Типи систем штучного інтелекту

З перших днів появи комп’ютерів дослідники намагалися створити системи, що імітують людський інтелект. Хоча кремнієвий Ейнштейн все ще може бути віддаленою можливістю, штучний інтелект, або ШІ, приніс нам телефони, які розпізнають людську мову, автомобілі, які керують самостійно, і експертні системи, які змагаються в телевізійних іграх показує. Протягом багатьох років дослідження ШІ пройшли кілька еволюцій, і в міру розвитку кожної технології вони стали частиною нашого повсякденного досвіду.

Ранні дослідники боролися з обмеженою потужністю обчислень і комп'ютерним сховищем, але все ж заклали основи штучного інтелекту з такими мовами програмування, як LISP, і такими поняттями, як дерева рішень і машина навчання. Програми, написані на LISP, можуть легко аналізувати такі ігри, як шахи, відображати всі можливі ходи за кілька ходів, а потім вибрати найкращу альтернативу. Ці програми також можуть змінювати свою логіку прийняття рішень і вчитися на попередніх помилках, стаючи «розумнішими» з часом. Завдяки потужнішим комп’ютерам і дешевшій масовій пам’яті ця галузь штучного інтелекту породила індустрію комп’ютерних ігор, а також різноманітні персоналізовані пошукові системи та сайти інтернет-магазинів, які не лише запам’ятовують наші вподобання, а й передбачають наші потреби.

У той час як перша хвиля дослідників штучного інтелекту покладалася на обчислювальні цикли для імітації людських міркувань, наступний підхід спирався на факти та дані, щоб імітувати людський досвід. Експертні системи збирали факти і правила в базу знань, а потім використовували комп’ютерні механізми висновку, щоб вивести нові факти або відповісти на запитання. Інженери-інженери опитали експертів у галузі медицини, ремонту автомобілів, промислового дизайну чи інших професій, а потім звели ці висновки до машиночитаних фактів і правил. Ці бази знань потім використовувалися іншими, щоб допомогти діагностувати проблеми або відповісти на запитання. У міру дозрівання технології дослідники знайшли способи автоматизувати розробку бази знань, підживлення купи технічної літератури або дозволити програмному забезпеченню сканувати Інтернет, щоб знайти відповідну інформацію про нього власний.

Інша група дослідників намагалася відтворити роботу людського мозку, створюючи штучні мережі нейронів і синапсів. Завдяки навчанню ці нейронні мережі могли розпізнавати шаблони з того, що виглядало як випадкові дані. Зображення або звуки подаються на вхідну сторону мережі, а правильні відповіді – на вихідну сторону. З часом мережі реорганізують свою внутрішню структуру, так що, коли надходить подібний вхід, мережа повертає правильну відповідь. Нейронні мережі добре працюють, коли реагують на людську мову або при перекладі відсканованих зображень у текст. Програмне забезпечення, що спирається на цю технологію, може читати книги для сліпих людей або перекладати мовлення з однієї мови на іншу.

Масштабний аналіз даних, який часто називають «великими даними», використовує потужність багатьох комп’ютерів для виявлення фактів і зв’язків у даних, які людський розум не може осягнути. Трильйони платежів за кредитними картками або мільярди стосунків у соціальних мережах можна відсканувати та співвіднести за допомогою різноманітних статистичних методів, щоб знайти корисну інформацію. Компанії кредитних карток можуть знайти моделі купівлі, які вказують на те, що картку було вкрадено, або що власник картки має фінансові труднощі. Роздрібні продавці можуть виявити моделі купівлі, які вказують на те, що клієнтка вагітна, навіть до того, як вона сама дізнається про це. Великі дані дозволяють комп’ютерам розуміти світ так, як ми, люди, ніколи не могли б самі.