Typy systémů umělé inteligence

Od nejstarších dob počítačů se výzkumníci pokoušeli vytvořit systémy, které napodobují lidskou inteligenci. Zatímco křemíkový Einstein může být stále vzdálenou možností, umělá inteligence neboli AI nás přinesla telefony, které rozpoznávají lidskou řeč, auta, která řídí sama sebe a expertní systémy, které soutěží v televizní hře ukazuje. V průběhu let prošel výzkum umělé inteligence několika evolucemi, a jak každá technologie dospěla, staly se součástí naší každodenní zkušenosti.

První výzkumníci se potýkali s omezeným výpočetním výkonem a počítačovým úložištěm, ale přesto to dokázali základ AI s programovacími jazyky jako LISP a koncepty jako rozhodovací stromy a stroj učení se. Programy napsané v LISPu mohly snadno analyzovat hry jako šachy, zmapovat všechny možné tahy pro několik tahů a poté vybrat nejlepší alternativu. Tyto programy by také mohly upravit svou rozhodovací logiku a poučit se z předchozích chyb a postupem času být „chytřejší“. S výkonnějšími počítači a levnějším velkokapacitním úložištěm toto odvětví umělé inteligence zplodilo průmysl počítačových her, stejně jako a různé personalizované vyhledávače a weby pro online nakupování, které si nejen pamatují naše preference, ale předvídají naše potřeby.

Zatímco první vlna výzkumníků umělé inteligence spoléhala na výpočetní cykly pro simulaci lidského uvažování, další přístup se spoléhal na fakta a data, která napodobovala lidskou zkušenost. Expertní systémy shromáždily fakta a pravidla do znalostní báze a poté použily počítačové inferenční stroje k odvození nových faktů nebo zodpovězení otázek. Znalostní inženýři vyzpovídali odborníky v medicíně, opravách automobilů, průmyslovém designu nebo jiných profesích a poté tato zjištění zredukovali na strojově čitelná fakta a pravidla. Tyto znalostní báze pak ostatní použili k diagnostice problémů nebo zodpovězení otázek. Jak technologie dozrávala, výzkumníci nacházeli způsoby, jak automatizovat vývoj znalostní báze a přidávat ji hromady technické literatury nebo nechat software procházet web, aby na něm našel relevantní informace vlastní.

Jiná skupina výzkumníků se pokusila reprodukovat fungování lidského mozku vytvořením umělých sítí neuronů a synapsí. Díky tréninku mohly tyto neuronové sítě rozpoznat vzory z toho, co vypadalo jako náhodná data. Obrázky nebo zvuky jsou přiváděny na vstupní stranu sítě a správné odpovědi jsou přiváděny na výstupní stranu. Postupem času sítě reorganizují svou vnitřní strukturu tak, že když se dostane podobný vstup, síť vrátí správnou odpověď. Neuronové sítě fungují dobře při reakci na lidskou řeč nebo při převodu naskenovaných obrázků do textu. Software, který se spoléhá na tuto technologii, může číst knihy nevidomým lidem nebo překládat řeč z jednoho jazyka do druhého.

Analýza dat ve velkém měřítku, často nazývaná „velká data“, využívá sílu mnoha počítačů k odhalování faktů a vztahů v datech, kterým lidská mysl nemůže porozumět. Biliony poplatků za kreditní karty nebo miliardy vztahů na sociálních sítích lze skenovat a korelovat pomocí různých statistických metod, aby se objevily užitečné informace. Společnosti vydávající kreditní karty mohou najít nákupní vzorce, které naznačují, že karta byla odcizena nebo že její držitel má finanční potíže. Maloobchodníci mohou najít nákupní vzorce, které naznačují, že je zákaznice těhotná, a to ještě dříve, než to sama zjistí. Velká data umožňují počítačům porozumět světu způsobem, který bychom my lidé sami nikdy nedokázali.