Видове системи за изкуствен интелект

От най-ранните дни на компютрите, изследователите се опитват да създадат системи, които имитират човешкия интелект. Докато силиконовият Айнщайн все още може да бъде далечна възможност, изкуственият интелект или AI ни донесе телефони, които разпознават човешката реч, коли, които се управляват сами и експертни системи, които се състезават в телевизионни игри показва. През годините изследванията на AI преминаха през няколко еволюции и с усъвършенстването на всяка технология те се превърнаха в част от ежедневния ни опит.

Ранните изследователи се бореха с ограничената мощност на обработка и компютърно съхранение, но все пак положиха основата на AI с езици за програмиране като LISP и концепции като дървета на решения и машина изучаване на. Програмите, написани на LISP, могат лесно да анализират игри като шах, да картографират всички възможни ходове за няколко хода, след което да изберат най-добрата алтернатива. Тези програми също могат да променят логиката си за вземане на решения и да се учат от предишни грешки, като с времето стават „по-умни“. С по-мощни компютри и по-евтино масово съхранение, този клон на AI създаде индустрията за компютърни игри, както и разнообразие от персонализирани търсачки и сайтове за онлайн пазаруване, които не само помнят нашите предпочитания, но и предвиждат нашите нужди.

Докато първата вълна от изследователи на AI разчиташе на изчислителни цикли за симулиране на човешки разсъждения, следващият подход разчиташе на факти и данни, за да имитират човешкия опит. Експертните системи събраха факти и правила в база от знания, след което използваха компютърно базирани машини за изводи, за да изведат нови факти или да отговорят на въпроси. Инженерите по знание интервюираха експерти по медицина, автомобилен ремонт, индустриален дизайн или други професии, след което намалиха тези констатации до машинно четими факти и правила. След това тези бази от знания бяха използвани от други, за да помогнат при диагностицирането на проблеми или да отговорят на въпроси. С развитието на технологията изследователите намериха начини да автоматизират развитието на базата от знания, като се подхранват купища техническа литература или оставяне на софтуера да обхожда мрежата, за да намери подходяща информация за него собствен.

Друга група изследователи се опитаха да възпроизведат работата на човешкия мозък чрез създаване на изкуствени мрежи от неврони и синапси. С обучение тези невронни мрежи можеха да разпознават модели от това, което изглеждаше като произволни данни. Изображенията или звуците се подават във входната страна на мрежата, като правилните отговори се подават на изходната страна. С течение на времето мрежите реорганизират вътрешната си структура, така че когато се подаде подобен вход, мрежата връща правилния отговор. Невронните мрежи работят добре, когато реагират на човешка реч или когато превеждат сканирани изображения в текст. Софтуерът, който разчита на тази технология, може да чете книги за слепи хора или да превежда реч от един език на друг.

Мащабният анализ на данни, често наричан „големи данни“, използва силата на много компютри, за да открие факти и връзки в данни, които човешкият ум не може да разбере. Трилиони такси за кредитни карти или милиарди връзки в социалните мрежи могат да бъдат сканирани и корелирани с помощта на различни статистически методи за откриване на полезна информация. Компаниите за кредитни карти могат да намерят модели за закупуване, които показват, че картата е открадната или че притежателят на карта е във финансово затруднение. Търговците на дребно могат да открият модели на купуване, които показват, че клиентът е бременна, дори преди тя самата да разбере това. Големите данни позволяват на компютрите да разбират света по начини, които ние, хората, никога не бихме могли сами.