Siden computernes tidligste dage har forskere forsøgt at skabe systemer, der efterligner menneskelig intelligens. Mens et silicium Einstein stadig er en fjern mulighed, har kunstig intelligens eller AI bragt os telefoner, der genkender menneskelig tale, biler, der kører sig selv og ekspertsystemer, der konkurrerer på tv-spil viser sig. Gennem årene har AI-forskning bevæget sig gennem adskillige udviklinger, og efterhånden som hver teknologi er modnet, er de blevet en del af vores daglige oplevelse.
Maskinelæring
Tidlige forskere kæmpede med begrænset processorkraft og computerlagring, men lagde stadig grundlaget for AI med programmeringssprog som LISP og koncepter som beslutningstræer og maskine læring. Programmer skrevet i LISP kunne nemt analysere spil som skak, kortlægge alle mulige træk i flere omgange og derefter vælge det bedste alternativ. Disse programmer kan også ændre deres beslutningslogik og lære af tidligere fejl og blive "klogere" med tiden. Med mere kraftfulde computere og billigere masselagring affødte denne gren af AI computerspilindustrien, såvel som en række personlige søgemaskiner og online shopping sites, der ikke kun husker vores præferencer, men forudser vores behov.
Dagens video
Ekspertsystemer
Mens den første bølge af AI-forskere stolede på computercyklusser for at simulere menneskelig ræsonnement, var den næste tilgang baseret på fakta og data for at efterligne menneskelig erfaring. Ekspertsystemer samlede fakta og regler i en videnbase og brugte derefter computerbaserede inferensmotorer til at udlede nye fakta eller besvare spørgsmål. Vidensingeniører interviewede eksperter inden for medicin, bilreparationer, industrielt design eller andre erhverv, og reducerede derefter disse resultater til maskinlæselige fakta og regler. Disse vidensbaser blev derefter brugt af andre til at hjælpe med at diagnosticere problemer eller besvare spørgsmål. Efterhånden som teknologien modnedes, fandt forskerne måder at automatisere udviklingen af videnbase, og fodre ind masser af teknisk litteratur, eller lade softwaren gennemgå internettet for at finde relevant information om dens egen.
Neurale netværk
En anden gruppe forskere forsøgte at reproducere den menneskelige hjernes funktion ved at skabe kunstige netværk af neuroner og synapser. Med træning kunne disse neurale netværk genkende mønstre fra, hvad der lignede tilfældige data. Billeder eller lyde føres ind i input-siden af netværket, med de korrekte svar ind i output-siden. Over tid omorganiserer netværkene deres interne struktur, så netværket returnerer det rigtige svar, når et lignende input bliver indført. Neurale netværk fungerer godt, når de reagerer på menneskelig tale, eller når de oversætter scannede billeder til tekst. Software, der er afhængig af denne teknologi, kan læse bøger for blinde mennesker eller oversætte tale fra et sprog til et andet.
Big Data
Dataanalyse i stor skala, ofte kaldet "big data", udnytter kraften fra mange computere til at opdage fakta og relationer i data, som det menneskelige sind ikke kan forstå. Trillioner af kreditkortgebyrer eller milliarder af sociale netværksrelationer kan scannes og korreleres ved hjælp af en række statistiske metoder til at finde nyttig information. Kreditkortselskaber kan finde købsmønstre, der indikerer, at et kort er blevet stjålet, eller at en kortholder er i økonomiske vanskeligheder. Detailhandlere kan finde købsmønstre, der indikerer, at en kunde er gravid, selv før hun selv ved det. Big data gør det muligt for computere at forstå verden på måder, som vi mennesker aldrig kunne på egen hånd.
