Как создать искусственный интеллект

Интеллектуальное превосходство: 10 лучших AI-сервисов и приложений

Бум технологий машинного обучения и систем искусственного интеллекта на базе нейронных сетей привёл к появлению на софтверном рынке множества инновационных приложений и сервисов, по функциональным возможностям на голову превосходящих классические программные решения. Мы изучили ассортимент «умных» продуктов и выбрали среди них самые оригинальные разработки

• Нейросетевой помощник для программистов GitHub Copilot
• Сервис Aimyvoice для создания синтезированных голосов
• Переводчик DeepL Translator
• Сервис закадрового перевода видео
• Нейросеть ruDALL-E для генерации картинок по описанию
• Мобильное приложение AI Resp для определения симптомов COVID-19
• Мобильное приложение AI Skin для диагностики кожных заболеваний
• Приложение NVIDIA Canvas для генерации пейзажных изображений
• Сервис NVIDIA Image Inpainting для умного ретуширования изображений
• Инструмент Animated Drawings для анимации детских рисунков
• Заключение

Бум технологий машинного обучения и систем искусственного интеллекта (Artificial Intelligence, AI) на базе нейронных сетей привёл к появлению на софтверном рынке множества инновационных приложений и сервисов, по функциональным возможностям на голову превосходящих классические программные решения. Мы изучили ассортимент «умных» продуктов и выбрали среди них самые оригинальные разработки, воспользоваться которыми может каждый.

Источник изображения: Gerd Altmann / pixabay.com

Стадия 1. Разочарование

Когда мы говорим о создании хотя бы простых ботов, глаза наполняются блеском, а в голове мелькают сотни идей, что он должен уметь делать. Однако, когда дело доходит до реализации, оказывается, что ключом к разгадке реальной модели поведения является. математика. Если быть немного конкретнее, то вот список её разделов, которые необходимо проштудировать хотя бы в формате университетского образования:

Теория вероятностей и математическая статистика.

Это тот научный плацдарм, на котором будут строится ваше дальнейшее программирование. Без знания и понимания этой теории все задумки быстро разобьются о взаимодействие с человеком, ведь искусственный разум на самом деле не больше, чем набор формул.

Разработка модели ИИ, программирование и обучение нейронной сети

Теперь когда у нас есть четкая бизнес-цель, верный набор исходных данных для выборки и сама выборка, мы можем начать разработку нейросетевых моделей, программирование дальнейшее обучение нейронной сети.
Новый этап будет включать в себя выбор алгоритма обучения, применение алгоритма обучения, его визуализацию и оценку качества обучения.
Обучение нейронной сети можно сравнить с обучением собаки какой-либо команде, проделанное миллионы раз. Как бы тривиально это не звучало, но процесс обучения довольно прост. У вас есть обучающая выборка, содержащая исходные данные и конечные результаты.
Вы подаете на вход нейронной сети исходные данные и на выходе получаете некий результат обработки нейронной сетью. Далее вы сравниваете полученный результат, с конечным результатом из вышей выборки, указывая степень сходства.
Процесс может показаться простым, но его эффективное и правильное выполнение на больших выборках данных далеко не так просто обеспечить. Необходимо правильно подобрать алгоритм обучения нейронной сети, иначе создаваемый искусственный интеллект может научиться неправильно интерпретировать входящий поток данных, что приведет к нежелательным ошибкам.
Один из таких случаев произошел с компанией Google, когда в программное обеспечение для распознавания лиц было загружено фото афро-американской семьи, а программа пометила изображение как семейство обезьян. Связан ли результат работы ИИ с расизмом в данном случае?
В итоге получается, что конечное поведение создаваемого ИИ вытекает из набора исходных данных, процедур их обработки и нормировки и используемого алгоритма обучения и критерия проверки достоверности результат обучения.
Именно на данном этапе совокупность нескольких подходов позволяет правильно обучить нейронную сеть так, чтобы взаимодействия с разработанной математической моделью было как можно более эффективным.
Одним из определяющих решений на этом этапе будет являться то какой процент объема обучающей выборки будет целиком использоваться для обучения нейронной сети, а какой будет предъявлен нейронной сети позднее, для последующего тестирования.

Выборка для тестирования также должна быть репрезентативной, как и набор данных для обучения.
Раньше эмпирическое правило заключалось в том, чтобы использовать исходную обучающую выборку в пропорции 80 на 20, из которых большая часть данных используется для обучения нейронной сети. Некоторые современные подходы к глубинному обучению (deep learning) предполагают использовать до 99 % данных для обучения, а 1% — для тестирования.
Теперь остается определиться с составом команды и ролью каждого участника. Группа разработчиков должна взять на себя работу по обучению нейронной сети, в частности разработку и проверку алгоритмов машинного обучения (machine learning).
Одна часть команды будет проводить обучение, а другая тестирование алгоритма, проверяя то, насколько точно качественно ИИ решает полученную задачу.
Одной из распространенных ошибок, с которой сталкиваются многие команды разработчиков, является использование одного и того же набора данных и для обучения и тестирования работы нейронной сети.
Это обычно приводит к тому, что ИИ покажет очень хорошие результаты при тестировании, т.к. данные тестирования были предъявлены еще на этапе обучения.
У команды разработчиков, которая попадет в эту ловушку, возникнет соблазн сказать, что в результате проведенного машинного обучения, нейронная сеть дает верный результат на выходе.
Наконец, команда разработчиков должна выполнить оценку работы нейросетевой модели с точки зрения чувствительности и себестоимости.
Не существует идеальных моделей, но не все ошибки одинаковы сами по себе.
Модель может выдавать на выходе так называемый ложноположительный или ложноотрицательный результат. Здесь, как и в медицине, стоит оценить какой диагноз наиболее безопасен для пациента. Безусловно – ложноположительный результат лучше, т.к. дает возможность немного перестраховаться при принятии решения. Например, в случае решения задачи распознавания террористов в аэропорту. Лишняя бдительность не помешает, но не стоит доходить до крайностей, обучив ИИ так, что он определит в качестве потенциальных террористов всех людей в аэропорту без исключения.
В случае решения задач в сфере розничной торговли, чрезмерное прогнозирование может способствовать росту затрат оборотного капитала, в то время как недооценка может привести к более существенным расходам, за счет резкого снижения продаж клиента.
Принятие решения о том, как правильно обучить нейронную сеть для решения конкретной задачи, всегда является компромиссным моментом.
Как ответить на вопрос, сколько необходимо провести циклов обучения? Является ли работа ИИ просто запоминанием массива данных и их извлечением или приоритетом будет выявление неких закономерностей для данных в этом массиве?
Равновесие между переобучением нейронной сети (запоминанием) и обобщением — еще одна сложная наука.
Базовая схема этой концепции для решения задач классификации приведена на рисунке ниже.
На протяжении всего процесса обучения основная проблема зачастую остается, как бы скрытой, пропадает из поля видимости. Например, как измерить успех, стоимость, предпочтение? Согласуется ли эта мера с требованиями бизнеса? Это технически полезно? Зачастую требуется сразу ответить на эти вопросы.
Все наборы исходных данных имеют свои слабые стороны и подводные камни, и не все они математически полезны для обучения! Как только команда разработчиков будет уверена в правильном решении задачи, она может работать над преобразованием результатов работы нейронной сети в идеи, элементы действий, прогнозы или просто использовать их, как результат обработки данных. Схема обобщенной концепции представлена ниже.

Общий процесс подготовки продукта с элементами ИИ

Только удостоверившись в том, что обученная нейронная сеть, готовое программное приложение или система действительно может работать в производстве, масштабироваться и способна контролировать сложные процессы, можно считать работу завершенной. Согласитесь, достижение такого результата требует серьезных инженерных навыков. Поэтому предлагаем усовершенствовать нашу схему, добавив обратные связи между этапами, что сделает схему универсальной.

Универсальный процесс подготовки продукта с элементами ИИ

Придерживаясь данной, схемы можно запустить любой ИИ-стартап с нуля, было бы желание.

Создаём виртуальное окружение

Чтобы не раскидывать файлы, скрипты и картинки по всему компьютеру, создадим в питоне виртуальное окружение — специальный проект, который хранит все данные внутри своей папки. Он не мешает остальным проектам и не влияет на работу других программ.

Чтобы подключить себе виртуальное окружение, запускаем команду:

pip install —upgrade virtualenv

Теперь можно устанавливать окружение. Для этого придумаем ему название — мы выбрали tell-me, но вы можете выбрать любое другое:

virtualenv —system-site-packages tell-me

source tell-me/bin/activate (если у вас мак или линукс)
tell-mescriptsactivate (если у вас виндоус)

Эта команда создаст папку на компьютере (путь к ней можно посмотреть на предыдущем скриншоте на третьей строке, параметр «dest») и запустит в ней виртуальное окружение:

Крутые варианты применения искусственного интеллекта

Вообще говоря, искусственный интеллект может всё. Главное правильно сформулировать задачу и обеспечить его начальными данными. К тому же ИИ может делать неожиданные выводы и искать закономерности там, где, казалось бы, их нет.

Ответ на любой вопрос

Группа исследователей под руководством Дэвида Феруччи разработала суперкомпьютер Watson с вопросно-ответной системой. Система, названная в честь первого президента IBM Томаса Уотсона, может понимать вопросы на естественном языке и искать ответы на них в базе данных.

Watson объединяет 90 серверов IBM p750, в каждом из которых установлено по четыре восьмиядерных процессора архитектуры POWER7. Общий объём оперативной памяти системы превышает 15 ТБ.

В числе достижений Watson – победа в игре «Jeopardy!» (американская «Своя игра»). Он победил двух лучших игроков: обладателя самого большого выигрыша Брэда Раттера и рекордсмена по длине беспроигрышной серии Кена Дженнингса.

Приз Watson – 1 млн долларов. Правда, только в 2014 году в него инвестировали 1 млрд

Кроме того, Watson участвует в диагностике онкологических заболеваний, помогает финансовым специалистам, используется для анализа больших данных.

Визуализация данных, созданных AI:

Атласы активации – создайте доступный для изучения атлас функций, которые сеть изучила.

Что видят нейронные сети – визуализация слоев в нейронной сети Джина Когана. Также см. Визуализация функций с помощью Distill.

Визуализация многомерного пространства – визуализируйте, как работает машинное обучение.

t-SNE – Создавайте убедительные двумерные «карты» из данных с сотнями или даже тысячами измерений.

Учусь:

– Обучайте машину с помощью камеры, живите в браузере без кода.

Типография:

FontJoy – создавайте комбинации шрифтов с помощью глубокого обучения.

Карта шрифтов – выявляйте новые отношения между шрифтами с помощью машинного обучения.

GANs:

Зоопарк GAN – список названных GAN, обновляемый нерегулярно.

GANS Awesome Applications – Кураторский список GAN и демонстраций.

Библиотеки машинного обучения:

TensorFlow.js – библиотека для разработки и обучения моделей машинного обучения на JavaScript.

scikit-learn – один из самых популярных инструментов для интеллектуального анализа и анализа данных. Построен на NumPy, SciPy и matplotlib. Открытый исходный код, коммерческое использование (лицензия BSD).

Рекомендуемая литература: «Художник в машине»

Наш друг Артур Миллер считается авторитетом на стыке технологий и искусства. Недавно он опубликовал фантастическую книгу, в которой рассказывается, как художники используют ИИ. Чтобы углубиться и узнать больше, вы можете приобрести его на Amazon здесь:

Заключительные мысли:

Если вы заинтересованы в использовании ИИ в своей творческой практике, указанные выше приложения, программное обеспечение и инструменты – отличное место для начала. Даже если у вас нет опыта машинного обучения, вы можете начать с некоторых из более простых инструментов, а затем расширить их. Используйте инструменты редактирования фотографий AI, такие как Deep Art, генератор изображений AI, такой как Deep Dream Generator, генератор изображений AI, такой как Artbreeder (он же GANBreeder), генератор рисования AI, такой как AI Painter, создатель мультфильмов AI, например Cartoonify, или рисуйте с помощью нейронной сети с помощью Quick Draw. По мере того, как инструменты, позволяющие сделать искусство искусственного интеллекта более популярным, произведения искусства искусственного интеллекта будут все больше внедряться в нашу культуру. Мы уже видим это на обложках поп-альбомов, на стенах традиционных картинных галерей, в цифровом и пиксельном искусстве, а также в расширении нашего представления о компьютерном искусстве. Овладев инструментами для создания произведений искусства, созданных искусственным интеллектом, и создавая работы, пока эта область находится в зачаточном состоянии, вы можете помочь расширить границы человеческого творчества. Как ваши эксперименты с нейронной сетью и искусственным интеллектом преобразуют наш творческий потенциал? Присоединяйтесь к нашему исследованию искусства машинного обучения и покажите нам путь впереди!

Для чего создавать системы искусственного интеллекта

Использование искусственного интеллекта в работе позволяет не только автоматизировать любой процесс, но и настроить его в соответствии с конкретной задачей человека, ведомства или производства. Работа ИИ со временем становится более эффективной за счет постоянного обучения – чем больше нейросеть знает деталей и потребностей, тем лучше она функционирует.

Изначально многие предполагали, что ИИ будет способен лишь переводить тексты, распознавать объекты и улавливать смысл человеческой речи. Но к 2020 году список навыков настолько расширился, что его перечисление заняло бы не одну страницу. Нынешний ИИ присутствует во многих сферах нашей жизни – в интернете, медицине, бизнесе и даже транспорте.

С сайта fullformlelo.com

Искусственный интеллект в интернете

Внедрение искусственного интеллекта в интернет началось еще в 2011 году. В то время была запущена работа над проектом Google Brain. Результатом стало внедрение в поисковую систему Google новых опций, контролируемых ИИ:

• Переводчик Google с прямым переводом — достаточно нажать на иконку с микрофоном, чтобы активировалась функция голосового ввода. Система распознает речь и быстро переводит слова или фразы на нужный язык.
• Голосовой помощник Google Assistant — можно запускать поиск информации, давать поручения, планировать дела.
• Алгоритм Google Photo научился распознавать тексты и объекты на изображениях. Благодаря этой функции можно легко находить фотографии с помощью описания предметов или людей, которые присутствуют на изображении.

Дополнительно был внедрен новый поисковой алгоритм Google BERT. Теперь выдача формируется на основе анализа не только ключевых слов, но и целых предложений. Для этого задействуется двунаправленная нейронная сеть-кодировщик, которая для пользователя улучшает актуальность выводимых в выдаче страниц. Благодаря этой технологии, получить желаемый результат в выдаче становится гораздо проще.

Создатели поисковой системы «Яндекс» тоже не остались в стороне и провели работу по внедрению ИИ. Часть задач, которые выполняет ИИ – система используется в голосовом помощнике «Алиса», алгоритмах поиска для распознавания речи и изображений, получения сводок погоды.

Искусственный интеллект на транспорте и в логистике

C 2000-x многие автопроизводители занялись разработкой беспилотных автомобилей. В числе новаторов Nissan, BMW, Honda, Volkswagen и Audi. В основе беспилотного транспорта лежат радар, определитель света и дистанции, GPS и специальные камеры. Все поступающие данные анализируются ИИ для принятия решений на дороге.

Компания Amazon использует беспилотные летательные аппараты для доставки товаров. Первая посылка, отправленная таким способом, прибыла к получателю в конце 2020 года.

В Екатеринбурге на основе искусственного интеллекта создана «умная» дорожная система. Она представляет из себя механизм регулировки транспортных потоков, разгрузки дорог и обеспечения бесперебойного движения наземного пассажирского транспорта. Одновременно с этим система фиксирует нарушения и отправляет штрафы. Информация поступает с детекторов транспорта, комплексов фото- и видеофиксации, бортового оборудования и других устройств.

Искусственный интеллект в финансах

Международная платежная система MasterCard внедрила дополнительный сервис Decision Intelligence. Компания отмечает, что убытки из-за ошибок системы безопасности превышают потери от мошенничества. Внедрение Decision Intelligence повысило уровень своей прибыли компании.

Главные функции этой технологии – повышение точности подтверждения финансовых операций и снижение вероятности ложных отклонений при переводе средств. Система работает на базе нейросети. При анализе финансовых операций обрабатываются большие объемы данных из подключенных к системе источников. Берутся во внимание многочисленные факторы, включая тип покупки клиента, его местоположение и время суток. Таким образом минимизируется количество ложных срабатываний встроенной системы безопасности, «обычные» транзакции проходят без проблем.

Платежная система PayPal также использует ИИ, который предназначен для обнаружения подозрительной активности. Система анализирует транзакции по нескольким моделям поведения, разработанным электронной системой. Таким образом снижается количество мошеннических операций и «ложных тревог».

Искусственный интеллект в кредитных сервисах упрощает анализ истории заемщиков, ускоряет принятие решений по выдаче ссуд и снижает количество просроченных или невозвращенных платежей.

Искусственный интеллект в бизнесе и торговле

Искусственные нейронные сети активно используются в ритейле и бизнесе. Наиболее широкое применение ИИ нашла компания Walmart, владеющая крупной торговой сетью. С помощью нейросетей удалось автоматизировать систему оплаты, упростить учет товаров и обеспечить оперативную доставку дронами.

С 2020 года в магазинах сети стали работать роботы Bossa Nova. Они три раза в день инспектируют все отделения супермаркетов, проверяя полки магазинов на наличие всего ассортимента, неправильных ценников или скупленных продуктов. Сбор и анализ информации происходит благодаря специально разработанному программному обеспечению с элементами искусственного интеллекта. Данные передаются в отдел логистики.

Особенность роботов состоит в том, что они не только оснащены датчиками для сканирования товаров, но также обладают специальной системой безопасности. Она отвечает за распознавание находящихся рядом объектов. Это исключает столкновение Bossa Nova с тележками, людьми, полками и товарными группами.

В магазинах электроники сети Lowes в качестве дополнительных консультантов выступают роботы LoweBot. Они перемещаются по торговым залам, помогая клиентам находить нужные товары. Роботы задают покупателям простые вопросы, чтобы понять, какая техника им подойдет. В дальнейшем ИИ запоминает покупательскую активность и точнее понимает, какие товары следует предлагать в первую очередь. Также LoweBot рассказывают о действующих скидках. Дополнительно роботы мониторят ассортимент продукции, чтобы сотрудники магазина своевременно производили выкладку недостающих товаров.

Искусственный интеллект в медицине

Искусственный интеллект распознает патологии на рентгеновских снимках, маммографии, МРТ, КТ. С помощью ИИ врачи выявляют заболевания легких, болезнь Альцгеймера. На изучение результатов исследования искусственному интеллекту требуются несколько секунды, а врачу – гораздо больше, например, 20-30 минут.

Самый известный компьютерный диагност – IBM Watson. В его память загружены миллионы медицинских документов и истории болезней. Примечательно, что IBM Watson ставит диагнозы точнее врачей. Но непосредственный лечащий специалист лишь руководствуется советами ИИ, самостоятельно принимая решение о диагнозе и методах лечения.

Другой пример отечественного ИИ – Botkin.AI, созданный для помощи онкологам. Система проводит многосторонний анализ результатов обследований, дает подсказки и советы врачам.

Используется искусственный интеллект и для ускорения восстановления спортсменов. На основе комплекса факторов ИИ подбирает наиболее эффективный комплекс лечения.

Искусственный интеллект в обороне и военном деле

Внедряют ИИ и в военно-промышленную сферу. В 2020 году стало известно, что в армии США ведутся разработки системы, которая сможет распознавать лица людей в темноте и сквозь стены, посредством тепловизора. Главным ее назначением станет выявление главарей банд в локациях, где проходят военные действия.

Активно тестируется другой ИИ под названием ALPHA. Он предназначен для управления беспилотными истребителями и участия в военно-воздушных действиях. Тестирование ALPHA на симуляторах привело к тому, что компьютер победил двух людей-противников, управляя одновременно четырьмя истребителями.

Искусственный интеллект в системах безопасности

ИИ используется в системах безопасности в первую очередь для распознавания лиц и идентификации личности. Дополнительно «умные» системы применяют с целью выявления опасных предметов и веществ.

Кроме того, ИИ оказывает помощь и в кибер-безопасности. Анализируя массивы данных об угрозах, искусственный интеллект сокращает время отклика служб безопасности и расширяет их возможности для более быстрого реагирования.Например, компания IBM предлагает целый спектр решений для тех, кто занимается кибер-безопасностью. Технология Watson ищет взаимосвязи между угрозами и выдает применимые на практике рекомендации. В результате, можно быстрее и увереннее реагировать на угрозы.

Искусственный интеллект в космических системах

Один из примеров – робот NASA Curiosity, предназначен для исследования состава марсианских почв и компонентов атмосферы. Благодаря наличию ИИ, Curiosity может не только изучать местность, но и запоминать безопасные пути, а также прокладывать новые маршруты с учетом ранее полученных знаний о характере почвы или грунта.

Другой робот, работающий на базе искусственного интеллекта, – Lauron. Он разработан в Технологическом институте Карлсруэ. Этот пешеходный робот был разработан для статически стабильной ходьбы по неровной местности. Благодаря гибкой системе управления адаптируется к разным ландшафтам. Особенность робота состоит в наличии шести ног со специальными зацепами. Lauron используется для исследования зон на космических объектах.

Машина собирает информацию об окружающей среде и автономно планирует путь к цели. Во время передвижения Lauron «видит» препятствия, а затем либо проходит над ними, либо обходит их, если препятствия слишком высоки.

Пешеходный робот предназначен для осмотра и обслуживания сложных и опасных для человека зон. Так, среди его задач исследование поверхностей вулканов и других планет.

Искусственный интеллект в спорте

Организаторы команд по бейсболу, футболу и баскетболу анализируют индивидуальные данные игроков, их технику, физическое состояние. Искусственный интеллект, используя эти данные, помогает предсказать потенциал спортсменов.

Другой пример использования ИИ-технологий – прогнозирование результатов матчей. Специальные системы созданы компаниями UBS, Commerzbank и Microsoft. При проведении расчетов учитываются многие факторы, например, опыт и физическое состояние игроков, погодные условия, место проведения встреч. Все это используется для составления спортивных прогнозов.

Искусственный интеллект в системе муниципального управления

Внедрение ИИ в муниципальное управление призвано сделать его более эффективным, правильно влиять на аудиторию, повышая шансы на получение нужного результата. Барака Обама, на вторых президентских выборах, нанял команду профессионалов, которая использовала ИИ. Нейросети отвечали за расчет лучших дней и выбор локаций для проведения агитационных мероприятий, что дало перевес в 10-12%.

Искусственный интеллект в культуре

В октябре 2020 года была продана первая картина, над которой работал искусственный интеллект. Ее приобрели за $432 500. При создании произведения использовался специальный алгоритм генеративной состязательной сети, который проанализировал более 15 000 портретов художников XV- XX веков.

В музыкальной сфере звукозаписывающая студия Warner Music заключила долгосрочный контракт с робо-исполнителем Endel. Всего будет выпущено 20 альбомов. Особенность Endel состоит в том, что он создан на базе искусственного интеллекта со специальным алгоритмом.

Нейросеть способна не только писать обычную музыку, но и создавать индивидуальные композиции в зависимости от настроения слушателя. В последнем случае анализируются личные данные человека, его самочувствие, местонахождение и другая информация. На основе этого для конкретного человека создается неповторимый трек, способный улучшить настроение и уменьшить чувство тревоги.

Искусственный интеллект в образовании

За счет внедрения ИИ в будущем система образования будет развиваться в двух направлениях. Первое из них – адаптивное. Его главная задача состоит в том, чтобы решить проблему разной успеваемости у учеников. ИИ будет анализировать результаты обучающихся и на их основе адаптировать порядок курсов, дополнительно информируя преподавателей о степени усвоения материала.

Второе направление – прокторинг. Цель заключается в обеспечении контроля учеников во время прохождения тестов и экзаменов. Система отслеживает, разговаривают ли между собой школьники или студенты, как часто отводят глаза от тетради или компьютера, пользуются ли карманными гаджетами. При выявлении нарушений ИИ сразу отправляет оповещение проктору – специалисту, отвечающему за мониторинг прохождения тестирований.

Искусственный интеллект в судебной системе

В числе первых ИИ стал использовать Китай. Нейросети пока используются в качестве помощников. Они анализируют большие массивы данных из государственных хранилищ, берут во внимание характеристики конкретного человека, после чего выносят решение о его виновности или невиновности.

Некоторые машины на базе искусственного интеллекта способны на основе статистической информации прогнозировать правонарушения людей в будущем. Таким образом планируют снизить общий уровень преступности.

Искусственный интеллект в сельском хозяйстве и животноводстве

Компании в аграрной промышленности, такие как Agworld, Farmlogs, Cropx, AGCO активно создают и внедряют системы ИИ в разные направления сельского хозяйства и животноводства. Например, беспилотные летательные аппараты с радарами и GPS-мониторингом обучают и затем используют для доставки опасных химикатов и опрыскивания сельскохозяйственных культур.

Компания CNH Industrial занимается выпуском беспилотных тракторов. Они выполняют те же самые задачи, что и обычная сельскохозяйственная техника. Но производительность выше за счет возможности работать беспрерывно.

Машины с ИИ умеют проводить опрыскивание, прополку, наблюдать за животными в стаде и выполнять другие трудоемкие аграрные задачи. В животноводстве системы искусственного интеллекта используются для выявления болезней у скота, определения хороших племенных животных.

Искусственный интеллект в военных целях

Для сохранения суверенитета многие государства активно создают беспилотников и дронов. Их можно объединять в управляемый «рой» для массовых атак. С справиться с многочисленными дронами будет практически невозможно. Данных о внедряемых ИИ в военную сферу мало – информация секретна, ее нет в открытом доступе.

Искусственный интеллект в промышленности

В промышленной индустрии внедрение ИИ-технологий связано с автоматизацией производственных процессов и сокращением штата сотрудников. Машина с системой искусственного интеллекта собирает детали, легко запоминая последовательность действий и правильность крепления элементов, безошибочно рассчитывает данные и оптимизирует сборку: в каком порядке расположить детали, как надежнее их закрепить.

Корейская компания LG запланировала в 2033 году открыть полностью автоматизированный завод. Все процессы будут выполняться с помощью искусственного интеллекта – от закупки сырья и расходных материалов до изготовления продукции и ее отгрузки. Дополнительно ИИ будет отвечать за контроль износа производственного оборудования, ценообразования, выполнения планов и т.д.