Не хочу превращать этот канал в душную лекционную помойку. Однако, без знания краткой истории возникновения целой научной области (ИИ) знания будут неполными. Также вы можете не понять, почему искусственный интеллект развивается именно так, как это сейчас происходит.
Полноценный душный пост об истории возникновения ИИ начиная с XVIII века читайте на сайте.
Здесь поговорим о причинах появления ИИ и тенденциях, заложенных еще в 80 лет назад.
Когда все это началось? Я имею ввиду ту самую революцию ИИ, которую мы наблюдаем сейчас в 2023 году? Я заметил, что люди делятся на три лагеря.
Кто-то считает - что еще ничего не началось и ИИ не работает, так как должен.
Другие думают, что началось лет 5 назад с массовым внедрением во многие бизнес-процессы алгоритмов машинного обучения.
Третьи просто пребывают в иной реальности и по-прежнему верят, что ИИ - это сказочки айтишников и хипстеров. Только ручной труд, надежная механика рулят!
На самом деле, все началось еще во времена, когда гитлеровские войска в ужасе 😱 драпали из под Курска в 1943.
Именно этот год принято считать началом развития ИИ.
В 1943 году двое ученых (Уоррен Мак-Каллок и Уолтер Питтс) разработали математическую модель искусственного нейрона.
Затем Дональд Хебб в работе «Организация поведения» 1949 года описал основные принципы обучения нейронов. И пошло поехало.
В 1958 году Фрэнк Розенблат реализовал их модель в устройство – персептрон.
В те времена, ученые очень воодушевились и принялись объединять нейроны в слои, создавая сети различных архитектур. Но бурный рост технологий в сфере ИИ начался только спустя полвека после работ Маккалока и Питтса, как думаете почему?
Дело в том, что используемые математические модели, при их программной реализации требовали огромных по тем временам вычислительных мощностей. Нейронные сети обучались месяцами 🐌 на компьютерах того времени, что было неприемлемо.
Направление заглохло, энтузиазм пропал. Но в дальнейшем развитие вычислительных мощностей и мода вдохнули в искусственный интеллект новую жизнь.
Начиная с 2000-х годов, благодаря компаниям Intel и Nvidia, вычислительные мощности начали расти лавинообразно.
Это позволило применить все те методы из 1960-1990-х для решения различных классов задач.
В 2010-е вместе с развитием интернета и соцсетей росло и количество информации. ИТ-компаниям необходимо было что-то делать с получаемыми данными. И применение ИИ стало необходимостью, а не развлечением.
Теперь Google сортирует выдачу, используя системы машинного обучения (Machine Learning). YouTube подбирает рекомендуемые видео с помощью алгоритмов ML, по той же схеме рекомендует товары Amazon. Новостная лента Facebook генерируется «умным» компьютером. И даже Tinder находит людей, используя алгоритмы ML.
Выводы следующие:
- текущее развитие ИИ можно отнести к ограниченному ИИ,
- текущее развитие ИИ базируется на методологии и математике 30-60 летней давности,
- развитие идет лавинообразно, в ближайшие годы мы увидим новые прорывы, похлеще ChatGPT и беспилотных автомобилей.
👉@aisimpleru
Полноценный душный пост об истории возникновения ИИ начиная с XVIII века читайте на сайте.
Здесь поговорим о причинах появления ИИ и тенденциях, заложенных еще в 80 лет назад.
Когда все это началось? Я имею ввиду ту самую революцию ИИ, которую мы наблюдаем сейчас в 2023 году? Я заметил, что люди делятся на три лагеря.
Кто-то считает - что еще ничего не началось и ИИ не работает, так как должен.
Другие думают, что началось лет 5 назад с массовым внедрением во многие бизнес-процессы алгоритмов машинного обучения.
Третьи просто пребывают в иной реальности и по-прежнему верят, что ИИ - это сказочки айтишников и хипстеров. Только ручной труд, надежная механика рулят!
На самом деле, все началось еще во времена, когда гитлеровские войска в ужасе 😱 драпали из под Курска в 1943.
Именно этот год принято считать началом развития ИИ.
В 1943 году двое ученых (Уоррен Мак-Каллок и Уолтер Питтс) разработали математическую модель искусственного нейрона.
Затем Дональд Хебб в работе «Организация поведения» 1949 года описал основные принципы обучения нейронов. И пошло поехало.
В 1958 году Фрэнк Розенблат реализовал их модель в устройство – персептрон.
В те времена, ученые очень воодушевились и принялись объединять нейроны в слои, создавая сети различных архитектур. Но бурный рост технологий в сфере ИИ начался только спустя полвека после работ Маккалока и Питтса, как думаете почему?
Дело в том, что используемые математические модели, при их программной реализации требовали огромных по тем временам вычислительных мощностей. Нейронные сети обучались месяцами 🐌 на компьютерах того времени, что было неприемлемо.
Направление заглохло, энтузиазм пропал. Но в дальнейшем развитие вычислительных мощностей и мода вдохнули в искусственный интеллект новую жизнь.
Начиная с 2000-х годов, благодаря компаниям Intel и Nvidia, вычислительные мощности начали расти лавинообразно.
Это позволило применить все те методы из 1960-1990-х для решения различных классов задач.
В 2010-е вместе с развитием интернета и соцсетей росло и количество информации. ИТ-компаниям необходимо было что-то делать с получаемыми данными. И применение ИИ стало необходимостью, а не развлечением.
Теперь Google сортирует выдачу, используя системы машинного обучения (Machine Learning). YouTube подбирает рекомендуемые видео с помощью алгоритмов ML, по той же схеме рекомендует товары Amazon. Новостная лента Facebook генерируется «умным» компьютером. И даже Tinder находит людей, используя алгоритмы ML.
Выводы следующие:
- текущее развитие ИИ можно отнести к ограниченному ИИ,
- текущее развитие ИИ базируется на методологии и математике 30-60 летней давности,
- развитие идет лавинообразно, в ближайшие годы мы увидим новые прорывы, похлеще ChatGPT и беспилотных автомобилей.
👉@aisimpleru
Бесплатные курсы по искусственному интеллекту. Обучение Data Science, Machine Learning
История искусственного интеллекта и ученые, внесшие наибольший вклад
Искусственный интеллект, как и любая другая область человеческого бытия уже обросла мифами. Сейчас нет внятного понимания, с какой точки вести начало истории возникновения ИИ. Искусственный интеллект как научное направление представляет собой наглядный пример…
Две парадигмы развития ИИ:
1. Бионическая
2. Прагматическая
В первом случае речь идет о разработке биокомпьютеров, которые содержат в основе, биологические компоненты. К ним относят отдельные клетки или молекулы ДНК.
Во втором случае ИИ заменяется компьютерной программой, которая должна выдавать решения, минимально отличающиеся от решения человека, – эксперта предметной области.
Методы получения решения, заложенные в такие программы, относят к методам искусственного интеллекта.
👉 @aisimpleru
1. Бионическая
2. Прагматическая
В первом случае речь идет о разработке биокомпьютеров, которые содержат в основе, биологические компоненты. К ним относят отдельные клетки или молекулы ДНК.
Во втором случае ИИ заменяется компьютерной программой, которая должна выдавать решения, минимально отличающиеся от решения человека, – эксперта предметной области.
Методы получения решения, заложенные в такие программы, относят к методам искусственного интеллекта.
👉 @aisimpleru
❤5
Внимательно посмотрите на этих ученых. Благодаря им мы имеем то, что имеем в сфере ИИ сегодня.🙏
👉 @aisimpleru
👉 @aisimpleru
👍1
Завершил работы по адаптации видео-контента для 1 урока бесплатного курса по ИИ для начинающих.
Первый урок состоит из 6 частей и доступен на сайте:
1.1. Что такое искусственный интеллект и его виды
1.2. История возникновения искусственного интеллекта и великие ученые
1.3. Направления развития искусственного интеллекта
1.4. Методы искусственного интеллекта
1.5. Взаимосвязь направлений развития, задач и методов ИИ
1.6. Примеры задач предметной области для ИИ
Всего будет 5 уроков 🚀
👉 @aisimpleru
Первый урок состоит из 6 частей и доступен на сайте:
1.1. Что такое искусственный интеллект и его виды
1.2. История возникновения искусственного интеллекта и великие ученые
1.3. Направления развития искусственного интеллекта
1.4. Методы искусственного интеллекта
1.5. Взаимосвязь направлений развития, задач и методов ИИ
1.6. Примеры задач предметной области для ИИ
Всего будет 5 уроков 🚀
👉 @aisimpleru
This media is not supported in your browser
VIEW IN TELEGRAM
«И принцесса от злости повесилась на собственной косе, потому что он совершенно точно сосчитал сколько зерен в мешке, сколько капель в море, и сколько звезд на небе. Так выпьем же за кибернетиков!» (с)
Вот такая вот реабилитация кибернетики в СССР в 1967 году 😉
В СССР именно в эта область отвечала за искусственный интеллект.
Важно отметить, что долгое время в нашей стране кибернетику считали лженаукой.
👉 @aisimpleru
Вот такая вот реабилитация кибернетики в СССР в 1967 году 😉
В СССР именно в эта область отвечала за искусственный интеллект.
Важно отметить, что долгое время в нашей стране кибернетику считали лженаукой.
👉 @aisimpleru
👍1
post-10-2.jpg
196.1 KB
Сохраните себе, чтобы не потерять.
Основные направления развития искусственного интеллекта.
Обратите внимание на направление №8, выделенное цветом.
В рамках развития алгоритмов обучения и самообучения мы видим такие необычне вещи, как ChatGPT, MidJourney и прочее.
👉 @aisimpleru
Основные направления развития искусственного интеллекта.
Обратите внимание на направление №8, выделенное цветом.
В рамках развития алгоритмов обучения и самообучения мы видим такие необычне вещи, как ChatGPT, MidJourney и прочее.
👉 @aisimpleru
post-008.jpg
104.7 KB
Скоринг (от англ. scoring - подсчет) - это способ определения платежеспособности заемщика.
До бурного развития искусственного интеллекта этот процесс протекал не быстро.
Вы собирали документы, передавали в банк. Сотрудники кредитной организации проверяли документы и заносили данные в специальную анкету.
Далее специалисты по рисками проверяли эту анкету на основании собственных моделей и принимали решение о выдаче денежных средств заемщику или отказе в предоставлении кредита.
Например, в 2012 году заявка на ипотеку одобрялась несколько дней, сейчас это происходит через несколько минут после заполнения анкеты в приложении или на сайте.
Процесс упростили и ускорили благодаря алгоритмам машинного обучения. Скоринговая модель мгновенно выдает результат и не требует зарплаты.
👉 @aisimpleru
До бурного развития искусственного интеллекта этот процесс протекал не быстро.
Вы собирали документы, передавали в банк. Сотрудники кредитной организации проверяли документы и заносили данные в специальную анкету.
Далее специалисты по рисками проверяли эту анкету на основании собственных моделей и принимали решение о выдаче денежных средств заемщику или отказе в предоставлении кредита.
Например, в 2012 году заявка на ипотеку одобрялась несколько дней, сейчас это происходит через несколько минут после заполнения анкеты в приложении или на сайте.
Процесс упростили и ускорили благодаря алгоритмам машинного обучения. Скоринговая модель мгновенно выдает результат и не требует зарплаты.
👉 @aisimpleru
У каждого на руках есть карты лояльности крупных супермаркетов или магазинов электроники. Как вы думаете, для чего их придумали? В первую очередь для удержания клиентов, предоставляя им персональные скидки.
Однако, я сам лично наблюдал, что и мне и другим приходят одни и те же предложения. Магазин просто оповещает меня о появлении скидки на какой-то товар и сроках действия этой акции.
Что интересно, акция рассылается одновременно всем клиентам. Может так получится, что скидка на подгузники будет доступна и студентам, пенсионерам и молодым родителям.
Как сделать так, чтобы направлять персонализированные предложение каждой группе пользователей? Решение такой задачи сделало бы рекламную кампанию в разы эффективней, увеличив прибыль магазинов.
Искусственный интеллект прекрасно справляется с решением задачи кластеризации.
Как это работает?
Вы приходите в магазин, собираете корзину покупок и оплачиваете покупки, предъявив карту лояльности. Данные накапливаются в клиентской базе данных магазина. Затем программисты в области Data Science разрабатывают и обучают модель, которая разделит покупателей на кластеры.
Кластеры - это группы объектов со схожими характеристиками внутри каждого кластера. На картинке выше показаны три кластера, условно названных студенты, пенсионеры и семьи с детьми. Это сделано для лучшего понимания процесса. В реальности кластеры могут состоят из разных людей, схожих по характеру совершаемых покупок.
Далее в игру вступают аналитики, предлагающие, для каждого кластера, считай сегмента целевой аудитории, приемлемые скидки на требуемые для них товары.
Маркетологи создают рекламные кампании, E-mail и СМС-рассылки.
Происходит анализ результатов проведения эксперимента.
Таким образом искусственный интеллект позволяет максимально точно угадать потребности аудитории, повысить продажи и прибыль крупных супермаркетов.
👉 @aisimpleru
Однако, я сам лично наблюдал, что и мне и другим приходят одни и те же предложения. Магазин просто оповещает меня о появлении скидки на какой-то товар и сроках действия этой акции.
Что интересно, акция рассылается одновременно всем клиентам. Может так получится, что скидка на подгузники будет доступна и студентам, пенсионерам и молодым родителям.
Как сделать так, чтобы направлять персонализированные предложение каждой группе пользователей? Решение такой задачи сделало бы рекламную кампанию в разы эффективней, увеличив прибыль магазинов.
Искусственный интеллект прекрасно справляется с решением задачи кластеризации.
Как это работает?
Вы приходите в магазин, собираете корзину покупок и оплачиваете покупки, предъявив карту лояльности. Данные накапливаются в клиентской базе данных магазина. Затем программисты в области Data Science разрабатывают и обучают модель, которая разделит покупателей на кластеры.
Кластеры - это группы объектов со схожими характеристиками внутри каждого кластера. На картинке выше показаны три кластера, условно названных студенты, пенсионеры и семьи с детьми. Это сделано для лучшего понимания процесса. В реальности кластеры могут состоят из разных людей, схожих по характеру совершаемых покупок.
Далее в игру вступают аналитики, предлагающие, для каждого кластера, считай сегмента целевой аудитории, приемлемые скидки на требуемые для них товары.
Маркетологи создают рекламные кампании, E-mail и СМС-рассылки.
Происходит анализ результатов проведения эксперимента.
Таким образом искусственный интеллект позволяет максимально точно угадать потребности аудитории, повысить продажи и прибыль крупных супермаркетов.
👉 @aisimpleru
👍4❤1
Не успел я написать предыдущий пост, как увидел вот такую новость:
«В Москве разработали искусственный интеллект, анализирующий поведение покупателей
Глава московского департамента инвестиционной и промышленной политики Владислав Овчинский сообщил, что в городе разработали искусственный интеллект, который анализирует поведение и заинтересованность покупателей. Уже скоро её начнут тестировать в ряде крупных супермаркетов.
Создатель системы – столичная компания "Гаоди". В продукт входят как физические компоненты (камера и компьютер с нейронным процессором), так и программное обеспечение. В год будет выпускаться не менее тысячи таких комплектов, причём покупатели смогут рассчитывать на регулярное совершенствование алгоритмов.
"Аналитика поведения и заинтересованности клиентов - один из важнейших инструментов для всех сегментов ретейла. Благодаря ей можно определить, какие товары привлекают внимание покупателя за счет внешнего вида, как правильно расположить их на полках магазина, а также понять, какие инструменты способствуют увеличению интереса к продукции", – объяснил представитель мэрии.
Разработка будет полезна как малым, так и средним ретейлерам, а также владельцам отдельных товарных полок в магазинах. Она сможет определять пол, возраст и направление взгляда покупателей, не собирая при этом никаких личных данных. В результате бизнес получит удобный аналитический интерес, а покупатели смогут рассчитывать на быструю реакцию торговых сетей в случае изменения спроса.»
Источник: ruposters.ru
👉 @aisimpleru
«В Москве разработали искусственный интеллект, анализирующий поведение покупателей
Глава московского департамента инвестиционной и промышленной политики Владислав Овчинский сообщил, что в городе разработали искусственный интеллект, который анализирует поведение и заинтересованность покупателей. Уже скоро её начнут тестировать в ряде крупных супермаркетов.
Создатель системы – столичная компания "Гаоди". В продукт входят как физические компоненты (камера и компьютер с нейронным процессором), так и программное обеспечение. В год будет выпускаться не менее тысячи таких комплектов, причём покупатели смогут рассчитывать на регулярное совершенствование алгоритмов.
"Аналитика поведения и заинтересованности клиентов - один из важнейших инструментов для всех сегментов ретейла. Благодаря ей можно определить, какие товары привлекают внимание покупателя за счет внешнего вида, как правильно расположить их на полках магазина, а также понять, какие инструменты способствуют увеличению интереса к продукции", – объяснил представитель мэрии.
Разработка будет полезна как малым, так и средним ретейлерам, а также владельцам отдельных товарных полок в магазинах. Она сможет определять пол, возраст и направление взгляда покупателей, не собирая при этом никаких личных данных. В результате бизнес получит удобный аналитический интерес, а покупатели смогут рассчитывать на быструю реакцию торговых сетей в случае изменения спроса.»
Источник: ruposters.ru
👉 @aisimpleru
👍3❤2
Искусственный интеллект состоит из методов и инструментов.
Метод ИИ - это способ решения математической задачи.
Инструмент ИИ - это компьютерная программа, в которой содержится метод ИИ.
То есть, чтобы создать искусственный интеллект для решения задачи вам нужно освоить методы ИИ и получить навыки программирования.
В данном посте рассмотрим основные методы ИИ. Точнее, это будут группы методов.
Выделим 5 таких групп:
1. Искусственные нейронные сети
2. Нечеткая логика (нечеткие множества и мягкие вычисления)
3. Системы, основанные на знаниях (экспертные системы)
4. Эволюционное моделирование (генетические алгоритмы, многоагентные системы)
5. Machine Learning (Data Mining и анализ данных, поиск закономерностей в хранилищах данных)
Прочитайте текст на картинках про каждый метод.
В следующем посте покажем, как связаны между собой 4 сущности:
- направления развития ИИ,
- задачи предметной области,
- методы ИИ,
- задачи из математики.
👉 @aisimpleru
Метод ИИ - это способ решения математической задачи.
Инструмент ИИ - это компьютерная программа, в которой содержится метод ИИ.
То есть, чтобы создать искусственный интеллект для решения задачи вам нужно освоить методы ИИ и получить навыки программирования.
В данном посте рассмотрим основные методы ИИ. Точнее, это будут группы методов.
Выделим 5 таких групп:
1. Искусственные нейронные сети
2. Нечеткая логика (нечеткие множества и мягкие вычисления)
3. Системы, основанные на знаниях (экспертные системы)
4. Эволюционное моделирование (генетические алгоритмы, многоагентные системы)
5. Machine Learning (Data Mining и анализ данных, поиск закономерностей в хранилищах данных)
Прочитайте текст на картинках про каждый метод.
В следующем посте покажем, как связаны между собой 4 сущности:
- направления развития ИИ,
- задачи предметной области,
- методы ИИ,
- задачи из математики.
👉 @aisimpleru
❤3
Друзья, мы рассмотрели, что такое искусственный интеллект (https://t.me/aisimpleru/9), узнали в каких направлениях он развивается (https://t.me/aisimpleru/22) и немного поговорили о методах ИИ (https://t.me/aisimpleru/26).
Прежде чем приступить к изучению методов искусственного интеллекта, обсудим одну важную вещь.
Если Вы будете работать в сфере ИИ, то Вам придется изучить огромный объем информации. Чтобы не запутаться в терминах и причинно-следственных связях, используйте вот такой верхнеуровневый подход.
У в рамках каждого направления развития ИИ можно рассматривать 4 сущности:
1️⃣ Задача предметной области
2️⃣ Задача из математики
3️⃣ Метод ИИ
4️⃣ Инструмент для реализации.
Эти сущности связаны друг с другом, как показано на схеме.
Более подробно рассмотрели - это в шестой части первого урока на сайте.
Например, вам нужно спрогнозировать котировки ценных бумаг на бирже (задача предметной области).
Сведите эту задачу к математической задаче или группе задач. Потом выберите адекватный метод для решения (кстати необязательно ИИ 😉).
На последнем шаге реализуйте этот метод программно, используя любой язык программирования, например Python.
👉@aisimpleru
Прежде чем приступить к изучению методов искусственного интеллекта, обсудим одну важную вещь.
Если Вы будете работать в сфере ИИ, то Вам придется изучить огромный объем информации. Чтобы не запутаться в терминах и причинно-следственных связях, используйте вот такой верхнеуровневый подход.
У в рамках каждого направления развития ИИ можно рассматривать 4 сущности:
1️⃣ Задача предметной области
2️⃣ Задача из математики
3️⃣ Метод ИИ
4️⃣ Инструмент для реализации.
Эти сущности связаны друг с другом, как показано на схеме.
Более подробно рассмотрели - это в шестой части первого урока на сайте.
Например, вам нужно спрогнозировать котировки ценных бумаг на бирже (задача предметной области).
Сведите эту задачу к математической задаче или группе задач. Потом выберите адекватный метод для решения (кстати необязательно ИИ 😉).
На последнем шаге реализуйте этот метод программно, используя любой язык программирования, например Python.
👉@aisimpleru
❤3
Друзья!
Ознакомьтесь с планом бесплатного курса для начинающих.
Курс будет выложен на сайте в формате статей в полном объеме до конца июля 2023 года.
Анонсы уроков и ключевые тезисы и понятия будут транслироваться в этот канал.
Первый урок уже на сайте - обучайтесь! 🚀
Курс ориентирован на минимальный уровень знаний в математике, логике, информатике.
Это соответствует 9-11 классу обычной средней школы.
👉 @aisimpleru
Ознакомьтесь с планом бесплатного курса для начинающих.
Курс будет выложен на сайте в формате статей в полном объеме до конца июля 2023 года.
Анонсы уроков и ключевые тезисы и понятия будут транслироваться в этот канал.
Первый урок уже на сайте - обучайтесь! 🚀
Курс ориентирован на минимальный уровень знаний в математике, логике, информатике.
Это соответствует 9-11 классу обычной средней школы.
👉 @aisimpleru
👍5❤1