⬆️Искусственный интеллект на поле боя: мифы и реальность (продолжение).Важнейшим аспектом интеллекта — как естественного, так и искусственного — является умение рассуждать, т.е. делать умозаключения. «Если ИС совершенно не способна строить умозаключения, то она не заслуживает того, чтобы называться интеллектуальной». В логике известны три основных вида умозаключений (логических выводов): дедукция, индукция и абдукция.
◽️Дедукция — вывод от общего к частному: если А, то В; А истинно; следовательно, В истинно.
◽️Индукция — вывод от частного к общему: все известные объекты класса А обладают свойством В; следовательно, все объекты класса А обладают свойством В. Важным частным случаем индукции является статистический вывод. Пример: в некоторой выборке элементов класса А x процентов обладают свойством В; следовательно, во всем классе А x процентов его элементов обладают свойством В.
◽️Абдукция — вывод от следствия к причине: если А, то В; В истинно; следовательно, А истинно, т.е. А – причина В.
Каждый из этих видов имеет свои достоинства и недостатки.
ИИ, машинное обучение, машинное зрение и другие термины.Прежде чем углубляться в применения ИИ в военной сфере, стоит дать определение самим терминам. Термины искусственный интеллект, машинное обучение (МО), глубокое обучение (ГО), нейронные сети (НС), Биг Дата хотя и взаимосвязаны, иногда используются взаимозаменяемо, что в корне не верно.
◽️Искусственный интеллект или искусственная система — представляет собой технологические решения, которые позволяют имитировать когнитивные функции человека и получать результаты, сопоставимые с реализацией его интеллектуальной деятельности. Ключевое отличие систем ИИ от обычных программных средств заключается в способности ИИ к обучению. Системы на основе ИИ обучаются, извлекая закономерности из данных и настраивая внутренние скрытые параметры, необходимые для получения решения.
ℹ️ Если система не способна строить умозаключения, делать выводы и принимать решения, она не является интеллектуальной.◽️Машинное обучение — дисциплина, находящаяся на пересечении математической статистики, численных методов оптимизации, теории вероятностей, а также дискретного анализа. С помощью ее методов происходит решение задачи извлечения знаний из данных, которой занимается еще только формирующаяся область «Интеллектуальный анализ данных (ИАД)» (DataMining).
◽️Глубокое обучение — это подотрасль МО, то есть здесь тоже компьютер обучается, но обучается немного по-другому, чем в стандартном МО. В ГО используются нейронные сети (НС), которые представляют собой алгоритмы, повторяющие логику нейронов человеческого мозга. Большие объемы данных проходят через эти нейронные сети, и на выходе выдаются уже готовые ответы. Иногда нейронные сети называют даже черным ящиком, потому что мы не всегда можем понять, что происходит внутри этих сетей.
◽️Машинное зрение — научная область, занимающаяся исследованиями в области автоматической фиксации и разного рода обработки изображений (обнаружение, отслеживание, идентификация) с помощью компьютера. Это один из инструментов ИАД для получения данных, чтобы ИИ обучался. Поэтому во фразе «Использование ИИ в системах машинного зрения предполагает, что машина сможет принимать более сложные решения, выходящие за пределы современных возможностей» все поставлено с ног на голову и она не верна.
ℹ️ Никакая система машинного зрения никакие решения не принимает. Решения принимает система искусственного интеллекта, а МЗ может использовать алгоритмы, библиотеки и другие способы для более качественного получения цифровой фото и видеоинформации и объема данных, на которых в свою очередь происходит обучение ИИ. И на сегодняшний день не существует идеальных алгоритмов и в целом систем машинного зрения, которые предназначены для решения универсальных задач.
Для понимания краткую схему можно обозначить так:
ИИ➡️Машинное обучение➡️Машинное зрение⬇️(продолжение) 