Искусственный интеллект: как работает ИИ, его типы и отличие от машинного обучения


Представляем обзор искусственного интеллекта, что это такое и примеры использования в финансах. Если простыми словами — искусственный интеллект (ИИ) — это способность машины учиться выполнять задачи без явных человеческих инструкций. Британскому математику Алану Тьюрингу обычно приписывают разработку идеи искусственного интеллекта, хотя саму фразу он придумал не сам. Он считал, что истинно мыслящие машины должны решать проблемы так же, как люди, чтобы считаться автономными, стандарт, известный как «тест Тьюринга».

Разберемся, что же такое искусственный интеллект?

Стэнфордский профессор Джон Маккарти был первым, кто использовал термин «искусственный интеллект» и описал его как «заставить машину вести себя так, как если бы человек вел себя так, как если бы это было разумно». Поведение ИИ может включать решение проблем, обучение на основе прошлых и настоящих данных и планирование будущих действий на основе того, что было изучено.

Как работает ИИ

Искусственный интеллект бывает разных форм, но ИИ — это общая способность использовать данные в реальном времени для принятия решения. Машина или программа могут получать эти данные через датчики, удаленный ввод или в цифровом виде. Затем ИИ должен проанализировать данные перед принятием решения, что является характеристикой, которая отличает его от заранее запрограммированной машины.

В финансах в процессе андеррайтинга можно использовать искусственный интеллект, чтобы помочь кредитору принимать более обоснованные решения в отношении заявок на получение кредита. Вместо того, чтобы полагаться на прогнозную аналитику, предписанную статистиками, компьютерный алгоритм может считывать данные о предыдущих займах и определять для себя лучшую прогнозную модель для оценки кредитоспособности соискателей.

Робо-советники — популярное применение искусственного интеллекта в финансах. Робо-консультанты используют информацию клиента о финансовых целях, толерантности к риску и горизонте инвестирования для определения распределения инвестиционных активов. Затем робот-советник при необходимости перебалансирует портфель, размещая сделки и даже решая такие задачи, как сбор налоговых убытков.

Искусственный интеллект сегодня, его типы и применение

Типы искусственного интеллекта

В целом существует четыре широких категории искусственного интеллекта: реактивный, ограниченная память, теория разума и самосознание. Думайте об этих типах как о прогрессивном спектре; каждый тип строится на сложности предыдущего типа.

Реактивный
Это самый простой тип ИИ. Чисто реактивный искусственный интеллект может действовать на основе оценки текущей ситуации, но не может создать хранилище воспоминаний, из которых можно будет извлечь пользу в будущем.

Ограниченная память
Основываясь на реактивной категории, ИИ с ограниченным объемом памяти может «запоминать» прошлый опыт как предварительно запрограммированные представления своей среды. Затем ИИ с ограниченным объемом памяти будет использовать эти воспоминания в будущих решениях.

Теория разума
Этот тип ИИ даже более продвинут, чем ограниченная память. Получив свое название от психологического термина, ИИ теории разума может приписывать другим психические состояния, такие как убеждения, намерения, желания, эмоции и знания. Если это звучит футуристично, это потому, что это так. Этот тип искусственного интеллекта еще предстоит разработать.

Самосознание
Выходя за рамки ИИ теории разума, самосознающий ИИ имеет способность формировать представления о себе — таким образом, имея сознание.

Искусственный интеллект против машинного обучения

Из-за отсутствия стандартизированного определения и того факта, что существует так много связанных терминов, бывает сложно провести различие между искусственным интеллектом и машинным обучением.

Искусственный интеллект — это широкий термин, и его определение довольно широко. Машинное обучение — это особое приложение искусственного интеллекта, в котором машины учатся на данных и со временем изменяются, чтобы принимать более обоснованные решения в отношении этих данных. Основное применение машинного обучения — обработка больших объемов информации за короткий промежуток времени.

Примером машинного обучения является то, как платформы социальных сетей узнают, какой тип контента — сообщения и реклама — вам понравится больше, в зависимости от того, как вы взаимодействовали с контентом на платформе.

Если вам понравилась статья поделитесь ей в социальных сетях.

Админ

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Post comment