Гербарий для интеллекта

Искусственный интеллект тяготеет к классификации изначально, потому что это в первую очередь математический алгоритм, который постоянно пополняется информацией.

Идеал его создателей – самообучаемый искусственный интеллект, который, пополняя свою базу данных, позволяет пользователю получать все более точные результаты. Попробуем сегодня классифицировать непосредственно ИИ, исходя из решаемых им задач, и создать несколько типологий. Дмитрий Романов, генеральный директор компании «Преферентум» (ГК АйТи), выделяет четыре основных.

intellekt

Именованные сущности

Конкретные люди, продукт, тот или иной документ, географический объект или организация, номер телефона или почтовый адрес. В таком случае технологии позволяют выделять разные типовые объекты в потоке информации и сопоставлять их с объектами из базы данных, где все объекты имеют четкие границы и наименования.

Классификация или технология принятия решений

Тип ИИ, который в состоянии понять , куда отнести ту или иную информацию. Например, кому переслать обращение на горячую линию, кто должен заниматься решением того или иного вопроса. То есть информация не просто собирается с помощью ИИ, но и распределяется по блокам, которые имеют отношение к разным направлениям деятельности.

Контроль

ИИ помогает с проведением проверок: соответствует ли документ заданным условиям? Правильно ли оформлена какая-то справка, заявление, оформлен договор, совершены действия? Эти технологии наиболее часто используются в банковской деятельности, работе юридических отделов.

Поиск похожего

ИИ выявляет группы похожих друг на друга объектов. Есть ли заимствования в тексте, были ли судебные решения по похожим правовым ситуациям, какому автору принадлежит книга или картина? Не нужно быть экспертом в живописи - достаточно предъявить программе несколько сотен фотографий картин старых мастеров и ИИ сам распознает подделку.

Впрочем, не существует в данном вопросе четких рамок. Все зависит от того, какие ставятся задачи перед ИИ и для решения большинства из них нужно задействовать все возможности, которые предоставляет постоянно обучаемый своими создателями ИИ.


24 сентября 2018г. / Индустрия 4.0
144 | Обсудить в   
Еще по теме
Пример использования RPA: автоматизация процессов клиентской поддержки

Пример использования RPA: автоматизация процессов клиентской поддержки

Любой бизнес сталкивается с множеством запросов на поддержку по самым разным поводам. Приходится держать большой штат сотрудников техподдержки, обучать их, сталкиваться с долгими и не очень эффективными процессами выполнения каждой заявки.

214
Шесть вариантов использования Big Data в ритейле

Шесть вариантов использования Big Data в ритейле

Big Data - один из самых востребованных инструментов в ритейле. В цифровом мире большие данные повсюду, и практически все покупатели оставляют какой-то цифровой след.

477
Спорная территория: практики против теоретиков

Спорная территория: практики против теоретиков

Появление в российских компаниях директоров по цифровой трансформации не только расширяет пространство стратегических возможностей, но и формирует целый ряд потенциально конфликтных зон. Зато скучно уж точно не будет

145