Kакво е изкуствен интелект?

Малко са понятията, които са толкова слабо разбрани, колкото изкуствения интелект. Проучванията на общественото мнение показват, че дори висшите бизнес лидери нямат подробна представа за изкуствения интелект. Много обикновени хора го бъркат със свръхмощни роботи или свръхинтелигентни устройства.

Какво представлява изкуственият интелект?

Изкуственият интелект (ИИ) е разнообразна област в компютърните науки, която се фокусира върху създаването на интелигентни машини, способни да изпълняват задачи, които обикновено се свързват с човешкия интелект. ИИ, като интердисциплинарна наука, използва различни подходи. Забележителен напредък има в машинното обучение и дълбокото обучение, които революционизират почти всеки сектор на технологичната индустрия.

Изкуственият интелект позволява на машините да имитират, а в някои случаи и да подобряват човешките когнитивни способности. Приложенията на тази технология варират от разработването на самоуправляващи се автомобили до широкото използване на инструменти за генеративен изкуствен интелект като ChatGPT и Bard на Google. ИИ все повече се интегрира в ежедневието ни и представлява значителна област на инвестиции за компании от различни отрасли.

Психолозите обикновено описват човешката интелигентност не като отделна черта, а като съвкупност от различни способности. Изследванията на изкуствения интелект са съсредоточени главно върху следните аспекти на интелигентността: учене, разсъждаване, решаване на проблеми, възприемане и използване на езика.

Учене

В сферата на изкуствения интелект се използват различни форми на обучение. Най-простата форма е ученето чрез проба и грешка. Например една основна компютърна програма, предназначена за решаване на шахматни задачи мат в един, може да експериментира с ходове на случаен принцип, докато не открие мата. След това програмата може да запази това решение заедно със съответната позиция, така че ако отново срещне същата позиция, да може да си припомни решението. Това просто запомняне на отделни елементи и процедури, известно като заучаване, е сравнително лесно за прилагане на компютър. По-сложно обаче е предизвикателството да се приложи това, което е известно като обобщаване. Обобщаването включва прилагане на минал опит в подобни нови ситуации.

Разсъждaване

Да разсъждаваме означава да правим подходящи изводи въз основа на дадената ситуация. Тези изводи се категоризират като дедуктивни или индуктивни. Пример за дедуктивно разсъждение е следният: “Фред трябва да е или в музея, или в кафенето. Той не е в кафенето, следователно е в музея.” От друга страна, пример за индуктивно разсъждение е следният: “Предишни инциденти от този вид са били причинени от повреда на инструмента; следователно този инцидент е причинен от повреда на инструмента.” Ключовото разграничение между тези форми на разсъждение се състои във факта, че при дедуктивното разсъждение истинността на предпоставките гарантира истинността на заключението, докато при индуктивното разсъждение истинността на предпоставките дава подкрепа на заключението, без да осигурява абсолютна сигурност. Индуктивното разсъждение често се използва в науката, където се събират данни и се разработват предварителни модели за описване и прогнозиране на бъдещо поведение – до момента, в който появата на необичайни данни не наложи преразглеждане на модела. Дедуктивното мислене е широко разпространено в математиката и логиката, където сложни структури от неоспорими твърдения се изграждат от малък набор от основни аксиоми и правила.

Програмирането на компютри за правене на изводи е постигнало значителен успех. Въпреки това истинското разсъждение надхвърля простото правене на изводи; то включва правене на изводи, които са от значение за решаването на конкретна задача или ситуация. Това представлява един от най-трудните проблеми, пред които е изправен изкуственият интелект.

Решаване на проблеми

Решаването на проблеми, особено в сферата на изкуствения интелект, може да се опише като систематично изследване на набор от потенциални действия, насочени към постигането на предварително определена цел или решение. Подходите за решаване на проблеми могат да бъдат категоризирани в два типа: със специално предназначение и с общо предназначение. Методът със специално предназначение е специално разработен за конкретен проблем и често използва уникалните характеристики на конкретната ситуация, в която съществува проблемът. За разлика от тях методът с общо предназначение може да се прилага за широк кръг от проблеми. Един често използван метод с общо предназначение в ИИ е анализът на крайните средства, който включва постепенно намаляване на разликата между текущото състояние и желаната крайна цел, стъпка по стъпка. Програмата избира действия от списъка с налични средства. Например Вземане, Сваляне, Движение напред, Движение назад, Движение наляво и Движение надясно в случая на прост робот, докато целта бъде постигната.

Програмите за изкуствен интелект успешно се справят с множество разнообразни проблеми. Примери за това са определянето на печелившия ход (или поредица от ходове) в настолна игра, генерирането на математически доказателства и манипулирането на “виртуални обекти” в компютърно генерирана среда.

Възприемане

В сферата на възприятието околната среда се изследва чрез различни сетивни органи, независимо дали те са истински или изкуствени. Това включва разделяне на сцената на отделни обекти с различни пространствени отношения. Този анализ е сложен поради факта, че външният вид на даден обект може да варира в зависимост от ъгъла на гледане, посоката и интензивността на околната осветеност и от това доколко обектът се откроява от фона.

Една от ранните системи, които съчетават възприятие и действие, е FREDDY – стационарен робот, оборудван с подвижно телевизионно око и клещовидна ръка. FREDDY е разработен в Единбургския университет, Шотландия, между 1966 и 1973 г. под ръководството на Доналд Мичи. Той е имал способността да разпознава различни обекти и е можел да бъде инструктиран да сглобява прости артефакти, като автомобил играчка, от произволна купчина компоненти. Понастоящем изкуственото възприятие е напреднало до такава степен, че оптичните сензори могат да идентифицират хора, а автономните превозни средства могат да се движат с умерена скорост по открити пътища.

Език

Езикът е система от символи с общоприети значения. Това понятие за език се простира отвъд изговорените думи; например пътните знаци представляват своеобразен мини-език, където символи като ⚠ означават “опасност пред автомобила” по силата на споразумение в някои страни. Това, което отличава езиците, е, че езиковите елементи извличат значението си от конвенцията – понятие, различно от естественото значение, което се среща в изрази като “Тези облаци означават дъжд” или “Спадът на налягането показва неизправност на вентила”.

Забележителна характеристика на напълно развитите човешки езици, за разлика от виковете на птиците или пътните знаци, е тяхната продуктивност. Един продуктивен език може да генерира безкраен набор от изречения.

Големи езикови модели като ChatGPT могат да общуват свободно на човешки езици, като отговарят на въпроси и твърдения. Макар че тези модели не разбират езика като хората, а избират най-вероятните думи, вместо да демонстрират разбиране, те са достигнали етап, в който езиковите им умения са неразличими от тези на типичен човек. Тогава възниква въпросът: Какво означава истинско разбиране, след като дори компютър, който използва език, подобен на този, който е роден за човек, не се счита за разбиращ? Това е труден въпрос, за който няма общоприет отговор.

Как работи изкуствения интелект

С нарастването на вълнението около изкуствения интелект много доставчици се стремят да покажат как техните продукти и услуги го включват. Често това, което те обозначават като ИИ, всъщност е част от по-широка технология, например машинно обучение. ИИ разчита на основа от специализиран хардуер и софтуер за разработване и обучение на алгоритми за машинно обучение. Въпреки че нито един език за програмиране не е изключителен за ИИ, езици като Python, R, Java, C++ и Julia са придобили популярност сред разработчиците на ИИ.

В най-общ смисъл системите за ИИ работят, като изпълняват следните стъпки:

Приемане на данни: Системите за изкуствен интелект приемат значителни количества маркирани данни за обучение.

Анализ на данните: Данните се анализират щателно, за да се идентифицират корелации и модели.

Прогнозно моделиране: ИИ използва тези модели, за да прави прогнози за бъдещи условия или резултати. Например чатбот, който е изложен на текстови примери, се научава да генерира реалистични разговори. Докато инструмент за разпознаване на изображения идентифицира и описва обекти в изображения след преглед на множество примери.

Освен това областта на програмирането на ИИ е съсредоточена върху когнитивните умения, включително:

Учене: Програмирането на ИИ се концентрира върху получаването на данни и формулирането на алгоритми за превръщането им в полезна информация. Тези алгоритми служат като инструкции стъпка по стъпка за компютрите за изпълнение на конкретни задачи.

Разсъждаване: Програмирането на изкуствен интелект включва избор на най-подходящия алгоритъм за постигане на желания резултат.

Самокоригиране: Програмирането на изкуствен интелект включва механизми за непрекъснато усъвършенстване на алгоритмите и осигуряване на най-точни резултати.

Творчество: ИИ използва невронни мрежи, системи, базирани на правила, статистически методи и други техники за генериране на иновативно съдържание, като например изображения, текст, музика и нови идеи.

Приложения на изкуствения интелект

Приложенията на изкуствения интелект са безкрайни. Технологията може да се прилага в много различни сектори и индустрии. Изкуственият интелект се тества и използва в здравната индустрия за предлагане на дозировки на лекарства, определяне на лечения и за подпомагане на хирургически процедури в операционната зала.

Други примери за машини с изкуствен интелект включват компютри, които играят шах, и самоуправляващи се автомобили. Всяка от тези машини трябва да прецени последствията от всяко свое действие, тъй като всяко действие ще се отрази на крайния резултат. При шаха крайният резултат е спечелването на играта. При самоуправляващите се автомобили компютърната система трябва да отчете всички външни данни и да ги изчисли, за да действа по начин, който предотвратява сблъсък.

Изкуственият интелект има приложения и във финансовата индустрия, където се използва за откриване и маркиране на дейности в банковата и финансовата сфера, като например необичайно използване на дебитни карти и големи депозити по сметки – всичко това помага на отдела за измами на банката. Приложенията на изкуствения интелект се използват и за рационализиране и улесняване на търговията. Това става, като се улеснява оценката на търсенето, предлагането и цените на ценните книжа.

Видове изкуствен интелект

Изкуственият интелект (ИИ) може да бъде категоризиран по различни начини в зависимост от етапите на развитие и задачите, които може да изпълнява. Един от разпространените подходи е да се категоризира ИИ въз основа на неговите етапи на развитие, като се признават четири етапа:

Реактивни машини

Това са системи за ИИ с ограничени възможности, които реагират на дразнители въз основа на предварително програмирани правила. Те нямат памет и не могат да се учат от нови данни. Пример за това е Deep Blue на IBM, който през 1997 г. победи шампиона по шахмат Гари Каспаров.

Ограничена памет

Повечето съвременни изкуствени интелекти попадат в категорията на ограничената памет. Тези системи на ИИ могат да използват паметта, за да подобрят представянето си с течение на времето, като се учат от нови данни, често чрез изкуствени невронни мрежи или други модели за обучение. Дълбокото обучение, подмножество на машинното обучение, е пример за ИИ с ограничена памет.

Теория на ума

ИИ с теория на ума все още е теоретична концепция, която се изследва в момента. Тя предвижда ИИ, който може да симулира вземане на решения, подобни на човешките, включително разпознаване и запомняне на емоции и реагиране на социални ситуации по начин, подобен на човешкия.

ИИ със самосъзнание

ИИ със самосъзнание, стъпка отвъд ИИ с теория на ума, е хипотетична концепция, при която машините притежават самосъзнание и интелектуални и емоционални способности, подобни на човешките. Подобно на изкуствения интелект с теория на съзнанието, в момента не съществува изкуствен интелект със самосъзнание.

Друг начин за категоризиране на ИИ е според неговите възможности. Повечето от ИИ, с които се сблъскваме днес, се считат за “тесни” ИИ, което означава, че могат да изпълняват специфични задачи въз основа на програмирането и обучението си. Например алгоритъм на ИИ, предназначен за класификация на обекти, не може да извършва обработка на естествен език. Търсенето в Google, прогнозният анализ и виртуалните асистенти са примери за тесен ИИ.

Изкуственият общ интелект (ИОИ) представлява способността на машината да “усеща, мисли и действа” подобно на човека, но в момента той не съществува. Отвъд AGI съществува концепцията за изкуствен свръхинтелигентност (ASI), при която машината би надминала човешките възможности във всеки аспект.

Какви са плюсовете и минусите на изкуствения интелект

Изкуствените невронни мрежи и технологиите за дълбоко обучение на изкуствения интелект бързо се развиват, най-вече защото изкуственият интелект може да обработва огромни количества данни много по-бързо и точно, отколкото позволяват човешките възможности.

При огромния ежедневен приток на данни човешките изследователи могат да се окажат претоварен. Приложенията на ИИ, използващи машинно обучение, могат ефективно да трансформират тези данни в полезни прозрения. Въпреки това към момента на писане на този текст съществен недостатък на ИИ са високите разходи. Те са свързани с обработката на обширни данни, необходими за програмирането на ИИ. Техниките на ИИ стават все по-интегрирани в различни продукти и услуги. Организациите трябва да останат бдителни и по отношение на потенциала на ИИ да внася пристрастия и дискриминация в системите. Независимо дали умишлено или по невнимание.

Предимства на изкуствения интелект

Изкуственият интелект предлага няколко предимства, включително:

• Умение за изпълнение на задачи, ориентирани към детайлите: ИИ е доказал способността си да диагностицира някои видове рак, като рак на гърдата и меланом, също толкова ефективно, колкото и лекарите, или дори по-добре от тях.
• Ускорена обработка на данни: ИИ се прилага широко в интензивни на данни сектори като банковото дело, фармацевтиката и застраховането, за да се ускори анализът на големи масиви от данни. Финансовите услуги например разчитат на ИИ, за да обработват ефективно заявленията за кредит и да откриват измами.
• Спестяване на труд и повишаване на производителността: Автоматизацията на складовете, подкрепена от ИИ и машинното обучение, отбеляза значителен ръст по време на пандемията.Очаква се да продължи да се разширява, спестявайки труд и повишавайки производителността.
• Последователни резултати: Водещите инструменти за превод с изкуствен интелект осигуряват последователни и надеждни резултати. Това позволява дори на малките предприятия да общуват ефективно с клиентите на родния им език.
• Повишена удовлетвореност на клиентите чрез персонализация: ИИ може да персонализира съдържанието, съобщенията, рекламите, препоръките и уебсайтовете за отделните клиенти. Това допринася за повишаване на удовлетвореността им.
• Винаги налични виртуални агенти, задвижвани от ИИ: Програмите с ИИ работят денонощно, без да се нуждаят от почивка или прекъсвания, като осигуряват 24-часова наличност на услугите.

Недостатъци на изкуствения интелект (ИИ)

Изкуственият интелект представлява няколко предизвикателства и недостатъци, включително:

• Скъпоструващо внедряване: Разработването и внедряването на изкуствен интелект може да бъде свързано с големи финансови разходи. Организациите се нуждаят от значителни инвестиции в инфраструктура, хардуер, софтуер и квалифициран персонал, за да използват пълния потенциал на ИИ.
• Необходимост от експертиза: Изграждането и поддръжката на системи с ИИ изискват дълбоки технически познания, което го прави област, достъпна предимно за лица със специализирани познания и обучение в областта на машинното обучение и науката за данните.
• Недостиг на таланти: Търсенето на квалифицирани специалисти, владеещи технологиите на ИИ, често надхвърля наличното предлагане. Този недостиг на експерти по ИИ може да възпрепятства разработването и използването на инструменти за ИИ.
• Усилване на предубежденията: Системите за ИИ могат да затвърдят предубежденията, съдържащи се в техните данни за обучение. Това може да доведе до дискриминационни резултати, особено когато ИИ се внедрява в голям мащаб, което потенциално засилва обществените неравенства.
• Липса на обобщение: Много модели на ИИ са специализирани и се справят отлично с конкретни задачи, но може да им е трудно да прехвърлят своите знания или умения в различни области. Обобщаването остава предизвикателство за системите на ИИ.
• Изместване на работни места: Възможностите за автоматизация на ИИ имат потенциала да заменят някои човешки работни места. Това води до опасения относно равнището на безработица. Тъй като системите на ИИ стават все по-способни, е необходимо да се обмислят стратегии за адаптиране и преквалификация на работната сила.

Примери за изкуствен интелект

Технологията на изкуствения интелект приема различни форми и обхваща широк спектър от приложения – от чатботове до навигационни приложения и носими фитнес тракери. Следващите примери илюстрират разнообразието от потенциални приложения на изкуствения интелект:

Чатботове

В днешния дигитален пейзаж сме свикнали да взаимодействаме с различни чатботове в интернет. Независимо дали става въпрос за обикновен бот за обслужване на клиенти или за такъв, който участва в разговори, наподобяващи човешкото общуване, на разположение е голямо разнообразие от ботове. Това, което може да ви изненада обаче, е, че много от тези ботове всъщност се захранват от изкуствен интелект.

Ярък пример за това е ChatGPT. Първоначално хората използваха този чатбот като просто още един онлайн спътник. Но ChatGPT е нещо много повече от това – това е чатбот, задвижван от изкуствен интелект. ChatGPT използва възможностите на обширния езиков модел на OpenAI, GPT-3, а компанията въведе още по-усъвършенстван модел, наречен GPT-4, достъпен изключително за потребителите на Plus.

Този бот е щателно създаден, за да имитира реакции, подобни на човешките, и да изпълнява разнообразни задачи. Макар да започна като инструмент за прости разговори, скоро стана ясно, че ChatGPT е способен на широк набор от онлайн функции. Чатботът с изкуствен интелект може да съставя публикации в блогове, да генерира и отстранява сложни кодове, да създава завладяващи разкази, да предоставя рецепти и да отговаря на почти всяко запитване, което му зададете. Тази гъвкавост дава на ChatGPT възможност да помага при изпълнението на множество задачи. Освен това OpenAI има намерение да разшири възможностите на ChatGPT, като въведе плъгини, които да му осигурят достъп до интернет.

Следващият път, когато се занимавате с ChatGPT или с подобни алтернативи, не забравяйте, че тя е един от най-ярките примери за изкуствен интелект през 2023 г. А ако вече го използвате, проучете вълнуващите възможности и функционалности, които ChatGPT предлага, и се пригответе да бъдете изумени.

Microsoft Bing

Въпреки че Google традиционно заема позицията на предпочитана търсачка за повечето потребители, Microsoft наскоро обнови Bing с интегрирането на изкуствен интелект. Усъвършенстваният Bing, задвижван от изкуствен интелект, е специално разработен, за да даде възможност на търсачката да предоставя интелигентни и нюансирани отговори чрез своите възможности за изкуствен интелект. Освен това Bing въведе нова функция, наречена режим на чат, която позволява на потребителите да водят разговори с търсачката и да получават достъп до широк набор от резултати от търсенето. Подобно на ChatGPT, Bing може умело да отговаря на разнообразни заявки и да изпълнява различни задачи. След пускането си на пазара Microsoft Bing отбеляза значителен скок в популярността си, като може да се похвали с над 100 милиона активни потребители дневно на своя уебсайт. Ако вече сте сред тези, които използват Microsoft Bing AI, може би вече сте проучили впечатляващите възможности на този пример за най-съвременен изкуствен интелект.

Google Duplex и Hold For Me

Google Duplex е още една забележителна услуга, базирана на изкуствения интелект, която напълно използва потенциала на изкуствения интелект. През 2018 г. Google представи Duplex, демонстрирайки способността си да прави резервации за ресторанти от ваше име. Duplex имитира човешка реч, разбира контекста и реагира естествено, подобно на човешки събеседник. Можете да използвате Google Duplex, за да резервирате билети за кино в киносалон, да си осигурите среща в салон и др. Понастоящем тази услуга е достъпна единствено в САЩ и се предлага само на английски език.

В допълнение към Google Duplex има и услугата “Hold For Me”, която наскоро беше добавена към телефоните Pixel в САЩ. Тя е пример за интегрирането на изкуствения интелект в ежедневието ни, като рационализира ежедневните задачи. Например, когато се обаждате на безплатен номер и се окажете поставени на изчакване, Google Assistant може да поеме разговора и да ви предупреди, когато жив човешки представител е готов да ви помогне. Това нововъведение ви спестява ценно време и неприятности.

Интелигентно писане , бърз отговор и проверка на граматиката

Ако сте потребител на Gmail, вероятно сте се сблъсквали с функцията, известна като Smart Compose. Тази функция предлага завършени изречения въз основа на това, което вече сте написали в имейла си. Тя използва възможностите на изкуствения интелект, за да съставя бързо проектите на имейлите ви с контекстуална точност и правилна граматика. Намирам я за доста полезна и е ярък пример за това как изкуственият интелект подобрява живота ни и пести време. Можете да получите достъп до тази функция в рамките на прозореца Compose (Съставяне). Всеки път, когато получите предложение за Smart Compose, просто натиснете клавиша tab и то ще бъде безпроблемно добавено към черновата ви.

В допълнение към Smart Compose в Gmail и приложенията за съобщения в Android е налична и функцията Quick Reply, която също се управлява от AI технология. Например, когато получите съобщение в WhatsApp, в горната част на известието се появяват опции за бърз отговор, съобразени със съдържанието на съобщението. Едно докосване ви позволява да изпратите незабавен отговор. Това показва как ИИ внася едва доловима, но значителна промяна в начина, по който взаимодействаме с другите онлайн.

И накрая, в Google Docs има функция за проверка на граматиката, която се захранва от ИИ. Много хора разчитат на Google Docs за изготвяне на истории, статии и различни документи. Google използва своите постижения на изкуствения интелект, за да помага на потребителите да създават изречения без грешки. Услугата обикновено е активирана по подразбиране, но можете да я активирате ръчно, като преминете към Tools -> Spelling and Grammar (Инструменти -> Правопис и граматика). Освен това, освен офертата на Google, има и алтернативи като Grammarly, които също предоставят граматически проверки, базирани на изкуствен интелект.

Google Recorder, Live Captions и Transcribe

Едно от най-впечатляващите приложения на изкуствения интелект е свързано с разпознаването на реч. Google Recorder и Otter.ai служат като най-добри примери, използвайки силата на ИИ за транскрибиране на изговорени думи в реално време. По-специално Google Recorder отива още по-далеч, като използва машинно обучение (подмножество на ИИ), за да транскрибира речи без необходимост от интернет връзка. Целият този процес се извършва офлайн и се отличава със забележителна точност. Освен това той създава бележка с възможност за търсене, което позволява лесно редактиране на транскрипциите в движение.

В допълнение към тези постижения Google въведе Live Caption за Android и браузърите Chrome. Тази функция е способна да слуша вътрешно аудио и да предоставя надписи в реално време, благодарение на технологията на изкуствения интелект. Струва си да се отбележи, че понастоящем Live Captions поддържат изключително английски език.

Освен това Google предлага приложението Live Transcribe, което се отличава с транскрибиране на речи на над 80 езика и в реално време. Тази способност е особено полезна и всеобхватна, тъй като може да разпознава и околни звуци, като например пожарни аларми или звънене на звънец на вратата, предоставяйки ценна помощ на глухи или слабочуващи лица.

Google Assistant и камера

Много преди да навлезем в сферата на ChatGPT или Bing, изкуственият интелект вече беше вплетен в тъканта на ежедневието ни чрез нашите смартфони. Независимо дали го осъзнавате, или не, ако редовно използвате смартфон, вие редовно си взаимодействате с изкуствения интелект. От използването на вградени интелигентни асистенти до използването на функции като портретен режим в камерите на телефоните, ИИ оказва своето влияние върху нашето ежедневие.

Всъщност двата примера, които споменах по-рано, ни дават представа за повсеместното въздействие на ИИ върху живота ни. На първо място, има очевидни компоненти на ИИ, които са познати на много от нас. Например, когато си взаимодействате с интелигентен асистент, независимо дали става дума за Google Assistant, Alexa, Siri или Bixby, обикновено разпознавате, че тези асистенти разчитат на технология на ИИ.

Разгледайте обаче сценария, при който използвате портретния режим, докато заснемате снимка. Рядко се замисляме, че ИИ може да е движещата сила зад тази възможност. Чудили ли сте се някога как телефоните Google Pixel или iPhone правят толкова впечатляващи портретни снимки? Отговорът се крие в изкуствения интелект. Освен това все повече производители на смартфони включват ИИ в своите устройства, като големи производители на чипове като Qualcomm и Huawei произвеждат чипове, оборудвани с вградени възможности за ИИ. Това интегриране на ИИ позволява разработването на функции като разпознаване на сцени, елементи на смесена и виртуална реалност и много други. През следващите години ИИ ще играе още по-съществена роля и тази тенденция вече е очевидна с ясно изразения акцент върху ИИ в последните актуализации на Android и iOS.

AI генератори на изображения

След като по-горе разгледахме въздействието на изкуствения интелект върху визуалните медии, вероятно вече сте запознати с неговите забележителни възможности. Функции като OCR сканиране могат интелигентно да преобразуват обекти от реалния свят в текст, а интегрирането на AI в портретен режим подобрява качеството на снимките. Знаете ли обаче, че през 2023 г. ИИ ще даде възможност за генериране на цялостни изображения? Появата на ИИ направи създаването на изображения забележително достъпно. Въпреки че потребителите все още се нуждаят от въображение, сега то се насочва към изработването на подсказки за генераторите на изображения с ИИ. Тези генератори използват комбинация от технологии на ИИ, за да създават умело широк набор от изображения. Както беше споменато, тези генератори разчитат единствено на подсказки и по този начин резултатите им са ограничени единствено от нашата креативност.

Генераторите на изображения с изкуствен интелект като Midjourney се отличават с това, че създават живи и завладяващи изображения. Както е видно от горното, тези изображения, генерирани от изкуствен интелект, често съвпадат, а в някои случаи дори надминават изображенията, създадени от хора-художници. Ако тази тенденция се запази, можем да очакваме, че ИИ в крайна сметка ще съперничи на творческата индустрия. Въпреки това, докато този ден настъпи, множество от тези генератори са лесно достъпни. Разгледайте най-добрите генератори на изкуство с изкуствен интелект и експериментирайте с тях от първа ръка.

Етични съображения в областта на изкуствения интелект

Инструментите на изкуствения интелект (ИИ) предлагат безброй нови възможности за бизнеса, но използването им поражда и значителни етични проблеми. Системите на ИИ, за добро или лошо, са склонни да увековечават придобитите знания.

Едно от основните етични предизвикателства произтича от факта, че алгоритмите за машинно обучение, които служат за основа на много усъвършенствани приложения на ИИ, разчитат на качеството на данните за обучение, които получават. Хората определят данните, използвани за обучение на ИИ. Така съществува присъщият потенциал за пристрастност на машинното обучение. Той изисква бдителен надзор.

За тези, които интегрират машинното обучение в реални, оперативни системи, става наложително да включат етични съображения в процесите на обучение на ИИ. С особен акцент върху намаляването на пристрастията. Това е особено важно, когато се използват алгоритми на ИИ. По същество те са необясними, както се наблюдава при приложенията за дълбоко обучение и генеративните противникови мрежи (GAN).

Въпросът за обяснимостта може да създаде пречки. Особено в индустриите, обвързани със строги стандарти за регулаторно съответствие. Например финансовите институции в САЩ трябва да се придържат към разпоредби, които изискват обяснения за решения, свързани с кредитиране. Обясняването на начина, по който са взети решения според алгоритмите на ИИ, може да бъде предизвикателство. Инструментите на ИИ, използвани в такива сценарии, извличат сложни корелации от хиляди променливи. Това прави процеса на вземане на решения непрозрачен, което води до наричането на такива програми “черна кутия на ИИ”.

В обобщение, етичните предизвикателства в областта на ИИ обхващат различни опасения. Те са свързани с пристрастност, произтичаща от неправилно обучение и човешка пристрастност. Също така неправилна употреба като например дълбоки фалшификати и фишинг. Правни съображения, включително свързани с ИИ клевети и авторски права.  Съществуват опасения от изместване на работни места. Както и защита на личните данни, особено в сектори като финансите, здравеопазването и правото.

История на изкуствения интелект

Концепцията за интелигентни роботи и изкуствени същества води началото си от древногръцката митология. Разработването от Аристотел на силогизма и прилагането на дедуктивното мислене бележи важен момент в пътя на човечеството към разбирането на собствения му интелект. Въпреки че корените на изкуствения интелект са древни, съвременната история на изкуствения интелект, както го разбираме днес, обхваща по-малко от един век. Ето кратък преглед на някои ключови моменти в историята на ИИ:

“AI” през 1940-тe

1942: Айзък Азимов публикува “Трите закона на роботиката” – концепция, често разглеждана в научната фантастика, която очертава насоки за гарантиране, че изкуственият интелект няма да навреди на хората.

1943: Уорън Маккълоу и Уолтър Питс публикуват статията “Логическо изчисление на идеите, присъщи на нервната дейност”, в която представят първия математически модел за изграждане на невронна мрежа.

1949: Доналд Хеб в книгата си “Организация на поведението: В книгата си “Невропсихологична теория” излага теорията, че невронните пътища се формират чрез преживявания, като връзките между невроните се засилват, когато се използват по-често. Хебианското обучение остава основен модел в областта на изкуствения интелект.

“AI” през 1950-тe

През 50-те години на миналия век се наблюдава поредица от ключови постижения в областта на изкуствения интелект:

1950: Алън Тюринг публикува статията “Компютърни машини и интелект”, в която представя теста на Тюринг – метод за оценка на машинния интелект.

1950: Марвин Мински и Дийн Едмъндс от Харвард конструират SNARC – първия компютър с невронна мрежа.

1950: Клод Шанън представя статията “Програмиране на компютър за игра на шах”.

1952: Артър Самюъл създава самообучаваща се програма за игра на дама.

1954: Експериментът за машинен превод на Georgetown-IBM успешно превежда автоматично 60 внимателно подбрани руски изречения на английски език.

1956: Фразата “изкуствен интелект” е създадена по време на Летния изследователски проект за изкуствен интелект в Дартмут, конференция, ръководена от Джон Маккарти, която се смята за рожденото място на изкуствения интелект.

1956: Алън Нюъл и Хърбърт Саймън представят Logic Theorist (LT), първата програма за разсъждение.

1958: Джон Маккарти разработва езика за програмиране на ИИ Lisp и публикува статията “Програми със здрав разум”, в която предлага хипотетичния Advice Taker – цялостна система за ИИ, способна да се учи от опита си подобно на хората.

1959: Алън Нюъл, Хърбърт Саймън и Джей Си Шоу разработват програмата “General Problem Solver” (GPS), предназначена да имитира решаването на човешки проблеми.

1959: Хърбърт Гелернтер представя програмата Geometry Theorem Prover.

1959: Артър Самюъл създава термина “машинно обучение”, докато работи в IBM.

1959: Джон Маккарти и Марвин Мински създават проекта за изкуствен интелект на Масачузетския технологичен институт.

“AI” през 1960-тe 

1963: Джон Маккарти създава лабораторията за изкуствен интелект в Станфорд.

1966: Правителството на САЩ публикува доклада на Консултативния комитет за автоматична обработка на езика (ALPAC), в който се подчертава ограниченият напредък в изследванията на машинния превод. Този доклад, който е важен компонент от усилията през Студената война за постигане на незабавен превод на руски език, води до прекратяване на всички финансирани от правителството проекти за машинен превод.

1969 г.: В Станфорд са разработени първите успешни експертни системи, известни като DENDRAL и MYCIN.

“AI” през 1970-тe 

1972: Създаден е езикът за логическо програмиране PROLOG.

1973: Британското правителство публикува доклада Lighthill, в който се излагат разочарованията и неуспехите в изследванията на изкуствения интелект. Този доклад води до значително намаляване на финансирането на проектите за ИИ.

1974-1980: Разочарованието от бавния напредък в развитието на ИИ, съчетано с въздействието на докладите ALPAC и Lighthill, води до значително съкращаване на академичните субсидии от DARPA. Това, заедно с предишните доклади, води до прекъсване на финансирането за изследвания в областта на ИИ, което бележи период, известен като “Първата зима на ИИ”

“AI” през 1980-тe 

1980: Корпорация “Дигитално оборудване” представя R1, известна също като XCON. Тя е първата успешна търговска експертна система. Създадена за конфигуриране на поръчки за нови компютърни системи, R1 предизвиква вълна от инвестиции в експертни системи. Тя продължава през цялото десетилетие, като на практика слага край на първоначалната зима на изкуствения интелект.

1982: Японското министерство на международната търговия и промишленост стартира амбициозния проект “Компютърни системи от пето поколение” (FGCS). Целта на FGCS е да постигне производителност, подобна на тази на суперкомпютрите, и да осигури платформа за развитие на ИИ.

1983 г.: В отговор на японската инициатива FGCS правителството на САЩ започва инициативата “Стратегически изчисления”, за да финансира напреднали изследвания в областта на изчислителната техника и ИИ в рамките на DARPA.

1985: Фирмите започват да инвестират над един милиард долара годишно в експертни системи. Това води до появата на цяла индустрия, известна като пазар на Lisp машини. Фирми като Symbolics и Lisp Machines Inc. произвеждат специализирани компютри, предназначени за работа с езика за програмиране на ИИ Lisp.

1987-1993: С напредъка на компютърните технологии се появяват икономически ефективни алтернативи. Това води до срив на пазара на Lisp машини през 1987 г. Това развитие бележи началото на “Втората зима на изкуствения интелект”. През този период експертните системи стават твърде скъпи за поддръжка и актуализация, като постепенно губят популярност.

“AI” през 1990-тe 

1991 г.: По време на войната в Персийския залив силите на САЩ внедряват DART – автоматизиран инструмент за логистично планиране и изготвяне на графици.

1992: Япония прекратява проекта FGCS през 1992 г., като се позовава на неуспеха при постигането на амбициозните цели, набелязани десет години по-рано.

1993: DARPA прекратява Инициативата за стратегически изчисления през 1993 г., след като е похарчила близо 1 милиард долара, но не е успяла да оправдае очакванията.

1997 г.: “Deep Blue” на IBM побеждава световния шампион по шахмат Гари Каспаров, отбелязвайки исторически крайъгълен камък в пътя на изкуствения интелект.

“AI” през 2000-тe

2005: STANLEY, самоуправляващ се автомобил, става победител в състезанието DARPA Grand Challenge, демонстрирайки потенциала на автономните автомобили.

2005: Американската армия започва да инвестира в автономни роботи, включително “Big Dog” на Boston Dynamics и “PackBot” на iRobot.

2008: Google постига значителен напредък в разпознаването на реч и въвежда тази функция в приложението си за iPhone.

“AI” през 2010-тe

2011: Watson на IBM убедително триумфира в шоуто Jeopardy!, демонстрирайки уменията на изкуствения интелект да отговаря на сложни въпроси.

2011: Apple представя Siri – виртуален асистент с изкуствен интелект, интегриран в операционната система iOS.

2012: Андрю Нг, основател на проекта за дълбоко обучение на Google Brain, захранва невронна мрежа с алгоритми за дълбоко обучение. Използва 10 милиона видеоклипа от YouTube като набор за обучение. Това новаторско усилие води до способността на невронната мрежа да разпознава обекти. Като например котка, без изрични инструкции. Това бележи значителен пробив във финансирането на невронните мрежи и дълбокото обучение.

2014: Google произвежда първия самоуправляващ се автомобил, който преминава успешно държавен тест за шофиране.

2014: Amazon пуска Alexa – виртуално домашно интелигентно устройство, способно да разпознава глас и да взаимодейства с него.

2016: AlphaGo на Google DeepMind побеждава световния шампион по Го Ли Седол. Успява да преодолее голямото предизвикателство, което представлява сложната китайска настолна игра.

2016: Хансън Роботикс създава първия “роботизиран гражданин” – София, хуманоиден робот с възможности за разпознаване на лица, вербална комуникация и изразяване на лицето.

2018: Google пуска на пазара двигателя за обработка на естествен език BERT. Той намалява бариерите при превод и подобрява разбирането на приложенията за машинно обучение.

2018: Waymo стартира услугата си Waymo One. Тя позволява на потребителите в района на Финикс да заявяват пътувания от самоуправляващите се автомобили на компанията.

“AI” през 2020-те 

2020: Baidu пуска алгоритъма LinearFold AI за научни и медицински екипи, работещи по разработването на ваксина в ранните етапи на пандемията SARS-CoV-2. Този алгоритъм предсказва последователността на РНК на вируса само за 27 секунди, значително по-бързо от други методи, като предимството в скоростта е 120 пъти.

2020: OpenAI представя модела за обработка на естествен език GPT-3, който може да генерира текст по начин, наподобяващ човешката реч и писане.

2021: На базата на GPT-3 OpenAI разработва DALL-E – модел на изкуствен интелект, който може да генерира изображения от текстови подсказки.

2022 г.: Националният институт по стандартизация и технологии (NIST) публикува първоначалния проект на своята Рамка за управление на риска, свързана с изкуствения интелект, която предлага доброволни насоки за САЩ, насочени към подобряване на управлението на рисковете, свързани с изкуствения интелект, в полза на хората, организациите и обществото.

2022 г.: DeepMind представя Gato – система за изкуствен интелект, обучена да изпълнява широк спектър от задачи, включително да играе игри на Atari, да създава надписи на изображения и да използва роботизирана ръка за подреждане на блокове.

2022 г.: OpenAI пуска ChatGPT, чатбот, задвижван от голям езиков модел, който бързо набира над 100 милиона потребители в рамките на няколко месеца.

2023: Microsoft представя версия на своята търсачка Bing с изкуствен интелект, използваща същата технология, която задвижва ChatGPT.

2023: Google анонсира Bard, система за разговор с изкуствен интелект, която се конкурира в тази област.

2023: OpenAI представя GPT-4, най-усъвършенствания си езиков модел до момента, който бележи значителен скок в технологията на ИИ.

Заключение

Накратко, през последните години се наблюдава изключителен напредък в способността на системите с изкуствен интелект да включват в своите алгоритми целенасоченост, интелигентност и адаптивност. Софтуерът с изкуствен интелект се учи в процеса на работа, включва опит от реалния свят в процеса на вземане на решения. Той не е само механичен в начина на работа на машините. Това спомага да подобрява човешката работа и увеличава възможностите на хората.