סוגי מערכות בינה מלאכותית

מאז ימי המחשבים הראשונים, חוקרים ניסו ליצור מערכות המחקות את האינטליגנציה האנושית. בעוד שאיינשטיין סיליקון עדיין עשוי להיות אפשרות רחוקה, בינה מלאכותית, או AI, הביאה לנו טלפונים המזהים דיבור אנושי, מכוניות שנוהגות בעצמן ומערכות מומחים שמתחרות במשחקי טלוויזיה מופעים. במהלך השנים, חקר הבינה המלאכותית עבר בכמה אבולוציות, וככל שכל טכנולוגיה התבגרה, הן הפכו לחלק מהחוויה היומיומית שלנו.

חוקרים מוקדמים נאבקו עם כוח עיבוד מוגבל ואחסון מחשבים, אבל עדיין הניחו את זה הבסיס של AI עם שפות תכנות כמו LISP ומושגים כמו עצי החלטה ומכונה לְמִידָה. תוכניות שנכתבו ב-LISP יכלו לנתח בקלות משחקים כמו שחמט, למפות את כל המהלכים האפשריים למספר תורות, ואז לבחור את האלטרנטיבה הטובה ביותר. תוכניות אלו יכולות גם לשנות את היגיון ההחלטות שלהן וללמוד מטעויות קודמות, ולהיות "חכמים" יותר עם הזמן. עם מחשבים חזקים יותר ואחסון המוני זול יותר, ענף זה של AI הוליד את תעשיית משחקי המחשב, כמו גם מגוון מנועי חיפוש מותאמים אישית ואתרי קניות מקוונים שלא רק זוכרים את ההעדפות שלנו, אלא צופים את שלנו צרכי.

בעוד הגל הראשון של חוקרי בינה מלאכותית הסתמך על מחזורי מחשוב כדי לדמות חשיבה אנושית, הגישה הבאה הסתמכה על עובדות ונתונים כדי לחקות את החוויה האנושית. מערכות מומחים אספו עובדות וכללים לבסיס ידע ולאחר מכן השתמשו במנועי הסקה מבוססי מחשב כדי להסיק עובדות חדשות או לענות על שאלות. מהנדסי ידע ראיינו מומחים ברפואה, תיקון רכב, עיצוב תעשייתי או מקצועות אחרים, ואז צמצמו את הממצאים הללו לעובדות וכללים הניתנים לקריאה במכונה. בסיסי ידע אלה שימשו אחר כך אחרים כדי לסייע באבחון בעיות או לענות על שאלות. ככל שהטכנולוגיה התבגרה, חוקרים מצאו דרכים להפוך את פיתוח בסיס הידע לאוטומטי, תוך הזנה שפע של ספרות טכנית, או לתת לתוכנה לסרוק את האינטרנט כדי למצוא מידע רלוונטי עליה שֶׁלוֹ.

קבוצה אחרת של חוקרים ניסתה לשחזר את פעולת המוח האנושי על ידי יצירת רשתות מלאכותיות של נוירונים וסינפסות. בעזרת אימון, רשתות עצביות אלו יכלו לזהות דפוסים ממה שנראה כמו נתונים אקראיים. תמונות או צלילים מוזנים לצד הקלט של הרשת, כאשר התשובות הנכונות מוזנות לצד הפלט. עם הזמן, הרשתות מארגנות מחדש את המבנה הפנימי שלהן כך שכאשר קלט דומה מועבר, הרשת מחזירה את התשובה הנכונה. רשתות עצביות פועלות היטב כאשר מגיבים לדיבור אנושי או כאשר מתרגמים תמונות סרוקות לטקסט. תוכנה המסתמכת על טכנולוגיה זו יכולה לקרוא ספרים לעיוורים או לתרגם דיבור משפה אחת לאחרת.

ניתוח נתונים בקנה מידה גדול, המכונה לעתים קרובות "ביג דאטה", רותם את הכוח של מחשבים רבים לגלות עובדות ויחסים בנתונים שהמוח האנושי אינו יכול להבין. טריליוני חיובים של כרטיסי אשראי או מיליארדי קשרים ברשת החברתית ניתנים לסריקה ולתאם באמצעות מגוון שיטות סטטיסטיות כדי לגלות מידע שימושי. חברות כרטיסי האשראי יכולות למצוא דפוסי קנייה המעידים על גניבת כרטיס, או על כך שבעל כרטיס נמצא בקושי כלכלי. סוחרים קמעונאיים עשויים למצוא דפוסי קנייה המעידים על כך שלקוחה בהריון, עוד לפני שהיא יודעת זאת בעצמה. נתונים גדולים מאפשרים למחשבים להבין את העולם בדרכים שאנחנו, בני האדם, לא היינו יכולים בעצמנו.