Od prvih dni računalnikov so raziskovalci poskušali ustvariti sisteme, ki posnemajo človeško inteligenco. Čeprav je silicij Einstein še vedno oddaljena možnost, nam je umetna inteligenca ali AI prinesla telefoni, ki prepoznajo človeški govor, avtomobili, ki se vozijo sami, in strokovni sistemi, ki tekmujejo v televizijskih igrah kaže. Z leti so se raziskave umetne inteligence premaknile skozi več evolucij in, ko je vsaka tehnologija dozorela, so postale del naše vsakdanje izkušnje.
Strojno učenje
Zgodnji raziskovalci so se borili z omejeno procesorsko močjo in računalniškim shranjevanjem, vendar so še vedno postavili temelj AI s programskimi jeziki, kot je LISP, in koncepti, kot so drevesa odločitev in stroj učenje. Programi, napisani v LISP, lahko zlahka analizirajo igre, kot je šah, preslikajo vse možne poteze za več zavojev in nato izberejo najboljšo alternativo. Ti programi bi lahko tudi spremenili svojo logiko odločanja in se učili iz prejšnjih napak ter sčasoma postali "pametnejši". Z zmogljivejšimi računalniki in cenejšim množičnim shranjevanjem je ta veja umetne inteligence ustvarila industrijo računalniških iger, pa tudi različnih prilagojenih iskalnikov in spletnih nakupovalnih mest, ki si ne zapomnijo le naših preferenc, ampak tudi predvidevajo naše potrebe.
Video dneva
Strokovni sistemi
Medtem ko se je prvi val raziskovalcev umetne inteligence opiral na računalniške cikle za simulacijo človeškega sklepanja, se je naslednji pristop opiral na dejstva in podatke, da bi posnemal človeške izkušnje. Strokovni sistemi so zbrali dejstva in pravila v bazo znanja, nato pa so uporabili računalniško podprte mehanizme sklepanja za sklepanje novih dejstev ali odgovore na vprašanja. Inženirji znanja so intervjuvali strokovnjake iz medicine, popravil avtomobilov, industrijskega oblikovanja ali drugih poklicev, nato pa so te ugotovitve zmanjšali v strojno berljiva dejstva in pravila. Te baze znanja so nato uporabili drugi za pomoč pri diagnosticiranju težav ali odgovoru na vprašanja. Ko je tehnologija dozorela, so raziskovalci našli načine za avtomatizacijo razvoja baze znanja, ki se je vključila kopice tehnične literature ali dovolite, da programska oprema preide po spletu, da najde ustrezne informacije o njem lastno.
nevronske mreže
Druga skupina raziskovalcev je poskušala reproducirati delovanje človeških možganov z ustvarjanjem umetnih mrež nevronov in sinaps. Z usposabljanjem bi te nevronske mreže lahko prepoznale vzorce iz nečesa, kar je bilo videti kot naključni podatki. Slike ali zvoki se podajajo na vhodno stran omrežja, pravilni odgovori pa na izhodno stran. Sčasoma omrežja reorganizirajo svojo notranjo strukturo, tako da, ko se vnese podoben vhod, omrežje vrne pravilen odgovor. Nevronske mreže dobro delujejo pri odzivu na človeški govor ali pri prevajanju skeniranih slik v besedilo. Programska oprema, ki se zanaša na to tehnologijo, lahko bere knjige za slepe ljudi ali prevaja govor iz enega jezika v drugega.
Veliki podatki
Analiza podatkov velikega obsega, ki se pogosto imenuje "veliki podatki", izkorišča moč številnih računalnikov za odkrivanje dejstev in odnosov v podatkih, ki jih človeški um ne more razumeti. Na trilijone bremenitev kreditnih kartic ali milijarde odnosov z družbenimi omrežji je mogoče pregledati in povezati z različnimi statističnimi metodami, da bi odkrili koristne informacije. Podjetja s kreditnimi karticami lahko najdejo vzorce nakupa, ki kažejo, da je bila kartica ukradena ali da je imetnik kartice v finančnih težavah. Maloprodajni trgovci lahko najdejo nakupovalne vzorce, ki kažejo, da je stranka noseča, še preden se sama za to zaveda. Veliki podatki omogočajo računalnikom, da razumejo svet na načine, ki jih ljudje sami nikoli ne bi mogli.
