С каждым годом понятие “искусственный интеллект” всё более размывается, при этом системы с таким названием оказываются всё ближе к нам. В 2018 году в смартфонах появились процессоры, оптимизированные под работу на них нейросетей, и маркетологи заговорили о приходе в смартфоны систем ИИ. Если вы хотите прояснить для себя, что же такое нейронные сети, ИИ и машинное обучение — стоит почитать статью Антона Тмура в Снобе.

Вы узнаете, например, чем система искусственного интеллекта отличается от обычной программы для компьютера. О том, как люди начали пытаться научить машины думать, а не просто выполнять алгоритм, вкладываемый в них человеком. Автор кратко пройдётся по истории проблемы, напомнит о персептроне 1958 года и ещё более ранней модели нейрона. Важная веха — появление в 1986 году универсального метода обучения нейронных сетей. Он состоял в том, что получив ответ, его следовало сравнить с желаемым, понять, насколько ответ ошибочен, а затем заняться послойным переобучением нейронов, стараясь добиться улучшения ответа. Это открыло путь к созданию многослойных нейронных сетей со сложными зависимостями, а метод обратного распространения ошибки используется и сегодня.

Гладким путь не был. Во-первых, новый метод требовал большого числа обучающих примеров, что не всегда легко обеспечить при решении практических задач. Во-вторых, метод хорошо обучал последние слои, а с первыми так работать не получалось, поскольку влияние ошибки быстро затухало по мере удаления от последних слоёв. Такие сети легко было переобучить, после чего они идеально работали на обучающей выборке и плохо — на реальных задачах. И, наконец, требовалось слишком много компьютерных ресурсов для решения даже несложных задач.

Математики и программисты на время охладели к нейронным сетям и увлеклись методом опорных векторов.

В 2006 году нейросети получили второй шанс — решили обучать их от начала к концу. Учёные научились бороться с затуханием ошибки, например, за счёт использования архитектуры ResNet, в которой каждый слой сети напрямую связан с окончательной ошибкой. Нашли управу и на проблему переобучения — для этого часть нейронов специально выключают, чтобы их функции брали на себя соседи. Дальнейшее развитие ИИ сдерживало только железо.

Помогли видеоигры — массовое увлечение ими стимулировало промышленность совершенствовать графические карты. Поскольку при обработке графики требуется выполнять множество параллельных однотипных вычислений, именно эти карты оказались идеальной основой для построения нейросетей.

Миниатюризация сделала своё дело, с годами стало возможным уместить процессор с нейросетью на нём в корпус смартфона. Есть альтернативы — можно обрабатывать данные непосредственно на встроенной в смартфон нейросети или гонять их в облако, получая ответ уже оттуда — в этом случае можно задействовать куда более мощные платформы.

В 2018 году появились процессоры со встроенной поддержкой ИИ, которые способны автономно решать самые разные задачи — улучшать работу камер смартфона, распознавать речь пользователя, давить шум в записываемых звуковых сигналах, а также минимизировать энергозатраты смартфона. Смартфоны стали наконец оправдывать своё название “умных устройств”.

Прогресс не остановить; можно не сомневаться, что мы сможем наблюдать, как всё больше устройств в непосредственной близости к нам будут “умнеть”. И наше взаимодействие с ними будет всё проще и комфортнее.