Svět technologií je již nezbytnou součástí našeho každodenního života a je zajímavé porozumět charakteristikám umělé inteligence, které změnily způsob našeho života. Věděli jste, že umělá inteligence je obor informatiky? Vstupte sem a dozvíte se o jeho funkcích a mnohem více.
Charakteristika umělé inteligence
V této části probereme vlastnosti umělé inteligence. V tomto případě, umělá inteligence (IA) je vyvinut v jednom z odvětví informatiky, kde jsou aplikovány logické algoritmy, které se snaží napodobit kognitivní chování lidského mozku. Definice umělé inteligence se samozřejmě může dále vyvíjet, ale nakonec se všechny charakteristiky umělé inteligence shodnou na tom, že se používají pro programování robotických zařízení.
V létě 1956 se k problematice umělé inteligence konala Dartmouthská konference, které se účastnili John McCarthy, Marvin Minsky a Claude Shannon.Na této schůzce byl poprvé implementován termín umělá inteligence, kde stanovili některé prognózy do deseti let, které nebyly splněny, takže vyšetřování bylo na přibližně patnáct let opuštěno. Je třeba poznamenat, že termín „umělá inteligence“ je připisován Johnu McCarthymu.
Je snadné si myslet, že je jen otázkou času, kdy technologie a umělá inteligence zcela nahradí člověka. Ve skutečnosti existují filmy a skuteční výzkumníci, kteří věří, že stroje s umělou inteligencí budou schopny podrobit si lidskou rasu a zotročit ji. V tuto chvíli je to velmi vzdálené realitě, protože to bude možné pouze tehdy, když bude mít umělá inteligence vědomí a bude schopna sama vytvořit nové zařízení s umělou inteligencí a podaří se jí obejít a potlačit příkazy svého programování. z vlastní vůle. V tom okamžiku by lidská bytost ztratila kontrolu nad situací.
Co je to umělá inteligence?
Bylo to právě na konferenci Darthmouse v roce 1956, kde byl oficiálně definován pojem umělá inteligence, který stanoví, že pokud by se stroj nebo robot choval podobně jako chování člověka, byl by považován za zařízení. chytré.
Další definice připisované umělé inteligenci jsou následující:
chovat se jako lidé
Toto je definice vytvořená McCarthym, která se týká vyhodnocování chování stroje s cílem určit, zda jej lze považovat za inteligentní. Takzvaný „Turingův test“ používá tuto definici k definování výsledků svého testu. Všechna zařízení, která jsou podobná v činnostech, jako je rozhodování, řešení problémů a učení, jako by to dělali lidé, splňují vlastnosti umělé inteligence.
Test navržený Alanem Turingem spočívá v tom, že lidská bytost bude vést konverzaci v přirozeném jazyce se strojem a lidskou bytostí zároveň, stroj by se snažil napodobit chování lidské bytosti a snažil by se oklamat svého hodnotitele. prostřednictvím jeho odpovědí, aby uvěřil, že je ve skutečnosti lidskou bytostí. Jinými slovy, mezi Charakteristickým rysem umělé inteligence je schopnost napodobovat lidstvo.
Tester samozřejmě musí předem vědět, že mluví se strojem a s člověkem a musí se pokusit určit, kdo je skutečný člověk a kdo podvodník.
V tomto případě by se nebrala v úvahu schopnost mluvit, protože hodnotitel by byl umístěn v samostatné místnosti, kde by informace přijímal prostřednictvím počítače, takže komunikace by závisela výhradně na klávesnici, nikoli na této schopnosti. V tomto smyslu mezi Charakteristikou umělé inteligence je simulace lidského hlasu.
rozum jako lidé
Další z charakteristik umělé inteligence je v definici posuzování vývoje přidělování prováděného robotem, aniž by se přihlíželo, zda byl získaný výsledek úspěšný či nikoli. Tento pohled používá kognitivní věda. V této úvaze jsou provedeny všechny výpočty nutné k tomu, abychom byli schopni vnímat, uvažovat a jednat proti události.
uvažovat racionálně
Stejně jako předchozí definice je jednou z charakteristik umělé inteligence přidělování prováděné strojem, bere však v úvahu, zda má toto přidělování logiku a koherenci, takže uvedené přidělování bylo provedeno.
jednat racionálně
Z tohoto hlediska, pokud jsou výsledky znovu brány v úvahu. Na příkladu robota hrajícího šachy je jeho cílem vyhrát každou hru. Další vlastností umělé inteligence je schopnost provádět výpočty, které budou lhostejné, dokud dosáhne cíle.
Klasifikace umělé inteligence
Umělou inteligenci lze klasifikovat podle jejích cílů.
slabá umělá inteligence
Toto hledisko se domnívá, že počítače mohou pouze předstírat, že mají přidělování, a ne že ve skutečnosti mají vlastní. Výzkumníci, kteří podporují tento postoj, se domnívají, že není možné, aby existoval nebo byl vyvinut počítač schopný vědomí, protože ve skutečnosti by to byl program, který by něco takového simuloval.
silná umělá inteligence
Na druhé straně existují výzkumníci, kteří potvrzují skutečnost, že počítač může mít uvažování nebo myšlenky se stejnými kapacitami jako lidská mysl. To by znamenalo, že počítač by byl schopen uvažovat, představovat si, cítit mimo jiné sám o sobě, i když vše začíná z programu, jeho neuronová síť se může vyvíjet, dokud nedosáhne tohoto bodu.
https://www.youtube.com/watch?v=k3BNEgN2kEQ
Témata v umělé inteligenci
Ačkoli se všechny definice a názory týkající se umělé inteligence shodují ve čtyřech otázkách, které je třeba zvážit, aby se přisoudily stroji zařízení, pokud má umělou inteligenci.
Odstraňování problémů a vyhledávání
Jedním z hlavních cílů umělé inteligence je řešit problémy, pro které jsou určeny. V prvé řadě je při kladení problému nutné jej formalizovat způsobem, který pak umožňuje jeho řešení. Toto téma se zaměřuje na hledání formalizace problémů a jejich řešení.
Reprezentace znalostí a systémy založené na znalostech
Toto téma se zaměřuje na ty problémy, které vyžadují předchozí znalosti, aby je bylo možné řešit. Například do těch programů umělé inteligence, které se aplikují v medicíně, je nutné začlenit poznatky a informace týkající se předmětu tak, aby bylo možné řešit problémy tohoto předmětu.
Strojové učení
Toto téma se týká procesu učení prováděného strojem podle získaných zkušeností. Existují různé typy učení, jako je napodobování, posilování, hluboké učení nebo učení založené na rozhodovacím stromě. Všechny tyto typy učení umožňují stroji ukládat provedené akce, které považovaly konečný cíl za splněný, za účelem uplatnění stejných akcí v případě podobné události.
zesílené učení
Posilovací učení je stejné jako při výcviku zvířat, to znamená, že když splní úkol nebo správně uposlechnou příkaz, dostanou odměnu. V tomto případě stroj obdrží svou první objednávku, a když získá kladné výsledky, obdrží to jako pobídku k dalšímu zlepšování svého rozhodování. Například v závislosti na Typy robotů Výhru v šachu můžete považovat za svou cenu.
hluboké učení
Dalším typem učení se nazývá hluboké učení, při kterém se hledá imitace nebo podobné chování neuronové sítě a komunikační procesy, které se vyskytují v neuronech lidského mozku.
Když například přirozené senzory lidského těla, jako jsou oči, uši, dotek, chuť nebo čich, zaznamenají změnu, je do mozku vyslán signál. Tento signál je přijímán a analyzován prvním neuronem, který sděluje detekci změny následujícím neuronům, a tak iniciuje neuronovou sekvenci k pochopení události a způsobu reakce.
K podobnému procesu dochází, když například kamery pro rozpoznávání obličeje detekují jednotlivce prostřednictvím svých vizuálních senzorů, je aktivován. Při detekci obličeje spustí sled logických procesů počínaje analýzou nejjednodušších dat, jako jsou barvy, které obličej má. Poté se snaží určit geometrické obrazce, které tvoří tuto tvář. Nakonec obličej rozdělte do několika rámečků, abyste lépe definovali detaily, které daný obličej odlišují.
Strom rozhodnutí
Tento typ učení využívá různá schémata řešení problémů, která se aktivují při přijímání informací. Vezmeme-li znovu příklad robota, který hraje šachy, spustí si své schéma, ve kterém je první figurkou, kterou jeho soupeř pohnul, tam provede více výpočtů odpovídajících statistikám, kterou má táhnout. Později váš soupeř provede další tahy a otevře se nové schéma, kde budete opět provádět výpočty, abyste mohli provést další tahy.
Nakonec, když se mu podaří vyhrát šachovou partii, uloží robot všechna rozhodnutí, která on a jeho soupeř učinili pro budoucí šachové partie, takže když dojde k podobné události, má již potřebné informace v databázi a může reagovat. rychleji a s vyšší procentuální šancí na výhru ve hře.
distribuovaná umělá inteligence
Díky pokrokům, které nám umožnily vědět Jak technologie funguje, jako je evoluce multiprocesorů a vzhled internetu, umožnily umělé inteligenci poskytovat distribuovaná řešení.
aplikace umělé inteligence
Kromě toho existují čtyři větve, které jsou úzce spjaty s používáním umělé inteligence, kterými jsou:
- Přirozený jazyk.
- Umělé vidění.
- Robotický.
- rozpoznávání řeči.
V současné době byly v oblasti umělé inteligence vyvinuty různé aplikace, které využívají určité algoritmy nebo metody.
I když lze zmínit mnoho aplikací umělé inteligence, bylo by obtížné pokrýt všechny, v nichž se nachází její přítomnost, protože dnes existují zařízení pro každodenní použití nebo programy používané společnostmi a korporacemi, kde tuto technologii najdou.
Například dnes se používá superpočítač, který používá algoritmus, který vytváří kombinace různých léků, aby se pokusil najít lék na Covid-19. Tento počítač vyhodnocuje data symptomatologie, složení viru a další informace nezbytné k tomu, aby bylo možné proti němu působit, a prostřednictvím databáze obsahující různé existující léky vytváří kombinace, které se snaží pacienta vyléčit z tohoto onemocnění, přičemž bere v úvahu dokonce i vedlejší účinky, které tyto kombinace mohou způsobit, a doporučené dávky.
Dalším příkladem mohou být ty, které používá více vyhledávačů, které používají metodu učení k tomu, aby poznaly zájmy každého uživatele individuálně, což vám umožňuje vytvářet profily chování a preference a tak být schopni poskytovat reklamy podle těchto.
Dále představíme některé z nejvýznamnějších aplikací umělé inteligence.
Aplikace ve hrách
Existuje robot se schopností porazit i ty nejlepší hráče v šachu, protože tento robot byl postaven pouze za účelem provádění nezbytných výpočtů a statistik pro stanovení strategií v jejich tazích a vítězství v každé hře.
Dnes se prakticky všechny hry podařilo porazit automatem, ačkoli první stolní hry, které porazil automat s umělou inteligencí, byly dáma a Othello.
Damas
University of Alberta v roce 1989 vyvinula program nazvaný Chinnok týmem Jonathana Schaeffera a v roce 1994 se stal mistrem světa v ženách. Program Chinnok má databázi zahájení a ukončení hry dáma od nejlepších hráčů dáma.
V roce 2007 se opět ukázalo, že když je hra perfektně udělaná, není možné naprogramovat Chinnoka. A když se zápas hraje se zlepšením strategie soupeřem, může proti tomuto programu dosáhnout maximálně remízy.
Šachy
V případě šachu se léta vyvíjely různé inovace a programy na řešení problémů, aby tuto hru vyhráli, nicméně to bylo v roce 1997 v květnu v New Yorku, když Deep Blue porazila mistra světa G. Kasparova.
Byl to software vyvinutý společností IBM, který měl specifický hardware a databáze, které umožnily, aby tento program dokonale vyvrcholil, když byly konečné situace prezentovány se sedmi nebo ještě méně kusy na desce. Podobně jeho vyhledávací algoritmy, typ minimax, byly schopny určit nejlepší možnosti ve všech různých případech.
Go
Dnes je to veřejná hra, ve které stroj s umělou inteligencí porazí lidského hráče, ale to není překvapivé, protože Go byla nějakou dobu považována za ještě obtížnější a složitější hru než šachy.
Kromě toho rozměry této hry také značně zvyšují obtížnost, protože má více než 361 průsečíků k vytvoření desky 19 3 19, aniž by se zmínil počet možných tahů, které lze na každé desce provést.
I když zatím neexistuje stroj schopný tuto hru vyhrát, existují již programy, které dobře reagují na desky o rozměrech devět krát devět, a na rozdíl od vyhledávacích algoritmů používaných pro hru šachy se v tomto případě používají vyhledávací algoritmy. vyhledávání UCT.
robotické aplikace
Roboti mají různé oblasti, ve kterých poskytují podporu pro rychlejší, efektivnější a přesnější řešení, například ve výrobních linkách, které vyžadují automatizaci procesů, také ve vojenské a obranné oblasti, a dokonce i pro průzkum. mobilního robota, který je v současné době na Marsu, aby sbíral informace týkající se možné existence života na této planetě.
Dnes existují roboti, kteří slouží jako zábava a účastní se her, jako jsou japonští mazlíčkoví roboti Paro a Aibo. V případě Paro se jedná o terapeutického robota, který pomáhá snižovat hladinu stresu u pacientů a pomáhá zlepšovat jejich socializaci. V případě Aibo se jedná o robota ve tvaru psa vyvinutého společností Sony, který má systém vidění a je programovatelný.
průzkumné a průzkumné roboty
Existují mobilní roboti, kteří se používají k průzkumu, hledání a průzkumu v nepřátelských prostředích nebo oblastech. Například jako roboti použiti při jaderné katastrofě v Černobylu, kteří se pokusili vizualizovat škody způsobené incidentem a podařilo se jim zachytit snímky radioaktivní hmoty zvané Sloní noha.
Nebo můžeme zmínit i roboty Spirit, Opportunity a Curiosity, které byly vyslány na povrch planety Mars, v roce 2004 první dva a v roce 2012 třetí, které plní poslání analyzovat všechny biologické, atmosférické a biologické procesy. tvoří tuto planetu.
V roce 1997 představila společnost Honda prvního dvounohého robota, to znamená, že měl schopnost chodit dvěma končetinami a byl nazván P3. Honda opět představila v roce 2000 robota ASIMO, který pochází z maličkého Advance Step in Innovative Mobility. To byl konec série robotů Honda P. Všichni tito roboti byli záměrně navrženi tak, aby měli fyzickou strukturu a motorické schopnosti lidské bytosti.
Nyní může ASIMO změnit, zda běží, šplhá po schodech a vyhýbá se překážkám, a dokonce prostřednictvím svých vizuálních senzorů nebo kamer dokáže rozpoznat pohybující se objekty, gesta a pozice.
Aplikace pro chytré vozy
Jednou z posledních novinek jsou autonomní osobní vozidla.
První metro s plně automatizovaným řízením vzniklo v japonském městě Sendai, které bylo vyvinuto v roce 1987. Dnes již existuje mnoho plně automatizovaných systémů metra.
Dalším příkladem vozidel, která mohou přepravovat cestující a mohou být plně automatizována, je Stanley, který vyhrál v roce 2005 soutěž DARPA Challenge, která se konala v Mohavské poušti. Stanlymu se to podařilo, což 212,4 kilometru úspěšně zvládl v čase 54 hodin a XNUMX minut.
Později, v roce 2007 na DARPA Grand Challenge, která se konala na George Air Force Base, automatizované vozidlo Stanley opět úspěšně dokončilo 96-mílovou trať. Vozidla, která se tohoto závodu zúčastnila, byla schopna zpracovávat dopravní pravidla státu Kalifornie v reálném čase.
V jiné části světa, konkrétně mezi Mezinárodním kongresovým centrem a Braniborskou bránou, projelo 80kilometrovou trasu vozidlo Made in Germany vyvinuté Svobodnou univerzitou v Berlíně. Toto vozidlo je plně autonomní, má schopnost rozpoznat přítomnost chodců a semaforů. Vyžaduje však poskytnutí údajů, jako je cestovní rychlost.
bezpilotních letounů
Také známý jako UAV od zdrobněliny bezpilotního letounu. První bezpilotní letoun, který překonal Tichý oceán bez nutnosti zastávky, byl Global Hwak. To bylo provedeno v roce 2001 v měsíci dubnu, začalo to ve Spojených státech a skončilo v Austrálii.
Tento model však stále spoléhá na pilota pozemní stanice a další operátory pro analýzu dat. Weiss ve skutečnosti v roce 2011 naznačil, že tyto systémy, i když jsou schopny shromažďovat velké množství informací, stále nemají potřebnou kapacitu pro jejich zpracování v reálném čase, a proto inteligentně reagují na události podle informací. .
Tato vozidla jsou dnes více známá jako drony. Drony mají různé vnitřní senzory a zařízení, které vám pomáhají při navigaci. Mají například GPS modul pro geolokaci, kamery s bezdrátovým připojením, některé mimo jiné s pohybovými a tepelnými senzory. V první řadě tato technologie vznikla pro vojenské použití, i když je již na trhu.
Závěry
Není pochyb o tom, že různé oblasti techniky pokročily exponenciálně a výpočetní technika tomuto pokroku neunikla, ve skutečnosti spíše podpořila evoluci jiných odvětví vědy. Výpočtová kapacita poskytovaná umělou inteligencí se podle Moorova zákona za období osmnácti měsíců zdvojnásobila.
To by znamenalo, že pokud bude Moorův zákon nadále platit, pak kolem roku 2030 bude výpočetní výkon procesorů podobný nebo možná stejný jako u člověka.
Vyhledávače jako Google a Amazon ukládají miliony informací od svých uživatelů, aby určily preference každého jednotlivce, aby mohly poskytovat lepší služby. Servery s velkou kapacitou paměti tedy musely zaznamenávat tato data rovnoměrně.
Sociální sítě rovněž vyžadují, aby tyto velké úložné kapacity zaznamenávaly preference svých spotřebitelů, aby mohly předkládat návrhy podle jejich vkusu.