コンピュータの初期の頃から、研究者は人間の知性を模倣するシステムを作成しようとしました。 シリコンアインシュタインはまだ遠い可能性があるかもしれませんが、人工知能、またはAIは私たちをもたらしました 人間の発話を認識する電話、自分で運転する車、テレビゲームで競合するエキスパートシステム ショー。 何年にもわたって、AIの研究はいくつかの進化を遂げ、それぞれのテクノロジーが成熟するにつれて、それらは私たちの日常の経験の一部になりました。
機械学習
初期の研究者は、限られた処理能力とコンピューターストレージに苦労していましたが、それでも LISPのようなプログラミング言語と決定木や機械のような概念によるAIの基盤 学ぶ。 LISPで書かれたプログラムは、チェスのようなゲームを簡単に分析し、可能なすべての動きを数ターンマッピングしてから、最良の選択肢を選択することができます。 これらのプログラムは、決定ロジックを変更し、以前の過ちから学び、時間の経過とともに「よりスマート」になる可能性もあります。 より強力なコンピューターとより安価な大容量記憶装置を備えたこのAI部門は、コンピューターゲーム業界を生み出しました。 私たちの好みを覚えているだけでなく、私たちの好みを予測するさまざまなパーソナライズされた検索エンジンとオンラインショッピングサイト ニーズ。
今日のビデオ
エキスパートシステム
AI研究者の最初の波は、人間の推論をシミュレートするためにコンピューティングサイクルに依存していましたが、次のアプローチは、人間の経験を模倣するために事実とデータに依存していました。 エキスパートシステムは、事実とルールを知識ベースに収集し、コンピューターベースの推論エンジンを使用して、新しい事実を推測したり、質問に答えたりしました。 知識エンジニアは、医学、自動車修理、工業デザイン、またはその他の専門家にインタビューし、これらの調査結果を機械で読み取り可能な事実と規則にまとめました。 これらの知識ベースは、問題の診断や質問への回答を支援するために他の人によって使用されました。 テクノロジーが成熟するにつれ、研究者は知識ベースの開発を自動化する方法を見つけました。 大量の技術文献、またはソフトウェアにWebをクロールさせて、Web上の関連情報を検索する 自分の。
ニューラルネットワーク
別の研究者グループは、ニューロンとシナプスの人工ネットワークを作成することにより、人間の脳の働きを再現しようとしました。 トレーニングにより、これらのニューラルネットワークはランダムデータのように見えるものからパターンを認識することができます。 画像や音声はネットワークの入力側に送られ、正解は出力側に送られます。 時間の経過とともに、ネットワークは内部構造を再編成し、同様の入力が入力されたときにネットワークが正しい答えを返すようにします。 ニューラルネットワークは、人間の音声に応答するとき、またはスキャンした画像をテキストに翻訳するときにうまく機能します。 このテクノロジーに依存するソフトウェアは、目の不自由な人に本を読んだり、ある言語から別の言語に音声を翻訳したりすることができます。
ビッグデータ
「ビッグデータ」と呼ばれることが多い大規模なデータ分析は、多くのコンピューターの能力を利用して、人間の心が理解できないデータの事実と関係を発見します。 数兆のクレジットカード料金または数十億のソーシャルネットワーク関係をスキャンし、さまざまな統計手法を使用して相関させて、有用な情報を見つけることができます。 クレジットカード会社は、カードが盗まれたこと、またはカード所有者が経済的に困窮していることを示す購入パターンを見つけることができます。 小売業者は、顧客が自分でこれを知る前であっても、妊娠していることを示す購入パターンを見つける可能性があります。 ビッグデータにより、コンピューターは、私たち人間が単独では不可能な方法で世界を理解することができます。
