Штучний інтелект: Гайд Для Рекрутерів

Автор admin 09.10.2019
Головна Блог IT
Штучний інтелект: Гайд Для Рекрутерів
https://itexpert.work/wp-content/uploads/2019/10/shtuchnyj-intelekt-gajd-dlya-rekruteriv-1-scaled.jpg

Коли штучним інтелектом називають будь-яку систему автоматизації або нейронну мережу, у сидячого поруч розробника на скроні починає пульсувати вена. Особливо гостро проблема відмінностей понять штучного інтелекту постає для рекрутера, адже нікому не хочеться здаватися недостатньо професійним. Тому не губіться у вимірах сучасних технологій, а читайте наш спрощений гайд штучним інтелектом для рекрутерів.

Що таке штучний інтелект (Artificial intelligence, AI)?

Ідея створення штучного інтелекту та її реалізація стала актуальною після Другої світової війни. Тоді ж з’явилися перші передумови з боку розвитку техніки та технологій, а у сфері філософії та соціальних наук точився справжній холівар. Останній був присвячений питанню “чи може машина думати як людина”. Щоб поставити крапку у цьому питанні, Тюрінг запропонував свій славнозвісний тест.

Суть перевірки була в тому, щоб переконати експерта, що він переписується з людиною, а не з машиною. Сам Тюрінг вкладав у поняття інтелекту можливість помилок, необхідність часу на роздуми, розвиток і т.д., бажання та емоції. Однак його тест скоріше перевіряв, чи може машина обдурити людину, ніж чи може машина мати власний інтелект.

https://itexpert.sysale.agency/wp-content/uploads/2022/01/artificial_intelligence.png

Одним з прикладів, коли штучний інтелект зміг обдурити експерта, була Еліза. Вона наслідувала поведінку психотерапевта, змушуючи людей більше говорити про себе, а потім ставила питання для уточнення інформації. Іншим шляхом пішов чат-бот Перрі. Він прикидався параноїдальним шизофреніком, який переводив розмову до нав’язливих ідей. Ще одним роботом, який зміг пройти тест Тюрінга, був Євген Густман. Він прикидався підлітком з України, тому усі помилки та неточності у мовленні списували на мовний та культурний бар’єр.

Але навіть боти, які використовували спеціальні технології навчання, не змогли “по-чесному” пройти тест. Найчастіше їх видавала неможливість знайти та переключитися на нову тему, а також відсутність особистості.

Після тесту Тюрінга експерти намагалися перевірити машини на наявність творчих здібностей, візуального сприйняття, фізичних дій і навіть на почуття гумору. Проблема, з якою стикалися всі творці штучного інтелекту полягала в тому, що машина не здатна охопити інтелект з усіх сторін. Вони могли виконувати одну конкретну задачу, а в більшості випадків така ситуація зберігається і нині. Грубо кажучи, якщо ви помістите людину в невідоме середовище, то вона буде обирати конкретну модель поведінки або орієнтуватися за ситуацією. Технології, які зараз називають штучним інтелектом, на таке зможуть відповісти тільки ERROR’ом.

https://itexpert.sysale.agency/wp-content/uploads/2022/01/dance.gif

Класичним прикладом використання штучного інтелекту є розпізнавання кішок на фото. Розпізнавання конкретного предмета на фото стало однією з перших найпростіших задач штучного інтелекту. Далі розвиток інтелекту дійшов до розпізнавання 5000 видів тварин. Але якщо ви не розумієте масштаби можливості розпізнавання кішок, розглянемо їх застосування в медицині. Наприклад, доведено, що штучний інтелект не поступається звичайним лікарям у поставленні діагнозів. У сфері сільського господарства штучний інтелект використовують для контролю за станом рослин, рівнем вологи та наявністю у ґрунті необхідних поживних речовин. У повсякденному житті: у розумному домі, автоматичних перекладачах і т.д. Штучний інтелект давно перестав бути технологією, відірваною від реального життя.

Залежно від того, що ви вважаєте інтелектом, штучним інтелектом можна назвати Siri або навіть Т9, але можна і сказати, що його поки що не існує. Наша думка полягає в тому, що називати ці окремі приклади штучним інтелектом — те саме, що називати будь-яку машину Ладою Калиною. Важливо відрізняти напрямки штучного інтелекту, а також розуміти, що навіть усі разом вони не зможуть повністю замінити людину.

Експертні системи (Expert systems, ES)

Один із найменш мейнстрімних термінів в IT – це експертні системи (ЕС). Вони з’явилися ще у 60-х роках і віщували як мінімум створення надрозуму, проте не виправдали очікувань. Такі системи діють за принципом “завантаж дані – отримай результат”, що частково замінює експерта у певних сферах.

В основному ЕС були спрямовані на медичну та бухгалтерську сфери, юриспруденцію та економіку. Головна проблема таких систем у тому, що для них потрібна ретельно створена база даних. А експертів у вузьких областях, які могли б присвятити час на створення такої бази, обмаль. До того ж самі експерти не завжди усвідомлюють, що в базу даних потрібно вносити і загальновідому інформацію, а її відсутність може призвести до помилки. Останній факт робить ЕС допоміжним засобом у якій-небудь сфері, але не панацеєю.

Приклад. Ми витрачаємо купу часу на формування бази даних про особливості різних видів котиків. Людина хоче перевірити, яка порода у котика, якого він прихистив. Він відповідає на головні питання ЕС: вага, зріст, колір шерсті, розріз очей і т.д. Однак система не може дати відповідь: в неї не завантажити дані про те, що коти можуть бути і не породистими. Проєкт з крахом провалюється, сотні людей залишаються без роботи, а користувачі все ще не знають, яка порода у їхніх улюбленців.

Чому цю, здавалося б, примітивну технологію відносять до штучного інтелекту?

  • Вона відіграла свою роль у процесі розвитку технологій штучного інтелекту;
  • Вона володіє одним з центральних понять штучного інтелекту – знанням.

Машинне навчання (Machine learning, ML)

Припускаючи, що у машини може бути інтелект, ми говоримо про її здатність навчатися. Звісно, такий спосіб навчання для нас є незвичним.

Грубо кажучи, ми завантажуємо в систему мільйон фото з котиками, вона їх самостійно аналізує, знаходить шаблони та у підсумку може сказати, де котик, а де ні. Висновки “котик = якщо 4 лапи, вуса і хвіст” представлені у вигляді набору нулів та одиниць, тож навіть розробники не розуміють, як система навчається. Ну і, звісно, штучний інтелект у такому випадку може помилятися або робити “суб’єктивні” висновки.

Найбільш актуальним нині вважається використання машинного навчання у сферах комп’ютерного зору, розпізнавання мов, а також у предикативній аналітиці.

Computer Vision (CV) – комп’ютерний зір, аналіз зображень та пошук збігів або конкретних об’єктів. Часто використовується у камерах відеоспостереження, для розпізнавання номерів на транспорті, face ID в телефонах, а тепер стає популярнішим завдяки самокерованим автомобілям. Компанія Intelligent Vision System створила робота, який може виявити, хто з ним говорить, або навіть зігнати з дивану кота. Комп’ютерний зір допомагає роботу розрізняти об’єкти різного розміру і визначати їхнє положення. Так робот може взяти предмет та принести його у потрібне місце. Такі навички стануть у нагоді при обслуговуванні столиків у ресторані або у звичайному прибиранні.

Natural language processing (NLP) – розпізнавання мови “на слух”, машинний переклад, класифікація текстів на тематичні категорії або спам – не спам. Широко використовується у голосових помічниках: Siri, Аліса, Google Assistant.

Predictive analytics (PA) – аналітика, яка охоплює область прогнозування. Бере за основу наявні дані та вибудовує прогнози, що робить її дуже актуальною у сфері бізнесу і планування. Наприклад, мережа магазинів Walmart уже використовують цю систему: вона отримує інформація від касових терміналів та дає прогноз, на які товари буде попит, а на які – ні.

Нейронні мережі (Neural network, NN)

Машинне навчання неможливо розглядати у відриві від нейронних мереж. Штучна нейронна мережа — це така імітація будь-якої сенсорної мережі людини. Вони можуть приймати та “реагувати” на певну інформацію чи дію. Найчастіше саме нейронну мережу ховають за пафосною назвою ШІ.

Ще один приклад з котиками: ми показуємо нейронній мережі фото котика і вона каже нам, чи це котик. При цьому вона спирається на певні дані, зібрані за допомогою машинного навчання.

Нейронні мережі показують і дуже цікаві результати: після проходження навчання на декількох мільйонах відер, нейронна мережа Speech2Face навчилася відтворювати за спектограмою мови людини приблизне зображення її обличчя.

https://itexpert.sysale.agency/wp-content/uploads/2022/01/shtuchnij-intelekt-cze-nejronna-merezha.-perekonajte-mene.png

Здається, що можливості нейронної мережі і машинного навчання безмежні. Завантажмо у них фото усіх людських емоцій та будемо знати, хто бреше, а хто ні. Або на основі усіх наших попередніх партнерів шукати нових. Або зробімо систему відеоспівбесід для рекрутингу, яка буде оцінювати кандидатів у порівнянні з нашими працівниками і відбиратиме найбільш схожих на них. А застосування у науці, медицині, фінансах… Але насправді усі ці мрії зможуть здійснитися тільки у далеких планах.

Нейронна мережа видасть вам середнє значення проаналізованого, а у неї немає інтуїції чи людяності, щоб додумувати особливі сенси. Вона бачить, що серед тих, хто вам сподобався в сервісі швидких знайомств більше смаглявих та видасть вам смаглявих хлопців. Вона не зможе проаналізувати їх душу за допомогою прийомів соціоніки та зрозуміти, хто буде вам ідеальною парою. З теперішніми технологіями це може стати тільки ідеєю для нової серії “Чорного дзеркала”.

https://itexpert.sysale.agency/wp-content/uploads/2022/01/ssm-1.gif

Топ 3 факапи нейронної мережі:

  1. Малозабезпечені верстви населення знаходяться під великим ризиком бути засудженими нейронною мережею.
  2. Система переймала расові стереотипи, аналізуючи тексти.
  3. Система для рекрутингу від Amazon відбирала чоловіків частіше, ніж жінок.
Зв’яжіться з нами вже зараз
Замовити консультацію

Замість висновку

Богоподібного штучного інтелекту найближчим часом ми точно не побачимо. З точки зору маркетингу зручно просувати свій проєкт під розкрученою назвою “штучний інтелект”, але нічого неймовірного або чарівного у цих словах немає. Важливо пам’ятати, що розробники – люди, а не чарівники, і те, що вони роблять – це практична робота. Ми бачимо результати їхньої діяльності навколо щодня і навіть не думаємо сприймати Т9 за суперсучасну технологію. Тому відкладіть повстання машин на найближчі 10-20 років і підходьте до розгляду резюме з розумом.

Натисніть для оцінки
Loading...
Поділитися з друзями
Залиште коментар