Wat is kunstmatige intelligentie? Inleiding, geschiedenis en soorten AI

Wat is kunstmatige intelligentie (AI)?

AI (Kunstmatige intelligentie) is het vermogen van een machine om cognitieve functies uit te voeren zoals mensen dat doen, zoals waarnemen, leren, redeneren en problemen oplossen. De maatstaf voor AI is het menselijke niveau van redeneren, spreken en zien in teams.

In deze Tutorial over kunstmatige intelligentie, leert u de volgende AI-basisbeginselen:

Inleiding tot kunstmatige intelligentieniveaus

Tegenwoordig wordt AI in bijna alle sectoren gebruikt, wat een technologische voorsprong geeft aan alle bedrijven die AI op grote schaal integreren. Volgens McKinsey heeft AI het potentieel om 600 miljard dollar aan waarde te creëren in de detailhandel en 50 procent meer incrementele waarde te brengen in de banksector in vergelijking met andere analysetechnieken. In transport en logistiek is de potentiële omzetgroei 89% meer.

Concreet, als een organisatie AI gebruikt voor haar marketingteam, kan het alledaagse en repetitieve taken automatiseren, waardoor de salesvertegenwoordiger zich kan richten op het opbouwen van relaties, lead nurturing, etc. Een bedrijf genaamd Gong biedt een conversation intelligence service. Elke keer dat een salesvertegenwoordiger een telefoongesprek voert, neemt de machine de chat op, transcribeert en analyseert deze. De VP kan AI-analyses en aanbevelingen gebruiken om een ​​winnende strategie te formuleren.

Kort gezegd biedt AI geavanceerde technologie om complexe data te verwerken die een mens niet aankan. AI automatiseert overbodige taken, waardoor een werknemer zich kan richten op taken met een hoge toegevoegde waarde. Wanneer AI op grote schaal wordt geïmplementeerd, leidt dit tot kostenverlaging en omzetverhoging.

Geschiedenis van kunstmatige intelligentie

Kunstmatige intelligentie is tegenwoordig een modewoord, hoewel deze term niet nieuw is. In 1956 besloten avant-garde-experts met verschillende achtergronden een zomers onderzoeksproject over AI te organiseren. Vier slimme geesten leidden het project; John McCarthy (Dartmouth College), Marvin Minsky (Harvard Universiteit), Nathaniel Rochester (IBM), en Claude Shannon (Bell Telephone Laboratories).

Hier is een korte geschiedenis van kunstmatige intelligentie:

Doelstellingen van kunstmatige intelligentie

Dit zijn de belangrijkste doelstellingen van AI:

• Het helpt u de hoeveelheid tijd te verminderen die nodig is om specifieke taken uit te voeren.
• Het wordt gemakkelijker voor mensen om met machines te communiceren.
• Het faciliteren van mens-computerinteractie op een manier die natuurlijker en efficiënter is.
• Verbetering van de nauwkeurigheid en snelheid van medische diagnoses.
• Mensen helpen sneller nieuwe informatie te leren.
• Verbetering van de communicatie tussen mens en machine.

Deelgebieden van kunstmatige intelligentie

Hier volgen enkele belangrijke deelgebieden van kunstmatige intelligentie:

Machine leren: Machine learning is de kunst van het bestuderen van algoritmen die leren van voorbeelden en ervaringen. Machine learning is gebaseerd op het idee dat sommige patronen in de data werden geïdentificeerd en gebruikt voor toekomstige voorspellingen. Het verschil met hardcodingregels is dat de machine leert om dergelijke regels te vinden.

Diepe leren: Deep learning is een deelgebied van machine learning. Diep leren betekent niet dat de machine meer diepgaande kennis leert; het gebruikt verschillende lagen om van de data te leren. De diepte van het model wordt weergegeven door het aantal lagen in het model. Het Google LeNet-model voor beeldherkenning telt bijvoorbeeld 22 lagen.

Natural Language Processing: Een neuraal netwerk is een groep verbonden I/O-eenheden waarbij elke verbinding een gewicht heeft dat is gekoppeld aan de computerprogramma's. Het helpt u voorspellende modellen te bouwen op basis van grote databases. Dit model bouwt voort op het menselijke zenuwstelsel. U kunt dit model gebruiken voor beeldbegrip, menselijk leren, computerspraak, enz.

Expertsystemen: Een expertsysteem is een interactief en betrouwbaar computergebaseerd besluitvormingssysteem dat feiten en heuristiek gebruikt om complexe besluitvormingsproblemen op te lossen. Het wordt ook beschouwd als het hoogste niveau van menselijke intelligentie. Het hoofddoel van een expertsysteem is om de meest complexe problemen in een specifiek domein op te lossen.

Fuzzy Logic: Fuzzy Logic wordt gedefinieerd als een logische vorm met veel waarden die waarheidswaarden van variabelen in elk reëel getal tussen 0 en 1 kan hebben. Het is het handvatconcept van gedeeltelijke waarheid. In het echte leven kunnen we een situatie tegenkomen waarin we niet kunnen beslissen of de bewering waar of onwaar is.

Soorten kunstmatige intelligentie

Er zijn drie hoofdtypen kunstmatige intelligentie: op regels gebaseerde, beslisboom- en neurale netwerken.

• Narrow AI is een type AI dat u helpt een specifieke taak met intelligentie uit te voeren.
• Algemene AI is een vorm van AI-intelligentie die elke intellectuele taak efficiënt kan uitvoeren, net als een mens.
• Op regels gebaseerde AI is gebaseerd op een reeks vooraf bepaalde regels die worden toegepast op een invoergegevensset. Het systeem produceert vervolgens een overeenkomstige uitvoer.
• Beslisboom-AI is vergelijkbaar met op regels gebaseerde AI, omdat het sets van vooraf bepaalde regels gebruikt om beslissingen te nemen. De beslissingsboom maakt echter ook vertakkingen en lussen mogelijk om verschillende opties te overwegen.
• Super AI is een type AI waarmee computers menselijke taal kunnen begrijpen en op een natuurlijke manier kunnen reageren.
• Robotintelligentie is een vorm van AI die robots complexe cognitieve vaardigheden geeft, waaronder redeneren, plannen en leren.

AI versus machinaal leren

De meeste van onze smartphones, dagelijkse apparaten of zelfs het internet gebruiken kunstmatige intelligentie. AI en machine learning worden vaak door elkaar gebruikt door grote bedrijven die hun nieuwste innovatie willen aankondigen. Machine learning en AI verschillen echter op sommige manieren.

AI – kunstmatige intelligentie – is de wetenschap van het trainen van machines om menselijke taken uit te voeren. De term werd uitgevonden in de jaren vijftig toen wetenschappers begonnen te onderzoeken hoe computers zelfstandig problemen konden oplossen.

Kunstmatige intelligentie is een computer die mensachtige eigenschappen krijgt. Neem onze hersenen; het werkt moeiteloos en naadloos om de wereld om ons heen te berekenen. Kunstmatige intelligentie is het concept dat een computer hetzelfde kan doen. Er kan worden gezegd dat AI een grote wetenschap is die menselijke vaardigheden nabootst.

Machine learning is een aparte subset van AI die een machine traint om te leren. Machine learning-modellen zoeken naar patronen in gegevens en proberen conclusies te trekken. Kortom: de machine hoeft niet expliciet door mensen te worden geprogrammeerd. De programmeurs geven enkele voorbeelden, en de computer gaat uit die voorbeelden leren wat hij moet doen.

Lees ook het verschil tussen Deep Learning en Machine Learning versus AI, Klik hier..

Waar wordt AI gebruikt? Voorbeelden

In deze AI voor beginners-tutorial zullen we verschillende toepassingen van AI leren:

AI heeft brede toepassingen

• Kunstmatige intelligentie wordt gebruikt om repetitieve taken te verminderen of te vermijden. AI kan bijvoorbeeld een taak continu herhalen, zonder vermoeidheid. AI rust nooit en staat onverschillig tegenover de taak die moet worden uitgevoerd.
• Kunstmatige intelligentie verbetert een bestaand product. Vóór het tijdperk van machinaal leren werden kernproducten gebouwd op harde coderegels. Bedrijven introduceerden kunstmatige intelligentie om de functionaliteit van het product te verbeteren in plaats van helemaal opnieuw te beginnen om nieuwe producten te ontwerpen. Je kunt hierbij denken aan een Facebook-afbeelding. Een paar jaar geleden moest je je vrienden handmatig taggen. Tegenwoordig geeft Facebook je met behulp van AI een aanbeveling van een vriend.

AI wordt in alle sectoren gebruikt, van marketing tot toeleveringsketen, financiën en voedselverwerkingssector. Volgens een onderzoek van McKinsey zijn financiële dienstverlening en hightechcommunicatie leidend op het gebied van AI.

Waarom is AI nu booming?

Laten we nu in deze tutorial over het testen van kunstmatige intelligentie leren waarom AI nu een enorme vlucht neemt. Laten we het begrijpen aan de hand van het onderstaande diagram.

Sinds de jaren negentig bestaat er een neuraal netwerk met het baanbrekende artikel van Yann LeCun. Het begon echter beroemd te worden rond het jaar 2012. Verklaard door drie kritische factoren voor zijn populariteit zijn:

1. Hardware
2. Data
3. Algoritme

Machine learning is een experimenteel veld, wat betekent dat er gegevens nodig zijn om nieuwe ideeën of benaderingen te testen. Met de opkomst van internet zijn gegevens gemakkelijker toegankelijk geworden. Bovendien hebben gigantische bedrijven als NVIDIA en AMD krachtige grafische chips ontwikkeld voor de gamingmarkt.

Hardware

In de afgelopen twintig jaar is de kracht van de CPU enorm toegenomen, waardoor de gebruiker een klein deep-learning model op elke laptop kan trainen. Je hebt echter een krachtigere machine nodig om een ​​deep-learning model voor computer vision of deep learning te verwerken. Dankzij de investering van NVIDIA en AMD is er een nieuwe generatie GPU's (graphical processing unit) beschikbaar. Deze chips maken parallelle berekeningen mogelijk en de machine kan de berekeningen over meerdere GPU's verdelen om de berekeningen te versnellen.

Met een NVIDIA TITAN X duurt het bijvoorbeeld twee dagen om een ​​genaamd model te trainen IMAGEnet tegen weken voor een traditionele CPU. Bovendien gebruiken grote bedrijven clusters van GPU's om deep learning-modellen te trainen met de NVIDIA Tesla K80, omdat dit helpt de kosten van het datacenter te verlagen en betere prestaties te leveren.

Data

Diep leren is de structuur van het model, en de gegevens zijn de vloeistof om het tot leven te brengen. Data drijven kunstmatige intelligentie aan. Zonder data kan er niets gedaan worden. De nieuwste technologieën hebben de grenzen van gegevensopslag verlegd en het is gemakkelijker dan ooit om een ​​grote hoeveelheid gegevens in een datacenter op te slaan.

Internetrevolutie maakt dataverzameling en -distributie beschikbaar om machine learning-algoritmen te voeden. Als u bekend bent met Flickr, Instagram of een andere app met afbeeldingen, je kunt hun AI-potentieel wel raden. Er zijn miljoenen afbeeldingen met tags beschikbaar op deze websites. Deze afbeeldingen kunnen een neuraal netwerkmodel trainen om een ​​object op de afbeelding te herkennen zonder de noodzaak om de gegevens handmatig te verzamelen en te labelen.

Kunstmatige intelligentie gecombineerd met data is het nieuwe goud. Data is een uniek concurrentievoordeel dat geen enkel bedrijf mag negeren, en AI biedt de beste antwoorden uit uw data. Wanneer alle bedrijven dezelfde technologieën kunnen hebben, zal degene met data een concurrentievoordeel hebben. Om een ​​idee te geven, de wereld creëert ongeveer 2.2 exabytes, of 2.2 miljard gigabytes, elke dag.

Een bedrijf heeft uitzonderlijk diverse databronnen nodig om patronen te vinden en in een substantieel volume te leren.

Algoritme

Hardware is krachtiger dan ooit, data is gemakkelijk toegankelijk, maar één ding dat het neurale netwerk betrouwbaarder maakt, is de ontwikkeling van nauwkeurigere algoritmen. Primaire neurale netwerken zijn een eenvoudige vermenigvuldigingsmatrix zonder diepgaande statistische eigenschappen. Sinds 2010 zijn er opmerkelijke ontdekkingen gedaan om het neurale netwerk te verbeteren.

Kunstmatige intelligentie gebruikt een progressief leeralgoritme om de data de programmering te laten doen. Dit betekent dat de computer zichzelf kan leren hoe hij verschillende taken moet uitvoeren, zoals het vinden van anomalieën en het worden van een chatbot.

Samenvatting

• AI is een volledige vorm van kunstmatige intelligentie en is de wetenschap van het trainen van machines om menselijke taken te imiteren of te reproduceren.
• Een wetenschapper kan verschillende methoden gebruiken om een ​​machine te trainen. Aan het begin van de AI-tijdperken schreven programmeurs hardgecodeerde programma's, waarbij ze elke logische mogelijkheid typten waarmee de machine te maken kon krijgen en hoe ze moesten reageren.
• Wanneer een systeem complex wordt, wordt het lastig om de regels te beheren. Om dit probleem te overwinnen, kan de machine data gebruiken om te leren hoe alle situaties in een bepaalde omgeving moeten worden afgehandeld.
• Het belangrijkste kenmerk van een krachtige AI is dat deze over voldoende gegevens beschikt met aanzienlijke heterogeniteit. Een machine kan bijvoorbeeld verschillende talen leren, zolang hij maar voldoende woorden heeft om van te leren.
• AI is de nieuwe cutting-edge technologie. Risicokapitalisten investeren miljarden dollars in startups of AI-projecten, en McKinsey schat dat AI elke industrie met ten minste een dubbele groeicijfer kan stimuleren.
• Algemene AI, op regels gebaseerde AI, beslissingsboom-AI, super-AI zijn typen kunstmatige intelligentie. Veel van deze concepten worden toegepast bij het maken van AI-chatbots. Als u geïnteresseerd bent, kunt u meer te weten komen over hoe deze principes worden geïmplementeerd in enkele van de beste AI-chatbots die vandaag beschikbaar zijn.

Bekijk onze video over kunstmatige intelligentie op YouTube: Klik Hier