Teknologiens verden er allerede en væsentlig del af vores dagligdag, og det er interessant at forstå de egenskaber ved kunstig intelligens, der har gjort en forskel i den måde, vi lever på. Vidste du, at kunstig intelligens er en gren af datalogi? Gå ind her, og lær om dets funktioner og meget mere.
Funktioner af kunstig intelligens
I dette afsnit vil vi diskutere karakteristika ved kunstig intelligens. I dette tilfælde, kunstig intelligens (IA) er udviklet i en af datalogiens grene, hvor der anvendes logiske algoritmer, der søger at efterligne den menneskelige hjernes kognitive adfærd. Selvfølgelig kan definitionen af kunstig intelligens fortsætte med at udvikle sig, men i sidste ende vil alle karakteristika ved kunstig intelligens være enige om, at de bruges til programmering af robot-enheder.
I sommeren 1956 blev Dartmouth-konferencen afholdt for at behandle spørgsmålet om kunstig intelligens, som John McCarthy, Marvin Minsky og Claude Shannon deltog i. Dette møde er, da udtrykket kunstig intelligens første gang blev implementeret, hvor de fastsatte nogle prognoser til ti. år, som ikke blev opfyldt, så undersøgelserne blev opgivet i cirka femten år. Det skal bemærkes, at udtrykket "kunstig intelligens" tilskrives John McCarthy.
Det er let at tro, at det kun er et spørgsmål om tid, før teknologi og kunstig intelligens fuldstændig erstatter mennesker. Faktisk er der film og forskere fra det virkelige liv, som tror, at maskiner med kunstig intelligens vil være i stand til at underlægge sig menneskeheden og gøre den til slave. I øjeblikket er dette meget langt fra virkeligheden, fordi dette kun vil være muligt, når den kunstige intelligens har bevidsthed og har evnen til at skabe en ny enhed med kunstig intelligens på egen hånd og formår at omgå og tilsidesætte kommandoerne i dens programmering af egen vilje. På det tidspunkt ville mennesket miste kontrollen over situationen.
Hvad er kunstig intelligens?
Det var netop under Darthmouse-konferencen i 1956, hvor begrebet kunstig intelligens blev officielt defineret, som slår fast, at hvis en maskine eller en robot opførte sig på samme måde som den adfærd, et menneske ville udføre, så ville det blive betragtet som en enhed. smart.
Andre definitioner, der tilskrives kunstig intelligens, er følgende:
opføre sig som mennesker
Dette er definitionen etableret af McCarthy, som refererer til at evaluere maskinens adfærd for at afgøre, om den kan betragtes som intelligent. Den såkaldte "Turing-test" anvender denne definition til at definere resultaterne af sin test. Alle enheder, der ligner hinanden i handlinger såsom beslutningstagning, problemløsning og læring, som mennesker ville gøre, opfylder egenskaberne ved kunstig intelligens.
Testen foreslået af Alan Turing er, at et menneske vil føre en samtale i naturligt sprog med en maskine og et menneske på samme tid, maskinen ville søge at efterligne et menneskes adfærd og ville forsøge at bedrage sin evaluator gennem sine svar at få ham til at tro, at han faktisk er et menneske. Med andre ord mellem Kendetegnene for kunstig intelligens er evnen til at efterligne menneskeheden.
Testeren skal selvfølgelig på forhånd vide, at han taler med både en maskine og et menneske og skal forsøge at fastslå, hvem der er det rigtige menneske, og hvem der er bedrageren.
I dette tilfælde vil evnen til at tale ikke blive taget i betragtning, da evaluatoren ville blive placeret i et separat rum, hvor han ville modtage informationen via en computer, så kommunikation ville afhænge helt af tastaturet og ikke af denne evne. I denne forstand mellem Kendetegnene ved kunstig intelligens er at simulere den menneskelige stemme.
fornuft som mennesker
En anden af karakteristikaene ved kunstig intelligens er definitionen af at vurdere udviklingen af rationeringen foretaget af robotten, uden at tage hensyn til, om det opnåede resultat var vellykket eller ej. Denne opfattelse bruges af kognitiv videnskab. I dette ræsonnement udføres alle de beregninger, der er nødvendige for at kunne opfatte, ræsonnere og handle imod begivenheden.
fornuft rationelt
Ligesom den tidligere definition er en af kendetegnene ved kunstig intelligens den rationering, der udføres af maskinen, dog tager den højde for, om denne rationering har en logik og sammenhæng, således at nævnte rationering er blevet udført.
handle rationelt
I dette synspunkt, hvis resultaterne overvejes igen. Ved at bruge skak-spillende robot som eksempel, er dens mål at vinde hvert spil. Et andet træk ved kunstig intelligens er evnen til at udføre beregninger, som vil være ligegyldige, så længe den når målet.
Klassificering af kunstig intelligens
Kunstig intelligens kan klassificeres efter dens formål.
svag kunstig intelligens
Dette synspunkt mener, at computere kun kan foregive, at de har rationering, og ikke at de faktisk har en af deres egne. De forskere, der støtter denne holdning, mener, at det ikke er muligt for en computer, der er i stand til bevidsthed, at eksistere eller udvikles, da det i virkeligheden ville være et program, der ville simulere sådan noget.
stærk kunstig intelligens
På den anden side er der forskere, der bekræfter det faktum, at en computer kan have ræsonnementer eller tanker med samme kapaciteter som det menneskelige sind. Dette ville betyde, at en computer ville være i stand til at ræsonnere, forestille sig, føle, blandt andet på egen hånd, selv når alt starter fra et program, kan dens neurale netværk udvikle sig, indtil det når dette punkt.
https://www.youtube.com/watch?v=k3BNEgN2kEQ
Emner i kunstig intelligens
Selvom definitionerne og synspunkterne vedrørende kunstig intelligens alle konvergerer om fire spørgsmål, der skal overvejes at tilskrive en enhedsmaskine, hvis den har kunstig intelligens.
Fejlfinding og søgning
Et af hovedformålene med kunstig intelligens er at løse de problemer, som de er designet til. For det første, når man stiller et problem, er det nødvendigt at formalisere det på en måde, der så tillader dets løsning. Dette emne fokuserer på søgen efter formalisering af problemer og deres løsning.
Videnrepræsentation og videnbaserede systemer
Dette emne fokuserer på de problemer, der kræver forudgående viden for at kunne løse dem. For eksempel, de kunstige intelligens-programmer, der anvendes i medicin, er det nødvendigt at indarbejde viden og information om emnet, så det kan løse problemerne i dette emne.
Maskinindlæring
Dette emne refererer til den læreproces, der udføres af maskinen i henhold til de opnåede erfaringer. Der er forskellige typer af læring såsom imiteret læring, forstærkende læring, dyb læring eller beslutningstræ baseret læring. Alle disse typer læring gør det muligt for maskinen at gemme de udførte handlinger, der betragtede det endelige mål opfyldt, for at anvende de samme handlinger i tilfælde af en lignende begivenhed.
styrket læring
Forstærkningslæring er den samme som den, der bruges til at træne dyr, det vil sige, når de udfører en opgave eller korrekt adlyder en ordre, modtager de en belønning. I dette tilfælde modtager maskinen sin første ordre, og da den opnår positive resultater, modtager den dette som et incitament til at fortsætte med at forbedre sin beslutningstagning. For eksempel afhængig af Typer af robotter Du kan overveje at vinde skakspillet som din præmie.
dyb læring
En anden type læring kaldes deep learning, hvor efterligningen eller lignende adfærd af det neurale netværk og kommunikationsprocesser, der forekommer i neuronerne i den menneskelige hjerne, søges.
For eksempel, når de naturlige sensorer i den menneskelige krop såsom øjne, ører, berøring, smag eller lugt registrerer en variation, sendes et signal til hjernen. Dette signal modtages og analyseres af en første neuron, der kommunikerer påvisningen af en ændring til de følgende neuroner, og dermed initieres en neuronal sekvens for at forstå hændelsen og hvordan man reagerer.
En lignende proces opstår, når f.eks. ansigtsgenkendelseskameraer registrerer en person gennem deres visuelle sensorer, den aktiveres. Når ansigtet detekteres, starter det en sekvens af logiske processer, der starter fra analysen af de enkleste data, såsom de farver, ansigtet har. Derefter søger den at bestemme de geometriske figurer, der udgør dette ansigt. Til sidst skal du opdele ansigtet i flere rammer for bedre at definere de detaljer, der adskiller det ansigt.
Beslutningstræ
Denne type læring bruger forskellige problemløsningsskemaer, der aktiveres efterhånden som information modtages. Hvis eksemplet med robotten, der spiller skak, tages op igen, vil den starte sit skema, som er den første brik, som dens modstander flyttede, der vil den udføre flere beregninger svarende til statistikken over, hvilken brik den skal flytte. Senere vil din modstander lave andre træk, og et nyt skema vil åbne, hvor du igen vil lave beregninger for at lave dine næste træk.
Til sidst, når det lykkes at vinde skakspillet, så gemmer robotten alle de beslutninger, den og dens modstander har truffet for fremtidige skakspil, så når en lignende begivenhed sker, har den allerede den nødvendige information i databasen og kan svare hurtigere og med en højere procentdel chance for at vinde spillet.
distribueret kunstig intelligens
Takket være de fremskridt, der har givet os mulighed for at vide det Hvordan teknologien fungerer, såsom udviklingen af multiprocessorer og udseendet af internettet, har givet kunstig intelligens mulighed for at levere distribuerede løsninger.
kunstig intelligens applikationer
Derudover er der fire grene, der er tæt knyttet til brugen af kunstig intelligens, som er:
- Naturligt sprog.
- Kunstigt syn.
- Robotten.
- tale genkendelse.
I øjeblikket er forskellige applikationer, der bruger bestemte algoritmer eller metoder, blevet udviklet inden for kunstig intelligens.
Selv når der kan nævnes mange anvendelser af kunstig intelligens, ville det være vanskeligt at dække alt, hvor dets tilstedeværelse findes, da der i dag er enheder til daglig brug eller programmer, der bruges af virksomheder og virksomheder, hvor man finder denne teknologi.
For eksempel bliver der i dag brugt en supercomputer, der anvender en algoritme, som laver kombinationer af forskellige lægemidler for at forsøge at finde en kur mod Covid-19. Denne computer evaluerer de symptomatologiske data, virussens sammensætning og anden information, der er nødvendig for at kunne modvirke den, og gennem databasen, der indeholder de forskellige lægemidler, der findes, laver den kombinationer, der forsøger at helbrede patienten for denne sygdom, under hensyntagen til selv de bivirkninger, som disse kombinationer kan forårsage, og de anbefalede doser.
Et andet eksempel kan være dem, der bruges af flere søgemaskiner, der bruger læringsmetoden til at kende hver enkelt brugers interesser individuelt, dette giver dig mulighed for at oprette adfærdsprofiler og præferencer for og dermed være i stand til at levere annoncer i henhold til disse.
Dernæst vil vi præsentere nogle af de mest fremragende anvendelser af kunstig intelligens.
Applikationer i spil
Der er en robot med evnen til at slå selv de bedste spillere i skak, da denne robot blev bygget med det ene formål at udføre de nødvendige beregninger og statistikker for at etablere strategier i deres træk og vinde hvert spil.
I dag har stort set alle spil formået at blive slået af en maskine, selvom de første bordspil, der blev slået af en maskine, der havde kunstig intelligens, var brikker og Othello.
Giv mere
University of Alberta udviklede i 1989 et program kaldet Chinnok af Jonathan Schaeffers hold, og det var i 1994, at han blev verdensmester i damer. Chinnok-programmet har en database med åbninger og afslutninger af brikker, som er lavet af de bedste damspillere.
Igen, i 2007 blev det vist, at når spillet er udført perfekt, er det umuligt at programmere Chinnok. Og når en kamp spilles med en forbedring af strategien af modstanderen, kan den højst nå uafgjort mod dette program.
skak
I tilfældet med skak er forskellige innovationer og problemløsningsprogrammer blevet udviklet til at vinde dette spil i årevis, men det var i 1997 i maj måned i New York, da Deep Blue besejrede verdensmesteren G. Kasparov.
Det var en software udviklet af IBM-virksomheden, som havde specifik hardware og databaser, der gjorde det muligt for dette program at kulminere perfekt, når de endelige situationer blev præsenteret med syv eller endnu færre brikker på tavlen. Ligeledes var dens søgealgoritmer, minimax-typen, i stand til at bestemme de bedste muligheder i alle de forskellige tilfælde.
Go
I dag er det det offentlige spil, hvor en maskine med kunstig intelligens slår en menneskelig spiller, men dette er ikke overraskende, da Go i nogen tid er blevet betragtet som et endnu mere vanskeligt og komplekst spil end skak. .
Derudover øger dimensionerne af dette spil også sværhedsgraden betydeligt, da det har mere end 361 kryds til at lave et bræt på 19 3 19, uden at nævne antallet af mulige træk, der kan foretages på hvert bræt.
Selvom der ikke har været en maskine, der er i stand til at vinde dette spil, er der allerede programmer, der reagerer godt på brætter med dimensionerne ni gange ni, og i modsætning til de søgealgoritmer, der bruges til skakspillet, bruges i dette tilfælde søgealgoritmer. UCT-søgning.
robotapplikationer
Robotter har forskellige områder, hvor de yder deres støtte til hurtigere, mere effektive og præcise løsninger, såsom i produktionslinjer, der kræver procesautomatisering, også på militær- og forsvarsområdet, og endda til udforskning af rummet, som det er tilfældet med Curiosity mobil robot, der i øjeblikket befinder sig på Mars, for at indsamle information om den mulige eksistens af liv på denne planet.
I dag er der robotter, der tjener som underholdning og deltager i spil, såsom japanske kæledyrsrobotter kaldet Paro og Aibo. I tilfældet med Paro er det en terapeutisk robot, der hjælper med at reducere stressniveauet hos patienter og hjælper med at forbedre deres socialisering. I tilfældet med Aibo er det en hundeformet robot, der er udviklet af Sony, som har et vision-system og er programmerbar.
udforsknings- og rekognosceringsrobotter
Der er mobile robotter, der bruges til udforskning, eftersøgning og rekognoscering i fjendtlige miljøer eller områder. For eksempel som robotterne, der blev brugt i Tjernobyl-atomkatastrofen, der forsøgte at visualisere skaden forårsaget af hændelsen og formåede at fange billeder af den radioaktive masse kaldet Elephant's Foot.
Eller vi kan også nævne Spirit, Opportunity og Curiosity-robotterne, der blev sendt til overfladen af planeten Mars, i 2004 de to første og i 2012 den tredje, som opfylder missionen med at analysere alle biologiske, atmosfæriske og biologiske processer. udgør denne planet.
I 1997 præsenterede Honda-virksomheden den første bipedale robot, det vil sige, den havde evnen til at gå med to lemmer og blev kaldt P3. Igen introducerede Honda i 2000 ASIMO-robotten, der kommer fra det lille Advance Step in Innovative Mobility. Dette var slutningen på Honda P-robotserien. Alle disse robotter var bevidst designet til at have den fysiske struktur og motoriske evner som et menneske.
Nu kan ASIMO ændre, om den løber, går op ad trapper og undgår forhindringer, og selv gennem dens visuelle sensorer eller kameraer kan den genkende bevægelige genstande, bevægelser og stillinger.
Smarte køretøjsapplikationer
En af de seneste innovationer er autonome personbiler.
Den første metro med fuldautomatisk kørsel opstod i den japanske by Sendai, som blev udviklet i 1987. I dag findes der allerede mange fuldautomatiske metrosystemer.
Et andet eksempel på køretøjer, der kan transportere passagerer og kan fuldautomatiseres, er Stanley, som var vinderen af 2005 DARPA Challenge-konkurrencen, som fandt sted i Mojave-ørkenen. Stanly opnåede, hvilket han med succes gennemførte ruten på 212,4 kilometer i en tid på seks timer og 54 minutter.
Senere, i 2007 DARPA Grand Challenge afholdt på George Air Force Base, gennemførte Stanley automatiserede køretøj igen den 96-mile bane. Køretøjerne, der deltog i dette løb, var i stand til at behandle trafikreglerne i staten Californien i realtid.
I en anden del af verden, specifikt mellem International Congress Center og Brandenburger Tor, kørte Made in Germany-køretøjet udviklet af Free University of Berlin på en 80 kilometer lang rute. Dette køretøj er fuldt autonomt, det har evnen til at genkende tilstedeværelsen af fodgængere og trafiklys. Det kræver dog, at der gives data såsom rejsehastighed.
ubemandede luftfartøjer
Også kendt som UAV fra diminutiv af Unmanned Aerial Vehicle. Det første ubemandede luftfartøj, der krydsede Stillehavet uden at skulle stoppe, var Global Hwak. Dette blev udført i 2001 i april måned, det begyndte i USA og sluttede i Australien.
Denne model er dog stadig afhængig af en jordstationspilot og andre operatører til dataanalyse. Faktisk indikerede Weiss i 2011, at disse systemer, selvom de er i stand til at indsamle store mængder information, stadig ikke har den nødvendige kapacitet til at behandle den i realtid, og derfor reagerer intelligent på hændelser i henhold til informationen. .
Disse køretøjer er i dag mere populært kendt som droner. Droner har forskellige interne sensorer og enheder, der hjælper dig i din navigation. De har for eksempel et GPS-modul til geolokalisering, kameraer med trådløs forbindelse, nogle med bevægelses- og varmesensorer, bl.a. I første omgang opstod denne teknologi til militær brug, selvom den allerede er på markedet.
konklusioner
Der er ingen tvivl om, at forskellige teknologiområder har udviklet sig eksponentielt, og databehandling undslipper ikke dette fremskridt, faktisk har det snarere fremmet udviklingen af andre grene af videnskaben. Beregningskapaciteten leveret af kunstig intelligens er blevet fordoblet i en periode på atten måneder ifølge Moores lov.
Dette ville indebære, at hvis Moores lov fortsætter med at holde, så omkring 2030 vil den computerkraft, som processorer vil have, svare til eller måske lig med et menneskes.
Søgemaskiner som Google og Amazon gemmer millioner af informationer fra deres brugere for at bestemme hver enkelt persons præferencer for at give en bedre service. Så servere med stor hukommelseskapacitet har været forpligtet til at optage jævnt i disse data.
Sociale netværk kræver ligeledes disse store lagerkapaciteter for at registrere deres forbrugeres præferencer for at kunne præsentere forslag efter deres smag.