Što je umjetna inteligencija? Uvod, povijest i vrste AI

Što je umjetna inteligencija (AI)?

AI (Umjetna inteligencija) sposobnost je stroja da obavlja kognitivne funkcije kao što to rade ljudi, poput opažanja, učenja, rasuđivanja i rješavanja problema. Mjerilo za AI je ljudska razina koja se tiče timova razmišljanja, govora i vizije.

U ovom Vodič za umjetnu inteligenciju, naučit ćete sljedeće osnove AI-

Uvod u razine umjetne inteligencije

Danas se umjetna inteligencija koristi u gotovo svim industrijama, dajući tehnološku prednost svim tvrtkama koje integriraju umjetnu inteligenciju u velikom broju. Prema McKinseyju, umjetna inteligencija ima potencijal stvoriti vrijednost od 600 milijardi dolara u maloprodaji i donijeti 50 posto veću inkrementalnu vrijednost u bankarstvu u usporedbi s drugim analitičkim tehnikama. U transportu i logistici potencijalni skok prihoda veći je za 89%.

Konkretno, ako organizacija koristi umjetnu inteligenciju za svoj marketinški tim, ona može automatizirati svakodnevne zadatke koji se ponavljaju, omogućujući prodajnom predstavniku da se usredotoči na izgradnju odnosa, brigu o potencijalnim klijentima itd. Tvrtka pod imenom Gong pruža uslugu obavještavanja razgovora. Svaki put kada prodajni predstavnik telefonira, stroj snima, transkribira i analizira razgovor. Potpredsjednik može koristiti AI analitiku i preporuke za formuliranje pobjedničke strategije.

Ukratko, AI pruža vrhunsku tehnologiju za rad sa složenim podacima s kojima ljudsko biće ne može rukovati. AI automatizira suvišne poslove omogućujući radniku da se usredotoči na zadatke visoke razine s dodanom vrijednošću. Kada se AI implementira u velikim razmjerima, to dovodi do smanjenja troškova i povećanja prihoda.

Povijest umjetne inteligencije

Umjetna inteligencija je danas popularna riječ, iako ovaj izraz nije nov. Godine 1956. avangardni stručnjaci iz različitih sredina odlučili su organizirati ljetni istraživački projekt o umjetnoj inteligenciji. Četiri bistra uma vodila su projekt; John McCarthy (Dartmouth College), Marvin Minsky (Sveučilište Harvard), Nathaniel Rochester (IBM), i Claude Shannon (Bell Telephone Laboratories).

Ovdje je kratka povijest umjetne inteligencije:

Ciljevi umjetne inteligencije

Evo glavnih ciljeva umjetne inteligencije:

• Pomaže vam smanjiti količinu vremena potrebnog za obavljanje određenih zadataka.
• Olakšavanje interakcije ljudi sa strojevima.
• Olakšavanje interakcije između čovjeka i računala na način koji je prirodniji i učinkovitiji.
• Poboljšanje točnosti i brzine medicinskih dijagnoza.
• Pomaganje ljudima da brže nauče nove informacije.
• Poboljšanje komunikacije između ljudi i strojeva.

Potpodručja umjetne inteligencije

Evo nekoliko važnih potpodručja umjetne inteligencije:

Strojno učenje: Strojno učenje je umjetnost proučavanja algoritama koji uče iz primjera i iskustava. Strojno učenje temelji se na ideji da su neki obrasci u podacima identificirani i korišteni za buduća predviđanja. Razlika od hardcoding pravila je u tome što stroj uči pronaći takva pravila.

Duboko učenje: Duboko učenje je potpodručje strojnog učenja. Duboko učenje ne znači da stroj uči dublje znanje; koristi različite slojeve za učenje iz podataka. Dubina modela je predstavljena brojem slojeva u modelu. Na primjer, Google LeNet model za prepoznavanje slika broji 22 sloja.

Obrada prirodnog jezika: Neuronska mreža je skupina povezanih I/O jedinica gdje svaka veza ima težinu povezanu s njezinim računalnim programima. Pomaže vam u izradi prediktivnih modela iz velikih baza podataka. Ovaj model temelji se na ljudskom živčanom sustavu. Ovaj model možete koristiti za razumijevanje slike, ljudsko učenje, računalni govor itd.

Ekspertni sustavi: Ekspertni sustav je interaktivni i pouzdan računalni sustav za donošenje odluka koji koristi činjenice i heuristiku za rješavanje složenih problema donošenja odluka. Također se smatra najvišom razinom ljudske inteligencije. Glavni cilj ekspertnog sustava je rješavanje najsloženijih pitanja u određenom području.

Mutna logika: Neizrazita logika definirana je kao višeznačni logički oblik koji može imati istinite vrijednosti varijabli u bilo kojem realnom broju između 0 i 1. To je koncept djelomične istine. U stvarnom životu možemo se susresti sa situacijom u kojoj ne možemo odlučiti je li izjava istinita ili lažna.

Vrste umjetne inteligencije

Postoje tri glavne vrste umjetne inteligencije: utemeljena na pravilima, stablo odlučivanja i neuronske mreže.

• Uska umjetna inteligencija vrsta je umjetne inteligencije koja vam pomaže obaviti namjenski zadatak s inteligencijom.
• Opća AI vrsta je AI inteligencije koja može obavljati bilo koji intelektualni zadatak učinkovito poput čovjeka.
• AI temeljen na pravilima temelji se na skupu unaprijed određenih pravila koja se primjenjuju na ulazni skup podataka. Sustav tada proizvodi odgovarajući izlaz.
• Umjetna inteligencija stabla odlučivanja slična je umjetnoj inteligenciji koja se temelji na pravilima po tome što koristi skupove unaprijed određenih pravila za donošenje odluka. Međutim, stablo odlučivanja također dopušta grananje i petlje za razmatranje različitih opcija.
• Super AI je vrsta umjetne inteligencije koja omogućuje računalima da razumiju ljudski jezik i reagiraju na prirodan način.
• Inteligencija robota vrsta je umjetne inteligencije koja robotima omogućuje složene kognitivne sposobnosti, uključujući rasuđivanje, planiranje i učenje.

AI protiv strojnog učenja

Većina naših pametnih telefona, svakodnevnih uređaja ili čak interneta koristi umjetnu inteligenciju. Velike tvrtke koje žele objaviti svoje najnovije inovacije vrlo često koriste AI i strojno učenje naizmjenično. Međutim, strojno učenje i AI razlikuju se na neki način.

AI - umjetna inteligencija - znanost je osposobljavanja strojeva za obavljanje ljudskih zadataka. Izraz je izmišljen 1950-ih kada su znanstvenici počeli istraživati ​​kako računala mogu sama rješavati probleme.

Umjetna inteligencija je računalo kojem su dana svojstva slična ljudskim. Uzmite naš mozak; bez napora i neprimjetno radi na izračunavanju svijeta oko nas. Umjetna inteligencija je koncept da računalo može učiniti isto. Može se reći da je AI velika znanost koja oponaša ljudske sposobnosti.

Strojno učenje poseban je podskup umjetne inteligencije koji osposobljava stroj za učenje. Modeli strojnog učenja traže uzorke u podacima i pokušavaju zaključiti. Ukratko, ljudi ne moraju eksplicitno programirati stroj. Programeri daju neke primjere, a računalo će iz tih uzoraka naučiti što učiniti.

Također pročitajte razliku između dubokog učenja i strojnog učenja naspram AI, kliknite ovdje.

Gdje se koristi AI? Primjeri

Sada ćemo u ovom vodiču AI za početnike naučiti razne primjene AI:

AI ima široku primjenu -

• Umjetna inteligencija koristi se za smanjenje ili izbjegavanje zadataka koji se ponavljaju. Na primjer, AI može ponavljati zadatak neprekidno, bez umora. AI nikada ne miruje i ravnodušan je prema zadatku koji treba izvršiti.
• Umjetna inteligencija poboljšava postojeći proizvod. Prije doba strojnog učenja, temeljni proizvodi bili su izgrađeni na temelju pravila tvrdog koda. Tvrtke su uvele umjetnu inteligenciju kako bi poboljšale funkcionalnost proizvoda umjesto da počnu od nule da dizajniraju nove proizvode. Možete zamisliti Facebook sliku. Prije nekoliko godina morali ste ručno označavati svoje prijatelje. U današnje vrijeme, uz pomoć umjetne inteligencije, Facebook vam daje preporuku prijatelja.

AI se koristi u svim industrijama, od marketinga do opskrbnog lanca, financija, sektora prerade hrane. Prema istraživanju McKinseyja, financijske usluge i visokotehnološka komunikacija vodeća su područja umjetne inteligencije.

Zašto AI sada cvjeta?

Sada u ovom vodiču za testiranje umjetne inteligencije saznajmo zašto AI sada doživljava procvat. Shvatimo donji dijagram.

Neuronska mreža postoji od devedesetih s temeljnim radom Yanna LeCuna. Međutim, počeo je postajati poznat oko 2012. godine. To se objašnjava trima ključnim faktorima za njegovu popularnost:

1. Hardver
2. Datum
3. Algoritam

Strojno učenje je eksperimentalno polje, što znači da su mu potrebni podaci za testiranje novih ideja ili pristupa. Procvatom interneta podaci su postali lakše dostupni. Osim toga, divovske tvrtke poput NVIDIA i AMD razvile su grafičke čipove visokih performansi za tržište igara.

Hardver

U posljednjih dvadeset godina snaga CPU-a je eksplodirala, dopuštajući korisniku treniranje malog modela dubokog učenja na bilo kojem prijenosnom računalu. Međutim, potreban vam je snažniji stroj za obradu modela dubokog učenja za računalni vid ili duboko učenje. Zahvaljujući ulaganju NVIDIA-e i AMD-a, dostupna je nova generacija GPU-a (grafičke procesorske jedinice). Ovi čipovi omogućuju paralelne proračune, a stroj može odvojiti proračune na nekoliko GPU-ova kako bi ubrzao proračune.

Na primjer, s NVIDIA TITAN X, potrebna su dva dana za obuku modela tzv ImageNet protiv tjedana za tradicionalni CPU. Osim toga, velike tvrtke koriste klastere GPU-a za treniranje modela dubokog učenja s NVIDIA Tesla K80 jer pomaže u smanjenju troškova podatkovnog centra i pruža bolje performanse.

Datum

Duboko učenje je struktura modela, a podaci su fluid koji ga čini živim. Podaci pokreću umjetnu inteligenciju. Bez podataka se ništa ne može učiniti. Najnovije tehnologije pomaknule su granice pohrane podataka i lakše je nego ikad pohraniti veliku količinu podataka u podatkovnom centru.

Internetska revolucija čini prikupljanje i distribuciju podataka dostupnim za napajanje algoritama strojnog učenja. Ako ste upoznati sa Flickr, Instagram ili bilo koja druga aplikacija sa slikama, možete pogoditi njihov AI potencijal. Na tim su web stranicama dostupni milijuni slika s oznakama. Te slike mogu uvježbati model neuronske mreže da prepozna objekt na slici bez potrebe za ručnim prikupljanjem i označavanjem podataka.

Umjetna inteligencija u kombinaciji s podacima novo je zlato. Podaci su jedinstvena konkurentska prednost koju nijedna tvrtka ne bi smjela zanemariti, a AI daje najbolje odgovore iz vaših podataka. Kada sve tvrtke mogu imati iste tehnologije, ona s podacima imat će konkurentsku prednost. Za predodžbu, svijet svaki dan stvori oko 2.2 egzabajta, ili 2.2 milijarde gigabajta.

Tvrtka treba izuzetno raznolike izvore podataka kako bi pronašla uzorke i naučila u značajnoj količini.

Algoritam

Hardver je moćniji nego ikada, podaci su lako dostupni, ali jedna stvar koja čini neuronsku mrežu pouzdanijom je razvoj preciznijih algoritama. Primarne neuronske mreže su jednostavna matrica množenja bez dubinskih statističkih svojstava. Od 2010. godine napravljena su izvanredna otkrića za poboljšanje neuronske mreže.

Umjetna inteligencija koristi progresivni algoritam učenja kako bi podaci mogli programirati. To znači da se računalo može samo naučiti kako obavljati različite zadatke, poput pronalaženja anomalija i postajanja chatbota.

Rezime

• AI je puni oblik Umjetna inteligencija je znanost o obučavanju strojeva da imitiraju ili reproduciraju ljudske zadatke.
• Znanstvenik može koristiti različite metode za treniranje stroja. Na početku AI-a, programeri su pisali tvrdo kodirane programe, tipkajući svaku logičnu mogućnost s kojom bi se stroj mogao suočiti i kako odgovoriti.
• Kada sustav postane složeniji, postaje teško upravljati pravilima. Kako bi prevladao ovaj problem, stroj može koristiti podatke kako bi naučio kako se pobrinuti za sve situacije iz danog okruženja.
• Najvažnija značajka snažne umjetne inteligencije je da ima dovoljno podataka uz značajnu heterogenost. Na primjer, stroj može naučiti različite jezike sve dok ima dovoljno riječi za učenje.
• AI je nova vrhunska tehnologija. Investitori ulažu milijarde dolara u startupe ili projekte umjetne inteligencije, a McKinsey procjenjuje da umjetna inteligencija može potaknuti svaku industriju barem dvoznamenkastom stopom rasta.
• General AI, AI temeljen na pravilima, AI stabla odlučivanja, Super AI vrste su umjetne inteligencije. Mnogi od ovih koncepata primjenjuju se u stvaranju AI chatbota. Ako ste zainteresirani, možete saznati više o tome kako se ova načela provode u nekim od najbolji AI chatbotovi dostupan danas.

Pogledajte naš video o umjetnoj inteligenciji YouTube: Klikni ovdje