Искусственный интеллект
| English | Русский |
|---|---|
| artificial intelligence/ˌɑːtɪˈfɪʃl ɪnˈtelɪdʒəns/ | искусственный интеллект |
| machine learning/məˈʃiːn ˈlɜːnɪŋ/ | машинное обучение |
| training data/ˈtreɪnɪŋ ˈdeɪtə/ | обучающие данные |
| deep learning/diːp ˈlɜːnɪŋ/ | глубокое обучение |
| neural networks/ˈnjuːrəl ˈnetwɜːks/ | нейронные сети |
| speech recognition/spiːtʃ ˌrekəɡˈnɪʃn/ | распознавание речи |
| image recognition/ˈɪmɪdʒ ˌrekəɡˈnɪʃn/ | распознавание изображений |
| machine translation/məˈʃiːn trænˈsleɪʃn/ | машинный перевод |
| recommendation systems/ˌrekəmenˈdeɪʃn ˈsɪstəmz/ | рекомендательные системы |
| autonomous vehicles/ɔːˈtɒnəməs ˈvɪəklz/ | автономные транспортные средства |
| optical character recognition/ˈɒptɪkl ˈkærɪktə ˌrekəɡˈnɪʃn/ | оптическое распознавание символов |
| text-to-speech/tekst tə spiːtʃ/ | синтез речи |
| bias/ˈbaɪəs/ | предвзятость |
| accountability/əˌkaʊntəˈbɪlɪti/ | подотчетность |
Ход, который не сделал бы ни один человек
- В марте 2016 года программа AlphaGo обыграла Ли Седоля, одного из сильнейших действующих игроков в го, со счетом четыре к одному. Во второй партии она сделала ход, который комментаторы назвали ошибкой; он оказался выигрышным решением.
- Никто не программировал этот ход. Система изучила го, проанализировав миллионы позиций и сыграв сотни партий сама с собой, найдя паттерны, которые создатели не смогли бы записать вручную.
- Два года спустя Amazon отказалась от инструмента по подбору персонала на основе ИИ, обнаружив, что он научился снижать оценку резюме, содержащих слово «женщина», основываясь на данных за десять лет.
- Оба примера относятся к искусственному интеллекту. Этот урок объясняет, как он учится, где применяется и какое оказывает социальное, экономическое и экологическое воздействие.
Что такое ИИ и как современные системы обучаются
- Искусственный интеллект (AI) — это компьютерные системы, выполняющие задачи, требующие человеческого интеллекта: распознавание речи и изображений, перевод, игры, вождение автомобиля.
- Большинство современных систем ИИ используют машинное обучение: вместо пошаговой программирования система улучшает выполнение задачи, обучаясь на больших объемах тренировочных данных.
- Глубокое обучение использует нейронные сети с множеством слоев соединенных узлов и является ведущим подходом сегодня. Лучше и больше данных дают лучшую модель; плохие данные приводят к плохим результатам.
Модель обучается на примерах, а не пишется в виде правил
Машинное обучение отличается от традиционного программирования тем, что оно:
Алгоритмы ML улучшаются в выполнении задачи за счет обучения на больших объемах данных, а не следования прописанным вручную правилам.
Соотнесите каждый термин ИИ с его значением.
ML обучается на данных; глубокое обучение использует множество слоев; предвзятость и непрозрачность (черный ящик) — ключевые этические проблемы.
Применение
- Понимание входных данных: распознавание речи преобразует произнесенные слова в текст; распознавание изображений находит объекты, лица или текст на фотографиях.
- Генерация выходных данных или принятие решений: машинный перевод между языками; рекомендательные системы, предлагающие видео, товары или музыку; автономные транспортные средства и роботы; медицинская диагностика и выявление мошенничества.
- На экзамене обычно дается сценарий и требуется указать, какие виды ИИ он использует, или объяснить принцип его работы.
Лаборатория вычислительных концепций
Классифицируйте конкретные примеры по вычислительной идее, которую они демонстрируют.
Что является повседневным применением ИИ?
Рекомендательные системы (а также распознавание речи/изображений, перевод, беспилотные автомобили) являются распространенными приложениями ИИ.
Разобранный пример: чтение иностранной этикетки вслух
- Приложение для телефона фотографирует этикетку продукта, переводит её и читает вслух. Объясните, как используется ИИ. [4]
- Оптическое распознавание символов анализирует пиксели фотографии для определения расположения символов, а паттерны пикселей преобразуются в отдельные символы и слова.
- Машинный перевод преобразует слова на язык пользователя.
- Синтез речи формирует звуковой вывод. Каждый этап оценивается отдельно в порядке конвейера.
Распознать, перевести, озвучить
Расставьте этапы работы приложения для считывания этикеток по порядку.
Распознавание, чтение, перевод, озвучивание. Каждый этап — это балл в ответе на четыре балла.
Преимущества
- Доступность: ИИ для речи и изображений помогает людям с нарушениями восприятия; перевод помогает тем, кто не знает языка.
- Производительность: рутинные задачи автоматизируются, освобождая людей для творческой работы.
- Поддержка принятия решений: ИИ находит паттерны в наборах данных, слишком больших для человека, в медицинских снимках или транзакциях.
- Доступно в любое время и может быть персонализировано для каждого пользователя.
Преимущество ИИ заключается в:
ИИ превосходит при поиске закономерностей в больших данных (поддержка принятия решений). Справедливость и объяснимость — это вопросы, а не гарантии.
Социальное воздействие
- Преимущества: считыватель этикеток помогает людям с нарушениями зрения, тем, кто не понимает языка, и людям с трудностями чтения; распознавание лиц в аэропорту ускоряет проверку личности и предотвращает вход запрещенных лиц.
- Ущерб: распознавание лиц ошибочно идентифицирует некоторых людей и отслеживает всех без согласия, что приводит к потере конфиденциальности; люди, полагающиеся на ИИ, могут потерять навыки; рекомендательные системы могут замкнуть пользователей в узком круге взглядов.
- Ответ о социальном воздействии должен называть затронутую группу и то, что меняется для них.
Экономическое воздействие
- Модуль диагностики неисправностей на базе ИИ в ремонтной мастерской выявляет поломки быстрее и точнее, поэтому за день ремонтируется больше автомобилей, а расходы снижаются.
- Однако может потребоваться меньше квалифицированных механиков, что приводит к потере рабочих мест; кроме того, модуль необходимо приобрести, обучить персонал и обеспечивать его техническое обслуживание.
- В более широком смысле ИИ повышает производительность и создает новые рабочие места в одних сферах, но устраняет рутинные профессии в других.
Влияние на окружающую среду
- Обучение и эксплуатация крупных моделей требуют большого количества электроэнергии, а дата-центры используют воду для охлаждения; оборудование, на котором они работают, становится электронными отходами.
- С другой стороны, ИИ снижает энергопотребление в зданиях, оптимизирует транспортные маршруты и осуществляет мониторинг окружающей среды.
- Оба направления оцениваются, и экзамен требует знать о существовании обоих аспектов.
Аппаратное обеспечение ИИ имеет срок службы и «вторую жизнь»
Соотнесите каждый пример с соответствующим заголовком.
Рабочие места и затраты — экономические аспекты; люди и конфиденциальность — социальные; энергия и отходы — экологические.
Обучение и работа крупных моделей ИИ не имеют значительной экологической стоимости.
Крупные модели потребляют много электроэнергии и воды для охлаждения, а их оборудование становится электронными отходами. ИИ также помогает сократить энергопотребление в других сферах, поэтому оба направления относятся к ответу.
Разобранный пример: ответ на вопрос об «влиянии»
- Объясните экономическое влияние установки системы диагностики неисправностей на базе ИИ в автосервисе. [4]
- Укажите влияние и его последствие, и рассмотрите оба направления.
- Неисправности диагностируются быстрее и точнее, поэтому за день ремонтируется больше автомобилей, а выручка растет. Требуется меньше часов работы механиков на автомобиль, поэтому расходы снижаются.
- Квалифицированные механики могут потерять работу, поэтому возникает безработица и утрата квалификации; система должна быть приобретена и обслуживаемой, поэтому возникают первоначальные и постоянные расходы.
Полный балльный пункт о влиянии указывает на воздействие и его ____, обычно соединенные союзом "так что / следовательно".
"Требуется меньше механиков, так что квалифицированные работники теряют работу" — это балл; "меньше механиков" само по себе нет.
Проблемы и опасения
- Предвзятость: несправедливые паттерны в обучающих данных превращаются в несправедливые решения, как в рекрутинговом инструменте Amazon. Вытеснение рабочей силы: исчезают рутинные должности.
- Конфиденциальность: обучение требует больших объемов персональных данных. Прозрачность: крупные модели являются «черными ящиками», чьи решения трудно объяснить.
- Подотчетность: если ИИ ошибается, кто несет ответственность — разработчик, оператор или пользователь? Злоупотребления: дипфейки, дезинформация, слежка.
- Специалисты должны понимать ограничения своих систем, информировать пользователей и минимизировать вред.
Предвзятость приходит вместе с данными и проявляется в решениях
Предвзятость ИИ обычно возникает потому, что:
Если обучающие данные отражают несправедливые закономерности, модель учится и воспроизводит их — например, при найме или предоставлении кредитов.
Выберите все реальные опасения, связанные с ИИ.
Предвзятость, непрозрачность и злоупотребления — реальные опасения. ИИagent certainly can be wrong — ответственность за это сама по себе является проблемой.
Потерянные баллы
- ИИ — это не «робот» и не «компьютер, который думает». Определите его как системы, выполняющие задачи, требующие обычно человеческого интеллекта.
- Влияние без последствия дает лишь половину балла. Фраза «Рабочие места теряются» требует дополнения «поэтому квалифицированные работники остаются без работы».
- Социальные, экономические и экологические влияния — три категории. Отвечайте строго под той категорией, которая указана в вопросе.
- Предвзятость исходит из данных, на которых обучалась модель, а не из того, что у компьютера есть свои мнения.
Вы поняли
- ИИ выполняет задачи, требующие обычно человеческого интеллекта; машинное обучение выявляет паттерны из обучающих данных, а не следует прописанным правилам; глубокое обучение использует многоуровневые нейронные сети
- приложения: распознавание речи и изображений понимают входные данные; перевод, рекомендации и автономные транспортные средства производят выход; OCR → перевод → синтез речи читает надпись вслух
- влияние по трем категориям, каждая из которых включает последствие и оба направления: социальное, экономическое, экологическое
- проблемы: предвзятость из данных, вытеснение рабочей силы, конфиденциальность, прозрачность, подотчетность, злоупотребления