-переводчики используют нейросеть в своей работе. Сервисы товарных рекомендаций, которые мы можем встретить на многих Web-сайтах, также основаны на нейронной сети. Алиса от Яндекса – еще одно детище нейросети. Среди основных областей применения нейронных сетей — прогнозирование, принятие решений, распознавание образов, оптимизация, анализ данных. Нейросети лежат в основе большинства современных систем распознавания и синтеза речи, а также распознавания и обработки изображений. Они применяются в некоторых системах навигации, будь то промышленные роботы или беспилотные автомобили.

Обучение нейросети
глубинные нейронные сети состоят из слоев, поэтому мы часто и слышим термин "глубинное обучение". Каждый слой выполняет свою задачу и дальше взаимодействует со следующим слоем. Для того чтобы сеть работала правильно, мы должны дать ей на распознавание подготовленный объект. Многие слои нейросети как раз отвечают за такую подготовку: находят объект по контурам, убирают шумы и т.п.
Хорошим сравнением для понимания, как мне кажется, будет аналогия, как мы учим детей узнавать, например, волка. Волки ведь бывают разные: в зоопарке они одни, а в мультфильмах и сказках совсем другие. Волк из "Ну, погоди!" очень сильно отличается от волка из сказки про семерых козлят, ну и тем более от волка на фотографиях дикой природы. Если мы встретим ростовую куклу или пойдем в театр на детский спектакль, то это будет уже другой волк. Тем не менее через какое-то время ребенок начинает узнавать волка.

Как же это происходит?
Первое: мы учим ребенка находить на наблюдаемой сцене объект. Для этого мы тыкаем пальцем и говорим: "Смотри – волк". Или: "Смотри – заяц". Такая идентификация и является первой задачей нейросети. Дальше мы обучаем ребенка на разных изображениях определять волка; если ребенок угадывает, то мы его хвалим (этап обучения). Но иногда картинок для обучения нам не хватает и тогда мы можем нарисовать волка сами, слепить его из пластилина, показать новый мультик. В машинном обучении это называется "синтетическая генерация данных", необходимая для расширения обучающей выборки. Ребенок должен узнавать волка даже в том случае, если он спрятался за деревом и когда он лежит в чепчике и очках в кровати бабушки, которую только что съел. После того как мы окончательно поняли, что ребенок узнает волка в 90–95% случаев, мы уже не говорим ребенку: "Смотри – волк", так как знаем, что он может найти волка на картинке и его безошибочно распознать. Знания ребенка проверяются на новых книжках, и на этом процесс обучения заканчивается.

чему научились нейросети за последние годы?
Обработка фотографий 1. BigJPG 2. Waifu2x 3. Let’s Enhance 4. AI Image Enlarger 5. Vance AI Творчество Таланты нейросетей не ограничиваются лишь обработкой изображений. Отвечая на вечный вопрос персонажа Уилла Смита из известного фильма — да, робот может написать симфонию и сотворить шедевр. Музыка Ноты написаны, текст придуман, осталось только спеть! Ну уж здесь-то машины дадут осечку: в конце концов, процесс исполнения, как правило, требует эмоциональной выкладки, а на такое не способны даже нейросети. Зато проанализировать тысячу песен и на их основе сымитировать что-то подобное — запросто.
Ещё лет десять назад вы могли и не слышать о них, но сегодня это одно из самых приоритетных направлений в области исследований искусственного интеллекта.

Спасибо за внимание!