テクノロジーの世界はすでに私たちの日常生活に欠かせないものであり、私たちの生活に変化をもたらした人工知能の特徴を理解することは興味深いことです。 人工知能がコンピュータサイエンスの一分野であることをご存知ですか? ここに入力して、その機能などについて学びます。
人工知能の特徴
このセクションでは、人工知能の特徴について説明します。 この場合、 人工知能 (IA)は、人間の脳の認知行動を模倣しようとする論理アルゴリズムが適用されるコンピュータサイエンスの分野のXNUMXつで開発されました。 もちろん、人工知能の定義は発展し続けることができますが、最終的には、人工知能のすべての特性は、それらがロボットデバイスのプログラミングに使用されることに同意します。
1956年の夏、人工知能の問題に取り組むためにダートマス会議が開催され、ジョンマッカーシー、マービンミンスキー、クロードシャノンが参加しました。この会議は、人工知能という用語が最初に実装されたときであり、XNUMXにいくつかの予測を規定しました。満たされていない年だったので、調査は約XNUMX年間中止されました。 「人工知能」という用語は、ジョン・マッカーシーに起因することに注意してください。
テクノロジーと人工知能が完全に人間に取って代わるのは時間の問題だと考えるのは簡単です。 実際、人工知能を備えた機械が人類を征服し、奴隷化することができると信じている映画や実際の研究者がいます。 現時点では、これは現実からかけ離れています。これは、人工知能が意識を持ち、人工知能を備えた新しいデバイスを独自に作成する能力を持ち、プログラミングのコマンドをバイパスしてオーバーライドできる場合にのみ可能になるためです。それ自身の意志の。 その時点で、人間は状況の制御を失うでしょう。
人工知能とは何ですか?
まさに1956年のダースマウス会議で、人工知能という用語が正式に定義されました。これは、機械またはロボットが人間が実行する動作と同じように動作する場合、それはデバイス。スマート。
人工知能に起因する他の定義は次のとおりです。
人のように振る舞う
これは、マッカーシーによって確立された定義であり、マシンの動作を評価して、インテリジェントと見なすことができるかどうかを判断することを指します。 いわゆる「チューリングテスト」は、この定義を適用してテストの結果を定義します。 意思決定、問題解決、学習など、人間と同じような行動をとるすべてのデバイスは、人工知能の特性を満たしています。
アラン・チューリングが提案したテストでは、人間は機械と人間と同時に自然言語で会話を行い、機械は人間の行動を模倣しようとし、評価者をだまそうとします。彼が実際に人間であると彼に信じさせるためのその答えを通して。 言い換えれば、 人工知能の特徴は、人類を模倣する能力です。
もちろん、テスターは自分が機械や人間と話していることを事前に知っている必要があり、どちらが本物の人間でどちらが詐欺師であるかを判断する必要があります。
この場合、評価者はコンピューターを介して情報を受け取る別の部屋に配置されるため、話す能力は考慮されません。したがって、コミュニケーションは完全にキーボードに依存し、この能力には依存しません。 この意味で、 人工知能の特徴は、人間の声をシミュレートすることです。
人々のような理由
人工知能のもうXNUMXつの特徴は、得られた結果が成功したかどうかを考慮せずに、ロボットによって行われた配給の開発を評価することの定義にあります。 このビューは、認知科学によって使用されます。 この推論では、イベントを認識し、推論し、行動するために必要なすべての計算が実行されます。
合理的な理由
前の定義と同様に、人工知能の特徴のXNUMXつは、機械によって行われる配給ですが、この配給に論理と一貫性があるかどうかが考慮されているため、この配給が実行されています。
合理的に行動する
この観点で、結果を再度検討する場合。 例としてチェスをするロボットを使用して、その目標はすべてのゲームに勝つことです。 人工知能のもうXNUMXつの特徴は、計算を実行する機能です。これは、目標に到達する限り無関心です。
人工知能の分類
人工知能は、その目的に応じて分類できます。
弱い人工知能
この観点では、コンピューターは配給制を持っているふりをすることしかできず、実際に自分の配給制を持っているとは考えていません。 この立場を支持する研究者たちは、実際にはそのようなことをシミュレートするプログラムであるため、意識のあるコンピューターが存在したり開発されたりすることは不可能であると考えています。
強力な人工知能
一方、コンピュータは人間の心と同じ能力で推論や思考をすることができるという事実を肯定する研究者がいます。 これは、コンピュータが、とりわけ、すべてがプログラムから始まったとしても、それがこの時点に達するまでそのニューラルネットワークが進化する可能性がある場合でも、それ自体で推論、想像、感じることができることを意味します。
https://www.youtube.com/watch?v=k3BNEgN2kEQ
人工知能のトピック
人工知能に関する定義と視点はすべて、人工知能を備えている場合にデバイスマシンに起因すると見なすXNUMXつの問題に収束します。
トラブルシューティングと検索
人工知能の主な目的のXNUMXつは、それらが設計されている問題を解決することです。 そもそも、問題を提起するときは、解決できるように形式化する必要があります。 このトピックは、問題の形式化とその解決策の検索に焦点を当てています。
知識表現と知識ベースシステム
このトピックでは、問題を解決するために事前の知識が必要な問題に焦点を当てます。 たとえば、医学に適用される人工知能プログラムでは、この主題の問題を解決できるように、主題に関する知識と情報を組み込む必要があります。
機械学習
このトピックでは、得られた経験に基づいてマシンによって実行される学習プロセスについて説明します。 模倣学習、強化学習、深層学習、決定木ベースの学習など、さまざまな種類の学習があります。 これらすべてのタイプの学習により、マシンは、同様のイベントが発生した場合に同じアクションを適用するために、達成された最終目的を考慮して実行されたアクションを保存できます。
強化学習
強化学習は、動物を訓練するために使用されるものと同じです。つまり、動物がタスクを実行するか、命令に正しく従うと、報酬を受け取ります。 この場合、マシンは最初の注文を受け取り、肯定的な結果が得られると、意思決定を改善し続けるためのインセンティブとしてこれを受け取ります。 たとえば、 ロボットの種類 あなたはあなたの賞としてチェスのゲームに勝つことを考えることができます。
ディープラーニング
別のタイプの学習はディープラーニングと呼ばれ、人間の脳のニューロンで発生する神経ネットワークと通信プロセスの模倣または同様の動作が求められます。
たとえば、目、耳、触覚、味覚、嗅覚などの人体の自然なセンサーが変化を検出すると、信号が脳に送信されます。 この信号は、次のニューロンに変化の検出を伝達する最初のニューロンによって受信および分析されます。したがって、ニューロンシーケンスが開始され、イベントと反応方法が理解されます。
同様のプロセスは、たとえば、顔認識カメラが視覚センサーを介して個人を検出し、それがアクティブ化された場合に発生します。 顔を検出すると、顔の色などの最も単純なデータの分析から始まる一連の論理プロセスが開始されます。 次に、その顔を構成する幾何学的図形を決定しようとします。 最後に、顔を複数のフレームに分割して、その顔を区別する詳細をより適切に定義します。
デシジョンツリー
このタイプの学習では、情報を受け取るとアクティブになるさまざまな問題解決スキームを使用します。 チェスをするロボットの例をもう一度取り上げると、対戦相手が最初に移動したピースであるスキームが開始され、そこで、移動する必要のある統計に対応する複数の計算が実行されます。 後で、対戦相手は他の動きをし、新しいスキームが開き、次の動きをするために再び計算を行います。
最後に、チェスゲームに勝つことに成功すると、ロボットは、ロボットとその対戦相手が将来のチェスゲームのために行ったすべての決定を保存します。これにより、同様のイベントが発生したときに、データベースに必要な情報がすでに存在し、応答できるようになります。より迅速に、ゲームに勝つ可能性が高くなります。
分散型人工知能
私たちが知ることを可能にしてくれた進歩のおかげで テクノロジーの仕組みマルチプロセッサの進化やインターネットの出現など、人工知能が分散ソリューションを提供できるようになりました。
人工知能アプリケーション
さらに、人工知能の使用に密接に関連しているXNUMXつのブランチがあります。
- 自然言語。
- 人工視覚。
- ロボット。
- 音声認識。
現在、特定のアルゴリズムまたは方法を使用するさまざまなアプリケーションが、人工知能の分野で開発されています。
人工知能の多くの用途について言及できたとしても、今日では日常的に使用するデバイスや、この技術を見つける企業や企業が使用するプログラムがあるため、その存在が見られるすべてを網羅することは困難です。
たとえば、今日、Covid-19の治療法を見つけるために、さまざまな薬の組み合わせを作成するアルゴリズムを適用するスーパーコンピューターが使用されています。 このコンピューターは、症状データ、ウイルスの組成、およびそれを打ち消すために必要なその他の情報を評価し、存在するさまざまな薬を含むデータベースを通じて、この病気の患者を治療しようとする組み合わせを考慮に入れて作成しますこれらの組み合わせが引き起こす可能性のある副作用と推奨用量ですら。
別の例としては、学習方法を使用して各ユーザーの興味を個別に知る複数の検索エンジンで使用されるものがあります。これにより、行動プロファイルと好みを作成し、これらに応じた広告を提供できるようになります。
次に、人工知能の最も優れたアプリケーションのいくつかを紹介します。
ゲームでのアプリケーション
チェスの最高のプレーヤーでさえも打ち負かす能力を備えたロボットがあります。このロボットは、彼らの動きの戦略を確立し、各ゲームに勝つために必要な計算と統計を行うことを唯一の目的として構築されたためです。
今日、事実上すべてのゲームがマシンによって打ち負かされましたが、人工知能を備えたマシンによって打ち負かされた最初のテーブルゲームはチェッカーとオセロでした。
ダマ
アルバータ大学は1989年にジョナサンシェーファーのチームによってChinnokと呼ばれるプログラムを開発し、1994年に彼が女性の世界チャンピオンになりました。 Chinnokプログラムには、最高のチェッカープレーヤーによって行われたチェッカーゲームの開始と終了のデータベースがあります。
繰り返しになりますが、2007年には、ゲームが完全に行われると、Chinnokをプログラムすることは不可能であることが示されました。 そして、対戦相手が戦略を改善して試合を行うと、せいぜいこのプログラムに対して引き分けに達することができます。
チェス
チェスの場合、このゲームに勝つためにさまざまな革新と問題解決プログラムが何年にもわたって開発されてきましたが、ディープブルーが世界チャンピオンのG.カスパロフを破ったのはニューヨークの1997月のXNUMX年でした。
これはIBMの会社によって開発されたソフトウェアであり、特定のハードウェアとデータベースを備えていたため、ボード上のXNUMXつ以下のピースで最終的な状況が提示されたときに、このプログラムを完全に完成させることができました。 同様に、その検索アルゴリズムであるミニマックスタイプは、さまざまなケースすべてで最適なオプションを決定することができました。
Go
今日では、人工知能を備えたマシンが人間のプレイヤーを打ち負かす公開ゲームですが、これは驚くべきことではありません。これは、しばらくの間、Goがチェスよりもさらに困難で複雑なゲームと見なされてきたためです。
さらに、このゲームの寸法は、各ボードで実行できる移動の数は言うまでもなく、361 19 3のボードを作成するために19を超える交差点があるため、難易度も大幅に向上します。
このゲームに勝つことができるマシンはありませんでしたが、XNUMX x XNUMXの寸法のボードによく反応するプログラムがすでにあり、チェスのゲームで使用される検索アルゴリズムとは異なり、この場合は検索アルゴリズムが使用されます。 UCT検索。
ロボット工学アプリケーション
ロボットにはさまざまな分野があり、プロセスの自動化が必要な生産ライン、軍事および防衛分野、さらにはCuriosity mobileの場合のように探査スペースなど、より高速で効率的かつ正確なソリューションをサポートします。この惑星に生命が存在する可能性に関する情報を収集するために、現在火星にいるロボット。
今日では、パロやアイボと呼ばれる日本のペットロボットなど、娯楽としてゲームに参加するロボットがあります。 パロの場合、それは患者のストレスレベルを減らし、彼らの社会化を改善するのを助ける治療ロボットです。 アイボの場合は、ソニーが開発した犬型のロボットで、ビジョンシステムを搭載し、プログラム可能です。
探査および偵察ロボット
敵対的な環境や地域での探索、検索、偵察に使用される移動ロボットがあります。 たとえば、チェルノブイリ原発事故で使用されたロボットのように、事故によって引き起こされた被害を視覚化しようとし、ゾウの足と呼ばれる放射性物質の画像をキャプチャすることができました。
または、火星の表面に送られたスピリット、オポチュニティ、キュリオシティロボットについても言及できます。これらは、2004年に最初の2012つ、XNUMX年にXNUMXつ目で、すべての生物学的、大気、生物学的プロセスを分析するという使命を果たしています。この惑星を構成します。
1997年、ホンダ社は最初の二足歩行ロボットを発表しました。つまり、3本の手足で歩くことができ、P2000と呼ばれていました。 繰り返しになりますが、ホンダはXNUMX年に、革新的なモビリティの小さな前進ステップから生まれたASIMOロボットを発表しました。 これでホンダPロボットシリーズは終了です。 これらのロボットはすべて、人間の物理的構造と運動能力を持つように意図的に設計されています。
現在、ASIMOは、走っているのか、階段を上っているのか、障害物を避けているのかを変えることができ、視覚センサーやカメラを通してさえ、動く物体、ジェスチャー、姿勢を認識することができます。
スマート車両アプリケーション
最近の革新のXNUMXつは、自律型乗用車です。
1987年に開発された日本の仙台市で、完全自動運転の最初の地下鉄が登場しました。現在、すでに多くの完全自動運転の地下鉄システムがあります。
乗客を運ぶことができ、完全に自動化できる車両のもう2005つの例は、モハーベ砂漠で開催された212,4年のDARPAチャレンジコンテストで優勝したスタンレーです。 スタンリーは、54時間XNUMX分でXNUMXキロメートルのルートを無事に完了したことを達成しました。
その後、ジョージ空軍基地で開催された2007年のDARPAグランドチャレンジで、スタンレー自動車両は再び96マイルのコースを無事に完了しました。 このレースに参加した車両は、カリフォルニア州の交通規則をリアルタイムで処理することができました。
世界の別の地域、特に国際会議センターとブランデンブルク門の間では、ベルリン自由大学が開発したドイツ製の車両が80キロメートルのルートを走行しました。 この車両は完全に自律型であり、歩行者や信号機の存在を認識する機能があります。 ただし、移動速度などのデータを提供する必要があります。
無人航空機
無人航空機のちっぽけなものからUAVとしても知られています。 停車せずに太平洋を横断した最初の無人航空機は、グローバルハワクでした。 これは2001年XNUMX月に実施され、米国で始まりオーストラリアで終わりました。
ただし、このモデルは、データ分析を地上局のパイロットや他のオペレーターに依存しています。 実際、ワイスは2011年に、これらのシステムは大量の情報を収集できるにもかかわらず、リアルタイムで処理するために必要な能力がないため、情報に従ってインテリジェントにイベントに応答することを示しました。即座に収集されます。 。
今日、これらの車両はドローンとしてより一般的に知られています。 ドローンには、ナビゲーションに役立つさまざまな内部センサーとデバイスがあります。 たとえば、ジオロケーション用のGPSモジュール、ワイヤレス接続を備えたカメラ、モーションセンサーと熱センサーを備えたカメラなどがあります。 第一に、この技術はすでに市場に出回っていますが、軍事用途で生まれました。
結論
テクノロジーのさまざまな分野が飛躍的に進歩し、コンピューティングがこの進歩を免れることはないことは間違いありません。実際、それは科学の他の分野の進化を促進してきました。 ムーアの法則によれば、人工知能によって提供される計算能力は、XNUMXか月の間に倍増しています。
これは、ムーアの法則が引き続き適用される場合、2030年頃までに、プロセッサが持つ計算能力は人間と同等か、おそらく同等になることを意味します。
グーグルやアマゾンのような検索エンジンは、より良いサービスを提供するために各個人の好みを決定するために、ユーザーからの何百万もの情報を保存します。 そのため、大容量のメモリを搭載したサーバーは、このデータに均等に記録する必要があります。
同様に、ソーシャルネットワークでは、消費者の好みに応じて提案を提示するために、消費者の好みを記録するためにこれらの大容量のストレージが必要です。