Альманах "Искусственный интеллект" (№1)
Материал из CDTOwiki
Альманах "Искусственный интеллект" (Аналитический сборник, выпуск №1 "Обзор рынка ИИ России и мира")
1 июня 2019
источник
описание
Альманах "Искусственный интеллект" - это регулярный сборник аналитических материалов по отрасли искусственного интеллекта в России и мире.
Выпуск №1 содержит обзор текущего состояния отрасли ИИ в России и мире, включая основные технологии и применения, ключевые компании, университеты и людей – как исследователей, так и лидеров мнений. Главной темой номера является Стратегия – в отчете проводится анализ ситуации в мире, обзор стратегий основных стран в области ИИ и обсуждается возможная стратегия России в области ИИ
из публикации
Термины и определения
Снятие и оцифровка различных биологических характеристик человека — лиц, жестов, походки, отпечатков пальцев, артериального давления, температуры и т.п. Используется для идентификации людей и человеко-машинных взаимодействий
Данные, собранные автоматическим способом, слишком большие для сбора и обработки вручную, позволяющие находить новые закономерности и знания, которые невозможно получить из локальных фрагментов данных
Программы, общающиеся с человеком на естественном языке. Могут работать промоутерами, менеджерами по работе с клиентами, помогать кадровой службе, отвечать на часто встречающихся вопросы в онлайновых службах техподдержки, используются в автомобилях и в домашних развлекательных роботах. Общение может быть текстовым (чато-подобным) или голосовым
Многослойная нейронная сеть, в которой «усвоенные» данные пропускаются через несколько слоёв «нейронов»; на каждом слое результат предыдущего слоя используется в качестве вводной информации
Графические карты для вывода изображений на экран компьютера, позволяющие проводить сверхбыстрые и массивные параллельные вычисления, за счёт этого ставшие основным носителем вычислений на нейронных сетях
Инженерно-математическая дисциплина, занимающаяся созданием программ и устройств, имитирующих когнитивные (интеллектуальные) функции человека, включающие в том числе анализ данных и принятие решений
Технологии, позволяющие идентифицировать, распределять по категориям и понимать информацию, содержащуюся в изображениях и видео. Программы для анализа и оцифровки «аналоговых» изображений и видео (фотографии, видеопоток с уличных камер, камер безопасности) выделяет на них объекты, классифицирует их. Технологии распознавания используются для разработки программных приложений более высокого уровня, предназначенных для работы с машинным зрением и организации взаимодействия человека и машины
Среда разработки нейронных сетей «под задачу», позволяющая сгенерировать несколько десятков различных типов нейронных сетей, а затем обучить их на заданных наборах данных
Технологии автоматического обучения алгоритмов ИИ распознаванию и классификации на тестовых выборках объектов, для повышения качества распознавания, обработки и анализа данных, прогнозирования
Автоматический перевод текстов с одного языка на другой, в том числе с голоса, в реальном времени, с распознаванием речи
Подвид методов машинного обучения. Математическая модель (а также её программное или аппаратное воплощение), состоящая из слоёв «нейронов», передающих друг другу данные, то есть построенная по принципу организации и функционирования биологических нейронных сетей. Фактически, алгоритм оптимизации для быстрого автоматического подбора коэффициентов для различных параметров распознавания в задачах распознавания изображений, речи и т.п. К настоящим нейронным сетям живого организма отношения на самом деле не имеет
Нейронная сеть с многими слоями, где данные распространяются только вперёд
Узкоспециализированные процессоры, специально оптимизированные под быстрые параллельные вычисления с использованием нейронных сетей
Набор задач для взаимодействия машин с человеком, а также человеческой речью и текстами: общение с пользователем/клиентом (текстом и голосом), анализ текстов, выполнение голосовых команд и т.п.
Набор прецедентов (объектов, случаев, событий, испытуемых, текстов, фотографий, образцов, и т.п.), выбранных для обучения алгоритма из множества всех возможных прецедентов, называемого генеральной совокупностью
Вид машинного обучения, при котором обучающийся алгоритм не включает никаких классификаций и меток, сам определяет структуру и взаимосвязи входных данных. Неконтролируемое обучение само по себе может быть целью (обнаружение в данных скрытых закономерностей) или средством (извлечение признаков из массива данных). Ориентировано на исследование входных данных и распознавание структуры неразмеченных данных
Тип машинного обучения, при котором алгоритм имеет конкретную цель — например, управлять роботизированным манипулятором или играть в Го. Каждый шаг на пути к цели отмечается вознаграждением либо штрафом. Учитывая такую обратную связь, алгоритм может выработать наиболее эффективный путь к цели
Вид машинного обучения, где алгоритму обучения даются заранее классифицированные и отсортированные данные, состоящие из примеров вводимых данных и желаемых результатов их обработки. Цель обучения — усвоить общие правила, связывающие вводимые данные и получаемые результаты, и на основе этих правил прогнозировать будущие события
Архивы, библиотеки данных, обычно хранящиеся на облачных хранилищах и доступные для скачивания в любой точке мира любому пользователю
Настройка программных средств, сайтов, магазинов, рекламы и продуктов под конкретных пользователей или потребителей, на основе анализа данных об их индивидуальном поведении и интересах
Методы прогнозирования будущего поведения объектов и субъектов, основанные на статистике, текущих и исторических фактах. Используется в страховых (актуарных) расчётах, финансовых/кредитных услугах, промышленности, телекоме, розничной торговле, промышленности, картах пробок и других областях
Системы, улавливающие взаимосвязи между переменными в наборах данных за прошлые периоды и их итогами. На основе этих взаимосвязей разрабатываются модели, которые, в свою очередь, применяются для прогнозирования новых результатов
Обработка обучающей выборки для присвоения объектам в ней свойств, распознаванию которых обучается алгоритм
Перевод «аналоговой» голосовой речи человека в цифровой вид, с выделением слов, пониманием смысла. Нужен для диалоговых систем, навигаторов, телефонных чатботов
Оцифровка напечатанных текстов, с распознаванием и переводом в цифровой вид отдельных символов, а также слов, иероглифов и пр.
Системы, выдающие рекомендации на основе неявных закономерностей, обнаруживаемых алгоритмами ИИ с помощью анализа больших данных. Они могут быть нацелены на взаимодействие с клиентом (предлагать товары/услуги/знакомства), либо использоваться внутри компаний (для поддержки принятия решений о выдаче кредита, кадровых решений)
Глубокие нейронные сети, где данные могут распространяться между слоями вперёд и назад
Многослойные нейронные сети с чередованием специальных свёрточных (суммирующих) и обычных слоёв, наиболее эффективные для распознавания изображений
Интеллектуальный алгоритм, способный решать широкий спектр интеллектуальных задач как минимум наравне с человеческим разумом
Синтез речи по тексту, нужен для озвучивания диалогов виртуальных собеседников, для служб объявлений и говорящей бытовой техники, навигаторов, телефонных чатботов, для чтения текстов для слепых и т.п.
Автоматизированное рабочее место, позволяющее многим операторам машинного обучения быстро размечать обучающие выборки. Например, ручное выделение оператором лиц на фотографии, разметка писем на спам/не спам, разметка результатов поиска или рентгеновских снимков
Интеллектуальный алгоритм, имитирующий человеческий разум в решении конкретных узкоспециализированных задач (игра в шахматы, распознавание лиц, общение на естественном языке, поиск информации и т.п.)
Особое техническое помещение, в котором размещается специальное оборудование (сервера, серверные стойки, сетевое оборудование и др.) для обработки, хранения и передачи больших массивов данных, с подведением энерговвода и мощных каналов связи. Современные ЦОД являются сложными инженерными сооружениями и потребляют большое количество электроэнергии (до сотен мегаватт), большая часть которой идёт на охлаждение оборудования
Системы, использующие отраслевые знания (из медицины, химии, права) в сочетании с наборами правил, описывающими, как применять знания. Система совершенствуется по мере того, как в неё добавляются все новые знания, либо по мере обновления или совершенствования правил. Используются для поддержки принятия решений в управлении, медицине, промышленности
теги
фреймворки
