Hva er kunstig intelligens? Introduksjon, historie og typer AI

Hva er kunstig intelligens (AI)?

AI (Kunstig intelligens) er en maskins evne til å utføre kognitive funksjoner slik mennesker gjør, som å oppfatte, lære, resonnere og løse problemer. Referansen for AI er det menneskelige nivået i grupper av resonnement, tale og visjon.

I dette Opplæring i kunstig intelligens, vil du lære følgende grunnleggende AI-

Introduksjon til nivåer av kunstig intelligens

I dag brukes AI i nesten alle bransjer, noe som gir en teknologisk fordel til alle selskaper som integrerer AI i stor skala. Ifølge McKinsey har AI potensialet til å skape 600 milliarder dollar i verdi i detaljhandelen, og gi 50 prosent mer inkrementell verdi i bankvirksomhet sammenlignet med andre analyseteknikker. Innen transport og logistikk er det potensielle inntektshoppet 89 % mer.

Konkret, hvis en organisasjon bruker AI for markedsføringsteamet sitt, kan den automatisere hverdagslige og repeterende oppgaver, slik at salgsrepresentanten kan fokusere på relasjonsbygging, pleie av ledere osv. Et selskap ved navn Gong tilbyr en samtaleintelligenstjeneste. Hver gang en salgsrepresentant ringer, tar maskinen opp, transkriberer og analyserer chatten. VP kan bruke AI-analyse og anbefaling for å formulere en vinnende strategi.

I et nøtteskall gir AI banebrytende teknologi for å håndtere komplekse data som et menneske ikke kan håndtere. AI automatiserer overflødige jobber slik at en arbeider kan fokusere på det høye nivået, verdiøkende oppgaver. Når AI implementeres i stor skala, fører det til kostnadsreduksjon og inntektsøkning.

Historien om kunstig intelligens

Kunstig intelligens er et buzzword i dag, selv om dette begrepet ikke er nytt. I 1956 bestemte avantgardeeksperter med ulik bakgrunn å organisere et sommerforskningsprosjekt om AI. Fire lyse hoder ledet prosjektet; John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM), og Claude Shannon (Bell Telephone Laboratories).

Her er en kort historie om kunstig intelligens:

Mål for kunstig intelligens

Her er hovedmålene for AI:

• Det hjelper deg å redusere tiden som trengs for å utføre spesifikke oppgaver.
• Gjør det lettere for mennesker å samhandle med maskiner.
• Tilrettelegge for interaksjon mellom mennesker og datamaskiner på en måte som er mer naturlig og effektiv.
• Forbedre nøyaktigheten og hastigheten på medisinske diagnoser.
• Hjelper folk å lære ny informasjon raskere.
• Forbedre kommunikasjonen mellom mennesker og maskiner.

Underfelt av kunstig intelligens

Her er noen viktige underfelt av kunstig intelligens:

Maskinlæring: Maskinlæring er kunsten å studere algoritmer som lærer av eksempler og erfaringer. Maskinlæring er basert på ideen om at noen mønstre i dataene ble identifisert og brukt for fremtidige spådommer. Forskjellen fra hardkodingsregler er at maskinen lærer å finne slike regler.

Dyp læring: Dyplæring er et underfelt innen maskinlæring. Dyp læring betyr ikke at maskinen lærer mer dybdekunnskap; den bruker forskjellige lag for å lære av dataene. Dybden av modellen er representert ved antall lag i modellen. For eksempel teller Google LeNet-modellen for bildegjenkjenning 22 lag.

Natural Language Processing: Et nevralt nettverk er en gruppe tilkoblede I/O-enheter der hver tilkobling har en vekt knyttet til sine dataprogrammer. Det hjelper deg å bygge prediktive modeller fra store databaser. Denne modellen bygger på det menneskelige nervesystemet. Du kan bruke denne modellen til å utføre bildeforståelse, menneskelig læring, datatale osv.

Ekspertsystemer: Et ekspertsystem er et interaktivt og pålitelig datamaskinbasert beslutningssystem som bruker fakta og heuristikk for å løse komplekse beslutningsproblemer. Det anses også på det høyeste nivået av menneskelig intelligens. Hovedmålet med et ekspertsystem er å løse de mest komplekse problemene i et spesifikt domene.

Uklar logikk: Fuzzy Logic er definert som en logikkform med mange verdier som kan ha sannhetsverdier for variabler i et hvilket som helst reelt tall mellom 0 og 1. Det er håndtaksbegrepet for delvis sannhet. I det virkelige liv kan vi støte på en situasjon der vi ikke kan avgjøre om utsagnet er sant eller usant.

Typer kunstig intelligens

Det er tre hovedtyper av kunstig intelligens: regelbasert, beslutningstre og nevrale nettverk.

• Smal AI er en type AI som hjelper deg med å utføre en dedikert oppgave med intelligens.
• Generell AI er en type AI-intelligens som kan utføre enhver intellektuell oppgave effektivt som et menneske.
• Regelbasert AI er basert på et sett med forhåndsbestemte regler som brukes på et inndatasett. Systemet produserer deretter en tilsvarende utgang.
• Beslutningstre AI ligner på regelbasert AI ved at det bruker sett med forhåndsbestemte regler for å ta avgjørelser. Beslutningstreet tillater imidlertid også forgrening og looping for å vurdere forskjellige alternativer.
• Super AI er en type AI som lar datamaskiner forstå menneskelig språk og reagere på en naturlig måte.
• Robotintelligens er en type AI som lar roboter ha komplekse kognitive evner, inkludert resonnement, planlegging og læring.

AI vs maskinlæring

De fleste smarttelefoner, daglige enheter eller til og med internett bruker kunstig intelligens. Svært ofte brukes AI og maskinlæring om hverandre av store selskaper som ønsker å annonsere sin siste innovasjon. Maskinlæring og AI er imidlertid forskjellige på noen måter.

AI – kunstig intelligens – er vitenskapen om å trene maskiner til å utføre menneskelige oppgaver. Begrepet ble oppfunnet på 1950-tallet da forskere begynte å utforske hvordan datamaskiner kunne løse problemer på egenhånd.

Kunstig intelligens er en datamaskin som er gitt menneskelignende egenskaper. Ta hjernen vår; det fungerer uanstrengt og sømløst for å beregne verden rundt oss. Kunstig intelligens er konseptet om at en datamaskin kan gjøre det samme. Det kan sies at AI er en stor vitenskap som etterligner menneskelige evner.

Maskinlæring er en distinkt undergruppe av AI som trener en maskin til å lære. Maskinlæringsmodeller ser etter mønstre i data og prøver å konkludere. I et nøtteskall trenger ikke maskinen å være eksplisitt programmert av folk. Programmererne gir noen eksempler, og datamaskinen kommer til å lære hva den skal gjøre fra disse prøvene.

Les også forskjellen mellom Deep Learning og Machine Learning vs AI, Klikk her.

Hvor brukes AI? Eksempler

Nå i denne AI for nybegynneropplæringen vil vi lære ulike applikasjoner av AI:

AI har brede applikasjoner-

• Kunstig intelligens brukes for å redusere eller unngå repeterende oppgaver. For eksempel kan AI gjenta en oppgave kontinuerlig, uten tretthet. AI hviler aldri, og den er likegyldig til oppgaven å utføre.
• Kunstig intelligens forbedrer et eksisterende produkt. Før maskinlæringens tidsalder ble kjerneproduktene bygget på harde koderegler. Bedrifter introduserte kunstig intelligens for å forbedre funksjonaliteten til produktet i stedet for å starte fra bunnen av for å designe nye produkter. Du kan tenke på et Facebook-bilde. For noen år siden måtte du tagge vennene dine manuelt. Nå for tiden, ved hjelp av AI, gir Facebook deg en venns anbefaling.

AI brukes i alle bransjer, fra markedsføring til forsyningskjede, finans, næringsmiddelindustrien. I følge en McKinsey-undersøkelse er det finansielle tjenester og høyteknologisk kommunikasjon som leder AI-feltene.

Hvorfor blomstrer AI nå?

Nå i denne testveiledningen for kunstig intelligens, la oss finne ut hvorfor AI blomstrer nå. La oss forstå med diagrammet nedenfor.

Et nevralt nettverk har vært ute siden nittitallet med den banebrytende artikkelen til Yann LeCun. Imidlertid begynte den å bli berømt rundt år 2012. Forklart av tre kritiske faktorer for populariteten er:

1. maskinvare
2. Data
3. Algoritme

Maskinlæring er et eksperimentelt felt, noe som betyr at det trenger data for å teste nye ideer eller tilnærminger. Med oppblomstringen av internett ble data lettere tilgjengelig. Dessuten har gigantiske selskaper som NVIDIA og AMD utviklet høyytelses grafikkbrikker for spillmarkedet.

maskinvare

I løpet av de siste tjue årene har CPU-kraften eksplodert, slik at brukeren kan trene en liten dyplæringsmodell på hvilken som helst bærbar PC. Du trenger imidlertid en kraftigere maskin for å behandle en dyplæringsmodell for datasyn eller dyp læring. Takket være investeringen til NVIDIA og AMD er en ny generasjon GPU (grafisk prosesseringsenhet) tilgjengelig. Disse brikkene tillater parallelle beregninger, og maskinen kan skille beregningene over flere GPUer for å få fart på beregningene.

For eksempel, med en NVIDIA TITAN X, tar det to dager å trene en modell som heter IMAGEnet mot uker for en tradisjonell CPU. Dessuten bruker store selskaper klynger av GPU for å trene dyplæringsmodeller med NVIDIA Tesla K80 fordi det bidrar til å redusere datasenterkostnadene og gi bedre ytelse.

Data

Dyplæring er strukturen til modellen, og dataene er væsken for å gjøre den levende. Data driver kunstig intelligens. Uten data kan ingenting gjøres. De nyeste teknologiene har flyttet grensene for datalagring, og det er enklere enn noen gang å lagre en høy mengde data i et datasenter.

Internett-revolusjonen gjør datainnsamling og distribusjon tilgjengelig for å mate maskinlæringsalgoritmer. Hvis du er kjent med Flickr, Instagram eller en hvilken som helst annen app med bilder, kan du gjette AI-potensialet deres. Det er millioner av bilder med tags tilgjengelig på disse nettstedene. Disse bildene kan trene en nevrale nettverksmodell til å gjenkjenne et objekt på bildet uten å måtte samle inn og merke dataene manuelt.

Kunstig intelligens kombinert med data er det nye gullet. Data er et unikt konkurransefortrinn som ingen firmaer bør overse, og AI gir de beste svarene fra dataene dine. Når alle bedriftene kan ha de samme teknologiene, vil den med data ha et konkurransefortrinn. For å gi en idé, skaper verden omtrent 2.2 exabyte, eller 2.2 milliarder gigabyte, hver dag.

Et selskap trenger eksepsjonelt varierte datakilder for å finne mønstrene og lære i et betydelig volum.

Algoritme

Maskinvare er kraftigere enn noen gang, data er lett tilgjengelig, men en ting som gjør det nevrale nettverket mer pålitelig er utviklingen av mer nøyaktige algoritmer. Primære nevrale nettverk er en enkel multiplikasjonsmatrise uten dyptgående statistiske egenskaper. Siden 2010 har bemerkelsesverdige funn blitt gjort for å forbedre det nevrale nettverket.

Kunstig intelligens bruker en progressiv læringsalgoritme for å la dataene gjøre programmeringen. Det betyr at datamaskinen kan lære seg selv hvordan den utfører forskjellige oppgaver, som å finne anomalier ved å bli en chatbot.

Sammendrag

• AI er en full form for kunstig intelligens er vitenskapen om å trene maskiner for å imitere eller reprodusere menneskelige oppgaver.
• En forsker kan bruke forskjellige metoder for å trene en maskin. I begynnelsen av AI-tiden skrev programmerere hardkodede programmer, og skrev inn alle logiske muligheter maskinen kunne møte og hvordan de skulle reagere.
• Når et system blir komplekst, blir det vanskelig å administrere reglene. For å overvinne dette problemet kan maskinen bruke data til å lære å ta vare på alle situasjoner fra et gitt miljø.
• Det viktigste ved å ha en kraftig AI er at den har nok data med betydelig heterogenitet. For eksempel kan en maskin lære forskjellige språk så lenge den har nok ord å lære av.
• AI er den nye banebrytende teknologien. Venturekapitalister investerer milliarder av dollar i oppstart eller AI-prosjekter, og McKinsey anslår at AI kan øke enhver bransje med minst en tosifret vekstrate.
• Generell AI, regelbasert AI, Decision tree AI, Super AI er typer kunstig intelligens. Mange av disse konseptene brukes i opprettelsen av AI chatbots. Hvis du er interessert, kan du lære mer om hvordan disse prinsippene implementeres i noen av de beste AI chatbots tilgjengelig i dag.

Se vår kunstig intelligens-video på YouTube: Klikk her