컴퓨터의 초창기부터 연구자들은 인간 지능을 모방하는 시스템을 만들려고 노력했습니다. 실리콘 아인슈타인은 아직 먼 가능성일 수 있지만 인공 지능 또는 AI는 우리에게 사람의 말을 인식하는 전화기, 스스로 운전하는 자동차, 텔레비전 게임에서 경쟁하는 전문가 시스템 쇼. 수년에 걸쳐 AI 연구는 여러 발전을 거쳤으며 각 기술이 성숙함에 따라 일상 경험의 일부가 되었습니다.
기계 학습
초기 연구자들은 제한된 처리 능력과 컴퓨터 저장 공간으로 어려움을 겪었지만 여전히 LISP와 같은 프로그래밍 언어와 의사 결정 트리 및 기계와 같은 개념을 사용한 AI 기반 학습. LISP로 작성된 프로그램은 체스와 같은 게임을 쉽게 분석하고 가능한 모든 움직임을 여러 차례 매핑한 다음 최상의 대안을 선택할 수 있습니다. 이러한 프로그램은 또한 의사 결정 논리를 수정하고 이전 실수로부터 학습하여 시간이 지남에 따라 "더 똑똑"해질 수 있습니다. 더 강력한 컴퓨터와 더 저렴한 대용량 저장 장치를 통해 AI의 이 분야는 컴퓨터 게임 산업을 탄생시켰습니다. 우리의 선호도를 기억할 뿐만 아니라 필요.
오늘의 비디오
전문가 시스템
AI 연구원의 첫 번째 물결은 인간의 추론을 시뮬레이션하기 위해 컴퓨팅 주기에 의존했지만, 다음 접근 방식은 인간의 경험을 모방하기 위해 사실과 데이터에 의존했습니다. 전문가 시스템은 사실과 규칙을 지식 기반으로 수집한 다음 컴퓨터 기반 추론 엔진을 사용하여 새로운 사실을 추론하거나 질문에 답했습니다. 지식 엔지니어는 의학, 자동차 수리, 산업 디자인 또는 기타 직업의 전문가를 인터뷰한 다음 이러한 결과를 기계가 읽을 수 있는 사실과 규칙으로 축소했습니다. 이러한 지식 기반은 다른 사람들이 문제를 진단하거나 질문에 답하는 데 사용했습니다. 기술이 성숙함에 따라 연구자들은 지식 기반 개발을 자동화하는 방법을 찾았습니다. 기술 문헌의 양을 늘리거나 소프트웨어가 웹을 크롤링하여 관련 정보를 찾도록 합니다. 소유하다.
신경망
또 다른 연구자 그룹은 뉴런과 시냅스의 인공 네트워크를 만들어 인간 두뇌의 작동을 재현하려고 했습니다. 훈련을 통해 이러한 신경망은 무작위 데이터처럼 보이는 패턴을 인식할 수 있습니다. 이미지 또는 사운드는 네트워크의 입력 측에 공급되고 정답은 출력 측에 공급됩니다. 시간이 지남에 따라 네트워크는 유사한 입력이 입력되면 네트워크가 정답을 반환하도록 내부 구조를 재구성합니다. 신경망은 사람의 말에 반응하거나 스캔한 이미지를 텍스트로 번역할 때 잘 작동합니다. 이 기술에 의존하는 소프트웨어는 시각 장애인에게 책을 읽거나 한 언어에서 다른 언어로 말을 번역할 수 있습니다.
빅 데이터
종종 "빅 데이터"라고 하는 대규모 데이터 분석은 많은 컴퓨터의 힘을 활용하여 인간의 마음으로 이해할 수 없는 데이터의 사실과 관계를 발견합니다. 유용한 정보를 찾기 위해 다양한 통계 방법을 사용하여 수십억 개의 신용 카드 요금 또는 수십억 개의 소셜 네트워크 관계를 스캔하고 상호 연관시킬 수 있습니다. 신용 카드 회사는 카드가 도난당했거나 카드 소지자가 재정적 어려움에 빠졌음을 나타내는 구매 패턴을 찾을 수 있습니다. 소매 상인은 고객이 자신이 임신한 사실을 알기도 전에 임신했음을 나타내는 구매 패턴을 찾을 수 있습니다. 빅 데이터를 통해 컴퓨터는 인간이 스스로 할 수 없는 방식으로 세상을 이해할 수 있습니다.
