Od najranijih dana računala, istraživači su pokušavali stvoriti sustave koji oponašaju ljudsku inteligenciju. Iako je silicij Einstein još uvijek daleka mogućnost, umjetna inteligencija ili AI donijela nam je telefoni koji prepoznaju ljudski govor, automobili koji se sami voze i stručni sustavi koji se natječu u televizijskim igrama pokazuje. Tijekom godina, istraživanje umjetne inteligencije prolazilo je kroz nekoliko evolucija i, kako je svaka tehnologija sazrijevala, postala su dio našeg svakodnevnog iskustva.
Strojno učenje
Rani istraživači su se borili s ograničenom procesorskom snagom i pohranom računala, ali su ipak postavili temelj AI s programskim jezicima poput LISP-a i konceptima poput stabala odluka i stroja učenje. Programi napisani u LISP-u mogu lako analizirati igre poput šaha, mapirati sve moguće poteze za nekoliko okreta, a zatim odabrati najbolju alternativu. Ti bi programi također mogli modificirati svoju logiku odlučivanja i učiti iz prethodnih pogrešaka, postajući s vremenom "pametniji". Sa snažnijim računalima i jeftinijim masovnim skladištenjem, ova grana umjetne inteligencije iznjedrila je industriju računalnih igara, kao i razne personalizirane tražilice i web-mjesta za online kupovinu koja ne samo da pamte naše preferencije, već i predviđaju naše potrebe.
Video dana
Stručni sustavi
Dok se prvi val istraživača umjetne inteligencije oslanjao na računalne cikluse kako bi simulirali ljudsko razmišljanje, sljedeći pristup oslanjao se na činjenice i podatke kako bi oponašao ljudsko iskustvo. Stručni sustavi prikupili su činjenice i pravila u bazu znanja, a zatim su koristili računalne mehanizme zaključivanja kako bi zaključili nove činjenice ili odgovorili na pitanja. Inženjeri znanja intervjuirali su stručnjake iz medicine, popravka automobila, industrijskog dizajna ili drugih profesija, a zatim su te nalaze sveli u strojno čitljive činjenice i pravila. Te su baze znanja zatim koristili drugi za pomoć u dijagnosticiranju problema ili odgovaranju na pitanja. Kako je tehnologija sazrijevala, istraživači su pronalazili načine za automatizaciju razvoja baze znanja hrpe tehničke literature ili dopuštanje softveru da indeksira web kako bi pronašao relevantne informacije o njemu vlastiti.
Neuronske mreže
Druga skupina istraživača pokušala je reproducirati rad ljudskog mozga stvaranjem umjetnih mreža neurona i sinapsi. Uz obuku, ove neuronske mreže mogle bi prepoznati obrasce iz onoga što je izgledalo kao nasumični podaci. Slike ili zvukovi se unose na ulaznu stranu mreže, a točni odgovori na izlaznu stranu. S vremenom, mreže reorganiziraju svoju unutarnju strukturu tako da kada se unese sličan ulaz, mreža vraća točan odgovor. Neuronske mreže dobro funkcioniraju kada reagiraju na ljudski govor ili kada skenirane slike prevode u tekst. Softver koji se oslanja na ovu tehnologiju može čitati knjige slijepim osobama ili prevoditi govor s jednog jezika na drugi.
Veliki podaci
Analiza podataka velikih razmjera, koja se često naziva "veliki podaci", iskorištava moć mnogih računala za otkrivanje činjenica i odnosa u podacima koje ljudski um ne može razumjeti. Trilijuni troškova kreditnih kartica ili milijarde odnosa na društvenim mrežama mogu se skenirati i povezati korištenjem raznih statističkih metoda kako bi se otkrile korisne informacije. Tvrtke za izdavanje kreditnih kartica mogu pronaći obrasce kupnje koji ukazuju na to da je kartica ukradena ili da je vlasnik kartice u financijskim poteškoćama. Maloprodajni trgovci mogu pronaći obrasce kupnje koji ukazuju na to da je kupac trudna, čak i prije nego što i sama to zna. Veliki podaci omogućuju računalima da razumiju svijet na način na koji mi ljudi sami nikada ne bismo mogli.
