«Искусственный интеллект» в том виде, в каком мы его знаем сегодня, — это в лучшем случае неправильное название. ИИ никоим образом не является разумным, но он искусственный. Она остается одной из самых горячих тем в отрасли и вызывает новый интерес в академических кругах. В этом нет ничего нового — за последние 50 лет мир пережил серию взлетов и падений ИИ. Но что отличает нынешний шквал успехов ИИ, так это то, что современное вычислительное оборудование, наконец, стало достаточно мощным, чтобы полностью реализовать некоторые дикие идеи, которые витали вокруг в течение долгого времени.

Еще в 1950-х годах, на заре того, что мы сейчас называем искусственным интеллектом, велись споры о том, как назвать эту область. Герберт Саймон, один из разработчиков как машины теории логики, так и общего решения проблем, утверждал, что эта область должна иметь гораздо более безобидное название «сложная обработка информации». Это, конечно, не внушает такого благоговения, как «искусственный интеллект», и не передает идею о том, что машины могут думать как люди.

Однако «сложная обработка информации» — это гораздо лучшее описание того, чем на самом деле является искусственный интеллект: анализ сложных наборов данных и попытка сделать выводы из кучи. Некоторые современные примеры ИИ включают распознавание речи (в виде виртуальных помощников, таких как Siri или Alexa) и системы, которые определяют, что изображено на фотографии, или рекомендуют, что купить или посмотреть дальше. Ни один из этих примеров не сравним с человеческим интеллектом, но они показывают, что мы можем делать замечательные вещи при достаточной обработке информации.

Неважно, называем ли мы эту область «сложной обработкой информации» или «искусственным интеллектом» (или более зловеще звучащим в стиле Скайнета «машинным обучением»). Огромные объемы работы и человеческой изобретательности ушли на создание совершенно невероятных приложений. В качестве примера посмотрите на GPT-3, модель глубокого обучения для естественных языков, которая может генерировать текст, неотличимый от текста, написанного человеком (но при этом может пойти до смешного неправильно). Он поддерживается моделью нейронной сети, которая использует более 170 миллиардов параметров для моделирования человеческого языка.

Поверх GPT-3 построен инструмент под названием Dall-E, который создаст изображение любой фантастической вещи, которую запрашивает пользователь. Обновленная версия инструмента 2022 года, Dall-E 2, позволяет вам пойти еще дальше, поскольку он может «понимать» довольно абстрактные стили и концепции. Например, если попросить Dall-E визуализировать «Астронавта верхом на лошади в стиле Энди Уорхола», вы получите ряд изображений, подобных этому:

Dall-E 2 не выполняет Google поиск, чтобы найти похожее изображение; он создает картину на основе своей внутренней модели. Это новое изображение, построенное только из математики.

Не все приложения ИИ столь же новаторские, как эти. ИИ и машинное обучение находят применение практически во всех отраслях. Машинное обучение быстро становится обязательным во многих отраслях, обеспечивая все, от механизмов рекомендаций в розничном секторе до безопасности трубопроводов в нефтегазовой отрасли и диагностики и конфиденциальности пациентов в отрасли здравоохранения. Не у каждой компании есть ресурсы для создания таких инструментов, как Dall-E, с нуля, поэтому существует большой спрос на доступные и доступные наборы инструментов. Задача удовлетворения этого спроса имеет параллели с ранними днями бизнес-вычислений, когда компьютеры и компьютерные программы быстро становились все более популярными. в нужны технологические предприятия. Хотя не всем нужно разрабатывать следующий язык программирования или операционную систему, многие компании хотят использовать возможности этих новых областей обучения, и им нужны аналогичные инструменты, чтобы помочь им.