» » » » Эндрю Берджесс - Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению


Авторские права

Эндрю Берджесс - Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению

Здесь можно купить и скачать "Эндрю Берджесс - Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению" в формате fb2, epub, txt, doc, pdf. Жанр: Прочая научная литература, издательство Литагент Альпина, год 2021. Так же Вы можете читать ознакомительный отрывок из книги на сайте LibFox.Ru (ЛибФокс) или прочесть описание и ознакомиться с отзывами.
Эндрю Берджесс - Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению
Рейтинг:
Название:
Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению
Издательство:
неизвестно
Год:
2021
ISBN:
978-5-9073-9400-1
Вы автор?
Книга распространяется на условиях партнёрской программы.
Все авторские права соблюдены. Напишите нам, если Вы не согласны.

Как получить книгу?
Оплатили, но не знаете что делать дальше? Инструкция.

Описание книги "Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению"

Описание и краткое содержание "Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению" читать бесплатно онлайн.



Сначала роботы лишат нас рабочих мест, а затем поработят весь мир. Если вам нравятся подобные апокалиптические теории о всемогущем искусственном разуме, то эта книга точно не для вас. А вот если вы хотите разобраться, как использовать искусственный интеллект (ИИ) в своем бизнесе, чтобы сделать его более конкурентоспособным, инновационным и ориентированным на будущее, то вы, несомненно, на верном пути. Так что же на самом деле умеет ИИ? Как и при каких условиях он будет способствовать росту бизнеса? С чего вообще следует начинать? Цель этой книги – дать максимум информации об искусственном интеллекте, не отвлекаясь на сложные технологические подробности и терминологию. Признанный международным бизнес-сообществом консультант по ИИ Эндрю Берджесс призывает руководителей не слишком доверять рекламе, не завышать ожидания, связанные с применением ИИ, и не впадать в крайности от эйфории до паники. Вместо этого он предлагает прагматичный и лишенный хайпа подход к описанию искусственного интеллекта. В основе книги лежит разработанная автором структура, которая рассматривает восемь основных практических функций ИИ, например распознавание образов, обработку естественного языка и прогнозирование трендов. Особенности применения и реальные возможности каждой функции подробно рассмотрены на реальных примерах.





Главный вопрос, конечно, заключается в том, что перевесит в итоге. Выгода от процессов, сопутствующих автоматизации, плюс создание новых видов деятельности и занятости? Или же потеря тех или иных рабочих мест? В глубине души я оптимист и считаю, что мы вполне сможем адаптироваться к новой действительности, пусть даже пережив болезненный переходный период (в котором весьма полезным решением может стать введение универсального базового дохода для всех членов общества). Ключевым фактором здесь является темп изменений, причем все признаки сегодняшнего дня указывают на то, что в ближайшие годы этот показатель будет расти и расти. Понятно, что автоматизация в целом и искусственный интеллект в частности окажут огромное воздействие на все аспекты нашей жизни – в основном, надеюсь, положительное, – но появятся и вещи, которые бросят вызов нашей морали и этике. Я вернусь к этим вопросам более подробно в самом конце книги, а пока что основное внимание мы уделим преимуществам и задачам внедрения искусственного интеллекта в сегодняшнюю жизнь.

Краткий обзор технологий искусственного интеллекта

Технологии, стоящие за искусственным интеллектом, чертовски умны. В их основе лежат алгоритмы – последовательность инструкций или набор правил для выполнения задачи. Алгоритмом можно считать даже железнодорожное расписание и рецепт приготовления блюда или аптечного лекарства. Искусственным интеллектом, естественно, управляют гораздо более продвинутые алгоритмы; по сути, они являются очень сложными статистическими моделями, использующими принципы теории вероятности, чтобы найти регулярные связи в определенном наборе входящих данных, часто с учетом определенной цели («если клиент посмотрел эти фильмы, то какие другие фильмы он захочет посмотреть с наибольшей вероятностью»). Эта книга, разумеется, не претендует на подробное объяснение базовых технологий искусственного интеллекта; более того, она намеренно лишена технической лексики. Однако некоторые принципы, лежащие в основе ИИ-технологии, знать все-таки необходимо.

Один из способов классификации технологий искусственного интеллекта – разделить их на так называемое «контролируемое» и «неконтролируемое» обучение. Контролируемое обучение является более распространенным и относится к ситуациям, когда система искусственного интеллекта обучается путем анализа больших объемов данных. Например, если вы хотите иметь ИИ-приложение, способное идентифицировать изображения собак, то вы должны показать алгоритму тысячи изображений, где собаки есть, и столь же большое количество картинок, где они отсутствуют. На первом этапе вы помечаете все картинки по принципу «есть собака» и «нет собаки». Используя машинное обучение (один из методов, применяемых при разработке искусственного интеллекта, – о нем я расскажу позже) и введенные данные, система изучает, как выглядит собака на изображении (что общего есть между любыми собаками, присутствующими на картинках). Затем систему следует проверить на другом наборе таких же (но не идентичных) данных, где изображения тоже помечены, но на этот раз об этом знаете только вы, а системе ничего не известно. Если система сможет идентифицировать наличие или отсутствие собак на фотографиях, значит, она обучена достаточно хорошо. Вы можете проверять это снова и снова. Если после этого люди будут использовать созданное вами приложение (назовем его условно «Найди собаку на картинке») с подключенной обратной связью, то есть оценивая правильность ответов системы, то ИИ будет продолжать свое обучение прямо по ходу работы. Контролируемое обучение обычно используется там, где входные данные неструктурированы или структурированы лишь частично: изображения, звуки, рукописный текст. Сюда относятся функции распознавания изображений, речи и поиска в соответствии с предложенной мною моделью структуризации искусственного интеллекта.

При неконтролируемом обучении системе предлагается очень большой набор данных, которые в начале процесса для нее ничего не «значат». Однако по ходу анализа искусственный интеллект может определить в этих данных схожие характеристики (так называемые кластеры сходства). Следует отчетливо понимать, что искусственный интеллект не вкладывает в эти сходства и различия никакого «смысла» в человеческом понимании; он просто ищет повторение шаблонов среди океана информации. Но самое замечательное в таком подходе то, что и сам пользователь может ничего не понимать в этих данных. Да ему зачастую и не нужно знать, что он ищет: всю эту работу выполняет искусственный интеллект. Что бы мы ни исследовали, после того как ИИ определит кластеры сходства, он сможет создавать прогнозы для новых входящих данных.

Например, мы хотим определить стоимость дома в определенном районе. Цена дома зависит от многих переменных, таких как местоположение, количество жилых и ванных комнат, года постройки, площади участка земли и т. д. Такое обилие входящей информации затрудняет прогнозирование стоимости. Однако между всеми этими переменными, безусловно, должна быть какая-то скрытая связь, вопрос лишь в том, как ее найти. Именно это и делает за нас искусственный интеллект. Если в его распоряжении есть достаточное количество базовых данных, содержащих все эти переменные вместе с фактической ценой недвижимости, он использует статистический анализ, чтобы найти все доступные связи. Причем некоторые переменные могут очень сильно влиять на цену, а другие, как выясняется, вообще не оказывают на нее воздействия. Подготовив таким образом статистическую модель, мы вводим те же характеристики для дома, цена которого еще неизвестна, и модель сможет предсказать это значение. Входные и выходные данные на этот раз структурированы, но зато сама модель является для нас «черным ящиком» или «вещью в себе». Отсутствие прозрачности в принятии решений и создании прогнозов – одно из самых слабых мест искусственного интеллекта, но все-таки прозрачностью работы моделей можно управлять – об этом я расскажу позже.

Помимо названий двух упомянутых выше видов обучения существуют и некоторые другие термины, связанные с разработкой и применением искусственного интеллекта. Я расскажу о них вкратце, но помните, что тем людям, которые заняты в основном бизнесом, вполне достаточно поверхностного понимания этой терминологии. Итак: существует понятие «нейронные сети» – это термин, используемый для описания процесса, в котором искусственный интеллект имитирует способ обработки информации человеческим мозгом. Множество «нейронов» (в случае человека – это нервные клетки, которых у нас в мозгу около 100 млрд) связаны друг с другом с различной прочностью, причем прочность связи может меняться в процессе обучения как человека, так и машины.

Приведем простой пример. В упомянутом выше случае с распознаванием изображения собаки нейрон, отвечающий за признак «черный нос», будет иметь прочную связь с нейроном, несущим ответ «собака», тогда как нейрон, отвечающий за признак «рога», с нейроном «собака» связи иметь не будет. Все нейроны искусственного интеллекта связаны друг с другом послойно, причем каждый слой характеризуется все возрастающим уровнем сложности. Описанная конструкция называется глубокой нейронной сетью, сокращенно – ГНС (англ. Deep Neural Networks, DNN). Архитектуру ГНС использует технология, называемая «машинное обучение», в которой модель разрабатывает сама машина, а не человек, пишущий код (как в предыдущих примерах). Попробуйте теперь представить себе эти термины как концентрические круги: искусственный интеллект – это общая технология, машинное обучение является основным ее принципом, а технически все это осуществляется с помощью ГНС.

Разумеется, в мире искусственного интеллекта есть и множество других терминов: «анализ дерева решений», «программирование индуктивной логики», «обучение с подкреплением», «байесовские сети» и т. д., но я буду упоминать их лишь тогда, когда это станет абсолютно необходимо. В целом же эта книга посвящена только применению искусственного интеллекта в бизнесе, а не описанию заумных технологий.

Об этой книге

Работая консультантом по управлению бизнесом, я помогал различным организациям справляться с постоянно накапливающимися в деловой сфере проблемами, от повышения производительности и проведения реструктуризации до использования аутсорсинга и роботизации процессов. С искусственным интеллектом я впервые познакомился в 2001 году, занимая должность главного технологического директора в подразделении корпоративного венчурного бизнеса одной международной страховой компании. Моя роль заключалась в том, чтобы находить новые технологии, в которые мы могли бы вкладывать средства и внедрять в деятельность нашей фирмы (обычно мы называли этот процесс «инкубатором»). Одна из таких технологий основывалась на идее «умных» (компьютерных) страховых агентов, которых можно было бы использовать для оптимизации бизнес-процесса: каждый агент имел бы конкретную цель, но вместе с тем мог «договариваться» с другими агентами, чтобы их совместный результат был наиболее эффективным. Также мы думали о том, чтобы система могла определять наиболее рациональный способ прохождения грузовых автомобилей через порт или метод получения максимального дохода от размещения рекламы в газетах с учетом размеров рекламного места и повторяемости объявлений. Хотя в то время мы не называли это искусственным интеллектом, это был фактически именно он – речь шла об использовании компьютерных алгоритмов для поиска оптимальных решений практических проблем.


На Facebook В Твиттере В Instagram В Одноклассниках Мы Вконтакте
Подписывайтесь на наши страницы в социальных сетях.
Будьте в курсе последних книжных новинок, комментируйте, обсуждайте. Мы ждём Вас!

Похожие книги на "Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению"

Книги похожие на "Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению" читать онлайн или скачать бесплатно полные версии.


Понравилась книга? Оставьте Ваш комментарий, поделитесь впечатлениями или расскажите друзьям

Все книги автора Эндрю Берджесс

Эндрю Берджесс - все книги автора в одном месте на сайте онлайн библиотеки LibFox.

Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь.
Мы рекомендуем Вам зарегистрироваться либо войти на сайт под своим именем.

Отзывы о "Эндрю Берджесс - Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению"

Отзывы читателей о книге "Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению", комментарии и мнения людей о произведении.

А что Вы думаете о книге? Оставьте Ваш отзыв.