Home-theater-designers
Несколько новых технологий вызвали ажиотаж вокруг искусственного интеллекта (ИИ) и того, что он означает для нашего будущего как общества. Каждая технология исходит из разных областей ИИ и имеет уникальный набор преимуществ и проблем.
Дипфейки и ИИ, клонирующие голос, мешают вам доверять всему, что вы видите или слышите в Интернете. Некоторые говорят, что ChatGPT и аналогичные системы искусственного интеллекта с глубоким обучением могут создать избыточность рабочих мест в нескольких областях. Возникает волнующий вопрос: «Заменит ли в конечном итоге ИИ программистов?»
Что такое искусственный интеллект?
ИИ — это отрасль компьютерных наук, которая фокусируется на способности системы решать проблемы, используя одно (или несколько) из четырех качеств. Система ИИ может мыслить по-человечески, действовать по-человечески, мыслить рационально и/или действовать рационально.
История искусственного интеллекта
Хотя кажется, что ИИ существует уже несколько столетий, эта область набрала обороты в середине 1900-х годов. Одной из самых примечательных дат в истории ИИ является 1956 год, это был год официального введения в область искусственного интеллекта. Это знакомство произошло на конференции в Дартмутском колледже.
(70368744177664), (2)
Несколько великих имен связаны с различными аспектами ранних достижений в области ИИ. К ним относятся Алан Тьюринг, Марвин Мински, Аллен Ньюэлл, Герберт Саймон, Джон Робинсон и Ален Колмерауэр.
Действуйте по-человечески
В 1936 году Алан Тьюринг опубликовал статью под названием «О вычислимых числах с приложением к проблеме Entscheidungs». В этой статье Тьюринг представил концепцию машины Тьюринга, которая и по сей день играет важную роль в ИИ. Он доказал, что при правильном алгоритме машина Тьюринга может выполнять любые математические вычисления.
Позже, в 1937 году, Тьюринг использовал проблему остановки, чтобы указать на ограничения интеллектуальных машин. Затем в 1950 году Тьюринг определил машинный интеллект, используя то, что он назвал тестом Тьюринга. Если система ИИ проходит тест Тьюринга, то эта система может действовать по-человечески.
Думай по-человечески
Марвин Мински — популярное имя в области искусственного интеллекта. Он известен тем, что в 1951 году разработал первую обучающую машину для нейронной сети со случайным подключением, названную SNARC. Нейронные сети учат компьютеры обрабатывать данные аналогично человеческому мозгу. Мински определяет ИИ как «науку о том, как заставить машины делать то, что потребовало бы интеллекта, если бы это делали люди».
Аллен Ньюэлл и Герберт Саймон — еще два пионера в области искусственного интеллекта, которые сосредоточились на способности машин имитировать человеческое мышление. В 1956 году они представили первую компьютерную программу для обработки символов под названием Logic Theorist. В 1961 году Ньюэлл и Саймон разработали General Problem Solver (GPS), который по существу имитирует человеческое мышление.
Думайте рационально
Введите Джона Робинсона, который в 1965 году опубликовал журнал под названием «Машинно-ориентированная логика, основанная на принципе разрешения». Он также изобрел резольвентное исчисление для логики предикатов, которое играет жизненно важную роль в ИИ.
Логика предикатов — это формальный язык, использующий логику для представления рационального мышления. Этот язык использует структуру, согласно которой правильные предпосылки приведут к правильным выводам. Например, Alexa — это машина; все машины облегчают работу; поэтому Alexa облегчает работу.
Последние достижения в области искусственного интеллекта
Как и во время своего зарождения, область искусственного интеллекта сегодня очень сложна и включает множество различных направлений. Каждая ветвь под эгидой ИИ постоянно добивается значительных успехов.
сколько стоит Adobe Acrobat Pro
Машинное обучение — это ветвь ИИ, которая использует алгоритмы данных для имитации человеческого обучения, что повышает его точность на каждой итерации. Одним из наиболее заметных подмножеств машинного обучения является глубокое обучение. Глубокое обучение улучшает машинное обучение уменьшая потребность машины в помощи человека.
Например, если у вас есть изображения цветов, которые вы хотите сгруппировать по видам, процесс категоризации будет отличаться в зависимости от типа системы. Если ваша система использует машинное обучение, вам придется вручную устанавливать признаки, отличающие виды. Однако система, использующая глубокое обучение, самостоятельно определит лучшие отличительные черты для каждого вида.
В последние годы глубокое обучение вызвало бурю в отрасли благодаря нескольким технологиям. ChatGPT — технология глубокого обучения которому в настоящее время уделяется большое внимание.
Согласно ChatGPT, это:
большая языковая модель, созданная OpenAI. Это программа искусственного интеллекта (ИИ), предназначенная для понимания естественного языка и создания человеческих ответов на различные типы вопросов и подсказок. Модель основана на архитектуре глубокого обучения, называемой преобразователем, которая способна обрабатывать большие объемы текстовых данных и генерировать ответы на основе шаблонов и взаимосвязей, которые она извлекла из этих данных.
С момента запуска в четвертом квартале 2022 года ChatGPT стал предметом многочисленных споров. Что выделяет эту систему ИИ, так это ее навыки обработки естественного языка в сочетании с ее способностью изучать новую информацию посредством обучения с подкреплением на основе обратной связи с человеком (RLHF). Он также, кажется, обладает сильной способностью писать и исправлять код. Некоторые говорят, что эта технология представляет собой генезис вымирания людей-программистов.
USB-накопитель продолжает отключение и повторное подключение Windows 10
Желаемые характеристики программиста-человека, которые ИИ не может воспроизвести
Система ИИ может научиться писать код, который создает программное обеспечение. Однако полная замена программистов может быть немного сложнее. Возможности системы ИИ могут позволить ей сократить рабочую силу, помогая программистам работать быстрее, но она никогда не сможет по-настоящему заменить человека. Основная отличительная черта между программистами и системами искусственного интеллекта — человеческий мозг и его сложные характеристики.
По словам Эндрю Нг , одно из ведущих имен в области искусственного интеллекта сегодня:
один нейрон в мозгу — это невероятно сложная машина, которую мы даже сегодня не понимаем. Отдельный «нейрон» в нейронной сети — это невероятно простая математическая функция, которая отражает ничтожную долю сложности биологического нейрона.
Способность мозга генерировать новую мысль, казалось бы, из ничего, находится за пределами человеческого понимания. Это определенно не то, что система ИИ может воспроизвести. Еще одна желательная характеристика программистов — неспособность к творчеству, что опять-таки не может воспроизвести машина.
Благодаря глубокому обучению ИИ может создать впечатление человеческого мышления. Некоторые системы ИИ могут принимать простые решения, но эти решения меркнут по сравнению со способностями человеческого мозга к принятию решений. ИИ может писать код, но он не способен гарантировать, что код, который он пишет, является правильным кодом. Система ИИ не может воспроизвести человеческое суждение, и нет никаких признаков того, что она сможет это сделать в будущем.
Будущее ИИ и программирования
Технологии искусственного интеллекта, такие как ChatGPT, доказали, насколько полезным может быть искусственный интеллект для программистов. Он быстро генерирует код и может помочь в общем рабочем процессе программиста. Однако ChatGPT также доказал, что даже самые передовые технологии глубокого обучения, которые у нас есть в настоящее время, не могут обеспечить полную автономию. Согласно OpenAI, ChatGPT генерирует бессмысленные ответы на вопросы.
Поэтому вполне правдоподобно предположить, что будущее ИИ в программировании — за «помощниками», а не за «заменой» программистов.