Искусственный узкий интеллект (ИУ), который часто называют слабым ИИ, представляет собой текущее состояние технологий искусственного интеллекта, широко распространенных сегодня. Эти системы ИИ разработаны и обучены для выполнения определенного, ограниченного круга задач. В отличие от широкой, адаптируемой природы человеческого интеллекта, ANI действует в заранее определенных границах, преуспевая исключительно в своей специализированной области. Она является основой многих инструментов и сервисов, используемых ежедневно, представляя собой наиболее распространенную и практически достижимую форму искусственного интеллекта (ИИ). Системы ANI могут демонстрировать выдающуюся производительность в своих специфических областях, но не обладают сознанием, самосознанием или способностью применять полученные знания для решения несвязанных проблем - эта концепция известна как трансферное обучение.
Основные характеристики
Определяющей чертой ANI является их специализация. Эти системы обычно разрабатываются с использованием огромных наборов данных, относящихся к их назначению, часто с применением методов машинного обучения (ML). К ключевым характеристикам относятся:
- Специфический для конкретной задачи: Предназначен для одной цели или очень ограниченного набора тесно связанных задач, например, игры в шахматы, идентификации лиц(распознавание лиц) или перевода языков.
- Ориентирован на данные: Производительность во многом зависит от качества и количества обучающих данных, используемых во время разработки. К распространенным парадигмам обучения относятся контролируемое обучение, неконтролируемое обучение и обучение с подкреплением.
- Ориентированный на достижение целей: Работает на основе алгоритмов и параметров, заданных разработчиками для достижения конкретных, измеримых целей.
- Отсутствие сознания: Системы ANI не обладают самосознанием, чувством или подлинным пониманием; они симулируют интеллект в своих узких рамках на основе паттернов, полученных из данных. Ты можешь изучить документациюUltralytics , чтобы узнать больше подробностей о том, как происходит обучение и развертывание этих моделей.
Отличие от других типов искусственного интеллекта
Для понимания ANI необходимо отличать его от более продвинутых, теоретических форм ИИ:
- Искусственный интеллект общего назначения (ИИОН): Часто называемый сильным ИИ, AGI относится к гипотетическим машинам с человекоподобными когнитивными способностями, способным понимать, обучаться и применять интеллект в широком спектре задач, подобно человеку. Такие организации, как Google DeepMind и OpenAI, активно исследуют пути к AGI. AGI остается в основном теоретической разработкой и является значительным шагом за пределы текущих возможностей ANI.
- Искусственный сверхинтеллект (ИСИ): Это гипотетический этап будущего, когда ИИ превзойдет человеческий интеллект практически во всех экономически ценных областях. ASI представляет собой уровень интеллекта, намного превосходящий даже самые яркие человеческие умы, и эта концепция подробно исследована такими мыслителями, как Ник Бостром.
Несмотря на то, что ANI создает сложные приложения, он функционирует строго на основе своих программных и обучающих данных, без подлинного понимания или способности обобщать, выходя за рамки поставленной задачи.
Применение в реальном мире
ANI повсеместно присутствует в современных технологиях. Вот два ярких примера:
- Системы компьютерного зрения (CV): Такие модели, как Ultralytics YOLOвключая такие версии, как YOLOv8 и YOLO11являются яркими примерами ANI. Они отлично справляются с такими специфическими визуальными задачами, как обнаружение объектов (идентификация и определение местоположения объектов с ограничивающими рамками), сегментация объектов (выделение отдельных объектов) и оценка позы (определение ключевых точек тела). Эти возможности крайне важны в различных областях, таких как автономные транспортные средства для навигации (см. подход Waymo), улучшение систем безопасности, автоматизация контроля качества производства и помощь в анализе медицинских изображений. Платформы вроде Ultralytics HUB облегчают обучение и развертывание таких специализированных CV-моделей. Сравнение моделей YOLO ты можешь найти в нашей документации.
- Системы обработки естественного языка (NLP): Виртуальные помощники вроде Siri от Apple и Amazon Alexa, сложные чат-боты, используемые в сфере обслуживания клиентов, и инструменты машинного перевода, такие как Google Translate, - все они работают на базе ANI. Они обучаются на огромных текстовых массивах, чтобы понимать и генерировать человеческий язык для таких специфических задач, как ответы на вопросы, выполнение команд или перевод текста с одного языка на другой. Несмотря на высокую квалификацию в этих задачах, им не хватает широких знаний о мире или здравого смысла за пределами их обученной области. Такие фреймворки, как Hugging Face Transformers, предоставляют инструменты для построения подобных моделей НЛП.
Другие распространенные примеры ИИ включают в себя рекомендательные системы, используемые такими платформами, как Netflix и Spotify, фильтры почтового спама и программное обеспечение, применяемое в финансовом моделировании. При разработке и внедрении этих систем все чаще тщательно учитывается этика ИИ, чтобы обеспечить справедливость и предотвратить вредную предвзятость, руководствуясь такими организациями, как Partnership on AI, и принципами объяснимого ИИ (XAI).
RU
EN
ZH
KO
JA
DE
FR
ES
PT
IT
AR
TR
VI
