A.I. je v tuto chvíli všude a je zodpovědný za vše od virtuálních asistentů na našich chytrých telefonech až po samořiditelná auta, která brzy zaplní naše silnice nejmodernějším systémům rozpoznávání obrazu, o kterých píšete vy opravdu.
Pokud jste poslední dekádu nežili pod skálou, je velká šance, že jste o ní už někdy slyšeli – a pravděpodobně jste ji i použili. Právě teď je umělá inteligence pro Silicon Valley tím, čím je One Direction pro 13leté dívky: všudypřítomný zdroj posedlost vyhodit všechny své peníze za den, zatímco sníte o svatbě, kdykoli bude Harry Styles konečně připraven se usadit dolů. (Dobře, takže na analogii stále pracujeme!)
Ale co přesně je A.I.? – a mohou výrazy jako „strojové učení“, „umělé neuronové sítě,“ „umělá inteligence“ a „Zayn Malik“ (na této analogii stále pracujeme…) se používají zaměnitelně?
Abychom vám pomohli porozumět některým módním slovům a žargonu, které uslyšíte, když lidé mluví o AI, sestavili jsme tohoto jednoduchého průvodce, který vám pomůže hlavu kolem všech různých příchutí umělé inteligence — Už jen proto, abyste neudělali žádné faux pas, když stroje konečně přes.
Umělá inteligence
Nebudeme se nořit příliš hluboko do historie A.I. zde, ale důležité je poznamenat, že umělá inteligence je strom, na kterém jsou všechny následující termíny větvemi. Například posilovací učení je typ strojového učení, což je podobor umělé inteligence. Umělá inteligence však není (nezbytně) posilujícím učením. Mám to?
Dosud nikdo nevybudoval obecnou inteligenci.
Neexistuje žádná oficiální konsensuální dohoda o tom, co A.I. znamená (někteří lidé tvrdí, že jsou to prostě skvělé věci, které počítače zatím neumí), ale většina souhlasil by s tím, že jde o to, aby počítače prováděly akce, které by byly považovány za inteligentní, kdyby je provedl a osoba.
Termín byl poprvé vytvořen v roce 1956 v a letní workshop na Dartmouth College v New Hampshire. Velký současný rozdíl v A.I. je mezi aktuální doménou Úzká A.I. a Umělá obecná inteligence. Dosud nikdo nevybudoval obecnou inteligenci. Jakmile tak učiní, všechny sázky jsou zrušeny…
Symbolický A.I.
O tom moc neslyšíte Symbolický A.I. dnes. Také označované jako Good Old Fashioned A.I., Symbolic A.I. je postaven na logických krocích, které mohou být poskytnuty počítači shora dolů. Znamená to poskytnout počítači (nebo robotovi) mnoho a mnoho pravidel, jak by se měl vypořádat s konkrétním scénářem.
To vedlo k mnoha brzkým průlomům, ale ukázalo se, že tyto fungovaly velmi dobře v laboratořích kterou lze dokonale ovládat každou proměnnou, ale často hůře v nepořádku všedního dne život. Jak jeden spisovatel vtipkoval o Symbolic A.I., raná A.I. systémy byly trochu jako bůh Starého zákona – se spoustou pravidel, ale bez slitování.
Dnes mají badatelé rádi Selmer Bringsjord bojují za to, aby se znovu zaměřili na symbolickou AI založenou na logice, postavenou na nadřazenosti logických systémů, které mohou jejich tvůrci pochopit.
Strojové učení
Pokud uslyšíte o velkém A.I. průlom v těchto dnech, je pravděpodobné, že pokud nezazní velký hluk, který by naznačoval opak, slyšíte o strojové učení. Jak už název napovídá, strojové učení je o výrobě strojů, které se učí.
Stejně jako nadpis A.I. má strojové učení také několik podkategorií, ale to, co všechny obsahují běžná je schopnost shromažďovat data a aplikovat na ně algoritmy za účelem zisku znalost.
Existuje nepřeberné množství různých odvětví strojového učení, ale ta, o které pravděpodobně uslyšíte nejvíce, je…
Neuronové sítě
Pokud jste strávili nějaký čas v naší sekci Cool Tech, pravděpodobně jste o tom slyšeli umělé neuronové sítě. Jako mozkem inspirované systémy navržené tak, aby replikovaly způsob, jakým se lidé učí, neuronové sítě modifikují svůj vlastní kód najít spojení mezi vstupem a výstupem — nebo příčinou a následkem — v situacích, kdy je tento vztah složitý resp nejasný.
Umělé neuronové sítě těžily z příchodu hlubokého učení.
Koncept umělých neuronových sítí se ve skutečnosti datuje zpět do 40. let 20. století, ale bylo to skutečně až v posledních několika desetiletích, kdy začal skutečně naplňovat svůj potenciál: s pomocí příchodu algoritmů jako „zpětné šíření“, což umožňuje neuronové síti upravit své skryté vrstvy neuronů v situacích, kdy výsledek neodpovídá tomu, v co tvůrce doufal. (Například síť určená k rozpoznávání psů, která špatně identifikuje kočku.)
V tomto desetiletí těžily umělé neuronové sítě z příchodu hluboké učení, ve kterém různé vrstvy sítě extrahují různé funkce, dokud nerozeznají, co hledají.
V rámci hlavičky neuronové sítě existují různé modely potenciální sítě — s vpřed a konvoluční sítě pravděpodobně ty, které byste měli zmínit, pokud uvíznete vedle inženýra Google na večírku.
Posílení učení
Posílení učení je další variantou strojového učení. Je silně inspirován behavioristickou psychologií a je založen na myšlence, že softwarový agent se může naučit jednat v prostředí, aby maximalizoval odměnu.
Například v roce 2015 společnost Google DeepMind vydala dokument, který ukazuje, jak to bylo vycvičil A.I. hrát klasické videohry, bez jiných pokynů než skóre na obrazovce a přibližně 30 000 pixelů, které tvoří každý snímek. Posílené učení, které mělo maximalizovat své skóre, znamenalo, že se softwarový agent postupně naučil hrát hru pomocí pokusů a omylů.
MarI/O – strojové učení pro videohry
Na rozdíl od expertního systému, posilovací učení nepotřebuje lidského experta, aby mu řekl, jak maximalizovat skóre. Místo toho na to přijde časem. V některých případech mohou být pravidla, která se učí, pevná (jako při hraní klasické hry Atari.) V jiných se postupem času neustále přizpůsobuje.
Evoluční algoritmy
Známý jako obecný metaheuristický optimalizační algoritmus založený na populaci, pokud jste ještě nebyli představeni, evoluční algoritmy jsou dalším typem strojového učení; navržený tak, aby napodoboval koncept přirozeného výběru uvnitř počítače.
Proces začíná tím, že programátor zadá cíle, kterých se snaží pomocí svého algoritmu dosáhnout. Například NASA použila evoluční algoritmy k návrhu satelitních komponent. V takovém případě může být funkcí přijít s řešením, které se vejde do krabice 10 cm x 10 cm, schopné vyzařovat sférický nebo polokulový vzor a schopné fungovat při určité Wi-Fi kapela.
Algoritmus pak přichází s několika generacemi iterativních návrhů, přičemž každý z nich testuje proti stanoveným cílům. Když člověk nakonec zaškrtne všechna správná políčka, přestane. Kromě toho, že pomáhají NASA navrhovat satelity, jsou evoluční algoritmy oblíbené u kreativců využívajících umělou inteligenci pro svou práci: jako např. návrháři tohoto šikovného nábytku.
Doporučení redakce
- Hluboké učení A.I. pomáhá archeologům překládat starověké tabulky
- Hluboké učení A.I. dokáže napodobit zkreslené efekty ikonických kytarových bohů
- Čtení myšlenek A.I. analyzuje vaše mozkové vlny, aby odhadla, jaké video sledujete
- Odhadce domu budoucnosti je pravděpodobně A.I. algoritmus
- Fotorealistické A.I. nástroj může vyplnit mezery v obrazech, včetně tváří
