Au cours des dernières années, le sujet de l'intelligence artificielle a été activement débattu, car l'une des approches de son étude gagne activement du terrain parmi les grandes entreprises. Cette approche est des réseaux de neurones. Plus récemment, il y a environ un an, ce mot a pu être entendu de partout. Aujourd'hui, nous considérons l'histoire de l'étude de l'intelligence artificielle par l'humanité (il s'avère qu'elle a déjà environ 2000 ans) et les réalités d'aujourd'hui.
Les auteurs de cet article sont les gars de Jedium. Je leur donne la parole.Présentation
En effet, grâce à la croissance de la puissance de calcul des ordinateurs conventionnels, il est devenu pratique de s'engager dans l'IA au niveau logiciel. Dans la mesure où des articles sur la façon «d'écrire» votre réseau de neurones avec un minimum de connaissances en programmation ont été publiés sur des sources informatiques populaires. Cependant, avant de nous plonger dans l'étude de notre entreprise dans ce domaine, nous aimerions vous en dire un peu le contexte.
L'IA n'est pas une découverte du 21e siècle
Le développement rapide de cette industrie a commencé il y a plusieurs années, mais avant cela, l'humanité étudie l'intelligence artificielle depuis quelques milliers d'années. À partir d'Aristote et de Descartes et se terminant par le célèbre John von Neumann. Ce dernier a grandement contribué au développement de la logique d'un ordinateur moderne. Il y a beaucoup de scientifiques qui ont étudié ce domaine. Une description complète de l'histoire de l'IA prendra plus d'une série d'articles avec de longues transcriptions et explications. L'objectif de la formation scientifique en IA est de transmettre quelques points qui seront importants pour comprendre ce que fait Jedium.
Dans les années 30 du siècle dernier, l'intérêt pour l'étude de l'intelligence artificielle a explosé. Les scientifiques ayant des approches différentes de l'étude de l'IA ont obtenu d'excellents résultats, ont contesté leurs théories respectives et en ont démontré de nouvelles. Ainsi, par exemple, à cette époque, un test de Turing a été inventé, ce qui suggère que si dans une conversation avec deux interlocuteurs une personne ne peut pas distinguer l'IA d'une autre personne (la conversation est censée être conduite à l'aide d'un terminal informatique pour exclure l'influence de la voix, de l'apparence et des qualités diffamatoires similaires ), alors nous avons une IA complète. La chose la plus intéressante est qu'une fois le test réussi. En conséquence, les travaux de Turing sont devenus une base fondamentale de connaissances sur les systèmes informatiques, qui, à partir des données d'entrée, créent leurs propres axiomes (jugements qui ne nécessitent pas de preuve). Grâce aux axiomes, les systèmes peuvent tirer des conclusions sur des demandes spécifiques de l'utilisateur ou faire des prédictions avec une précision très impressionnante. À notre époque, ce sont ces systèmes qui sont appelés réseaux de neurones.
Il existe plusieurs approches de l'étude de l'IA, mais il convient d'en souligner au moins deux - avec certaines sémantiques et sans elles. Soit nous écrivons la logique, soit nous écrivons un programme informatique très chargé, c'est-à-dire un réseau de neurones. Cependant, après la fin des années 40 du siècle dernier et jusqu'à présent, aucune percée majeure n'a été observée dans le domaine de l'IA. Il y a eu un «hiver» - un déclin de l'intérêt pour l'étude de l'intelligence artificielle. Cela était dû à un manque de puissance de calcul pour construire de puissants réseaux de neurones, et l'approche du côté logique s'est avérée extrêmement difficile et a donné des résultats décevants.
Il y a quelques années, la puissance de calcul a commencé à suffire à la construction de réseaux neuronaux très puissants. Cependant, leur intérêt chez les gens ordinaires acquiert une tendance négative, tandis que chez les spécialistes, au contraire, la formation continue. Cela vaut même la peine de faire une réservation - les réseaux de neurones commencent de plus en plus à acquérir la propriété des choses quotidiennes et quotidiennes. Assistants vocaux dans vos gadgets, vision industrielle, que vous utilisez à nouveau pour numériser des documents avec votre smartphone, éditeur de photos et bien d'autres exemples. Les gens s'y habituent et «l'effet wow» devient de plus en plus difficile. Par conséquent, il y a une thèse selon laquelle le développement des réseaux de neurones ne progressera pas aussi rapidement dans un avenir proche, en d'autres termes, un nouvel «hiver» viendra.
Mais bien que les travaux sur l'étude de l'IA dans les entreprises ne s'arrêtent pas, l'industrie a de sérieux problèmes qui entravent la recherche productive dans ce domaine.
Par exemple, le manque de données pour la formation des réseaux de neurones. En étudiant cette conclusion et en posant la question «d'où pouvons-nous obtenir les données?», Nous avons trouvé une approche intéressante qui pourrait être la solution au problème.
Exemple vivant
Les gars de Jedium créent une plate-forme qui standardise et simplifie le développement d'applications VR / AR, ainsi que la création de systèmes de formation. En travaillant dans ce domaine, ils ont découvert des études intéressantes sur les soi-disant «connaissances cachées». La connaissance cachée est une compétence que possède une personne mais n'en possède pas une autre. Une personne aux connaissances cachées peut les partager. Seul le problème réside dans le nom - ces compétences sont cachées et tant qu'une personne n'en est pas informée, elle ne sait pas qu'elle les possède.
La connaissance cachée est la base de l'apprentissage social. S'il existe des connaissances qu'un élève peut transmettre à d'autres élèves, la charge imposée à l'enseignant est réduite. Presque personne n'a encore testé cette thèse dans la pratique - il n'y a pas de systèmes logiciels spécialisés. L'entreprise va dans ce sens. Il existe un environnement virtuel dans lequel vous pouvez recréer les conditions d'enregistrement des connaissances cachées, puis les utiliser pour les transférer à d'autres étudiants.
Mais pour tirer parti des connaissances cachées et simplement pour créer un environnement d'apprentissage efficace, vous avez besoin d'éléments d'intelligence artificielle suffisamment solides. Par exemple, pour construire un apprentissage vraiment individualisé (apprentissage sur mesure), basé sur les lacunes dans les connaissances et les préférences de chacun d'eux. Et cela nécessite des algorithmes d'analyse de données efficaces, dans les réalités modernes - des réseaux de neurones entraînés.
E-learning moderne
Pour créer un système d'apprentissage en ligne moderne, il convient également de prendre en compte les tendances modernes, et il y en a plusieurs, et il est souvent difficile de distinguer la frontière entre elles:
- La transition de l'apprentissage «avec un enseignant au centre» à l'apprentissage «avec un élève au centre». Pendant un certain temps, un paradigme exclusivement classique a été envisagé dans les systèmes d'apprentissage en ligne - «l'enseignant dit quelque chose aux élèves». Dans le même temps, il n'est pas très important de savoir quels moyens techniques spécifiques ont été utilisés, que ce soit un LMS moderne et des outils pour créer du contenu éducatif ou simplement des présentations envoyées aux étudiants. Maintenant, il y a une opinion générale selon laquelle le système de formation ne devrait pas être axé sur l'enseignant, mais sur l'élève, recevant des connaissances de diverses sources et se forgeant sa propre image du monde;
- Communication asynchrone / synchrone. Il s'agit d'un problème légèrement plus petit au sens technique, car les outils de communication à distance en direct ne manquent pas. Un problème beaucoup plus important nous semble l'utilisation correcte de ces outils, en particulier dans le contexte de la planification de la formation en général. Bien que le concept d'apprentissage mixte (apprentissage mixte) ne soit pas nouveau du tout, nous avons souvent rencontré des situations où la communication en direct et le cours de formation lui-même étaient séparés l'un de l'autre, ne s'unissant pas en un seul système. Si nous parlons des méthodes d'apprentissage social, elles se sont généralement développées assez longtemps «en dehors du courant dominant», ce qui, bien sûr, a créé un certain nombre de produits plutôt intéressants tels que le Knowledge Forum, mais a laissé ouverte la question de savoir comment combiner de telles approches avec celles généralement acceptées.
- Paradigmes constructivistes et connexionnistes. Encore une fois, les deux semblent très intéressants en combinaison avec tout ce qui précède, mais nous pensons qu'aucun schéma général de leur application et de leur mise en œuvre dans le produit logiciel n'a encore été trouvé (malgré le fait que pour le LMS / LCMS traditionnel, tout cela est déjà existe depuis longtemps).
- Simulations, serious games, jeux de rôle. Dans de nombreux domaines, ces types de formation sont considérés comme les meilleurs. Mais en même temps, pendant longtemps, ils ont été quelque peu éloignés des systèmes de formation dans leur ensemble - ni les normes ni les pratiques d'application n'y ont contribué. Maintenant, avec la transition de l'AICC / SCORM à xAPI, il y a une opportunité assez clairement visible pour les intégrer dans la formation, mais, encore une fois, il n'y a pas de modèles ou de meilleures pratiques.
En créant notre plateforme, nous avons cherché des approches pour résoudre certains de ces problèmes, tout en essayant de trouver une solution non pas en théorie, mais dans un produit logiciel très spécifique avec certaines capacités. Nous pensons que cela était partiellement possible, mais nous voyons également qu'une grande partie de ces problèmes nécessite un développement plus poussé de la plateforme et une analyse de son travail. Nous aimerions en parler davantage dans les prochains articles.
Repousser les limites de l'intelligence
Notre mission est d'élargir les frontières du développement intellectuel, d'enrichir les connaissances sociales des gens avec les progrès technologiques.
La théorie de l'enseignement aux gens s'est longtemps développée indépendamment du progrès technologique. Notre objectif est de supprimer cette barrière en réalisant des synergies dans le travail conjoint de l'intelligence humaine et machine.
Et pour comprendre dans le processus ce qui se passe réellement.
Les auteurs
Jedium est une société partenaire de Microsoft travaillant dans le domaine de la réalité virtuelle, augmentée et de l'intelligence artificielle. Jedium a développé un cadre pour simplifier le développement de projets complexes sur Unity, dont une partie est accessible au public
sur GitHub . Jedium prévoit de reconstituer le référentiel avec de nouveaux modules de framework, ainsi que des solutions d'intégration avec Microsoft Azure.
Vitaliy Chashchin -
Développeur de logiciels avec plus de 10 ans d'expérience dans la conception et la mise en œuvre d'applications client-serveur tridimensionnelles - du concept à la mise en œuvre complète et à l'intégration des applications et des solutions dans le domaine de la réalité virtuelle. Architecte système Jedium LLC, MSc en informatique.
Alexey SarafanovResponsable marketing chez Jedium LLC.
Sergey KudryavtsevPDG et fondateur de Jedium LLC.