Искусственный интеллект и Машинное обучение. Основы программирования на Python

Книга описывает историю и развитие искусственного интеллекта (ИИ) с середины 20-го века до современности, освещая ключевые моменты и достижения в этой области. Все началось с первого предложения теста Тьюринга в 1950 году, который положил начало дискуссиям о том, могут ли машины мыслить и как можно оценить их интеллект. В дальнейшем, в книге рассматриваются три закона робототехники, предложенные Айзеком Азимовым, которые определяют основные принципы, регулирующие поведение роботов и их взаимодействие с людьми. Это создало основу для более этичного и безопасного использования ИИ. Книга подробно излагает эволюцию технологий, связанных с ИИ, включая создание первых самообучающихся компьютеров и программ, основанных на нейронных сетях. Эти технологии позволили автоматизировать многие процессы и значительно повысить эффективность обработки данных. Важным этапом этого развития стало появление первых промышленных роботов и чат-ботов, которые начали внедряться в производственные процессы и повседневное общение соответственно. Одним из значительных достижений ИИ стало победы компьютеров над людьми в играх стратегического характера, таких как шахматы и покер. Эти победы значили не просто успехи в области развлечений, но служили маркерами прогресса в разработке ИИ, ориентированного на решение сложных задач и использование гибких стратегий. Книга также акцентирует внимание на важности применения ИИ в различных отраслях, таких как медицина, наука и бизнес. ИИ активно используется для распознавания болезней, анализа больших объемов данных, разработки новых материалов и многого другого, что значительно облегчает и улучшает процессы принятия решений. Большое внимание уделяется вкладу таких компаний, как Google, IBM и OpenAI, в развитие ИИ и его применение. Эти компании играют ключевую роль в исследованиях, создании программного обеспечения и внедрении ИИ в практическую деятельность. Современный бум в развитии искусственного интеллекта, по мнению автора, обусловлен монументальными объемами информации, доступными для обработки, и значительно возросшими вычислительными возможностями компьютеров. Это дало толчок к новым достижениям и разработкам, которые, как уже подчеркивается в заключении, продолжат развиваться, что оставляет просторы для размышлений о будущем ИИ. Вторая часть книги рассматривает различия между двумя важными направлениями в рамках ИИ: машинным обучением (МО) и глубоким обучением (ГО). Машинное обучение подразумевает, что алгоритмы разрабатываются для поиска закономерностей в данных, которые мы сами определяем, что делает процесс более понятным и прозрачным. В то время как глубокое обучение требует больших объемов данных и вычислительных ресурсов, позволяя компьютеру самообучаться и выявлять характеристики, которые часто неочевидны для человека. Книга объясняет, как эти технологии работают, на примере распознавания транспорта на дорогах. Примеры использования МО и ГО помогают лучше понять, в каких случаях и почему предпочтительнее использовать ту или иную технологию. В заключение подчеркивается, что без этих методов ИИ в современных областях, таких как распознавание речи и изображений, автоматизация процессов, робототехника и предсказательная аналитика, было бы невозможно добиться такого уровня развития, который наблюдается сейчас. Выбор между МО и ГО зависит от конкретной задачи и степени важности понимания алгоритмов и решений, принимаемых компьютерами.