Узкий Искусственный Интеллект (Narrow AI), также известный как слабый ИИ, представляет собой технологию для создания высокофункциональной системы, которая воспроизводит — а, возможно, и превосходит – возможности человека интеллект для данной конкретной цели.

Узкий ИИ часто противопоставляется общему искусственному интеллекту ОИИ (AGI – Artificial General Intelligence), который иногда называют «сильным ИИ» (Strong AI) Это теоретическая система ИИ, которую можно применить к любой задаче или проблеме.

Примеры узкого ИИ

Все формы современных систем ИИ можно отнести только к категории узких ИИ. Вот некоторые примеры:

• Системы распознавания изображений и лиц. Эти системы, в том числе те, которые используются компаниями социальных сетей, такими как Facebook и Google, для автоматической идентификации людей на фотографиях, являются формами слабого ИИ.
• Чат-боты и разговорные помощники. Сюда входят популярные виртуальные помощники Google Assistant, Siri и Alexa. Также включены более простые чат-боты для обслуживания клиентов, такие как бот, который помогает покупателям вернуть товар в розничный магазин.
• Беспилотные автомобили. Автономные или полуавтономные автомобили, автономные дроны, суда и заводские роботизированные тележки.
• Модели профилактического обслуживания. Эти модели полагаются на данные от машин, часто собираемые с помощью датчиков, чтобы помочь предсказать, когда какая-либо часть машины может выйти из строя, и заблаговременно предупредить пользователей.
• Движки рекомендаций. Эти системы, которые предсказывают контент, который может понравиться пользователю или который ищет следующий, являются формами слабого ИИ.

Преимущества и недостатки узкого ИИ

Преимущества. Узкие системы искусственного интеллекта могут хорошо выполнять отдельные задачи, часто лучше, чем люди. Слабая система искусственного интеллекта, разработанная для выявления рака по рентгеновским или ультразвуковым изображениям, например, может обнаруживать раковые образования на изображениях быстрее и точнее, чем обученный радиолог.

Между тем, платформа прогнозного обслуживания может анализировать поступающие данные датчиков в режиме реального времени, что практически невозможно для человека или группы людей, чтобы приблизительно предсказать, когда какая-либо часть машины выйдет из строя.

Недостатки. Узкие системы искусственного интеллекта могут делать только то, для чего они предназначены, и могут принимать решения только на основе своих данных обучения. Чат-бот для обслуживания клиентов розничного продавца, например, может ответить на вопросы, касающиеся часов работы магазина, цен на товары или политики возврата магазина. Тем не менее, вопрос о том, почему тот или иной продукт лучше аналогичного, скорее всего, поставит бота в тупик, если только его создатели не потратили время на то, чтобы запрограммировать бота, чтобы он отвечал именно на такие вопросы.

Между тем, системы ИИ склонны к предвзятости и часто могут давать неверные результаты, будучи не в состоянии их объяснить. Сложные модели часто обучаются на огромных объёмах данных — данных больше, чем их создатели-люди могут отсортировать сами. Большие объёмы данных часто содержат субъективные информацию или даже неверные данные, поэтому модель, обученная на этих данных, может непреднамеренно принять эту неверную информацию как истинную.

Модель могла бы делать искажённые прогнозы, но ее пользователи, не подозревая, что она обучалась на предвзятых данных, не знали, что прогнозы ошибочны.

Узкий ИИ против общего ИИ (AGI)

AGI включает в себя систему со всесторонними знаниями и когнитивными способностями, так что её возможности неотличимы от возможностей человека, хотя скорость AGI и его способность обрабатывать данные намного выше. Такая система ещё не разработана, и мнения экспертов расходятся, как такую ​​систему можно было бы создать.

Некоторые эксперты считают, что система общего искусственного интеллекта должна обладать человеческими качествами, такими как сознание, эмоции и понимание искусства. Другие считают это излишним.

Системы, построенные на узком ИИ или слабом ИИ, не обладают ни одним из этих качеств, хотя они часто могут превзойти людей при выполнении конкретной задачи. Эти системы предназначены не для полной имитации человеческого интеллекта, а для автоматизации конкретных человеческих задач с использованием машинного обучения, глубокого обучения и обработки естественного языка NLP (Natural Language Processing).