Что такое искусственный интеллект?

«Для многих, АИ это просто ужасный фильм Стивена Спилберга. Другим, это следующее поколение учебных компьютеров. Но что такое искусственный интеллект, именно? Ответ зависит от того, кто вы спрашиваете. В целом, искусственный интеллект (AI) - это сочетание информационных наук и надежных наборов данных, развернутых для решения какой-то проблемы.

Многие определения искусственного интеллекта включают сравнение с человеческим разумом или мозгом, будь то в форме или функции. Alan Turing писал в 1950 году о «мышлевых машинах», которые могли бы реагировать на проблему с использованием человеческих рассуждений. Его одноимусный тест Turing по-прежнему является ориентиром для обработки естественного языка. Позже Стюарт Рассел и Джон Норвиг заметил, что люди умны, но мы не всегда рациональны. Рассел и Норвиг увидели два класса искусственного интеллекта: системы, которые думают и действуют как человек, против тех, кто думает и действует рационально. Сегодня у нас есть все виды программ, которые мы называем AI.

«АИ не должен ограничивать себя методами, которые являются биологически наблюдаемыми»

Многие AIS используют «нервные сети», кодекс которого написан для эмуляции некоторых аспектов архитектуры нейронов или мозга. Однако не все интеллект - человеческий подобный. Также это не обязательно лучшее представление об эмулировании нейробиологической обработки информации. Вот почему инженеры ограничивают, как далеко они несут метафору мозга. Это больше о том, как феноменально параллельна мозг, и ее распределенная обработка памяти. Как определено Джоном Маккарти в 2004 году, искусственный интеллект - это «Наука и инжиниринг интеллектуальных машин, особенно интеллектуальных компьютерных программ. Это связано с аналогичным заданием использования компьютеров для понимания человеческого интеллекта, но AI не обязательно ограничивается методами, которые являются биологически наблюдаемыми ».

Более того, различие между нейронной сетью и AI часто является вопросом философии, больше, чем возможностей или дизайна. Многие системы «AI-питание» являются нейронные сети под капотом. Мы также называем некоторые нервные сети AIS. Например, мощный GPT-3 Openai AI - это тип нейронной сети, называемый трансформатором (подробнее ниже). Прочная эксплуатация нейронной сети может равняться или снабжать узкий ай. Между нейронными сетью и искусственным интеллектом много перекрытия между нейронными сетью и искусственным интеллектом, но емкость для обучения машин может быть разделительной линией.

Из чего сделан АИ?

Концептуально: в смысле своей логической структуры, чтобы быть АИ, вам нужны три фундаментальных частей. Во-первых, есть процесс принятия решения - обычно уравнение, модель или только какой-то код. AIS часто выполняет классификацию или применить преобразования. Для этого AI должен быть в состоянии определиться с узорами данных. Во-вторых, есть функция ошибки - какой-то способ для AI проверить свою работу. И в-третьих, если AI собирается учиться на опыте, ему нужен способ оптимизации своей модели. Многие нейронные сети делают это с системой взвешенных узлов, где каждый узел имеет как значение, так и отношение к ее сетевым соседям. Значения изменяются со временем; Укрепляющие отношения имеют более высокий вес в функции ошибки.

Физически: как правило, AI - это «просто» программное обеспечение. Услуги программного обеспечения AI, такие как грамматический и RYTR используют нейронные сети, такие как GPT-3. Эти нейронные сети состоят из уравнений или команд, написанных в таких вещах, как Python или Common Lisp. Они управляют сравнениями, выполняют преобразования и выруйте узоры данных из данных. Обычно они работают на боковом оборудовании на стороне сервера, но какое оборудование не важно. Любой обычный кремний будет делать, будь то CPU или GPU. Тем не менее, есть специальные аппаратные нейронные сети, особый вид асики, называемых нейроморфными чипсами.

Тензоры и нейроморфный кремний

Не все асики являются нейроморфными конструкциями. Тем не менее, нейроморфные чипсы - это все асики. Нейроморфный дизайн принципиально отличается от процессоров, и только номинально перекрывается с многоядерной архитектурой GPU. Но это не какой-либо экзотический новый тип транзистора, ни какого-либо странного и эльдригового типа структуры данных. Это все о тензорах. Тензоры описывают отношения между вещами; Это своего рода математический объект, который может иметь метаданные, как цифровая фотография имеет данные EXIF.

Современная NVIDIA RTX GPU имеет огромное количество тензорных сердечников. Это имеет смысл, если вы рисуете движущиеся многоугольники, каждый с некоторым количеством свойств или эффектов, которые применимы к нему. Но тензоры могут обрабатывать больше, чем просто пространственные данные. Способность распараллелизовать тензорные расчеты - это также почему графический график заклеен для Crypto Mining, и почему они используются в кластерных вычислениях, особенно для глубокого обучения. GPU Excel при организации многих различных потоков одновременно.

Но независимо от того, насколько элегантна ваша организация данных может быть, она все еще должна отказаться от нескольких слоев абстракции программного обеспечения, прежде чем он когда-либо становится двоичным. Невроморфный чип Intel, Loiihi 2, обеспечивает совершенно другой подход.

Loiii 2.

Loiii 2 - это нейроморфный чип, который приходит в качестве пакета с учетом программного обеспечения экосистемы по имени Lava. Физическая архитектура Loiii приглашает - почти требуется - использование взвешивания и функции ошибки, оба определяющие особенности ай и нервных сетей. Биомиметический дизайн чипа распространяется на его электрическую сигнализацию. Вместо того, Zeroes, On или Off, Loiii «Firees» в шипах с целочисленной ценностью - способным нести гораздо больше данных. Он просит использоваться с тензорами. Что если вам не нужно было перевести свои значения в машинный код, а затем двоичный? Что, если вы могли бы просто кодировать их напрямую?

Модели машинного обучения, которые используют Lava, могут воспользоваться уникальным физическим дизайном Loiii 2. Вместе они предлагают гибридное оборудование-программное обеспечение нейронной сетью, которая может обрабатывать отношения между несколькими многомерными наборами наборах, таких как пряночные пластины акробата.

Инструменты AI, такие как RYTR, грамматические и другие, выполняют свою работу в обычном настольном браузере. Напротив, нейроморфные фишки, такие как Loiii, не предназначены для использования в потребительских системах. (По крайней мере, еще не.) Они предназначены для исследователей. Вместо этого нейроморфная инженерия имеет разную силу. Это может позволить кремнию выполнять другой вид биомимики. Мозги чрезвычайно дешевые, с точки зрения энергопотребления на единицу пропускной способности. Надежда заключается в том, что Loiii и другие нейроморфные системы могут подражать этой энергоэффективности вырваться из железного треугольника и доставлять все три: хорошие, быстрые и дешевые.

AI против нейронных сетей против глубокого обучения против машинного обучения

Если трехчастотная логическая структура AI звучит знакомой, это потому, что нейронные сети имеют те же три логических столба. Фактически, от перспективы IBM, отношения между машинным обучением, глубоким обучением, нейронными сетью и искусственным интеллектом являются иерархией эволюции. Это так же, как отношения между Charmander, CharmeLeon и Charizard. Они все отдельные субъекты сами по себе, но каждый раньше основан на том, и они растут у власти, когда они развиваются. У нас все еще есть Charmanders, хотя у нас также есть Чаризарды.

Как изучает искусственный интеллект?

Когда AI узнает, он отличается от просто сохранения файла после изготовления редактирования. Для AI обучение включает в себя изменение своего процесса.

Многие нервные сетки учатся через процесс, называемый «размножением». Как правило, нейронная сеть - это процесс «подачи», поскольку данные перемещаются только в одном направлении через сеть. Это эффективно, но это также своего рода баллистический (негасированный) процесс. Однако в обратной пропагации, однако, более поздние узлы в процессе получают информацию обратно к более ранним узлам. Не все нейронные сети выполняют размножение, но для тех, которые делают, эффект похоже на изменение коэффициентов перед переменными в уравнении.

Контролируемое и безоговорочное обучение

Мы также разделяем нейронные сети на два класса, в зависимости от того, какие проблемы они могут решить. В надзоренном обучении нейронная сетка проверяет свою работу против меченного учебного набора или переоценки; В большинстве случаев этот переосъемник является человеком. Например, SwiftKey узнает, как вы пишете, и корректируют его автокоррект, чтобы соответствовать. PANDORA использует вход слушателей, чтобы закончить классифицировать музыку, чтобы построить специально разработанные списки воспроизведения. 3BLUE1Brown даже имеет отличную серию объяснений на нейронных сетях, где он обсуждает нервную сеть с использованием руководящего обучения, чтобы выполнить признание почерка.

Контролируемое обучение отлично подходит для точной точности на неизменном наборе параметров, таких как алфавиты. Однако неповторимое обучение может распустить данные с изменением числа размеров. (Уравнение с терминами X, Y и Z - это трехмерное уравнение.) Осущественное обучение имеет тенденцию к победе с небольшими наборами набора данных. Это также хорошо при распознавании моделей, которые мы могли даже не знать, чтобы искать.

Тензоры и трансформаторы

Трансформаторы - это особый, универсальный вид Ai, способный к несусперенному обучению. Они могут интегрировать много разных потоков данных, каждый из которых со своими собственными изменениями параметров. Из-за этого они великолепны при обработке тензоров. Тензуры, в свою очередь, отлично подходят для того, чтобы все эти данные организовали. С комбинированными державами тензоров и трансформаторов мы можем обрабатывать более сложные наборы данных.

Видеосплата и разглаживание движения - отличные приложения для трансформаторов AI. Аналогичным образом, тензоры имеют решающее значение для обнаружения глубоких и изменений. С помощью инструментов Deepfake воспроизводят в дикой природе, это цифровая гонка вооружений.

Видеосигнал имеет высокую размерность. Он изготовлен из серии изображений, которые сами состоят из ряд координат и цветовых значений. Математически и в компьютерном коде мы представляем эти величины как матрицы или N-мерные массивы. Посредственным, тензоры отлично подходят для матрицы и массива Wrungling. Например, Davinci разрешается, например, использует тензорную обработку в своей (NVIDIA RTX) Утилита распознавания лицевой связи на лицевой связи NVIDIA RTX). Рука этих тензоров к трансформатору, и его способности без осознанного обучения делают большую работу, выбирая кривые движения на экране - и в реальной жизни.

Тензор, трансформатор, серво, шпион

На самом деле, эта способность отслеживать множественные кривые друг против друга, поэтому команда сон Tensor-Transformer взяла на себя так хорошо, как обработка естественных языков. И подход может обобщать. Революционные трансформаторы - гибрид CNN и трансформатор - Excel на распознании изображений на лету. Этот технологию используется сегодня, для таких вещей, как роботный поиск и спасательные или вспомогательные изображения и распознавание текста, а также гораздо более противоречивая практика распознавания лица Dagnet, à la Гонконг.

Способность обрабатывать изменяющуюся массу данных отлично подходит для потребителей и вспомогательной техники, но это также сцепление для таких вещей, как отображение генома и улучшение дизайна препарата. Список продолжается. Трансформаторы также могут обрабатывать различные виды «размеров», а не просто пространственным, что полезно для управления массивом устройств или встроенных датчиков, таких как отслеживание погоды, маршрутизации трафика или системы промышленного управления. Это то, что делает AI так полезно для обработки данных «на краю».

Ай на краю против к краю

У всех есть у каждого мобильного телефона, во всем есть встроенные системы. Эта пролиферация устройств порождает специальную глобальную сеть, называемую Интернет вещей (IOT). На садансе встроенных систем «Edge» представляет собой внешнюю бахрому конечных узлов в коллективной сети IOT. Edge Intelligence принимает две основные формы: Ai на край и Ai для края. Различие в том, где происходит обработка. «Ai On Edge» относится к сетевым конечным узлам (все от потребительских устройств к автомобилям и промышленным системам управления), которые используют AI для подключения данных локально. «AI для края» позволяет интеллекту по краям, выгружая некоторые из вычислений спроса на облако.

На практике основные различия между двумя являются задержками и лошадиными силами. Локальная обработка всегда будет быстрее, чем трубопровод с данными, не зависят от времени. SharmOff - это вычислительная мощность доступна на стороне сервера.

Встроенные системы, потребительские устройства, системы промышленного управления и другие конечные узлы в IOT все добавляют до монументального объема информации, которая нуждается в обработке. Какой-то телефон домой, некоторые должны обрабатывать данные в режиме реального времени, а некоторые должны проверить и исправить свою собственную работу на лету. Работа в дикой природе, эти физические системы действуют так же, как узлы в нейронной сети. Их коллективная пропускная способность настолько сложна, что в некотором смысле IOT стал аиот - искусственный интеллект вещей.

Никто из нас не такой тупой, как мы все

По мере того, как устройства становятся дешевле, даже крошечные скольжения кремния, которые запускают небольшие встроенные системы, имеют удивительную вычислительную мощность. Но наличие компьютера во что-то не обязательно делает его умнее. Все есть Wi-Fi или Bluetooth. Некоторые из них действительно круто. Некоторые из него сделаны из пчел. Если я забуду оставить дверь открытой на моей стиральной машине на лицевой стороне, я могу сказать ей, чтобы запустить цикл очистки с моего телефона. Но IOT уже известный кошмар безопасности. Паразитические глобальные ботнеты существуют, которые живут в потребительских роутерах. Аварийные сбои могут каскад, например, великий северо-восточный отключение лета 2003 года, или когда Техас застыл твердое вещество в 2021 году. Мы также живем в сроке, где неисправная поддержка прошивки может кирпичать ваши туфли.

Там общий трубопровод (гиплайн?) В области технических инноваций. Когда какая-то силиконовая долина Startup изобретает виджет, он идет от идеи к поезду в сыпучих до виджетов-As-A-A-Service для разочарования, прежде чем окончательно выяснить, что на самом деле виджет.

Вот почему мы лампой IoT с любящими именами, такими как Интернет дерьмовые вещи и Интернет укусов. (Интернет упорных устройств общаются через TCBee-IP.) Но аоо не то, что никто не может продать. Это больше, чем сумма его частей. AIOT - это набор возникающих свойств, которые мы должны управлять, если мы собираемся избежать взрыва шириннетней и сохранить мир работать в режиме реального времени.

Что такое искусственный интеллект? TL; доктор

На практике искусственный интеллект часто является то же самое, что и нейронная сетка, способная к машинному обучению. Они оба программного обеспечения, которые могут работать на любом количестве процессора или GPU, и достаточно мощные. Неиронные сетки часто имеют право выполнять машинное обучение благодаря размножению. Существует также своего рода гибридная аппаратная и программальная нейронная сеть, которая приносит новое значение для «обучения машине». Он сделан с использованием тензоров, асики и нейроморфных инженеров путем Intel. Кроме того, возникающий коллективный интеллект IoT создал спрос на AI, и для края. Надеюсь, мы можем сделать это справедливость.