О приложениях ИИ

Решил поделиться некоторыми идеями для стартапа. Мы занимаемся технологией построения прикладных систем искусственного интеллекта. Для начала надо внести ясность — что такое искусственный интеллект (ИИ). Некоторые не замечают разницу между наукой и рекламой, которая сегодня у нас просто бушует — хайп про ИИ везде в информации на любую тему выскакивает волшебное “Artificial Intelligence” — AI. Стоило Гуглу объявить эру ИИ, как все его захотели. Соответственно, маркетологи сориентировались — теперь любую программу можно называть ИИ.
ИИ следует называть информационную систему, которая предназначена для решения таких задач, для которых алгоритм заранее неизвестен. Большинство современных информационных систем (ИС) справедливо называют системами обработки данных (СОД). Такие системами основаны на реализации обработки данных, для которых алгоритм заранее разработан.
В любой деятельности человека есть рутинная и творческая составляющая. Для рутинной части есть алгоритмы и, как правило, для большинства видов деятельности все запрограммировано. Для творческой составляющей практически ничего нет. Вот где поле непаханое, где бесконечное количество новых рынков и денег!
Бурно развиваются приложения на основе нейросемантики, ML/DL (машинное обучение). Но надо понимать, что эти технологии применимы не всегда. Они основаны на математической статистике, поэтому полезны там, где нужно получить статистически достоверные результаты (а значит неточные) — Big Data, игры типа ГО (но не шахматы!), распознавание образов, обработка изображений и т. п.
Если же нам нужно решать задачи, требующие точных ответов, нужно использовать другой подход — на основе моделирования мышления человека. В основе таких систем формализованные знания специалистов в заданной предметной области — базы знаний. Этот термин тоже маркетологи испортили — базой знаний называют любую текстовую базу данных.
В науке об ИИ базой знаний называется система, основанная на логическом выводе, в которой знания предметной области представлены в виде правил для системы логического вывода. Это позволяет обеспечить решение большинства (а в идеале — всех) задач, возникающих в деятельности специалистов для всех предметных областей.
Поскольку в любой работе есть творческая составляющая, ИИ можно применять везде, дополнив им существующие прикладные СОД.
Второй признак ИИ — способность решать задачи, сформулированные на естественном языке. Какая бы замечательная программа не была, нужно учиться ею пользоваться. Пример — NOCODE системы тоже нужно осваивать. Даже если взять самые распространенные EXCEL, WORD — там тоже требуется обучение. 90% пользователей используют 30% возможностей этих программ. Что такое обучение в этом случае? Пользователь учится переводить свои пользовательские операции в команды прикладной системы. Например, как заполнить строку таблицы EXCEL, одним и тем же значением. Это простейший пример. Есть толстые книги, корыте учат этому искусству — использовать все возможности прикладной программы, той же Excel.
А если сделать программу, которая даст пользователю возможность пользоваться программой без всякого обучения, чтобы он просто формулировал задачу на человеческом -естественном языке? Это уже будет ИИ.
А если сделать программу, которая решает любые школьные задачи и при этом еще и объясняет решение и может найти ошибку в решении ученика?

Запись опубликована в .

Комментариев 2 на “О приложениях ИИ

  1. Добрый день.
    Как раз таким «стартапом» является ведущийся мной проект условного Робота-Программиста — программного комплекса с ИИ, позволяющего пользователю из описания целей, алгоритмов и примеров на почти естественном русском языке в почти автоматическом режиме синтезировать целевое программное обеспечение (текущая цель — синтез кода на некотором целевом ЯП)
    Уже более года я веду разработку и исследование текущих достижений потенциальных конкурентов. К настоящему времени готова концепция, проект и план реализации. Пока еще продолжаю поиск наиболее подходящего стека технологий и прототипов.
    За это время стало очевидным, что создание РП — вторичная задача по отношению к центральной проблеме — созданию ИИ с весьма продвинутыми характеристиками, которые на сегодняшний день отсутствуют в альтернативных системах и прототипах. В частности, в систему логического вывода надо обязательно встраивать машинное обучение хотя бы для этапа синтеза текста формальной спецификации целевого ПО на основе текста описания и уточняющего диалога РП с пользователем.
    У меня есть убеждение, что я достаточно хорошо себе представляю цель и варианты путей к ней.

    Не хотите посотрудничать?
    Естественно, с соблюдением интересов каждой стороны.

  2. Кстати, решатель задач существует и не один:
    1. Система ЛОС — ГЕНОЛОГ за авторством Подколзина из МГУ
    https://istina.msu.ru/profile/Podkolzin_A_S/

    2. Microsoft Math Solver
    https://play.google.com/store/apps/details?id=com.microsoft.math

    3. Deep Learning for Symbolic Mathematics
    https://arxiv.org/abs/1912.01412

    4. Using neural networks to solve advanced mathematics equations (https://ai.facebook.com/blog/using-neural-networks-to-solve-advanced-mathematics-equations/)

    Кажется, есть еще, но и этого достаточно

Добавить комментарий

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