В първия свят на ИИ е изключително важно за фирмите, които искат да използват силата на ИИ, да могат ясно да разберат целостта на науката за данните, какво обхваща ИИ, колко мощно е машинното обучение и кога статистиката влиза в игра.

AI накратко:

Предоставяне на способността на машината да..

  • Непрекъснато получава информация от своята среда, кадър по кадър, един момент след друг; слушане или усещане на информация за пространството, обектите и техните взаимодействия (създаване на BigData);
  • Получете осведоменост за неговата среда — способност да идентифицирате обекти по техните свойства и поведение, непрекъснато да се самообучавате, като наблюдавате промените в техните свойства и поведение или да бъдете програмирани да се научите да боравите с нова информация (ML).
  • Придобийте способност да предвиждате възможни резултати за всеки даден момент и техните вероятности, % шансове всеки резултат да се случи, за да можете да вземете решение (ML с помощта на статистика);
  • Предприемете човешки действия в отговор (роботика).

Понякога е най-трудно да разбереш какво може да направи човешкият мозък и да формулира човешкия интелект. Изкуствено интелигентна машина, накратко, имитира човешкия интелект - непрекъснато наблюдава околната среда, интерпретира информация, прогнозира резултати, взема решения и предприема действия.

Една изкуствено интелигентна машина би имала най-малко 3 компонента:

1) Изкуствени сетивни органи
2) Изкуствен процесор и изкуствена невронна мрежа
3) Изкуствени двигателни органи

  1. Изкуствени сетивни органи (за имитиране на човешките сетивни органи)

Човешкото тяло използва 5 сетивни органа, за да получава информация. Машините използват изкуствени сензори (за получаване на информация — било то под формата на светлинни модели, звукови вълни, топлинни вълни, налягане/вибрации, изместване/въртене и т.н.). Цялата тази аналогова информация (вълни) след това се преобразува в цифров код с модел от 1s & 0s, който да бъде подаден в машина за вземане на решение.

Бизнесите, които се занимават с производството на фотосензори, звукови сензори, топлинни сензори, жирометри и т.н., непрекъснато подаващи информация за разработване на машинен интелект, са всички в бизнеса с AI. Всичко, което се наблюдава в реалния живот непрекъснато за определен период от време (като вас и мен), допринася за „големите данни“, създава възможности за анализ на поведението и прогнозиране на бъдещето.

2. Изкуствен процесор и изкуствена невронна мрежа (за имитиране на човешкия мозък и истинската невронна мрежа)

Хората могат да идентифицират обект по начина, по който изглеждат, как звучат, как се чувстват и т.н. Машините са обучени да идентифицират обект (неговите свойства и поведение) чрез подаване на данни, които хората използват за идентифициране на обекти в тяхната реалност (ML) . Всеки сензорен входен сигнал към нашия мозък може да има еквивалентен цифров сигнал, който може да бъде подаден към изкуствения мозък на машината. Изкуствената невронна мрежа имитира процеса на вземане на решения (дървото на решенията) на естествената невронна мрежа в мозъка.

Това също означава, че целият изкуствен интелект, който изграждаме, може да бъде интелигентен само за свят, описан от хората, от нашето колективно преживяване на тази реалност. Хората предвиждат резултатите, оценявайки какво е най-вероятно да се случи при дадени обстоятелства, след което правят избор/решение и предприемат действия.

Например: Когато човек види коте, пресичащо натоварен път, набор от неврони се активират в мозъчната обработка, която въвежда информация, взема решение, изпраща сигнали до конкретен изходен орган, за да предприеме действие. В една машина набор от изкуствени неврони светва в нейния силициев мозъчен чип, за да изпрати сигнал до роботизирания двигателен орган да предприеме действие.

Машините са програмирани да обработват входна информация, да предвиждат възможности, използвайки статистика - математически техники за работа с известна информация, неизвестна информация, предположения и прогнозиране на % шансове за възможни резултати. Човекът използва както математика, така и интуиция (интуиция).

3. Изкуствени двигателни органи (за имитиране на човешките двигателни органи)

Човешкото тяло използва двигателните си органи (уста, ръце, крака, лице и т.н.), за да реагира на момент от истинска дума и непрекъснато да взаимодейства с околната среда. На машината са дадени няколко изкуствени заместителя — като роботизирана ръка, за да предприеме действие (напр.: робот, който пренася обект от една точка в друга.)

Реални и цифрови среди

AI/ML за цифровия свят: Изкуственият интелект не е само за осмисляне на обектите от реалния свят, физическите пространства и физическите човешки взаимодействия с тях. Това също така включва разбиране на виртуални среди и наблюдение на човешките взаимодействия с виртуалния свят и прогнозиране на ново цифрово поведение.

Например магазин за електронна търговия може да наблюдава всеки момент на потребител на уебсайт, да архивира и анализира поведенческа информация и да прогнозира вероятността потребителят да предприеме определени действия.

Този магазин за електронна търговия може също да има уеб камера за електронно опознаване на клиента (eKYC), разчитане на израженията на лицето, докато потребителят разглежда продуктите и да има изскачащ бот за чат, за да започне разговор - „Хей, изглежда харесваш червени рокли за парти.. какво ще кажете за тези?”.

Машинно обучение за магазин за електронна търговия би означавало наблюдение на обекти (цифрови потребителски профили), тяхното поведение (дигитални потребителски взаимодействия), наблюдение как тези онлайн поведения се променят с променящата се онлайн пазарна среда (цени, прегледи), наблюдение как тези онлайн поведения се променят с промените във външни среди (рецесия, изменение на климата), прогнозирайки вероятността от онлайн продажби да се случат през следващите 3-4 седмици.

ML изисква обучение на машината с големи тесеракти от данни, потребители, избори и действия, докато машината може да се учи сама и да работи с нова, непозната информация.

За да тестваме интелигентността на машината и колко точни са прогнозите на вашия ML, някои данни се пазят далеч, скрити от машината, само за да можем да тестваме как резултатите от ML се променят при излагане на нова/неизвестна информация. Например: Да приемем, че програма за ML прогнозира 75% вероятност пациентът да не се върне след операция, като се приеме възстановяване с лекарства. Междувременно се появи нов вирус, който засяга пациенти в следоперативни състояния. Програмата за машинно обучение няма да разбере тази нова информация, докато не я подадем и не я обучим да включва тази нова променлива в своето прогнозиране.

Свързване на точките...

Науката за данни, днес е поле на обучение, обединяващо тези различни специализации като Получаване на данни(сензори / слушатели), Анализ на големи данни (извличане на данни, анализ), дървета на решенията & Алгоритми, машинно обучение и предсказуемо моделиране. Всеки от тези предмети, заедно като единно цяло, възнамерява да ни помогне да разберем по-добре нашата реалност, да моделираме по-добре света, в който живеем и в крайна сметка да подобрим опита си от живота.

В случая на човешкото тяло Сетивното възприятие › Обработката на информацията, прогнозирането на резултатите и вземането на решения › предприемането на действиявсичко се случва невероятно бързо, като за една микро нано секунда. Всяка от тези стъпки днес е област на изследване, обучение и специализация и е довела до появата на различни професии във всяка от тях.

Във всичко това какво е квантово изчисление?

От един момент в реалния свят, преди да направим избор, има безкрайно много възможни резултати (помислете за паралелни вселени или мултивселени). Когато правим избор в момента, докато предприемаме действие, ние намаляваме броя на възможните резултати, в крайна сметка стеснявайки резултатите от безкрайност до един, създавайки следващия момент.

Ако трябва да симулираме момент от реалния свят в компютър, за да видим какви всички възможни сценарии могат да доведат до най-добрия възможен резултат, за нормален компютър е практически невъзможно да направи това, тъй като може да се справи само с една възможност в даден момент. Например: Ако x = 10, тогава y = 70%. Квантовият компютър може да изчисли всички възможни стойности за x наведнъж, тъй като използва квантовите поведения на субатомните частици. Това поведение в квантовата механика се нарича „Суперпозиция“.

Странно? Ето защо се казва - ако не сте обезпокоени от квантовата механика, не сте я разбрали наистина.