2 of October - MS Stage Free Online conference: .NET, MS SQL, MS Azure, Cosmos DB. REGISTER
×Закрыть

Про AI hype

У меня возникло чувство что AI hype во многом обязан непониманию юзером программирования. Часто юзеру пытаются впарить некий ИИ под соусом банального алгоритма. В то время как програмирование помогает решать много новых задач, юзеру, интересующемуся этим направлением, пытаются сказать что ты можешь понять программирование, просто назови это волшебным словом «ИИ» и все станет на свои места. Как Вы считаете какая разница между алгоритмом и собственно «the AI», единственным в своем роде? Какие технологии или решения можно отнести к ряду ИИ?

LinkedIn
Допустимые теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter
Допустимые теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter

різниця між алгоритмом і

«the AI»

такаж як між мовою програмування і програмою.

ші уже минуле. майбутнє за квантовою енергією.

у фільмі мураха та оса знають краще

К ИИ относят задачи, которые относительно легко решаются человеком, и нетривиально при помощи компьютера.Хайп вызван скорее некоторым прорывом в этой области за последние несколько лет.

Скорее прорывом в железе: за счёт GPU цена операции в плавучке уменьшилась за пару лет на несколько порядков (см. тут в таблице переход 2007-2011 и чуть дальше), и оказалось, что огромное количество задач, которые до этого были за гранью реализуемости, стали вдруг активно подъёмными на вполне доступных средствах.
А дальше 10-летняя инерция, как обычно в IT.

Конечно, а использование TPU вообще может открыть новую эру.

GPU, я согласен, важная соствляющая в прорыве, но, имхо, далеко не единственная. Ещё надо добавить доступность больших объёмов данных для обучения, потому как если данных мало, то какая бы мощность не была доступна, а хороший результат получить было сложно. Обратно, на больших объёмах даже сейчас на CPU результаты вполне себе).

Также и arxiv.org, который ускорил обмен разной информацией. Отсюда более быстрое появление и обкатка новых алгоритмов обучения. Также и разработка библиотек вроде keras, которые упростили порог вхождения, ...

Опять же, посколько это развивающаяся область, но и вкладывать в неё деньги выгодно — непонятно, где это выйдет на плато. А потенциальная область применения рисуется достаточно широкой. Так что хайп вполне обоснован.

Конечно, а использование TPU вообще может открыть новую эру.

Думаю, оно не настолько революционно, хотя полпорядка может дать.

GPU, я согласен, важная соствляющая в прорыве, но, имхо, далеко не единственная.

Остальные перечисленные были готовы к продвижению, но не было на чём. Удешевление массовых расчётов дало им возможность реализоваться.

Так что хайп вполне обоснован.

Да, если понимать, что это всё-таки хайп и бардак, то есть где и как оно устаканится — непонятно.

Не знаю есть ли ИИ сейчас, вполне возможно в каких-то военных целях что-то разрабатывают, и возможно добились какого-то успеха. В любом случаи думаю обычные люди узнают о нем нет через надцать, после появления.

А само ИИ имхо, это искусственная система с постоянным самообучением, и стремлением к получению новых знаний, развитию, исследованию окружающего мира.

с постоянным самообучением, и стремлением к получению новых знаний, развитию, исследованию окружающего мира.

под это определение и многие люди не подходят)))

Так я уверен, что многие люди и тест Тьюринга завалят )

И в 70 годах был хайп по этому поводу, перцептроны и элизы там всякие... Потом, за десяток лет, всё стихло. Сейчас передовые исследования сосредоточены у IBM, но эти парни идут путём эмуляции работы мозга на атомном уровне — в принципе, подход однозначно приведёт к успеху, весь вопрос в том, когда это случится...
Алгоритмические потуги пока что как к какому ИИ не привели, и очень-очень далеки от ситуации, когда человек, общаясь, не сможет отличить компьютер от другого человека. Безумцы, которые доверяют жизни автопилотам — ок, Дарвин ждёт их в гости...

В общем, продолжаем копать — наверное, это одна из немногих сфер, где всё ещё возможен индивидуальный прорыв с, практически, нулевым порогом входа :)

Комп’ютер вже може виконувати деяку вузькоспеціалізовану роботу краще за людину. Наприклад, у США роботи при операціях рідше помиляються, ніж лікарі. Статистика.

З іншого боку, якщо говорити не про вузькоспеціалізовану роботу, електронного аналога людини нема.

Яких ще операціях? Роботи не роблять операції, ви щось плутаєте

Так, робот Да Вінчі це дуже круто, але він повністю контролюється людиною. Поки немає роботів, що самі виконують операції.

Так, Да Вінчі є по суті руками хірурга.

А от STAR працює сам: хірург просто спостерігає і має можливість у будь-який момент виключити робота.
Стаття більше ніж дворічної давності: mashable.com/...​surgery-performed-tissue

Чекайте, ми ж говоримо про реальні операції на людях.

Наприклад, у США роботи при операціях рідше помиляються, ніж лікарі. Статистика.

Це все ж не так поки що, роботи не виконують операції.

Дійсно, я помилився, це була операція не на людях.
Ті статті пишуть, що робот вже може виконувати деякі операції краще, ніж хірург. Інша справа — люди бояться бути оперованими автоматикою.

и очень-очень далеки от ситуации, когда человек, общаясь, не сможет отличить компьютер от другого человека.

Ну если презентация ассистанта гугла не подстава, то кагбы уже человек не в состоянии отличить ии от человека ;-)

Учитывач как гоняют наши маршрутчики, я б лучше доверил дизнь автопилоту Tesla

Треба врахувати, що такий автопілот, навчений дотримуватися правил дорожнього руху, може у Львові застрягнути на перехресті до кінця дня: dou.ua/...​rums/topic/23334/#1319016

такий автопілот, навчений дотримуватися правил дорожнього руху, може у Львові застрягнути на перехресті до кінця дня

Для автопилота нужны дороги, так что всё нормально, никто никуда не поедет.

AI hype

Обусловлен бабками и разводом лохов новым красивым термином.

Пока никто не знает что такое естественный интеллект (есть пачка качественных определений ни о чем). А что говорить об искуственном.

Пока же ИИ называют обычное распознавание образов с применением алгоритмов, разработанных в прошлом веке. Нейронная сеть тоже по сути алгоритм (просто разделяющиеся гиперповерхности сложно описать одной простой функцией) и ничего другого. Просто она состоит из кучи определенных формул, параметры которых подстраиваются по базе данных во время ее обучения каким-либо алгоритмом минимизации целевой функции. Сложность нейронной сети только в том, что человек часто уже не в силах представить созданную ей разделяющую гиперповерхность.
Гипер — потому что поверхность в многомерном пространстве.

ИИ — это совокупность всех подходов, выработанных в результате стремления приблизиться к работе мозга или хотя бы повторить отдельные его достижения.
Такое определение конструтивно и по сути, потому что оставляет главное и не включает проблемы хайпа.

Нейронные сети — это только часть полезного. Те же экспертные системы, которые начинались в 70-х, но только сейчас стали заметно полезными — чем плохи?

АИ еще не разработали.

Тем немение направлание с которым сейчас рисуют ассоциации — machine learning, и нейросети.

Отличие нейросетей от класического алгоритма пояснять думаю не нужно ?

А хайп, потому что из за прогресса в нейросетях, в объемах доступных данных, а также дешовой вычислительно мощности, приложения юзающие нейросети сейчас очень отлично работают — различные распознавалки картинок, распознавалки речи, переводчики, автопилот, итд.

Чем ИИ отличается от недетерминированного алгоритма?

Тем, что обученный ии будет давать один и тот же результат на один и тот же вход. Недетерминированный не гарантирует такого

k-means таки недетерминирован :)
Ну хотя если seeds генератору случайных чисел задавать, то детерминизм буде.

не согласен. k-means недетерменирован, но это метод обучения . Порождаемая им модель — всегда даст один результат для одинаковых входных данных. Речь не идет о том что процесс обучения на одних тестовых данных может дать разные модели. Речь идет о работе модели

Если seed не фиксирован, то далеко не всегда
www.mathworks.com/...​fferent-results-each-time

K-средних таки детерминирован. Он исследован вдоль и поперек, в том числе и аналитически.

K-средних таки детерминирован.

Только при фиксированном стартовом значении генератора случайных чисел :).

Здається, Ви, Viktor і Вова говорити про різні речі)))
Щоб говорити про одне і те ж саме, опишіть, як виглядає етап навчання і як виглядає етап inference у даному випадку.

А это уже зависит от того, как ты точки старта выберешь. Я выбирал вообще по ковариационной матрице иногда, иногда по дисперсии и т.д. Рандом не лучший выбор для старта k-средних. Но при одном и том же наборе и одном и том же старте он всегда сойдется к одному результату. Как и большинство других подобных методов. Минус к-средних, что в нем оценивается только первые моменты смеси. Для первого и второго EM неплох. А вот для оценки 4-х моментов я так и не видел подходов.

Аналогів k-means — десятки. Який кращий, залежить від даних, кінцевої цілі, наявних обчислювальних ресурсів.
Непоганий огляд аналогів — у курсі Cluster Analysis in Data Mining на Coursera, тижні № 2 і № 3.

Почитаю, но сразу вопрос. Для пирсоновских смесей там есть что? или всё одно или на гауссовых базируется и иерархической там всё?

А много лет попытался сам расписать для пирсоновских смесей, но утонул в формулах — это уже оказалось слишком сложно для меня.

Для пірсонівских сумішей нема. В одному з відео лектор розказує, що деколи виникає задача в даних, породжених деяким мультимодальним розподілом, знайти кластери, відповідні його унімодальним компонентам. На прикладі гаусових:)
Думаю, це відео найрелевантніше задачі, про яку пишете: www.coursera.org/...​c-hierarchical-clustering

Цей курс — спроба у 4 тижні втиснути максимум інформації по кластеризації. Найпопулярніші алгоритми (напр. K-Means) описуються добре. Більшість алгоритмів — в декількох реченнях.

Для тих, хто проходить курс, є можливість на форумі, внутрішньому для учасників курсу, поставити питання, у тому числі вузькоспеціалізоване.

пирсоновские — одномодальные, но не симметричные, как гауссовы. Гауссовы — это их частный случай с нулевыми 3 и 4 моментами. А вот эти моменты часто очень важны.
А к-средних уже 50 лет в обед.

Навчена стохастична модель буде давати різні результати для одного і того ж входу: www4.stat.ncsu.edu/...​page/slides/Jan102013.pdf

;-)

Говорят, что настоящий ии будет в процессе постоянного дообучения.

Я даж загуглил, что такое «недетерменированный алгоритм». Оказалось что это алгоритм где используеться рендом, либо парралелизм при поиске решения.

Очевидно что такие алгоритмы всеравно задаються в ручную; в то время как ML, и нейросети «обучаються» на готовых данных.

Хайп на AI во многом обязан переизбытком больших денег и концентрацией их в руках, которые их не заработали. В этом «феномен» не только AI, а и других ИлонМасков и иже с ними чудесатых программ.

Как бы сказать правильнее, львиная доля конвертируемых валют давно находится вне экономики. Они просто скользят по волнам перегретого инвестирования, имитируя оборот, и перетекая друг в друга колоссальнейшими потоками и так быстро, чтобы ни одна сволочь не усомнилась что будет, если этот оборот остановится. А его ровно ничто не держит от остановки кроме... веры людей в то что их инвестиции чего-то стоят.

В то же время AI существует и вне хайпов, и достаточно неплохо себя чухает. Вот только затратное оно, и на коленке пока что-либо толковое собрать сложно.

И тут надо понимать, почему нельзя нащупать грань между алгоритмическим мышлением и истинным AI: человеку интеллект не свойственен по природе. То что мы называем интеллектом — результат обучения алгоритмам. Иначе говоря, наш интеллект — искусственный.

А насчёт низких достижений... так давайте посмотрим правде в лицо: сколько лет надо учить человека, чтобы он стал владельцем интеллекта? Скажем так, потратив 22 года (!!!!) на обучение, мы получаем на выходе что? Вчерашнего студента, мальчика-июня. Покажи мне людей, готовых учить один AI хотя бы 22 года. А потом ещё и давать работу, и поощрять, прощая все проьобы которых сотни и сотни. Куды там! Все хотят «чтоб продать сегодня и стать богатыми ещё до обеда». Это и есть хайп.

Логично, если бы он был то нас бы не было, какой нормальный АИ будет юзать такие неэффективные организмы как хуман))

Когда говорят про AI всегда уместно спросить: «А собственно говоря, что Вы имеете в виду?». То, что называли в фантастических романах искусственным интеллектом — это сейчас называется AI в широком смысле. А обычный AI стал очень широким понятием, в него теперь относят даже алгоритмы перебора.

а что по вашему ИИ? не алгоритм?

Сейчас идет много дискуссий по поводу того что такое ИИ, и когда же он появится, а алгоритмы они уже давно есть. На мой взгляд ИИ должен быть чем-то большим чем просто решением какой-то задачи. Плюс способность такой «программы» самообучатся немоловажна чтобы назвать ее ИИ. В идеале говоря про ИИ я говорю про полную замену человека без надобности носить его тело

Если алгоритм это ИИ, то зачем нужно слово «алгоритм»?

В классическом алгоритме всё определено. И входные данные, и что с ними делать, и какой ожидается результат. Если ИИ имитирует человеческий интеллект, то он должен выполнять гораздо более сложные задачи, где многое может быть неопределено, в том числе критерии для оценки результата. Например, человеку можно дать задачу проанализировать 3 песни. Всё. Человек сам может опредилить критерии поиска общностей/различий между песнями. Имена автров начинаются на А, они жили в определенные периоды, композиции песен имеют похожие приемы, использование определенной комбинации инструментов и т.д. Решение каждой из этих задач — точно алгоритм. Определение возможных задач, релевантных по отношению к входным данным — вероятней всего нет. Если это и алгоритм, то точно не в классическом понимании.

Яке означення класичного алгоритму? Допускається, що результат залежить від випадково згенерованого числа? А від значення системного часу?

Я уже написал свое определение признаков «классического» алгоритма во втором предложение. Определенность входных/выходных данных и определенность пути решения проблемы. Не вижу, как генерация даже самых настояших случайных чисел, меняет суть алгоритмичности. Даже если мы снимаем температурные колебания на поверхности Солнца, все равно на входе у нас численные значения темпераруры преобразуемые в, например, в −1.0...1.0. Если мы применяем настоящее случайное число в алгоритме, то что это дает нам для решения проблем, о которых я так же писал выше? В лучшем случае оно может дать видимость неопределенности в примитивном виде, но не разрешить неопределенность.

Для вирішення проблем, які Ви описали вище, не дає нічого.

Я мав на увазі, що генерація випадкових чисел приводить до того, що замість значень, однозначно залежних від вхідних даних, алгоритм повертає випадкові величини.

Подписаться на комментарии