Τύποι Συστημάτων Τεχνητής Νοημοσύνης

Από τις πρώτες μέρες των υπολογιστών, οι ερευνητές προσπάθησαν να δημιουργήσουν συστήματα που μιμούνται την ανθρώπινη νοημοσύνη. Ενώ ο Αϊνστάιν με πυρίτιο μπορεί να είναι ακόμα μια μακρινή πιθανότητα, η τεχνητή νοημοσύνη ή η τεχνητή νοημοσύνη μας έφερε τηλέφωνα που αναγνωρίζουν την ανθρώπινη ομιλία, αυτοκίνητα που οδηγούν μόνοι τους και εξειδικευμένα συστήματα που ανταγωνίζονται σε τηλεοπτικά παιχνίδια δείχνει. Με τα χρόνια, η έρευνα για την τεχνητή νοημοσύνη έχει προχωρήσει σε διάφορες εξελίξεις και, καθώς κάθε τεχνολογία ωριμάζει, έχουν γίνει μέρος της καθημερινής μας εμπειρίας.

Οι πρώτοι ερευνητές πάλευαν με περιορισμένη επεξεργαστική ισχύ και αποθήκευση υπολογιστή, αλλά παρόλα αυτά το έκαναν θεμελίωση της τεχνητής νοημοσύνης με γλώσσες προγραμματισμού όπως το LISP και έννοιες όπως δέντρα αποφάσεων και μηχανή μάθηση. Τα προγράμματα γραμμένα σε LISP θα μπορούσαν εύκολα να αναλύσουν παιχνίδια όπως το σκάκι, να χαρτογραφήσουν όλες τις πιθανές κινήσεις για πολλές στροφές και μετά να επιλέξουν την καλύτερη εναλλακτική. Αυτά τα προγράμματα θα μπορούσαν επίσης να τροποποιήσουν τη λογική των αποφάσεών τους και να μάθουν από προηγούμενα λάθη, γίνονται πιο «έξυπνα» με την πάροδο του χρόνου. Με πιο ισχυρούς υπολογιστές και φθηνότερη μαζική αποθήκευση, αυτός ο κλάδος της τεχνητής νοημοσύνης δημιούργησε τη βιομηχανία τυχερών παιχνιδιών υπολογιστών, καθώς και ποικιλία εξατομικευμένων μηχανών αναζήτησης και ιστοσελίδων ηλεκτρονικών αγορών που όχι μόνο θυμούνται τις προτιμήσεις μας, αλλά προβλέπουν και τις δικές μας ανάγκες.

Ενώ το πρώτο κύμα ερευνητών τεχνητής νοημοσύνης βασίστηκε σε υπολογιστικούς κύκλους για την προσομοίωση της ανθρώπινης λογικής, η επόμενη προσέγγιση βασίστηκε σε γεγονότα και δεδομένα για να μιμηθεί την ανθρώπινη εμπειρία. Τα έμπειρα συστήματα συγκέντρωσαν γεγονότα και κανόνες σε μια βάση γνώσεων και στη συνέχεια χρησιμοποίησαν μηχανές συμπερασμάτων βασισμένες σε υπολογιστή για να συναγάγουν νέα γεγονότα ή να απαντήσουν σε ερωτήσεις. Οι μηχανικοί γνώσης πήραν συνεντεύξεις από ειδικούς στην ιατρική, την επισκευή αυτοκινήτων, το βιομηχανικό σχέδιο ή άλλα επαγγέλματα και στη συνέχεια μείωσαν αυτά τα ευρήματα σε αναγνώσιμα από μηχανή γεγονότα και κανόνες. Αυτές οι βάσεις γνώσεων χρησιμοποιήθηκαν στη συνέχεια από άλλους για να βοηθήσουν στη διάγνωση προβλημάτων ή να απαντήσουν σε ερωτήσεις. Καθώς η τεχνολογία ωρίμαζε, οι ερευνητές βρήκαν τρόπους να αυτοματοποιήσουν την ανάπτυξη της βάσης γνώσης, τροφοδοτώντας δέσμες τεχνικής βιβλιογραφίας ή αφήστε το λογισμικό να ανιχνεύσει τον Ιστό για να βρει σχετικές πληροφορίες σχετικά με αυτό το δικό.

Μια άλλη ομάδα ερευνητών προσπάθησε να αναπαράγει τις λειτουργίες του ανθρώπινου εγκεφάλου δημιουργώντας τεχνητά δίκτυα νευρώνων και συνάψεων. Με την εκπαίδευση, αυτά τα νευρωνικά δίκτυα μπορούσαν να αναγνωρίσουν μοτίβα από αυτά που έμοιαζαν με τυχαία δεδομένα. Οι εικόνες ή οι ήχοι τροφοδοτούνται στην πλευρά εισόδου του δικτύου, ενώ οι σωστές απαντήσεις τροφοδοτούνται στην πλευρά εξόδου. Με την πάροδο του χρόνου, τα δίκτυα αναδιοργανώνουν την εσωτερική τους δομή, έτσι ώστε όταν τροφοδοτείται μια παρόμοια είσοδος, το δίκτυο επιστρέφει τη σωστή απάντηση. Τα νευρωνικά δίκτυα λειτουργούν καλά όταν ανταποκρίνονται στην ανθρώπινη ομιλία ή όταν μεταφράζουν σαρωμένες εικόνες σε κείμενο. Το λογισμικό που βασίζεται σε αυτήν την τεχνολογία μπορεί να διαβάζει βιβλία σε τυφλούς ή να μεταφράζει ομιλία από τη μια γλώσσα στην άλλη.

Η ανάλυση δεδομένων μεγάλης κλίμακας, που συχνά αποκαλείται "μεγάλα δεδομένα", αξιοποιεί τη δύναμη πολλών υπολογιστών να ανακαλύπτουν γεγονότα και σχέσεις σε δεδομένα που το ανθρώπινο μυαλό δεν μπορεί να κατανοήσει. Τρισεκατομμύρια χρεώσεις πιστωτικών καρτών ή δισεκατομμύρια σχέσεις κοινωνικών δικτύων μπορούν να σαρωθούν και να συσχετιστούν χρησιμοποιώντας μια ποικιλία στατιστικών μεθόδων για την ανακάλυψη χρήσιμων πληροφοριών. Οι εταιρείες πιστωτικών καρτών μπορούν να βρουν μοτίβα αγοράς που υποδεικνύουν ότι μια κάρτα έχει κλαπεί ή ότι ο κάτοχος της κάρτας αντιμετωπίζει οικονομικές δυσκολίες. Οι έμποροι λιανικής μπορεί να βρουν μοτίβα αγορών που υποδεικνύουν ότι μια πελάτισσα είναι έγκυος, ακόμη και πριν το καταλάβει η ίδια. Τα μεγάλα δεδομένα επιτρέπουν στους υπολογιστές να κατανοήσουν τον κόσμο με τρόπους που εμείς οι άνθρωποι δεν μπορούσαμε ποτέ μόνοι μας.