Tehnoloģiju pasaule jau ir būtiska mūsu ikdienas dzīves sastāvdaļa, un ir interesanti izprast mākslīgā intelekta īpašības, kas ir mainījušas mūsu dzīvesveidu. Vai zinājāt, ka mākslīgais intelekts ir datorzinātņu nozare? Ieejiet šeit un uzziniet par tā funkcijām un daudz ko citu.
Mākslīgā intelekta iezīmes
Šajā sadaļā mēs apspriedīsim mākslīgā intelekta īpašības. Šajā gadījumā, mākslīgais intelekts (IA) ir izstrādāts vienā no datorzinātņu nozarēm, kur tiek izmantoti loģiski algoritmi, kas cenšas atdarināt cilvēka smadzeņu kognitīvo uzvedību. Protams, mākslīgā intelekta definīcija var turpināt attīstīties, taču galu galā visas mākslīgā intelekta īpašības piekritīs, ka tās tiek izmantotas robotu ierīču programmēšanai.
1956. gada vasarā, lai risinātu mākslīgā intelekta jautājumu, notika Dartmutas konference, kurā piedalījās Džons Makartijs, Mārvins Minskis un Klods Šenons.Šajā sanāksmē pirmo reizi tika ieviests termins mākslīgais intelekts, kurā tika noteiktas dažas prognozes līdz desmit. gados, kas netika izpildīti, tāpēc izmeklēšana tika pārtraukta uz aptuveni piecpadsmit gadiem. Jāpiebilst, ka jēdziens "mākslīgais intelekts" tiek attiecināts uz Džonu Makartiju.
Ir viegli domāt, ka tas ir tikai laika jautājums, kad tehnoloģijas un mākslīgais intelekts pilnībā aizstās cilvēkus. Patiesībā ir filmas un reālās dzīves pētnieki, kuri uzskata, ka mašīnas ar mākslīgo intelektu spēs pakļaut cilvēku rasi un paverdzināt to. Šobrīd tas ir ļoti tālu no realitātes, jo tas būs iespējams tikai tad, kad mākslīgajam intelektam būs apziņa un tas spēs patstāvīgi izveidot jaunu ierīci ar mākslīgo intelektu, kā arī spēs apiet un ignorēt savas programmēšanas komandas. pēc paša vēlēšanās. Tajā brīdī cilvēks zaudēs kontroli pār situāciju.
Kas ir mākslīgais intelekts?
Tieši Darthmouse konferences laikā 1956. gadā, kur oficiāli tika definēts termins mākslīgais intelekts, kas nosaka, ka, ja mašīna vai robots uzvestos līdzīgi kā cilvēks, tad tas tiktu uzskatīts par ierīce. vieda.
Citas mākslīgā intelekta definīcijas ir šādas:
rīkojas kā cilvēki
Šī ir Makartija noteiktā definīcija, kas attiecas uz mašīnas uzvedības novērtēšanu, lai noteiktu, vai to var uzskatīt par inteliģentu. Tā sauktais "Tjūringa tests" izmanto šo definīciju, lai definētu sava testa rezultātus. Visas ierīces, kas tādās darbībās kā lēmumu pieņemšana, problēmu risināšana un mācīšanās ir līdzīgas cilvēkiem, atbilst mākslīgā intelekta īpašībām.
Alana Tjūringa piedāvātais tests ir tāds, ka cilvēks sarunāsies dabiskā valodā ar mašīnu un cilvēku vienlaikus, mašīna censtos atdarināt cilvēka uzvedību un mēģinātu maldināt tās vērtētāju. ar atbildēm likt viņam noticēt, ka viņš patiesībā ir cilvēks. Citiem vārdiem sakot, starp Mākslīgā intelekta īpašības ir spēja atdarināt cilvēci.
Protams, pārbaudītājam jau iepriekš ir jāzina, ka viņš runā ar mašīnu un cilvēku, un jāmēģina noteikt, kurš ir īstais cilvēks un kurš viltnieks.
Šajā gadījumā runas prasme netiktu ņemta vērā, jo vērtētājs tiktu ievietots atsevišķā telpā, kur viņš informāciju saņemtu ar datora starpniecību, līdz ar to komunikācija būtu pilnībā atkarīga no tastatūras, nevis no šīs spējas. Šajā ziņā starp Mākslīgā intelekta īpašības ir simulēt cilvēka balsi.
saprāts kā cilvēki
Vēl viena no mākslīgā intelekta pazīmēm ir robota veiktā normēšanas attīstības novērtēšanas definīcija, neņemot vērā, vai iegūtais rezultāts bija veiksmīgs vai nē. Šo uzskatu izmanto kognitīvā zinātne. Šajā argumentācijā tiek veikti visi aprēķini, kas nepieciešami, lai varētu uztvert, spriest un rīkoties pret notikumu.
racionāli spriest
Tāpat kā iepriekšējā definīcijā, viens no mākslīgā intelekta raksturlielumiem ir mašīnas veiktā normēšana, taču tā ņem vērā, vai šai normēšanai ir loģika un saskaņotība, lai minētā normēšana būtu veikta.
rīkoties racionāli
No šī viedokļa, ja rezultātus aplūko vēlreiz. Izmantojot šaha spēles robotu kā piemēru, tā mērķis ir uzvarēt katrā spēlē. Vēl viena mākslīgā intelekta iezīme ir spēja veikt aprēķinus, kas būs vienaldzīgi tik ilgi, kamēr tas sasniegs mērķi.
Mākslīgā intelekta klasifikācija
Mākslīgo intelektu var klasificēt pēc tā mērķiem.
vājš mākslīgais intelekts
Šis viedoklis uzskata, ka datori var tikai izlikties, ka tiem ir normēšana, nevis ka tiem faktiski ir savs. Pētnieki, kuri atbalsta šo nostāju, uzskata, ka apziņai spējīgam datoram pastāvēt vai attīstīties nav iespējams, jo patiesībā tā būtu programma, kas ko tādu simulētu.
spēcīgs mākslīgais intelekts
No otras puses, ir pētnieki, kas apstiprina faktu, ka datoram var būt spriešana vai domas ar tādām pašām spējām kā cilvēka prātam. Tas nozīmētu, ka dators spētu spriest, iztēloties, just, cita starpā, pats par sevi, pat ja viss sākas no programmas, tā neironu tīkls varētu attīstīties, līdz tas sasniedz šo punktu.
https://www.youtube.com/watch?v=k3BNEgN2kEQ
Mākslīgā intelekta tēmas
Lai gan definīcijas un viedokļi attiecībā uz mākslīgo intelektu saplūst četros jautājumos, kas jāapsver saistībā ar ierīces mašīnu, ja tai ir mākslīgais intelekts.
Traucējummeklēšana un meklēšana
Viens no galvenajiem mākslīgā intelekta mērķiem ir atrisināt problēmas, kurām tie ir paredzēti. Pirmkārt, izvirzot problēmu, tā ir jāformalizē tā, lai pēc tam to varētu atrisināt. Šī tēma ir vērsta uz problēmu formalizācijas meklējumiem un to risināšanu.
Zināšanu reprezentācija un uz zināšanām balstītas sistēmas
Šī tēma ir vērsta uz tām problēmām, kuru risināšanai nepieciešamas iepriekšējas zināšanas. Piemēram, tajās mākslīgā intelekta programmās, kuras tiek pielietotas medicīnā, ir nepieciešams iekļaut zināšanas un informāciju par mācību priekšmetu, lai tas varētu atrisināt šī priekšmeta problēmas.
Mašīnmācība
Šī tēma attiecas uz mācību procesu, ko mašīna veic saskaņā ar iegūto pieredzi. Ir dažādi mācīšanās veidi, piemēram, imitācijas mācības, pastiprinoša mācīšanās, dziļa mācīšanās vai uz lēmumu koku balstīta mācīšanās. Visi šie mācīšanās veidi ļauj mašīnai saglabāt veiktās darbības, kas uzskatīja par izpildītu galīgo mērķi, lai līdzīga notikuma gadījumā piemērotu tās pašas darbības.
pastiprināta mācīšanās
Pastiprināšanas mācības ir tādas pašas kā dzīvnieku apmācībai, tas ir, kad tie veic uzdevumu vai pareizi izpilda pavēli, viņi saņem atlīdzību. Šajā gadījumā iekārta saņem savu pirmo pasūtījumu un, gūstot pozitīvus rezultātus, tā saņem to kā stimulu turpināt pilnveidot savu lēmumu pieņemšanu. Piemēram, atkarībā no Robotu veidi Par savu balvu varat uzskatīt uzvaru šaha spēlē.
dziļa mācīšanās
Cits mācīšanās veids tiek saukts par dziļo mācīšanos, kurā tiek meklēta neironu tīkla un komunikācijas procesu imitācija vai līdzīga uzvedība, kas notiek cilvēka smadzeņu neironos.
Piemēram, ja cilvēka ķermeņa dabiskie sensori, piemēram, acis, ausis, pieskāriens, garša vai smarža, nosaka izmaiņas, signāls tiek nosūtīts uz smadzenēm. Šo signālu uztver un analizē pirmais neirons, kas paziņo par izmaiņu noteikšanu nākamajiem neironiem, un tādējādi tiek uzsākta neironu secība, lai saprastu notikumu un to, kā reaģēt.
Līdzīgs process notiek, kad, piemēram, sejas atpazīšanas kameras nosaka indivīdu caur saviem vizuālajiem sensoriem, tas tiek aktivizēts. Nosakot seju, tas sāk loģisku procesu secību, sākot no visvienkāršāko datu, piemēram, sejas krāsu, analīzes. Pēc tam tā cenšas noteikt ģeometriskās figūras, kas veido šo seju. Visbeidzot, sadaliet seju vairākos kadros, lai labāk definētu detaļas, kas atšķir šo seju.
Lēmumu koks
Šāda veida mācībās tiek izmantotas dažādas problēmu risināšanas shēmas, kas tiek aktivizētas, saņemot informāciju. Ja atkal tiek ņemts piemērs ar robotu, kurš spēlē šahu, tas sāks savu shēmu, kurā ir pirmā figūra, kuru pretinieks pakustināja, tur tas veiks vairākus aprēķinus, kas atbilst statistikai, kura ir jāpārvieto. Vēlāk jūsu pretinieks veiks citus gājienus, un tiks atvērta jauna shēma, kurā jūs atkal veiksiet aprēķinus, lai veiktu nākamos gājienus.
Visbeidzot, kad izdodas uzvarēt šaha partiju, tad robots saglabā visus tā un pretinieka pieņemtos lēmumus turpmākajām šaha spēlēm, lai, kad notiek līdzīgs notikums, tam jau būtu vajadzīgā informācija datu bāzē. ātrāk un ar lielāku procentuālo iespēju uzvarēt spēli.
izplatīts mākslīgais intelekts
Pateicoties sasniegumiem, kas mums ļāva uzzināt Kā darbojas tehnoloģija, piemēram, daudzprocesoru attīstība un interneta parādīšanās, ir ļāvuši mākslīgajam intelektam nodrošināt izplatītus risinājumus.
mākslīgā intelekta lietojumprogrammas
Turklāt ir četras nozares, kas ir cieši saistītas ar mākslīgā intelekta izmantošanu, un tās ir:
- Dabiskā valoda.
- Mākslīgā redze.
- Robots.
- runas atpazīšana.
Pašlaik mākslīgā intelekta jomā ir izstrādātas dažādas lietojumprogrammas, kas izmanto noteiktus algoritmus vai metodes.
Pat tad, ja var minēt daudzus mākslīgā intelekta lietojumus, būtu grūti aptvert visus, kuros tā klātbūtne ir sastopama, jo mūsdienās ir ierīces ikdienas lietošanai vai programmas, kuras izmanto uzņēmumi un korporācijas, kur šī tehnoloģija atrodama.
Piemēram, mūsdienās tiek izmantots superdators, kas izmanto algoritmu, kas veido dažādu medikamentu kombinācijas, lai mēģinātu atrast līdzekli pret Covid-19. Šis dators novērtē simptomatoloģijas datus, vīrusa sastāvu un citu informāciju, kas nepieciešama, lai varētu pretoties tam, un, izmantojot datubāzi, kurā ir dažādas esošās zāles, tas veido kombinācijas, cenšoties izārstēt pacientu no šīs slimības, ņemot vērā pat blakusparādības, ko šīs kombinācijas var izraisīt, un ieteicamās devas.
Vēl viens piemērs var būt tie, kurus izmanto vairākas meklētājprogrammas, kas izmanto mācību metodi, lai uzzinātu katra lietotāja intereses atsevišķi, kas ļauj izveidot uzvedības profilus un preferences un tādējādi nodrošināt reklāmas atbilstoši šīm.
Tālāk mēs iepazīstināsim ar dažiem izcilākajiem mākslīgā intelekta lietojumiem.
Lietojumprogrammas spēlēs
Ir robots ar spēju pārspēt pat labākos šaha spēlētājus, jo šis robots tika izveidots tikai ar mērķi veikt nepieciešamos aprēķinus un statistiku, lai noteiktu viņu gājienu stratēģijas un uzvarētu katrā spēlē.
Šodien praktiski visas spēles ir izdevies pārspēt ar mašīnu, lai gan pirmās galda spēles, kuras pārspēja mašīna, kurai bija mākslīgais intelekts, bija dambrete un Otello.
Dodiet vairāk
Albertas universitāte 1989. gadā izstrādāja Džonatana Šēfera komanda programmu ar nosaukumu Chinnok, un tieši 1994. gadā viņš kļuva par pasaules čempionu dāmu konkurencē. Programmā Chinnok ir datubāze ar labāko dambretistu izveidoto dambretes spēļu atvēršanu un noslēgumu.
Atkal 2007. gadā tika parādīts, ka tad, kad spēle tiek veikta perfekti, Chinnok nav iespējams ieprogrammēt. Un, ja spēle tiek spēlēta ar pretinieka stratēģijas uzlabojumu, tas var sasniegt neizšķirtu pret šo programmu.
Šahs
Šaha gadījumā jau gadiem ilgi ir izstrādāti dažādi jauninājumi un problēmu risināšanas programmas, lai uzvarētu šajā spēlē, taču tas notika 1997. gada maijā Ņujorkā, kad Deep Blue uzvarēja pasaules čempionu G. Kasparovu.
Tā bija IBM kompānijas izstrādāta programmatūra, kurai bija specifiska aparatūra un datu bāzes, kas ļāva šai programmai nevainojami sasniegt kulmināciju, kad pēdējās situācijas tika uzrādītas ar septiņiem vai pat mazāk gabaliņiem uz tāfeles. Tāpat tā meklēšanas algoritmi, minimax tips, spēja noteikt labākās iespējas visos dažādos gadījumos.
Go
Mūsdienās tā ir publiska spēle, kurā mašīna ar mākslīgo intelektu pārspēj spēlētāju, taču tas nav pārsteidzoši, jo kādu laiku Go tika uzskatīts par vēl grūtāku un sarežģītāku spēli nekā šahs.
Turklāt šīs spēles izmēri arī ievērojami palielina grūtības, jo tai ir vairāk nekā 361 krustojums, lai izveidotu dēli ar 19 3 19, neminot iespējamo gājienu skaitu, ko var izdarīt uz katra galda.
Lai arī nav bijusi mašīna, kas spētu uzvarēt šajā spēlē, jau ir programmas, kas labi reaģē uz dēļiem, kuru izmēri ir deviņi reiz deviņi, un atšķirībā no šaha spēlē izmantotajiem meklēšanas algoritmiem šajā gadījumā tiek izmantoti meklēšanas algoritmi. UCT meklēšana.
robotikas lietojumprogrammas
Robotiem ir dažādas jomas, kurās tie sniedz atbalstu ātrākiem, efektīvākiem un precīzākiem risinājumiem, piemēram, ražošanas līnijās, kurās nepieciešama procesu automatizācija, arī militārajā un aizsardzības jomā un pat izpētē. kosmoss, kā tas ir Curiosity gadījumā mobilais robots, kas šobrīd atrodas uz Marsa, lai savāktu informāciju par iespējamo dzīvības pastāvēšanu uz šīs planētas.
Mūsdienās ir roboti, kas kalpo kā izklaide un piedalās spēlēs, piemēram, japāņu mājdzīvnieku roboti ar nosaukumu Paro un Aibo. Paro gadījumā tas ir terapeitisks robots, kas palīdz samazināt stresa līmeni pacientiem un palīdz uzlabot viņu socializāciju. Aibo gadījumā tas ir Sony izstrādāts suņa formas robots, kuram ir redzes sistēma un kas ir programmējams.
izpētes un izlūkošanas roboti
Ir mobilie roboti, kurus izmanto izpētei, meklēšanai un izlūkošanai naidīgās vidēs vai apgabalos. Piemēram, piemēram, Černobiļas kodolkatastrofā izmantotie roboti, kas mēģināja vizualizēt incidenta radītos bojājumus un spēja uzņemt attēlus ar radioaktīvo masu, ko sauc par Ziloņa pēdu.
Vai arī var pieminēt robotus Spirit, Opportunity un Curiosity, kas tika nosūtīti uz planētas Marsa virsmu, 2004. gadā pirmie divi un 2012. gadā trešais, kas pilda visu bioloģisko, atmosfēras un bioloģisko procesu analīzes misiju. veido šo planētu.
1997. gadā uzņēmums Honda prezentēja pirmo divkāju robotu, tas ir, tam bija iespēja staigāt ar divām ekstremitātēm un to sauca par P3. Atkal, Honda 2000. gadā prezentēja ASIMO robotu, kas nāk no neliela progresa inovatīvās mobilitātes jomā. Tas bija Honda P robotu sērijas beigas. Visi šie roboti tika speciāli izstrādāti, lai tiem būtu cilvēka fiziskā uzbūve un motoriskās spējas.
Tagad ASIMO var mainīt, vai tas skrien, kāp pa kāpnēm un izvairās no šķēršļiem, un pat ar vizuālo sensoru vai kameru palīdzību var atpazīt kustīgus objektus, žestus un pozas.
Viedo transportlīdzekļu lietojumprogrammas
Viens no jaunākajiem jauninājumiem ir autonomie pasažieru transportlīdzekļi.
Pirmais metro ar pilnībā automatizētu braukšanu parādījās Japānas pilsētā Sendai, kas tika izstrādāts 1987. gadā. Mūsdienās jau ir daudz pilnībā automatizētu metro sistēmu.
Vēl viens transportlīdzekļu piemērs, kas var pārvadāt pasažierus un ir pilnībā automatizēts, ir Stenlijs, kas bija 2005. gada DARPA Challenge konkursa uzvarētājs, kas notika Mohaves tuksnesī. Stenlijs sasniedza, ko 212,4 kilometrus garo maršrutu veiksmīgi veica sešās stundās un 54 minūtēs.
Vēlāk, 2007. gada DARPA Grand Challenge, kas notika Džordža gaisa spēku bāzē, Stenlija automatizētais transportlīdzeklis atkal veiksmīgi veica 96 jūdžu garo kursu. Transportlīdzekļi, kas piedalījās šajās sacīkstēs, spēja reāllaikā apstrādāt Kalifornijas štata satiksmes noteikumus.
Citā pasaules daļā, konkrēti starp Starptautisko kongresu centru un Brandenburgas vārtiem, Berlīnes Brīvās universitātes izstrādātais transportlīdzeklis Made in Germany devās 80 kilometrus garā maršrutā. Šis transportlīdzeklis ir pilnībā autonoms, tam ir iespēja atpazīt gājēju un luksoforu klātbūtni. Tomēr tam ir jānorāda tādi dati kā braukšanas ātrums.
bezpilota lidaparāti
Zināms arī kā UAV no bezpilota lidaparāta deminutīva. Pirmais bezpilota lidaparāts, kas šķērsoja Kluso okeānu bez nepieciešamības apstāties, bija Global Hwak. Tas tika veikts 2001. gadā aprīlī, tas sākās ASV un beidzās Austrālijā.
Tomēr šis modelis datu analīzei joprojām ir atkarīgs no zemes stacijas pilota un citiem operatoriem. Faktiski Veiss 2011. gadā norādīja, ka šīm sistēmām, lai arī tās spēj savākt lielu informācijas apjomu, joprojām nav vajadzīgās jaudas, lai to apstrādātu reāllaikā, un tāpēc saprātīgi reaģētu uz notikumiem atbilstoši informācijai. .
Šos transportlīdzekļus mūsdienās vairāk sauc par droniem. Droniem ir dažādi iekšējie sensori un ierīces, kas palīdz navigācijā. Piemēram, tiem ir GPS modulis ģeogrāfiskās atrašanās vietas noteikšanai, kameras ar bezvadu savienojumu, daži ar kustības un siltuma sensoriem. Pirmkārt, šī tehnoloģija radās militārām vajadzībām, lai gan tā jau ir pieejama tirgū.
Secinājumi
Nav šaubu, ka dažādas tehnoloģiju jomas ir attīstījušās eksponenciāli, un skaitļošana neizbēga no šī progresa, patiesībā tā ir drīzāk veicinājusi citu zinātnes nozaru attīstību. Mākslīgā intelekta nodrošinātā aprēķinu kapacitāte astoņpadsmit mēnešu laikā saskaņā ar Mūra likumu ir dubultojusies.
Tas nozīmētu, ka, ja Mūra likums turpinās darboties, tad aptuveni 2030. gadā procesoru skaitļošanas jauda būs līdzīga vai, iespējams, vienāda ar cilvēka skaitļošanas jaudu.
Meklētājprogrammas, piemēram, Google un Amazon, glabā miljoniem informācijas no saviem lietotājiem, lai noteiktu katra indivīda preferences, lai nodrošinātu labāku pakalpojumu. Tāpēc serveriem ar lielu atmiņas ietilpību šajos datos ir jāieraksta vienmērīgi.
Arī sociālajiem tīkliem ir vajadzīgas šīs lielās atmiņas ietilpības, lai reģistrētu savu patērētāju vēlmes, lai iesniegtu piedāvājumus atbilstoši viņu gaumei.