Эта статья познакомит вас с темой ИИ, поможет вам понять, что такое искусственный интеллект, как спроектировать вашу инфраструктуру для него и преимущества внедрения графических процессоров (GPU) для поддержки вашего конвейера машинного обучения. Здесь вы узнаете о:
Обзор
- Что такое искусственный интеллект?
- Какие существуют типы искусственного интеллекта?
- О графических процессорах в ИИ и машинном обучении
- Зачем включать графические процессоры для ИИ и глубокого обучения?
- Факторы, которые следует учитывать при проектировании архитектур МО
- Варианты использования графического процессора в ИИ и машинном обучении
Что такое искусственный интеллект?
Искусственный интеллект (ИИ) сегодня на слуху в большинстве организаций. Многие компании внедряют новые продукты и добавляют функционал к старым, исходя из своих желаний применить ИИ. Но что на самом деле означает ИИ?
Говоря по-простому, искусственный интеллект — это стремление имитировать человеческий мозг с помощью компьютера — смоделировать нейроны внутри него и их связи способом, напоминающим человеческий интеллект, а затем использовать это для достижения определенного результата.
Когда мы думаем об ИИ, мы часто представляем андроидов, которые могут ходить, говорить и думать как настоящие люди. В действительности, однако, общая практика ИИ больше ориентирована на выполнение конкретных задач, зачастую, повторяющихся, как в гонке с машинным обучением (МО), для достижения этого результата.
Например, в сфере ИИ / МО мы знаем, что программное обеспечение для распознавания изображений было разработано для обучения нейронных сетей, чтобы они могли идентифицировать объекты, даже когда они “видят” их впервые. Как это бывает в той же медицине, когда врачи работают над определением различий между доброкачественными и злокачественными опухолями. Другими реализациями ИИ являются чат-бот, который будет общаться с пользователем по конкретным вопросам поддержки, касающимся продукта, и беспилотник, который сканирует сельскохозяйственные поля на предмет возможных вредителей, которые могут повредить посевы. В этих примерах вместо простого программного обеспечения, которое бы инструктировало чат-бот или беспилотник о том, что делать, использовались модели ИИ / МО, чтобы “научить” программное обеспечение распознавать изображения и “научить” чат-бот реагировать.
Какие существуют различные типы искусственного интеллекта?
За последние несколько десятилетий ИИ стал обобщающим термином. В настоящее время он охватывает различные техники, процессы и дисциплины, которых стало слишком много, чтобы их все перечислить, но вот некоторые:
- Машинное обучение (МО)
- Глубокое обучение (ГО)
- Компьютерное обучение (КО)
- Обработка естественного языка (ОЕЯ)
- Понимание естественного языка (ПЕЯ)
- Компьютерное зрение (КЗ)
- И другие
В целом машинное обучение можно отнести к одной из трех следующих категорий:
- Контролируемое обучение – Модели машинного обучения предоставляется информация с метками, и ей необходимо научиться идентифицировать эту метку в будущем. Например, в модель загружается несколько изображений знака остановки в разных погодных условиях, в разное время суток и так далее, в ожидании, что она поймет, как идентифицировать другие изображения знаков остановки.
- Обучение без учителя – Модели предоставляются немаркированные данные, и ожидается, что модель сама определит закономерности в этих данных. Примером может служить система рекомендаций для фильмов, которая анализирует список просмотра пользователя и определяет другие фильмы, соответствующие вкусу зрителя.
- Обучение с подкреплением – Модель получает положительные или отрицательные отзывы о своем поведении, что позволяет ей адаптироваться. Примером здесь может служить беспилотный автомобиль, который постоянно получает обратную связь, чтобы оставаться на дороге.
Введение в графические процессоры в ИИ и машинное обучение
Традиционно графические процессоры (Graphical Processing Units) использовались при обработке 3D-контента / данных в играх, чтобы разгрузить от векторных вычислений центральный процессор. Со временем графические процессоры эволюционировали и стали содержать несколько ядер, которые обладают высокой эффективностью при параллельных вычислениях, что было полезно для игровой индустрии. В результате эти ядра начали использоваться для других действий из-за их огромной вычислительной мощности (например, майнинг биткойнов) или просто для более быстрого решения проблем, позволяя всем ядрам GPU работать над проблемой параллельно. Поскольку операции ИИ / МО часто требуют обработки огромных объемов изображений или видео (а в последнее время и дополнительных типов данных), и было признано, что графические процессоры отлично подходят для этого, со временем возросла популярность использования графических процессоров для ИИ, МО, ГО и т.д.
Разные рынки используют ИИ / МО с разными целями, и часто у одной организации будет несколько направлений в области ИИ / МО. Например, финансовые службы будут использовать ИИ / МО для таких вопросов, как оценка рисков, инвестиционные решения и соблюдение требований, в то время, как отрасли наук о жизни будут использовать ИИ / МО для принятия решений с использованием дополненного интеллекта для врачей, соблюдения требований и многого другого.
Зачем использовать графические процессоры для ИИ и глубокого обучения?
Графические процессоры не являются обязательными для ИИ / МО. Некоторые клиенты используют обычные процессоры или другие ускорители для некоторых подобных действий. Однако, графические процессоры чрезвычайно эффективны для таких рабочих нагрузок и часто демонстрируют наилучшую производительность, и вот почему:
- Графические процессоры могут выполнять несколько одновременных вычислений
- Графические процессоры очень эффективны при таких типах вычислений
- Графические процессоры содержат огромное количество ядер, которые могут эффективно использоваться параллельно
Факторы, которые следует учитывать при проектировании архитектур МО
Есть много вопросов, которые следует задать при планировании проекта ИИ / МО, например:
- На какие вопросы мы хотим, чтобы модель ответила?
- Какие данные релевантны для того, чтобы ответить на эти вопросы?
- Откуда можно получить эти данные?
- Где мы будем хранить данные и как мы будем их перемещать?
- Каков ожидаемый размер набора данных?
- Как мы будем писать модель или возможно использовать уже существующую?
- Как мы будем проверять модель и внедрять новые?
- И многое другое
Варианты использования графического процессора в ИИ и машинном обучении
Когда речь заходит о вариантах использования ИИ / МО, возможностей предостаточно, поэтому лишь несколько примеров:
- Соответствие требованиям – Информирование о новых правилах и проверка соблюдения организацией этих правил
- Кибербезопасность – обеспечение безопасности организации путем просмотра нескольких видеопотоков практически в режиме реального времени и постоянного поиска и предотвращения нарушений
- Обнаружение мошенничества в финансовых услугах – просмотр огромных наборов финансовых данных для обнаружения и разоблачения возможного мошенничества
- Разговорный искусственный интеллект – расширение возможностей центров обслуживания клиентов для общения с клиентами
- И многое другое
Заключение
Искусственный интеллект и машинное обучение вторгаются практически во все отрасли, и если вы не работаете с этими технологиями, вы уже опоздали. Темы, обсуждаемые в этой статье, не только помогут вам понять основы ИИ / МО, но и помогут приступить к реализации ваших первых шагов.