Инженеры искусственного интеллекта: мифы против реальности
Опубликовано: 2018-05-08Искусственный интеллект быстро растет в областях, в которых он нашел свое применение. От умных холодильников до беспилотных автомобилей — все является результатом сложных алгоритмов искусственного интеллекта. Кто за это отвечает? Инженеры искусственного интеллекта.
Считается, что искусственный интеллект — это то же самое, что и машинное обучение, но на самом деле последнее является подмножеством первого. ИИ — это широкая область с разнообразными приложениями, но также и одна из самых сложных областей для работы. Искусственный интеллект направлен на то, чтобы наделить машины способностью имитировать людей почти во всех аспектах, что намного сложнее, чем кажется. Машины по своей сути являются тупыми устройствами и требуют большого количества данных, вычислительной мощности и усилий для обучения. 
Наиболее успешные профессионалы в области искусственного интеллекта часто имеют общие черты и любовь к машинам, что позволяет им добиваться успеха в своей карьере. Работа с ИИ требует чрезвычайно аналитического и логического мышления, а также способности решать самые сложные проблемы наиболее экономичным и действенным образом. Ожидается, что инженеры по искусственному интеллекту будут иметь четкое представление о технологических инновациях, которые преобразуются в современные программы, позволяющие предприятиям оставаться конкурентоспособными.
Искусственный интеллект: захват или, скорее, захват
Кроме того, специалисты по ИИ также должны быть вооружены техническими навыками, необходимыми для проектирования, разработки, обслуживания, мониторинга и ремонта своих систем и программ. Наконец, специалисты по искусственному интеллекту должны уметь переводить сложную техническую информацию способами, понятными даже тем, кто не имеет технического образования. Они должны работать в сотрудничестве с остальной частью организации, чтобы получить наиболее проницательные результаты.
Хорошо, теперь, когда мы находимся на одной странице в отношении должностных обязанностей инженера по искусственному интеллекту, давайте рассмотрим некоторые важные навыки, которыми должен обладать любой специалист по искусственному интеллекту.
Основы информатики и математики составляют основу большинства программ искусственного интеллекта. Для должностей начального уровня требуется как минимум степень бакалавра, в то время как для должностей, предполагающих надзор, руководство или административные роли, часто требуется степень магистра или доктора.
Любому начинающему инженеру по искусственному интеллекту должно быть удобно:
- Различный уровень математики, включая вероятность, статистику, алгебру и исчисление.
- Байесовские сети или графическое моделирование, включая нейронные сети.
- Физика, инженерия и робототехника.
- Информатика, языки программирования и кодирование.
- Когнитивная теория науки.
Область искусственного интеллекта постоянно растет и породила различные новые технологии, над которыми постоянно работают эти разработчики/инженеры ИИ. Давайте посмотрим, что они из себя представляют:
Оглавление
Обработка естественного языка и анализ текста
НЛП использует и поддерживает текстовую аналитику. НЛП помогает понять любое предложение, произнесенное на естественном языке, в отношении структуры, настроения, намерения и значения с помощью статистических методов. NLP находит широкое применение в обнаружении мошенничества и обеспечении безопасности, широком спектре автоматических помощников (например, Siri) и приложениях для анализа неструктурированных данных.
Руководство для начинающих по пониманию естественного языка
Виртуальные агенты
От простых чат-ботов до продвинутых систем, которые могут беспрепятственно взаимодействовать с людьми, все это стало возможным благодаря инженерам ИИ и искусственного интеллекта. Использование этих чат-ботов и виртуальных агентов растет, поскольку организации осознают важность чат-ботов для обслуживания и поддержки клиентов.
Аппаратное обеспечение, оптимизированное для ИИ
Аппаратное обеспечение должно стать гораздо более приспособленным по мере развития ИИ и связанных с ним технологий. И что это значит?
Графические процессоры (GPU) и устройства, специально разработанные и разработанные для эффективного выполнения вычислительных задач, ориентированных на ИИ. Они оказывают огромное влияние на приложения глубокого обучения. Некоторые поставщики, разрабатывающие такие графические процессоры, включают Cray, Google, IBM, Intel и Nvidia.
Биометрия
Биометрия занимается идентификацией, измерением и анализом физических аспектов человеческого тела. Это обеспечивает гораздо более естественное взаимодействие между людьми и машинами, заботясь о взаимодействиях, связанных с прикосновениями, зрением, речью и распознаванием языка тела.
Платформы глубокого обучения
Платформы глубокого обучения выводят искусственный интеллект и машинное обучение на совершенно новый уровень, работая с передовыми нейронными сетями с различными уровнями абстракции. Эта технология имитирует человеческий мозг, обрабатывая данные и создавая шаблоны, которые помогают в принятии решений.
5 прорывных приложений машинного обучения
Теперь давайте познакомим вас с некоторыми мифами и неправильными представлениями — мы уверены, что вы тоже имеете некоторые из них в виду. Давайте вместе разорвем их!
Миф № 1: ИИ думает точно так же, как человек — он может решить все проблемы, которые могут решить люди.
В ИИ пока нет такого понятия, как общий интеллект, и, возможно, он нам тоже не нужен. Во всяком случае, сегодня ИИ больше фокусируется на обучении лемуров тому, как добывать пищу, а не на том, чтобы позволить шимпанзе разобраться в этом самостоятельно. Большинство функций ИИ разрабатываются для определенных целей, таких как обработка естественного языка (NLP), распознавание изображений, поисковые системы, игры, предсказания или специальные функции в беспилотных автомобилях. Это часто приносит большую ценность для бизнеса, чем общий интеллект. Специалисту всегда отдается предпочтение перед универсалом.
Миф № 2: ИИ — это то же самое, что машинное обучение или глубокое обучение.
ИИ часто ошибочно принимают за машинное обучение, глубокое обучение или даже когнитивную обработку. Однако правда в том, что машинное обучение — это часть ИИ, в которой подача данных регулярно обучает машину. Как мы упоминали ранее, ИИ шире и образует надмножество упомянутых нами технологий.
5 приложений обработки естественного языка для бизнеса в 2018 году
Миф № 3: Инженеры искусственного интеллекта разрабатывают систему только один раз, после чего она продолжает учиться сама.
Если только! Даже машинное обучение, подмножество ИИ, по-прежнему чрезвычайно сложно внедрить. Конечно, есть задачи попроще и посложнее, но в целом приведение этих алгоритмов в соответствие с потребностями вашего бизнеса — это само по себе задача. Часто алгоритмы легко понять, но проблема заключается в выборе правильного алгоритма для решения задачи и правильном представлении данных алгоритму. Это требует всестороннего знания проблемы, а также глубокого понимания возможностей и ограничений алгоритмов и моделей. Еще больше усложняет ситуацию тот факт, что машинам требуется правильное обучение, чтобы стать искусственным интеллектом.
Для этого обучения нужны точные данные в максимально чистом виде. Кроме того, данные, которые используются для обучения, чрезвычайно динамичны и устареют, если их не использовать в нужное время. Таким образом, инженеры по искусственному интеллекту также должны выполнять итерации за итерациями в своей системе, чтобы убедиться, что она без проблем работает с такими динамическими данными.
Миф № 4: Алгоритмы ИИ могут волшебным образом создавать интеллектуальные системы. Качество передаваемых данных не имеет значения для ИИ.
ИИ — это что угодно, только не «загрузи и работай». ИИ не поможет, если у вас очень обширные или необработанные данные. Такие данные трудно усваиваются любой системой и часто приводят к ошибочным результатам. Вместо того, чтобы поглощать все и вся, ИИ-инженер должен тщательно обрабатывать данные и следить за тем, чтобы они были максимально высокого качества. Алгоритм — это не что иное, как программа, а программе для работы требуются данные. Чем лучше данные, тем лучше результаты.
Миф № 5: ИИ — чрезвычайно новая область.
Джон Маккарти ввел термин «искусственный интеллект» еще в 1956 году, а затем продолжал определять эту область более пяти десятилетий. Итак, хотя концепция ИИ не так уж и нова, сегодня она гораздо более распространена в мире.
Разница между наукой о данных, машинным обучением и большими данными!
Ах! Итак, это мифы, окружающие инженеров искусственного интеллекта. Дайте нам знать, если вы слышали еще подобные мифы, и мы поможем вам разрушить и их! Мы вернемся с другими Разрушителями мифов.
Изучите курс машинного обучения в лучших университетах мира. Заработайте программы Masters, Executive PGP или Advanced Certificate Programs, чтобы ускорить свою карьеру.
