Tietokoneiden varhaisista ajoista lähtien tutkijat ovat yrittäneet luoda järjestelmiä, jotka jäljittelevät ihmisen älykkyyttä. Vaikka pii-Einstein saattaa vielä olla kaukainen mahdollisuus, tekoäly tai tekoäly on tuonut meille puhelimet, jotka tunnistavat ihmisen puheen, autot, jotka ajavat itseään ja asiantuntijajärjestelmät, jotka kilpailevat televisiopeleissä näyttää. Vuosien varrella tekoälytutkimus on edennyt useiden evoluutioiden läpi, ja jokaisen tekniikan kypsyessä niistä on tullut osa jokapäiväistä kokemustamme.
Koneoppiminen
Varhaiset tutkijat kamppailivat rajoitetun prosessointitehon ja tietokonetallennustilan kanssa, mutta he tekivät silti tekoälyn perusta ohjelmointikielillä, kuten LISP, ja käsitteillä, kuten päätöspuut ja kone oppimista. LISP: llä kirjoitetut ohjelmat voivat helposti analysoida pelejä, kuten shakkia, kartoittaa kaikki mahdolliset liikkeet useille kierroksille ja valita sitten parhaan vaihtoehdon. Nämä ohjelmat voivat myös muokata päätöslogiikkaansa ja oppia aikaisemmista virheistä ja tulla "älykkäämmiksi" ajan myötä. Tehokkaampien tietokoneiden ja halvemman massamuistin ansiosta tämä tekoälyn haara synnytti tietokonepeliteollisuuden sekä erilaisia räätälöityjä hakukoneita ja verkkokauppasivustoja, jotka paitsi muistavat mieltymyksemme, myös ennakoivat meidän tarpeisiin.
Päivän video
Asiantuntijajärjestelmät
Tekoälytutkijoiden ensimmäinen aalto turvautui laskentasykleihin simuloidakseen ihmisen päättelyä, kun taas seuraava lähestymistapa perustui tosiasioihin ja tietoihin jäljitelläkseen ihmisten kokemuksia. Asiantuntijajärjestelmät keräsivät tosiasiat ja säännöt tietokantaan ja käyttivät sitten tietokonepohjaisia päättelykoneita uusien tosiasioiden päättelemiseen tai kysymyksiin vastaamiseen. Tietoinsinöörit haastattelivat lääketieteen, autokorjauksen, teollisen suunnittelun tai muiden ammattien asiantuntijoita ja tiivistivat nämä havainnot koneellisesti luettaviksi faktoiksi ja säännöiksi. Muut käyttivät sitten näitä tietokantoja ongelmien diagnosoinnissa tai kysymyksiin vastaamisessa. Teknologian kypsyessä tutkijat löysivät tapoja automatisoida tietokannan kehittämistä ja syöttämistä teknistä kirjallisuutta tai anna ohjelmiston indeksoida Webiä löytääkseen siitä asiaankuuluvaa tietoa oma.
Neuraaliverkot
Toinen tutkijaryhmä yritti toistaa ihmisaivojen toimintaa luomalla keinotekoisia hermosolujen ja synapsien verkostoja. Harjoittelun avulla nämä hermoverkot pystyivät tunnistamaan malleja, jotka näyttivät satunnaiselta tiedolta. Kuvat tai äänet syötetään verkon tulopuolelle ja oikeat vastaukset lähtöpuolelle. Ajan myötä verkot järjestävät sisäisen rakenteensa uudelleen siten, että kun vastaava syöte syötetään, verkko palauttaa oikean vastauksen. Hermoverkot toimivat hyvin, kun ne vastaavat ihmisen puheeseen tai muunnetaan skannattuja kuvia tekstiksi. Tähän tekniikkaan perustuva ohjelmisto voi lukea sokeille kirjoja tai kääntää puhetta kielestä toiselle.
Suuri data
Laajamittainen data-analyysi, jota usein kutsutaan "suureksi dataksi", hyödyntää monien tietokoneiden voimaa löytääkseen tiedosta tosiasioita ja suhteita, joita ihmismieli ei voi käsittää. Triljoonia luottokorttimaksuja tai miljardeja sosiaalisen verkoston suhteita voidaan skannata ja korreloida useilla tilastollisilla menetelmillä hyödyllisen tiedon löytämiseksi. Luottokorttiyhtiöt voivat löytää ostomalleja, jotka osoittavat, että kortti on varastettu tai että kortinhaltija on taloudellisissa vaikeuksissa. Vähittäiskauppiaat saattavat löytää ostomalleja, jotka osoittavat, että asiakas on raskaana, jopa ennen kuin hän itse tietää tämän. Bigdatan avulla tietokoneet voivat ymmärtää maailmaa tavoilla, joita me ihmiset eivät koskaan pystyisi yksin.
