आर्टिफिशियल इंटेलिजेंस सिस्टम के प्रकार

कंप्यूटर के शुरुआती दिनों से, शोधकर्ताओं ने ऐसे सिस्टम बनाने की कोशिश की है जो मानव बुद्धि की नकल करते हैं। जबकि एक सिलिकॉन आइंस्टीन अभी भी एक दूर की संभावना हो सकती है, कृत्रिम बुद्धि, या एआई, हमें लाया है फोन जो मानव भाषण को पहचानते हैं, कार जो खुद को चलाते हैं और विशेषज्ञ सिस्टम जो टेलीविजन गेम पर प्रतिस्पर्धा करते हैं दिखाता है। इन वर्षों में, एआई अनुसंधान कई विकासों के माध्यम से आगे बढ़ा है और जैसे-जैसे प्रत्येक तकनीक परिपक्व हुई है, वे हमारे रोजमर्रा के अनुभव का हिस्सा बन गए हैं।

प्रारंभिक शोधकर्ताओं ने सीमित प्रसंस्करण शक्ति और कंप्यूटर भंडारण के साथ संघर्ष किया, लेकिन फिर भी एलआईएसपी जैसी प्रोग्रामिंग भाषाओं के साथ एआई की नींव और निर्णय पेड़ और मशीन जैसी अवधारणाएं सीख रहा हूँ। LISP में लिखे गए प्रोग्राम आसानी से शतरंज जैसे खेलों का विश्लेषण कर सकते हैं, कई मोड़ों के लिए सभी संभावित चालों को मैप कर सकते हैं, फिर सबसे अच्छा विकल्प चुन सकते हैं। ये कार्यक्रम अपने निर्णय तर्क को भी संशोधित कर सकते हैं और पिछली गलतियों से सीख सकते हैं, समय के साथ "होशियार" हो सकते हैं। अधिक शक्तिशाली कंप्यूटर और सस्ते मास स्टोरेज के साथ, AI की इस शाखा ने कंप्यूटर गेमिंग उद्योग को जन्म दिया, साथ ही a वैयक्तिकृत खोज इंजनों और ऑनलाइन शॉपिंग साइटों की विविधता जो न केवल हमारी प्राथमिकताओं को याद रखती है, बल्कि हमारी अपेक्षा भी करती है जरूरत है।

जबकि एआई शोधकर्ताओं की पहली लहर मानव तर्क का अनुकरण करने के लिए कंप्यूटिंग चक्रों पर निर्भर थी, अगला दृष्टिकोण मानव अनुभव की नकल करने के लिए तथ्यों और डेटा पर निर्भर था। विशेषज्ञ प्रणालियों ने तथ्यों और नियमों को ज्ञान के आधार पर इकट्ठा किया और फिर नए तथ्यों को निकालने या सवालों के जवाब देने के लिए कंप्यूटर आधारित अनुमान इंजन का इस्तेमाल किया। ज्ञान इंजीनियरों ने चिकित्सा, मोटर वाहन मरम्मत, औद्योगिक डिजाइन या अन्य व्यवसायों के विशेषज्ञों का साक्षात्कार लिया, फिर इन निष्कर्षों को मशीन पठनीय तथ्यों और नियमों में कम कर दिया। इन ज्ञानकोषों का उपयोग तब दूसरों द्वारा समस्याओं के निदान या प्रश्नों के उत्तर देने में किया जाता था। जैसे-जैसे तकनीक परिपक्व होती गई, शोधकर्ताओं ने ज्ञान के आधार के विकास को स्वचालित करने के तरीके खोजे तकनीकी साहित्य, या सॉफ्टवेयर को वेब पर क्रॉल करने की अनुमति देना, इसके बारे में प्रासंगिक जानकारी प्राप्त करना अपना।

शोधकर्ताओं के एक अन्य समूह ने न्यूरॉन्स और सिनेप्स के कृत्रिम नेटवर्क बनाकर मानव मस्तिष्क के कामकाज को पुन: पेश करने की कोशिश की। प्रशिक्षण के साथ, ये तंत्रिका नेटवर्क यादृच्छिक डेटा की तरह दिखने वाले पैटर्न को पहचान सकते हैं। छवियों या ध्वनियों को नेटवर्क के इनपुट पक्ष में फीड किया जाता है, जिसमें सही उत्तर आउटपुट पक्ष में फीड किए जाते हैं। समय के साथ, नेटवर्क अपनी आंतरिक संरचना को पुनर्गठित करते हैं ताकि जब एक समान इनपुट फीड हो जाए, तो नेटवर्क सही उत्तर देता है। मानव भाषण का जवाब देते समय या स्कैन की गई छवियों का पाठ में अनुवाद करते समय तंत्रिका नेटवर्क अच्छी तरह से काम करते हैं। इस तकनीक पर निर्भर सॉफ्टवेयर नेत्रहीन लोगों को किताबें पढ़ सकता है या भाषण का एक भाषा से दूसरी भाषा में अनुवाद कर सकता है।

बड़े पैमाने पर डेटा विश्लेषण, जिसे अक्सर "बड़ा डेटा" कहा जाता है, डेटा में तथ्यों और संबंधों को खोजने के लिए कई कंप्यूटरों की शक्ति का उपयोग करता है जिसे मानव मन समझ नहीं सकता है। खरबों क्रेडिट कार्ड शुल्क या अरबों सामाजिक नेटवर्क संबंधों को उपयोगी जानकारी खोजने के लिए विभिन्न सांख्यिकीय विधियों का उपयोग करके स्कैन और सहसंबंधित किया जा सकता है। क्रेडिट कार्ड कंपनियां खरीदारी के पैटर्न ढूंढ सकती हैं जो इंगित करते हैं कि कार्ड चोरी हो गया है, या कार्डधारक वित्तीय कठिनाई में है। खुदरा व्यापारियों को खरीदारी के पैटर्न मिल सकते हैं जो यह संकेत देते हैं कि ग्राहक गर्भवती है, इससे पहले कि वह खुद यह जानती हो। बिग डेटा कंप्यूटर को दुनिया को उन तरीकों से समझने की अनुमति देता है जो हम इंसान अपने दम पर कभी नहीं कर सकते।