Czym jest AI? Wprowadzenie, historia i rodzaje sztucznej inteligencji

Co to jest AI (AI)?

AI (Sztuczna inteligencja) to zdolność maszyny do wykonywania funkcji poznawczych tak jak ludzie, takich jak postrzeganie, uczenie się, rozumowanie i rozwiązywanie problemów. Punktem odniesienia dla sztucznej inteligencji jest poziom ludzki dotyczący zespołów rozumowania, mowy i wizji.

W tym Poradnik dotyczący sztucznej inteligencji, nauczysz się następujących podstaw sztucznej inteligencji-

Wprowadzenie do poziomów sztucznej inteligencji

Obecnie AI jest wykorzystywana w niemal wszystkich branżach, co daje przewagę technologiczną wszystkim firmom integrującym AI na dużą skalę. Według McKinsey, AI ma potencjał, aby stworzyć 600 miliardów dolarów wartości w handlu detalicznym i przynieść o 50 procent więcej dodatkowej wartości w bankowości w porównaniu z innymi technikami analitycznymi. W transporcie i logistyce potencjalny wzrost przychodów wynosi 89%.

Konkretnie, jeśli organizacja używa AI w swoim zespole marketingowym, może zautomatyzować nudne i powtarzalne zadania, pozwalając przedstawicielowi handlowemu skupić się na budowaniu relacji, pielęgnowaniu leadów itp. Firma o nazwie Gong zapewnia usługę wywiadu konwersacyjnego. Za każdym razem, gdy przedstawiciel handlowy wykonuje połączenie telefoniczne, maszyna rejestruje, przepisuje i analizuje czat. Wiceprezes może wykorzystać analizę AI i rekomendacje, aby sformułować zwycięską strategię.

Krótko mówiąc, AI zapewnia najnowocześniejszą technologię do obsługi złożonych danych, których człowiek nie jest w stanie obsłużyć. AI automatyzuje powtarzalne zadania, pozwalając pracownikowi skupić się na zadaniach wysokiego poziomu o wartości dodanej. Gdy AI jest wdrażana na dużą skalę, prowadzi to do redukcji kosztów i wzrostu przychodów.

Historia sztucznej inteligencji

Sztuczna inteligencja to dziś modne hasło, choć określenie to nie jest nowe. W 1956 roku awangardowi eksperci z różnych środowisk postanowili zorganizować letni projekt badawczy dotyczący sztucznej inteligencji. Projektem kierowały cztery bystre umysły; John McCarthy (Dartmouth College), Marvin Minsky (Uniwersytet Harvarda), Nathaniel Rochester (IBM) i Claude Shannon (Laboratoria telefoniczne Bell).

Oto Krótka historia sztucznej inteligencji:

Cele sztucznej inteligencji

Oto główne cele AI:

• Pomaga skrócić czas potrzebny na wykonanie określonych zadań.
• Ułatwienie ludziom interakcji z maszynami.
• Ułatwianie interakcji człowiek-komputer w sposób bardziej naturalny i wydajny.
• Poprawa trafności i szybkości diagnoz medycznych.
• Pomaganie ludziom w szybszym zdobywaniu nowych informacji.
• Poprawa komunikacji pomiędzy ludźmi i maszynami.

Poddziedziny sztucznej inteligencji

Oto kilka ważnych dziedzin sztucznej inteligencji:

Nauczanie maszynowe: Uczenie maszynowe to sztuka studiowania algorytmów, które uczą się na przykładach i doświadczeniach. Uczenie maszynowe opiera się na idei, że pewne wzorce w danych zostały zidentyfikowane i wykorzystane do przyszłych przewidywań. Różnica w stosunku do reguł kodowania na stałe polega na tym, że maszyna uczy się znajdować takie reguły.

głęboki Learning: Uczenie głębokie jest poddziedziną uczenia maszynowego. Głębokie uczenie się nie oznacza, że ​​maszyna uczy się bardziej dogłębnej wiedzy; wykorzystuje różne warstwy do uczenia się na podstawie danych. Głębokość modelu jest reprezentowana przez liczbę warstw w modelu. Na przykład model Google LeNet do rozpoznawania obrazów liczy 22 warstwy.

Przetwarzanie języka naturalnego: Sieć neuronowa to grupa połączonych jednostek we/wy, gdzie każde połączenie ma wagę powiązaną z jego programami komputerowymi. Pomaga w budowaniu modeli predykcyjnych na podstawie dużych baz danych. Model ten opiera się na ludzkim układzie nerwowym. Można użyć tego modelu do zrozumienia obrazu, uczenia się ludzi, mowy komputerowej itp.

Ekspert systemowy: System ekspercki to interaktywny i niezawodny komputerowy system podejmowania decyzji, który wykorzystuje fakty i heurystykę do rozwiązywania złożonych problemów decyzyjnych. Jest on również uważany za najwyższy poziom ludzkiej inteligencji. Głównym celem systemu eksperckiego jest rozwiązywanie najbardziej złożonych problemów w określonej domenie.

Logika rozmyta: Logika rozmyta jest definiowana jako wielowartościowa forma logiczna, która może mieć wartości logiczne zmiennych w dowolnej liczbie rzeczywistej z zakresu od 0 do 1. Jest to koncepcja uchwytu częściowej prawdy. W prawdziwym życiu możemy spotkać się z sytuacją, w której nie będziemy w stanie ocenić, czy dane stwierdzenie jest prawdziwe, czy fałszywe.

Rodzaje sztucznej inteligencji

Istnieją trzy główne typy sztucznej inteligencji: oparta na regułach, oparta na drzewach decyzyjnych i sieci neuronowe.

• Wąska AI to rodzaj sztucznej inteligencji, który pomaga wykonywać dedykowane zadania w sposób inteligentny.
• Ogólna AI to rodzaj inteligencji sztucznej inteligencji, która może skutecznie wykonywać każde zadanie intelektualne jak człowiek.
• Sztuczna inteligencja oparta na regułach opiera się na zestawie z góry określonych reguł, które są stosowane do zbioru danych wejściowych. Następnie system generuje odpowiedni wynik.
• Sztuczna inteligencja oparta na drzewach decyzyjnych jest podobna do sztucznej inteligencji opartej na regułach, ponieważ przy podejmowaniu decyzji wykorzystuje zestawy z góry określonych reguł. Jednak drzewo decyzyjne pozwala również na rozgałęzianie i zapętlanie w celu rozważenia różnych opcji.
• Super AI to rodzaj sztucznej inteligencji, który pozwala komputerom rozumieć ludzki język i reagować w naturalny sposób.
• Inteligencja robotów to rodzaj sztucznej inteligencji, który pozwala robotom posiadać złożone zdolności poznawcze, obejmujące rozumowanie, planowanie i uczenie się.

Sztuczna inteligencja kontra uczenie maszynowe

Większość naszych smartfonów, urządzeń codziennego użytku, a nawet Internetu wykorzystuje sztuczną inteligencję. Bardzo często AI i uczenie maszynowe są używane zamiennie przez duże firmy, które chcą ogłosić swoje najnowsze innowacje. Jednak uczenie maszynowe i AI różnią się pod pewnymi względami.

AI – AI – to nauka o szkoleniu maszyn do wykonywania ludzkich zadań. Termin ten powstał w latach pięćdziesiątych XX wieku, kiedy naukowcy zaczęli badać, w jaki sposób komputery mogą samodzielnie rozwiązywać problemy.

Sztuczna inteligencja to komputer, któremu nadano właściwości podobne do ludzkich. Weź nasz mózg; działa bez wysiłku i bezproblemowo, aby obliczyć otaczający nas świat. Sztuczna inteligencja to koncepcja mówiąca, że ​​komputer może zrobić to samo. Można powiedzieć, że AI to wielka nauka naśladująca ludzkie zdolności.

Uczenie maszynowe to odrębny podzbiór sztucznej inteligencji, który uczy maszynę uczenia się. Modele uczenia maszynowego szukają wzorców w danych i próbują wyciągnąć wnioski. Krótko mówiąc, maszyna nie musi być bezpośrednio programowana przez ludzi. Programiści podają kilka przykładów, a komputer na podstawie tych próbek nauczy się, co robić.

Przeczytaj także różnicę między głębokim uczeniem się a uczeniem maszynowym a sztuczną inteligencją, kliknij tutaj.

Gdzie wykorzystywana jest AI? Przykłady

W tym samouczku dotyczącym sztucznej inteligencji dla początkujących nauczymy się różnych zastosowań sztucznej inteligencji:

Sztuczna inteligencja ma szerokie zastosowania –

• Sztuczna inteligencja służy do ograniczania lub unikania powtarzalnych zadań. Na przykład AI może powtarzać zadanie w sposób ciągły, bez zmęczenia. Sztuczna inteligencja nigdy nie odpoczywa i jest obojętna na zadanie, które ma wykonać.
• Sztuczna inteligencja ulepsza istniejący produkt. Przed erą uczenia maszynowego podstawowe produkty były budowane w oparciu o zasady zapisane na stałe w kodzie. Firmy wprowadziły sztuczną inteligencję, aby zwiększyć funkcjonalność produktu, zamiast zaczynać od zera i projektować nowe produkty. Możesz pomyśleć o obrazku na Facebooku. Kilka lat temu trzeba było oznaczać znajomych ręcznie. Obecnie, przy pomocy sztucznej inteligencji, Facebook daje Ci rekomendację znajomego.

AI znajduje zastosowanie we wszystkich gałęziach przemysłu, od marketingu po łańcuch dostaw, finanse, sektor przetwórstwa spożywczego. Według ankiety McKinsey wiodącą dziedziną sztucznej inteligencji są usługi finansowe i komunikacja zaawansowana technologicznie.

Dlaczego AI kwitnie teraz?

W tym samouczku dotyczącym testowania sztucznej inteligencji dowiedzmy się, dlaczego AI obecnie kwitnie. Rozumiemy to na poniższym schemacie.

Sieć neuronowa nie istnieje od lat dziewięćdziesiątych wraz z przełomową pracą Yanna LeCuna. Jednak zaczęło zyskiwać na popularności około 2012 roku. Na jego popularność składają się trzy czynniki:

1. sprzęt komputerowy
2. Dane
3. Algorytm

Uczenie maszynowe to dziedzina eksperymentalna, co oznacza, że ​​potrzebuje danych do testowania nowych pomysłów i podejść. Wraz z rozwojem Internetu dane stały się łatwiej dostępne. Poza tym gigantyczne firmy, takie jak NVIDIA i AMD, opracowały wysokowydajne układy graficzne dla rynku gier.

sprzęt komputerowy

W ciągu ostatnich dwudziestu lat moc procesora eksplodowała, pozwalając użytkownikowi trenować mały model głębokiego uczenia się na dowolnym laptopie. Jednak potrzebujesz mocniejszej maszyny do przetwarzania modelu głębokiego uczenia się dla wizji komputerowej lub głębokiego uczenia się. Dzięki inwestycji NVIDIA i AMD dostępna jest nowa generacja GPU (jednostki przetwarzania graficznego). Te układy umożliwiają równoległe obliczenia, a maszyna może rozdzielić obliczenia na kilka GPU, aby przyspieszyć obliczenia.

Na przykład w przypadku NVIDIA TITAN X wytrenowanie modelu o nazwie ImageNet w porównaniu z tygodniami dla tradycyjnego CPU. Poza tym duże firmy używają klastrów GPU do trenowania modeli głębokiego uczenia się za pomocą NVIDIA Tesla K80, ponieważ pomaga to obniżyć koszty centrum danych i zapewnia lepszą wydajność.

Dane

Głębokie uczenie się to struktura modelu, a dane to płyn, który ożywia model. Dane napędzają sztuczną inteligencję. Bez danych nic nie da się zrobić. Najnowsze technologie przesunęły granice przechowywania danych i przechowywanie dużej ilości danych w centrum danych jest łatwiejsze niż kiedykolwiek.

Rewolucja internetowa umożliwia gromadzenie i dystrybucję danych, aby zasilać algorytmy uczenia maszynowego. Jeśli znasz Flickr, Instagram lub dowolną inną aplikację ze zdjęciami, możesz odgadnąć ich potencjał AI. Na tych stronach dostępne są miliony zdjęć z tagami. Obrazy te mogą uczyć model sieci neuronowej rozpoznawania obiektu na obrazie bez konieczności ręcznego gromadzenia i oznaczania danych.

Sztuczna inteligencja połączona z danymi to nowe złoto. Dane to wyjątkowa przewaga konkurencyjna, której żadna firma nie powinna zaniedbywać, a AI dostarcza najlepszych odpowiedzi z Twoich danych. Kiedy wszystkie firmy będą mogły mieć te same technologie, ta z danymi będzie miała przewagę konkurencyjną. Aby dać wyobrażenie, świat tworzy około 2.2 eksabajtów, czyli 2.2 miliarda gigabajtów, każdego dnia.

Firma potrzebuje wyjątkowo różnorodnych źródeł danych, aby znaleźć wzorce i uczyć się w znacznych ilościach.

Algorytm

Sprzęt jest potężniejszy niż kiedykolwiek, dane są łatwo dostępne, ale jedną rzeczą, która sprawia, że ​​sieć neuronowa jest bardziej niezawodna, jest rozwój dokładniejszych algorytmów. Podstawowe sieci neuronowe są prostą macierzą mnożenia bez dogłębnych właściwości statystycznych. Od 2010 r. dokonano niezwykłych odkryć w celu ulepszenia sieci neuronowej.

Sztuczna inteligencja używa algorytmu progresywnego uczenia się, aby dane mogły programować. Oznacza to, że komputer może nauczyć się, jak wykonywać różne zadania, takie jak znajdowanie anomalii, stając się chatbotem.

Podsumowanie

• Sztuczna inteligencja to pełna forma Sztuczna inteligencja to nauka o szkoleniu maszyn w celu naśladowania lub odtwarzania ludzkich zadań.
• Naukowiec może używać różnych metod do trenowania maszyny. Na początku ery sztucznej inteligencji programiści pisali zakodowane na stałe programy, wpisując każdą logiczną możliwość, z jaką mogła się zmierzyć maszyna, oraz sposoby reakcji.
• Gdy system staje się złożony, zarządzanie regułami staje się trudne. Aby przezwyciężyć ten problem, maszyna może używać danych, aby nauczyć się, jak radzić sobie ze wszystkimi sytuacjami w danym środowisku.
• Najważniejszą cechą posiadania potężnej sztucznej inteligencji jest to, że dysponuje wystarczającą ilością danych przy znacznej heterogeniczności. Na przykład maszyna może uczyć się różnych języków, jeśli ma wystarczającą liczbę słów do nauki.
• AI to nowa, najnowocześniejsza technologia. Inwestorzy venture capital inwestują miliardy dolarów w startupy lub projekty AI, a McKinsey szacuje, że AI może zwiększyć każdą branżę o co najmniej dwucyfrowy wskaźnik wzrostu.
• Ogólna AI, oparta na regułach AI, oparta na drzewie decyzyjnym AI, superAI to rodzaje sztucznej inteligencji. Wiele z tych koncepcji jest stosowanych w tworzeniu chatbotów AI. Jeśli jesteś zainteresowany, możesz dowiedzieć się więcej o tym, jak te zasady są wdrażane w niektórych najlepsze chatboty AI dostępny dzisiaj.

Obejrzyj nasz film o sztucznej inteligencji na YouTube: Kliknij tutaj