Tipi di sistemi di intelligenza artificiale

Fin dagli albori dei computer, i ricercatori hanno cercato di creare sistemi che imitassero l'intelligenza umana. Mentre un Einstein di silicio potrebbe essere ancora una possibilità lontana, l'intelligenza artificiale, o AI, ci ha portato telefoni che riconoscono il linguaggio umano, automobili che si guidano da sole e sistemi esperti che competono in giochi televisivi Spettacoli. Nel corso degli anni, la ricerca sull'intelligenza artificiale ha attraversato diverse evoluzioni e, man mano che ogni tecnologia è maturata, sono diventate parte della nostra esperienza quotidiana.

I primi ricercatori hanno lottato con la potenza di elaborazione e l'archiviazione del computer limitate, ma hanno comunque posto il fondamenta dell'AI con linguaggi di programmazione come LISP e concetti come alberi decisionali e macchina apprendimento. I programmi scritti in LISP potrebbero facilmente analizzare giochi come gli scacchi, mappare tutte le mosse possibili per diversi turni, quindi scegliere l'alternativa migliore. Questi programmi potrebbero anche modificare la loro logica decisionale e imparare dagli errori precedenti, diventando "più intelligenti" nel tempo. Con computer più potenti e archiviazione di massa più economica, questo ramo dell'intelligenza artificiale ha generato l'industria dei giochi per computer, nonché un varietà di motori di ricerca personalizzati e siti di shopping online che non solo ricordano le nostre preferenze, ma anticipano le nostre bisogni.

Mentre la prima ondata di ricercatori di intelligenza artificiale si basava su cicli di calcolo per simulare il ragionamento umano, l'approccio successivo si basava su fatti e dati per imitare l'esperienza umana. I sistemi esperti hanno raccolto fatti e regole in una base di conoscenza, quindi hanno utilizzato motori di inferenza basati su computer per dedurre nuovi fatti o rispondere a domande. Gli ingegneri della conoscenza hanno intervistato esperti in medicina, riparazione automobilistica, design industriale o altre professioni, quindi hanno ridotto questi risultati in fatti e regole leggibili dalla macchina. Queste basi di conoscenza sono state poi utilizzate da altri per aiutare a diagnosticare problemi o rispondere a domande. Man mano che la tecnologia maturava, i ricercatori hanno trovato modi per automatizzare lo sviluppo della base di conoscenza, alimentando risme di letteratura tecnica, o lasciare che il software esegua la scansione del Web per trovare informazioni rilevanti sul suo possedere.

Un altro gruppo di ricercatori ha cercato di riprodurre il funzionamento del cervello umano creando reti artificiali di neuroni e sinapsi. Con l'addestramento, queste reti neurali potrebbero riconoscere schemi da quelli che sembravano dati casuali. Immagini o suoni vengono immessi nel lato di ingresso della rete, con le risposte corrette immesse nel lato di uscita. Nel tempo, le reti riorganizzano la loro struttura interna in modo che quando un input simile viene immesso, la rete restituisce la risposta corretta. Le reti neurali funzionano bene quando rispondono al linguaggio umano o quando si traducono in testo le immagini scansionate. Il software che si basa su questa tecnologia può leggere libri ai non vedenti o tradurre il discorso da una lingua all'altra.

L'analisi dei dati su larga scala, spesso chiamata "big data", sfrutta la potenza di molti computer per scoprire fatti e relazioni nei dati che la mente umana non può comprendere. Trilioni di addebiti su carte di credito o miliardi di relazioni sui social network possono essere scansionati e correlati utilizzando una varietà di metodi statistici per scoprire informazioni utili. Le società di carte di credito possono trovare modelli di acquisto che indicano che una carta è stata rubata o che un titolare della carta è in difficoltà finanziarie. I commercianti al dettaglio possono trovare modelli di acquisto che indicano che una cliente è incinta, anche prima che lei stessa lo sappia. I big data consentono ai computer di comprendere il mondo in modi che noi umani non potremmo mai fare da soli.