A.I. je trenutno povsod in je odgovoren za vse, od virtualnih pomočnikov na naših pametnih telefonih do samovozeči avtomobili, ki bodo kmalu zapolnili naše ceste, do najsodobnejših sistemov za prepoznavanje slik, o katerih poroča vaš resnično.
Razen če ste zadnje desetletje živeli pod skalo, obstaja velika verjetnost, da ste zanj že slišali - in ga verjetno celo uporabljali. Trenutno je umetna inteligenca za Silicijevo dolino to, kar je One Direction za 13-letna dekleta: vseprisoten vir obsedenost, na katero bi vrgli ves svoj denar, medtem ko sanjarite o poroki, ko se bo Harry Styles končno pripravljen poravnati navzdol. (V redu, torej še vedno delamo na analogiji!)
Ampak kaj točno je AI? — in lahko izraze, kot so »strojno učenje«, "umetne nevronske mreže,« »umetna inteligenca« in »Zayn Malik« (še vedno delamo na tej analogiji ...) uporabljati zamenljivo?
Da bi vam pomagali razumeti nekatere modne besede in žargon, ki jih boste slišali, ko ljudje govorijo o AI, smo sestavili ta preprost vodnik, ki vam bo pomagal zaključiti se pozanimajte o vseh različnih okusih umetne inteligence – če le zato, da ne boste naredili napak, ko bodo stroji končno vzeli čez.
Umetna inteligenca
Ne bomo se preveč poglobili v zgodovino A.I. tukaj, a pomembno je omeniti, da je umetna inteligenca drevo, katerega veje so vsi naslednji izrazi. Na primer, okrepljeno učenje je vrsta strojnega učenja, ki je podpodročje umetne inteligence. Vendar pa umetna inteligenca ni (nujno) učenje s krepitvijo. Razumem?
Doslej še nihče ni zgradil splošne inteligence.
Ni uradnega soglasja o tem, kaj A.I. pomeni (nekateri menijo, da gre preprosto za kul stvari, ki jih računalniki še ne zmorejo), vendar večina bi se strinjal, da gre za prisilitev računalnikov v izvajanje dejanj, ki bi veljala za inteligentna, če bi jih izvajal oseba.
Izraz je bil prvič skovan leta 1956, na a poletna delavnica na Dartmouth College v New Hampshiru. Velika trenutna razlika v A.I. je med trenutno specifično domeno Ozki A.I. in Umetna splošna inteligenca. Doslej še nihče ni zgradil splošne inteligence. Ko to storijo, vse stave odpadejo ...
Simbolični A.I.
Ne slišite toliko o Simbolični A.I. danes. Imenuje se tudi dobri stari AI, simbolni AI. je zgrajen okoli logičnih korakov, ki jih je mogoče podati računalniku na način od zgoraj navzdol. Vključuje zagotavljanje veliko in veliko pravil računalniku (ali robotu) o tem, kako naj obravnava določen scenarij.
To je privedlo do številnih zgodnjih odkritij, vendar se je izkazalo, da so ti zelo dobro delovali v laboratorijih, v ki bi vsako spremenljivko lahko popolnoma nadzorovali, vendar pogosto slabše v neredu vsakdana življenje. Kot se je neki pisec pošalil o simbolnem AI, je zgodnji AI sistemi so bili nekoliko podobni bogu Stare zaveze - z veliko pravili, a brez usmiljenja.
Danes raziskovalci radi Selmer Bringsjord se borijo za vrnitev poudarka na logično temelječem simbolnem AI, zgrajenem okoli superiornosti logičnih sistemov, ki jih lahko razumejo njihovi ustvarjalci.
Strojno učenje
Če slišite za velik A.I. preboj v teh dneh, obstaja velika verjetnost, da boste slišali o strojno učenje. Kot že ime pove, gre pri strojnem učenju za izdelavo strojev, ki se učijo.
Tako kot naslov AI ima tudi strojno učenje več podkategorij, toda kaj vse imajo v skupna je na statistiko osredotočena zmožnost zajemanja podatkov in uporabe algoritmov zanje, da bi pridobili znanja.
Obstaja množica različnih vej strojnega učenja, a tista, o kateri boste verjetno največ slišali, je ...
Nevronske mreže
Če ste kdaj preživeli v našem oddelku Cool Tech, ste verjetno že slišali za umetne nevronske mreže. Nevronske mreže kot sistemi, ki jih navdihujejo možgani in so zasnovani tako, da posnemajo način učenja ljudi, spreminjajo lastno kodo najti povezavo med vhodom in izhodom — oziroma vzrokom in posledico — v situacijah, kjer je to razmerje kompleksno oz nejasno.
Umetne nevronske mreže so imele koristi od prihoda globokega učenja.
Koncept umetnih nevronskih mrež dejansko datira nazaj v štirideseta leta prejšnjega stoletja, vendar je v resnici šele v zadnjih nekaj desetletjih začel resnično izkoriščati svoj potencial: s pomočjo prihoda algoritmov, kot je "širjenje nazaj,« ki omogoča nevronski mreži, da prilagodi svoje skrite plasti nevronov v situacijah, ko se rezultat ne ujema s tem, kar ustvarjalec pričakuje. (Na primer omrežje, zasnovano za prepoznavanje psov, ki napačno identificira mačko.)
V tem desetletju so imele umetne nevronske mreže koristi od prihoda globoko učenje, v katerem različne plasti omrežja izločijo različne lastnosti, dokler ne prepozna, kaj išče.
Znotraj naslova nevronske mreže obstajajo različni modeli potencialnega omrežja – s posredovanje naprej in konvolucijska omrežja verjetno tisti, ki bi jih morali omeniti, če se na večerji znajdete poleg Googlovega inženirja.
Okrepitveno učenje
Učenje s krepitvijo je še en okus strojnega učenja. Močno se zgleduje po bihevioristični psihologiji in temelji na ideji, da se lahko agent programske opreme nauči izvajati dejanja v okolju, da poveča nagrado.
Na primer, leta 2015 je Googlov DeepMind izdal članek, v katerem je pokazal, kako je usposobil A.I. za igranje klasičnih videoiger, brez navodil, razen rezultatov na zaslonu in približno 30.000 slikovnih pik, ki so sestavljale vsako sličico. Učenje z okrepitvijo, ki naj bi povečalo svoj rezultat, je pomenilo, da se je programski agent postopoma naučil igrati igro s poskusi in napakami.
MarI/O - strojno učenje za video igre
Za razliko od ekspertnega sistema učenje s krepitvijo ne potrebuje človeškega strokovnjaka, ki bi mu povedal, kako povečati rezultat. Namesto tega sčasoma ugotovi. V nekaterih primerih so lahko pravila, ki se jih uči, določena (kot pri igranju klasične igre Atari). V drugih pa se s časom prilagaja.
Evolucijski algoritmi
Znan kot generični metahevristični optimizacijski algoritem, ki temelji na populaciji, če še niste bili predstavljeni, evolucijski algoritmi so druga vrsta strojnega učenja; zasnovan za posnemanje koncepta naravne selekcije v računalniku.
Proces se začne tako, da programer vnese cilje, ki jih poskuša doseči s svojim algoritmom. NASA je na primer uporabila evolucijske algoritme za načrtovanje satelitskih komponent. V tem primeru je morda naloga najti rešitev, ki jo je mogoče namestiti v škatlo 10 cm x 10 cm, zmožen oddajanja sferičnega ali hemisferičnega vzorca in zmožen delovati pri določenem Wi-Fi bend.
Algoritem nato ustvari več generacij iterativnih načrtov, pri čemer vsakega testira glede na navedene cilje. Ko na koncu označite vsa prava polja, preneha. Poleg tega, da pomagajo Nasi pri oblikovanju satelitov, so evolucijski algoritmi najljubši ustvarjalci, ki za svoje delo uporabljajo umetno inteligenco: kot npr. oblikovalci tega čudovitega pohištva.
Priporočila urednikov
- A.I. za poglobljeno učenje pomaga arheologom pri prevodu starodavnih tablic
- Globoko učenje AI lahko posnemajo distorzijske učinke ikoničnih kitarskih bogov
- Branje misli A.I. analizira vaše možganske valove, da ugane, kateri videoposnetek gledate
- Cenilec hiš prihodnosti je verjetno A.I. algoritem
- Fotorealistični A.I. orodje lahko zapolni vrzeli v slikah, vključno z obrazi
