Artificial Intelligence (AI)

Искусственный интеллект (AI) — это область информатики, в которой создают системы, способные выполнять задачи, связанные с человеческим интеллектом: воспринимать изображения и звук, понимать и генерировать язык, рассуждать, планировать и учиться на опыте. В определении ОЭСР, которому во многом следует Закон ЕС об ИИ, система ИИ описывается как машинная система, которая на основе входных данных выводит способ генерировать такие результаты, как прогнозы, контент, рекомендации или решения. Большинство используемых сегодня систем ИИ осваивают такое поведение на примерах данных с помощью машинного обучения (ML).

Краткая история ИИ#

В статье 1950 года «Вычислительные машины и разум» Алан Тьюринг задался вопросом, могут ли машины мыслить, и предложил игру в имитацию, которую теперь называют тестом Тьюринга. Джон Маккарти, Марвин Минский, Натаниэль Рочестер и Клод Шеннон ввели термин «искусственный интеллект» в предложении о летнем семинаре в Дартмутском колледже 1956 года, подготовленном в 1955 году; семинар положил начало этой области. В следующие три десятилетия господствовал символический ИИ, основанный на логике, поиске и экспертных системах с правилами. Финансирование дважды резко сокращалось — во время «зим ИИ» в 1970-х и в конце 1980-х, когда результаты не оправдывали обещаний.

В 1990-х на смену пришли методы статистического ИИ, обучающиеся на данных. В 1997 году Deep Blue от IBM победила чемпиона мира по шахматам Гарри Каспарова благодаря специализированному оборудованию, которое анализировало около 200 миллионов шахматных позиций в секунду. В 2012 году свёрточная нейронная сеть AlexNet с большим отрывом выиграла соревнование по классификации изображений ImageNet и положила начало эпохе глубокого обучения (DL). Архитектура Transformer, представленная в 2017 году, привела к появлению больших языковых моделей (LLM), а выпуск ChatGPT в ноябре 2022 года сделал генеративный ИИ доступным сотням миллионов пользователей.

Как связаны ИИ, машинное обучение и глубокое обучение#

ИИ — это широкая область, включающая разные подходы. Два основных — символический ИИ и машинное обучение: первый кодирует знания в виде явных правил, а второе выявляет закономерности на примерах. Глубокое обучение — это разновидность машинного обучения, в которой используются многослойные нейронные сети. На ней основаны почти все современные прорывы в области компьютерного зрения, языка и генерации изображений.

Системы машинного обучения используют несколько основных подходов. Обучение с учителем использует размеченные примеры, например изображения с метками объектов. Обучение без учителя выявляет структуру в неразмеченных данных, а самообучение формирует обучающий сигнал на основе исходных данных. Именно так предварительно обучают LLM. Обучение с подкреплением использует вознаграждения, полученные при взаимодействии со средой.

Типы ИИ по возможностям#

• Узкий искусственный интеллект (ANI) или слабый ИИ: ИИ, созданный для конкретной задачи или набора задач. Все развёрнутые системы относятся к этой категории, в том числе системы, превосходящие людей в своей задаче.
• Общий искусственный интеллект (AGI): гипотетическая система, способная сравниться с людьми практически во всех когнитивных задачах; её часто называют сильным ИИ.
• Искусственный сверхинтеллект (ASI): гипотетическая система, превосходящая лучших людей почти во всех областях; это сценарий, лежащий в основе технологической сингулярности.

Универсальные LLM размывают первую границу. Одна модель может писать код, переводить и описывать изображения, но ее навыки неравномерны в разных задачах — это явление называют зубчатым интеллектом. Таблица лидеров VLM Ultralytics измеряет один из таких навыков — точность обнаружения объектов этими моделями на реальных изображениях.

Применение ИИ#

• Компьютерное зрение: обнаружение объектов, сегментация сцен и отслеживание движения для беспилотных автомобилей, контроля качества на производстве, аналитики в розничной торговле и анализа медицинских изображений.
• Язык и речь: чат-боты, машинный перевод, составление краткого содержания документов и преобразование речи в текст.
• Прогнозирование и ранжирование: обнаружение мошенничества, прогнозирование спроса и системы рекомендаций для стриминговых сервисов и онлайн-магазинов.
• Наука: AlphaFold от DeepMind предсказывает структуру белков; его создатели получили долю Нобелевской премии по химии 2024 года.
• Агенты и робототехника: ИИ-агенты, планирующие многоэтапные задачи и вызывающие программные инструменты, а также роботы, объединяющие восприятие с управлением.

Запуск предварительно обученной модели компьютерного зрения — самый быстрый способ увидеть глубокое обучение в действии. Ultralytics YOLO26 — это детектор объектов, обученный распознавать 80 повседневных классов объектов на размеченных изображениях COCO:

from ultralytics import YOLO

# Загрузи предварительно обученный детектор объектов YOLO26
model = YOLO("yolo26n.pt")

# Запусти инференс на изображении, которого модель ещё не видела
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]

# Сохрани изображение с предсказанными рамками, метками классов и оценками уверенности
result.save(filename="bus_detections.jpg")

На сохранённом изображении каждый обнаруженный объект — например, автобус и люди рядом с ним — отмечен рамкой, меткой класса и оценкой уверенности. Всё это модель усвоила на примерах.

Риски, этика и регулирование#

Системы ИИ наследуют недостатки своих данных и целевых функций. Модели могут усваивать предвзятость против групп, недостаточно представленных в обучающих данных или подвергавшихся дискриминации. LLM могут бегло излагать ложные сведения, генеративные модели — создавать дипфейки, а непрозрачные модели трудно проверять без объяснимого ИИ (XAI). Исследования в области этики ИИ и безопасности ИИ помогают снизить эти риски, а добровольная Система управления рисками ИИ NIST предлагает организациям процесс управления ими. Закон ЕС об ИИ, действующий с августа 2024 года, полностью запрещает ограниченный список практик, например социальное рейтингование, и устанавливает строгие требования к областям высокого риска, таким как найм, оценка кредитоспособности и ИИ в медицинских устройствах.