A.I. este peste tot în acest moment și este responsabil pentru orice, de la asistenții virtuali de pe smartphone-urile noastre până la mașinile cu conducere autonomă ne vor umple în curând drumurile la sistemele de ultimă oră de recunoaștere a imaginilor raportate de dvs. cu adevărat.
Cu excepția cazului în care ați trăit sub o stâncă în ultimul deceniu, există șanse mari să fi auzit de ea înainte - și probabil chiar să fi folosit. Chiar acum, inteligența artificială este pentru Silicon Valley ceea ce este One Direction pentru fetele de 13 ani: o sursă omniprezentă de obsesia de a-ți arunca toți banii, în timp ce visezi să te căsătorești ori de câte ori Harry Styles este în sfârșit gata să se așeze jos. (Bine, deci încă lucrăm la analogie!)
Dar ce anume este A.I.? — și pot termeni precum „învățare automată”, „rețele neuronale artificiale,” „inteligență artificială” și „Zayn Malik” (încă lucrăm la acea analogie...) să fie folosite interschimbabil?
Pentru a vă ajuta să înțelegeți unele dintre cuvintele la modă și jargonul pe care le veți auzi când oamenii vorbesc despre I.A., am creat acest ghid simplu pentru a vă ajuta să completați capul în jurul tuturor aromelor diferite ale inteligenței artificiale — Numai pentru a nu face nicio pasă greșită când mașinile iau în sfârșit peste.
Inteligenţă artificială
Nu vom aprofunda prea mult în istoria A.I. aici, dar lucrul important de remarcat este că inteligența artificială este arborele pe care toți termenii următori sunt ramificați. De exemplu, învățarea prin consolidare este un tip de învățare automată, care este un subdomeniu al inteligenței artificiale. Cu toate acestea, inteligența artificială nu este (în mod necesar) o învățare de întărire. Am înţeles?
Până acum, nimeni nu și-a construit o inteligență generală.
Nu există un acord oficial de consens cu privire la ceea ce A.I. înseamnă (unii oameni sugerează că sunt pur și simplu lucruri interesante pe care computerele nu le pot face încă), dar majoritatea ar fi de acord că este vorba despre a face computerele să efectueze acțiuni care ar fi considerate inteligente dacă ar fi efectuate de a persoană.
Termenul a fost inventat pentru prima dată în 1956, la a atelier de vară la Dartmouth College în New Hampshire. Marea distincție actuală în A.I. este între curent specific domeniului Îngustă A.I. și Inteligența generală artificială. Până acum, nimeni nu și-a construit o inteligență generală. Odată ce o fac, toate pariurile sunt oprite...
I.A simbolic.
Nu auzi atât de multe despre I.A simbolic. astăzi. De asemenea, denumită Good Old Fashioned A.I., Symbolic A.I. este construit în jurul pașilor logici care pot fi dați unui computer într-o manieră de sus în jos. Aceasta presupune furnizarea de o mulțime de reguli unui computer (sau unui robot) cu privire la modul în care ar trebui să se ocupe de un anumit scenariu.
Acest lucru a dus la o mulțime de descoperiri timpurii, dar s-a dovedit că acestea au funcționat foarte bine în laboratoare, în care fiecare variabilă ar putea fi controlată perfect, dar adesea mai puțin bine în dezordinea cotidianului viaţă. După cum un scriitor a glumit despre I.A. simbolică, I.A. timpurie. sistemele erau un pic asemănătoare cu zeul Vechiului Testament – cu o mulțime de reguli, dar fără milă.
Astăzi, cercetătorilor le place Selmer Bringsjord se luptă pentru a readuce un accent pe I.A. simbolică bazată pe logică, construită în jurul superiorității sistemelor logice care pot fi înțelese de creatorii lor.
Învățare automată
Dacă auziți de un mare I.A. descoperire în zilele noastre, sunt șanse ca, dacă nu se face un zgomot mare care să sugereze contrariul, auziți despre învățare automată. După cum sugerează și numele, învățarea automată înseamnă a face mașini care, ei bine, învață.
La fel ca titlul A.I., învățarea automată are, de asemenea, mai multe subcategorii, dar ceea ce au toate în comună este capacitatea centrată pe statistici de a prelua date și de a le aplica algoritmi pentru a obține cunoştinţe.
Există o multitudine de ramuri diferite ale învățării automate, dar cea despre care probabil veți auzi cel mai mult este...
Rețele neuronale
Dacă ați petrecut ceva timp în secțiunea noastră Cool Tech, probabil ați auzit despre rețele neuronale artificiale. Fiind sisteme inspirate de creier concepute pentru a reproduce modul în care oamenii învață, rețelele neuronale își modifică propriul cod pentru a găsiți legătura dintre intrare și ieșire — sau cauză și efect — în situațiile în care această relație este complexă sau neclar.
Rețelele neuronale artificiale au beneficiat de sosirea învățării profunde.
Conceptul de rețele neuronale artificiale datează de fapt înapoi în anii 1940, dar abia în ultimele decenii a început să-și ridice cu adevărat potențialul: ajutat de apariția unor algoritmi precum „retropropagare”, care permite rețelei neuronale să își ajusteze straturile ascunse de neuroni în situații în care rezultatul nu se potrivește cu ceea ce speră creatorul. (De exemplu, o rețea concepută pentru a recunoaște câinii, care identifică greșit o pisică.)
În acest deceniu, rețelele neuronale artificiale au beneficiat de apariția invatare profunda, în care diferite straturi ale rețelei extrag diferite caracteristici până când poate recunoaște ceea ce caută.
În cadrul rubricii rețelei neuronale, există diferite modele de rețea potențială — cu feedforward și rețele convoluționale probabil să fie cei pe care ar trebui să le menționați dacă rămâneți blocat lângă un inginer Google la o cină.
Consolidarea învățării
Consolidarea învățării este o altă aromă a învățării automate. Este puternic inspirat de psihologia behavioristă și se bazează pe ideea că agentul software poate învăța să întreprindă acțiuni într-un mediu pentru a maximiza o recompensă.
De exemplu, în 2015, DeepMind de la Google a lansat o lucrare care arată cum s-a întâmplat a antrenat un A.I. pentru a juca jocuri video clasice, fără alte instrucțiuni decât scorul de pe ecran și cei aproximativ 30.000 de pixeli care compun fiecare cadru. S-a spus să-și maximizeze scorul, învățarea prin consolidare a însemnat că agentul software a învățat treptat să joace jocul prin încercări și erori.
MarI/O - Machine Learning pentru jocuri video
Spre deosebire de un sistem expert, învățarea prin întărire nu are nevoie de un expert uman care să-i spună cum să maximizeze un scor. În schimb, își dă seama în timp. În unele cazuri, regulile pe care le învață pot fi fixate (ca și în cazul unui joc clasic Atari). În altele, se adaptează pe măsură ce timpul trece.
Algoritmi evolutivi
Cunoscut ca un algoritm de optimizare metaeuristică generic bazat pe populație, dacă nu ați fost încă introdus anterior, algoritmi evolutivi sunt un alt tip de învățare automată; conceput pentru a imita conceptul de selecție naturală în interiorul unui computer.
Procesul începe cu un programator care introduce obiectivele pe care el sau ea încearcă să le atingă cu algoritmul lor. De exemplu, NASA a folosit algoritmi evolutivi pentru a proiecta componente de satelit. În acest caz, funcția poate fi de a veni cu o soluție capabilă să se potrivească într-o cutie de 10 cm x 10 cm, capabil să radieze un model sferic sau emisferic și capabil să funcționeze la un anumit Wi-Fi grup.
Algoritmul vine apoi cu mai multe generații de modele iterative, testându-le pe fiecare față de obiectivele declarate. Când cineva bifează în cele din urmă toate căsuțele potrivite, încetează. Pe lângă faptul că ajută NASA să proiecteze sateliți, algoritmii evolutivi sunt favoriți ai creativilor care folosesc inteligența artificială pentru munca lor: cum ar fi designerii acestui mobilier ingenios.
Recomandările editorilor
- Învățare profundă A.I. îi ajută pe arheologi să traducă tăblițele antice
- Învățare profundă A.I. poate imita efectele de distorsiune ale zeilor emblematici ai chitarei
- Citirea minții A.I. analizează undele cerebrale pentru a ghici ce videoclip vizionați
- Evaluatorul casei viitorului este probabil un A.I. algoritm
- Fotorealist A.I. instrumentul poate umple golurile din imagini, inclusiv fețe
