Bilgisayarların ilk günlerinden beri araştırmacılar, insan zekasını taklit eden sistemler yaratmaya çalıştılar. Bir silikon Einstein hala uzak bir olasılık olsa da, yapay zeka veya yapay zeka bize insan konuşmasını tanıyan telefonlar, kendi kendini süren arabalar ve televizyon oyunlarında rekabet eden uzman sistemler gösterir. Yıllar geçtikçe, AI araştırmaları birkaç evrim geçirdi ve her teknoloji olgunlaştıkça günlük deneyimlerimizin bir parçası haline geldi.
Makine öğrenme
İlk araştırmacılar, sınırlı işlem gücü ve bilgisayar depolama alanı ile mücadele ettiler, ancak yine de LISP gibi programlama dilleri ve karar ağaçları ve makine gibi kavramlarla yapay zekanın temeli öğrenme. LISP ile yazılmış programlar satranç gibi oyunları kolayca analiz edebilir, birkaç tur için olası tüm hamleleri haritalayabilir ve ardından en iyi alternatifi seçebilir. Bu programlar aynı zamanda karar mantığını değiştirebilir ve önceki hatalardan ders alarak zamanla "daha akıllı" hale gelebilir. Daha güçlü bilgisayarlar ve daha ucuz yığın depolama ile yapay zekanın bu dalı, bilgisayar oyun endüstrisinin yanı sıra bir Yalnızca tercihlerimizi hatırlamakla kalmayıp aynı zamanda beklentilerimizi de tahmin eden çeşitli kişiselleştirilmiş arama motorları ve çevrimiçi alışveriş siteleri. ihtiyaçlar.
Günün Videosu
Uzman sistemler
AI araştırmacılarının ilk dalgası, insan muhakemesini simüle etmek için bilgi işlem döngülerine güvenirken, bir sonraki yaklaşım, insan deneyimini taklit etmek için gerçeklere ve verilere dayanıyordu. Uzman sistemler, gerçekleri ve kuralları bir bilgi tabanında topladı, ardından yeni gerçekleri çıkarmak veya soruları yanıtlamak için bilgisayar tabanlı çıkarım motorlarını kullandı. Bilgi mühendisleri tıp, otomotiv tamiri, endüstriyel tasarım veya diğer mesleklerdeki uzmanlarla görüştü ve ardından bu bulguları makine tarafından okunabilir gerçeklere ve kurallara indirgedi. Bu bilgi tabanları daha sonra başkaları tarafından sorunları teşhis etmeye veya soruları yanıtlamaya yardımcı olmak için kullanıldı. Teknoloji olgunlaştıkça, araştırmacılar bilgi tabanı geliştirmeyi otomatikleştirmenin yollarını buldular. tonlarca teknik literatür veya yazılımın ilgili bilgileri bulmak için Web'de gezinmesine izin verin. sahip olmak.
Nöral ağlar
Başka bir grup araştırmacı, yapay nöron ve sinaps ağları oluşturarak insan beyninin işleyişini yeniden üretmeye çalıştı. Eğitimle, bu sinir ağları, rastgele verilere benzeyen kalıpları tanıyabilir. Görüntüler veya sesler ağın giriş tarafına beslenir, doğru cevaplar çıkış tarafına beslenir. Zamanla, ağlar kendi iç yapılarını yeniden düzenler, böylece benzer bir girdi beslendiğinde ağ doğru cevabı verir. Sinir ağları, insan konuşmasına yanıt verirken veya taranan görüntüleri metne çevirirken iyi çalışır. Bu teknolojiye dayanan yazılım, insanları kör etmek için kitap okuyabilir veya konuşmaları bir dilden diğerine çevirebilir.
Büyük veri
Genellikle "büyük veri" olarak adlandırılan büyük ölçekli veri analizi, insan aklının kavrayamadığı verilerdeki gerçekleri ve ilişkileri keşfetmek için birçok bilgisayarın gücünden yararlanır. Yararlı bilgileri keşfetmek için trilyonlarca kredi kartı ücreti veya milyarlarca sosyal ağ ilişkisi taranabilir ve çeşitli istatistiksel yöntemler kullanılarak ilişkilendirilebilir. Kredi kartı şirketleri, bir kartın çalındığını veya bir kart sahibinin mali zorluk içinde olduğunu gösteren satın alma kalıpları bulabilir. Perakende tüccarlar, bir müşterinin hamile olduğunu gösteren satın alma kalıpları, kendisi bunu bilmeden önce bulabilir. Büyük veri, bilgisayarların dünyayı biz insanların asla kendi başımıza yapamayacağı şekillerde anlamasını sağlar.
