ЦИФРОВОЙ ИНВЕСТОР ЦИФРОВАЯ ГРАМОТНОСТЬ ЦИФРА В «НОРНИКЕЛЕ» ПУЛЬС ТЕХНОЛОГИЙ СУПЕРНИКА NORNICKEL CONNECT
Пульс технологий
Хочешь знать о технологиях и цифровизации больше?
Устанавливай приложение «Цифроникель». Проходи обучение в игровой форме. Копи знания, получай баллы, участвуй в конкурсах и получай ценные призы.
ПРОЙТИ ОБУЧЕНИЕ

Символьный ИИ — ключ к мыслящим машинам

Новый вид искусственного интеллекта (ИИ) начинает постепенно выходить из академических кругов в большой мир. Многие предприятия уже начали осваивать некоторые технологии машинного обучения и использовать модели с большим количеством параметров. Теперь, по мнению экспертов из компании expert.ai, настаёт время нового подхода, который может в корне изменить принцип работы ИИ и его взаимодействия с людьми.

Хочешь знать о технологиях и цифровизации больше?
Устанавливай приложение «Цифроникель». Проходи обучение в игровой форме. Копи знания, получай баллы, участвуй в конкурсах и получай ценные призы.
ПРОЙТИ ОБУЧЕНИЕ

Речь о так называемом символьном ИИ, который умеет анализировать символы, а не просто массивы данных. Этим он напоминает биологический интеллект и способен выдавать более понятные для человека результаты. Чаще всего его используют в таким сферах как лингвистика для обработки высказываний на естественных языках и вычленения смысла сказанного. Однако символьный подход постепенно проникает и в сферу машинного обучения, где он позволяет ясно видеть структуру алгоритмов и открывает людям возможность понимать принимаемые решения. Символьный ИИ основан на последовательной логике «если-то», поэтому создаваемые им алгоритмы не выглядят как «черный ящик». То есть не являются системой ИИ, где входящие данные и принцип действия недоступны для наблюдения пользователям или другим заинтересованным лицам. Сейчас это является существенной проблемой при внедрении ИИ для решения важных задач. «Черные ящики» создают слишком много рисков для предприятий: непредвиденная проблема может подмочить репутацию компании, навредить бизнес-партнерам и потребителям или выдавать нестабильные результаты, причина которых будет неясной.  

Первые наработки в области символьного ИИ появились в 50-х годах прошлого века. Но к 90-м подход, основанный на чётких правилах, казался бесперспективным. Для исследователей было важнее получать результаты в области обработки сенсорных данных: звука и изображений. А для этого методы символьного ИИ плохо подходили. Сейчас перед ИИ всё чаще ставят задачи по управлению данными и подготовке аналитики, поэтому возможности логического мышления и обработки знаний вновь стали высоко цениться.

Многие исследователи символьного ИИ отталкиваются от биологических аналогий и строят модели наподобие мозга у животных и людей. Они предложили способ обработки информации и описания когнитивных процессов, похожий на существующий в природе. Основная идея заключается в том, что каждый нейрон либо отвечает на различие между определенными концептами, либо отличает два противоположных концепта. Другими словами, один тип нейронов проводит различие между «похоже на А» и «непохоже на А». А другой тип нейронов определяет: «больше похоже на А» или «больше похоже на Б». Эти нейроны затем объединяют в иерархические последовательности, которые интегрируют эти различия и способны делать сложные выводы. Такой способ организации модели ИИ основан на современном представлении об устройстве нервной системы в живых организмах. Уже сейчас символьный ИИ может находить новые алгоритмы для выполнения различных задач, о которых программисты даже и не догадывались. Также символьный ИИ не просто может определять вероятность наступления какого-либо события при определенных условиях, но и способен провести анализ определяющий факторов и определить, какие из них влияют на результат в большей, а какие — в меньшей степени.     

Из-за того, что символьный ИИ основан на логических правилах, он в меньшей степени меняет внутреннюю структуру модели, когда сталкивается с новыми данными. Благодаря этой особенности модели такого типа можно обучать быстрее и на меньшем наборе данных, а после запуска в работу они не требуют постоянного переобучения.

У такого подхода есть и недостатки. Символьный ИИ скован правилами, поэтому он не может улучшать себя с течением времени. А это — одно из главных преимуществ традиционных статистических моделей. Сейчас несколько компаний исследуют возможность совместить в одной модели оба подхода. Гибридные ИИ будут сочетать в себе лучшее из двух миров: гибкость чистого машинного обучения и возможность улучшать себя с прозрачностью создаваемых правил. Гибридные ИИ можно будет обучать, используя несколько разных подходов: как с участием человека, так и без него. В конечном итоге должны появится системы, которые смогут делать выводы, обучаться и вести осмысленный диалог с человеком. Уже сейчас подобные технологии начинают применяться в таких сложных сферах как предотвращение мошенничества, оптимизация цепочек поставок и социологические исследования.

Например, компания Stardog трудится над системой, которая совмещает в себе логический и статистический ИИ, чтобы анализировать данные и развивать их по категориям. То есть система категоризирует поступающие данные по степени важности для компании. Символьный ИИ играет ведущую роль в установлении правил, которые описывают данные, и делает обоснованные предположения о точности своих предсказаний. В конечном итоге такой подход позволит организациям решать практически любые проблемы, с которыми они могут столкнуться в цифровом пространстве, используя сильные стороны обоих подходов. 

Гибридные ИИ уже используются на производстве. В частности, в одной страховой компании символьные модели вычленяют численные коэффициенты риска на основании текстовых описаний происшествий с участием того или иного клиента. Система может понять из текста протокола, были ли пьян участник аварии и насколько агрессивная у него была манера вождения.

Еще один пример применения символьного ИИ — создание персонализированной ленты финансовых новостей, при формировании которой учитывается не просто наличие в тексте каких-то слов, но и смысл заметки.

Для организаций, которые с нетерпением ждут того дня, когда они смогут взаимодействовать с ИИ так же, как с человеком, символьный ИИ — это ключ к такому будущему. В конце концов, мы, люди, развивали мыслительные способности, сначала изучая как вещи и явления связаны между собой, а затем применяя эти закономерности к другим ситуациям. Символьный ИИ обучается практически так же. Объединение такой формы мышления с глубокими нейронными сетями формирует то, что исследователи называют нейросимвольным ИИ, который будет обучаться и развиваться, используя те же основные правила, что и мы.

Создав мыслящую машину похожую на человеческий разум, компании смогут сделать такие технологии доступными для всех сотрудников. И они будет применяться в реальных ситуациях, с которыми мы сталкиваемся каждый день.

Конечно, ИИ, каким бы по структуре он ни был, не сможет решить все наши проблемы, но способен избавить нас от самых раздражающих.

УЗНАТЬ БОЛЬШЕ
Читайте также
ЦИФРОВОЙ ИНВЕСТОР ЦИФРОВАЯ ГРАМОТНОСТЬ ЦИФРА В «НОРНИКЕЛЕ» ПУЛЬС ТЕХНОЛОГИЙ