Dunia teknologi sudah menjadi bahagian penting dalam kehidupan seharian kita, dan adalah menarik untuk memahami ciri-ciri kecerdasan buatan yang telah membuat perubahan dalam cara hidup kita. Tahukah anda bahawa kecerdasan buatan adalah satu cabang Sains Komputer? Masuk ke sini, dan ketahui tentang cirinya, dan banyak lagi.
Ciri-ciri kecerdasan buatan
Dalam bahagian ini kita akan membincangkan ciri-ciri kecerdasan buatan. Dalam kes ini, kecerdasan buatan (IA) dibangunkan dalam salah satu cabang Sains Komputer, di mana algoritma logik digunakan yang berusaha untuk meniru tingkah laku kognitif otak manusia. Sudah tentu, definisi kecerdasan buatan boleh terus berkembang, tetapi pada akhirnya semua ciri kecerdasan buatan akan bersetuju bahawa ia digunakan untuk pengaturcaraan peranti robotik.
Pada musim panas tahun 1956, Persidangan Dartmouth telah diadakan untuk menangani isu kecerdasan buatan, di mana John McCarthy, Marvin Minsky dan Claude Shannon mengambil bahagian. Mesyuarat ini adalah apabila istilah kecerdasan buatan pertama kali dilaksanakan, di mana mereka menetapkan beberapa ramalan kepada sepuluh tahun yang tidak dipenuhi, jadi penyiasatan telah ditinggalkan selama kira-kira lima belas tahun. Perlu diingatkan bahawa istilah "kecerdasan buatan" dikaitkan dengan John McCarthy.
Mudah untuk berfikir bahawa hanya menunggu masa sebelum teknologi dan kecerdasan buatan menggantikan manusia sepenuhnya. Malah, terdapat filem dan penyelidik kehidupan sebenar yang percaya bahawa mesin dengan kecerdasan buatan akan mampu menundukkan umat manusia dan memperhambakannya. Pada masa ini, ini sangat jauh dari realiti, kerana ini hanya akan berlaku apabila kecerdasan buatan mempunyai kesedaran dan mempunyai keupayaan untuk mencipta peranti baharu dengan kecerdasan buatan sendiri, dan berjaya memintas dan mengatasi arahan pengaturcaraannya. atas kehendaknya sendiri. Pada ketika itu, manusia akan hilang kawalan terhadap keadaan.
Apakah kecerdasan buatan?
Ia adalah tepat semasa persidangan Darthmouse pada tahun 1956, di mana istilah kecerdasan buatan ditakrifkan secara rasmi, yang menetapkan bahawa jika mesin atau robot berkelakuan dengan cara yang serupa dengan tingkah laku yang akan dilakukan oleh manusia, maka ia akan dianggap sebagai peranti. pintar.
Takrifan lain yang dikaitkan dengan kecerdasan buatan adalah seperti berikut:
berlagak seperti orang
Ini adalah definisi yang ditetapkan oleh McCarthy, yang merujuk kepada menilai kelakuan mesin untuk menentukan sama ada ia boleh dianggap pintar. Apa yang dipanggil "Ujian Turing" menggunakan takrifan ini untuk mentakrifkan keputusan Ujiannya. Semua peranti yang serupa dalam tindakan seperti membuat keputusan, menyelesaikan masalah dan pembelajaran seperti yang akan dilakukan oleh manusia, memenuhi ciri kecerdasan buatan.
Ujian yang dicadangkan oleh Alan Turing ialah manusia akan melakukan perbualan dalam bahasa semula jadi dengan mesin dan manusia pada masa yang sama, mesin akan berusaha untuk meniru tingkah laku manusia dan akan cuba menipu penilainya. melalui jawapannya untuk membuatkan dia percaya bahawa dia sebenarnya seorang manusia. Dengan kata lain, antara Ciri-ciri kecerdasan buatan ialah keupayaan untuk meniru manusia.
Sudah tentu, penguji mesti mengetahui terlebih dahulu bahawa dia bercakap dengan kedua-dua mesin dan manusia dan mesti cuba menentukan yang mana manusia sebenar dan yang mana penipu.
Dalam kes ini, keupayaan untuk bercakap tidak akan diambil kira, kerana penilai akan ditempatkan di dalam bilik yang berasingan di mana dia akan menerima maklumat melalui komputer, jadi komunikasi akan bergantung sepenuhnya pada papan kekunci dan bukan pada keupayaan ini. Dalam pengertian ini, antara Ciri-ciri kecerdasan buatan adalah untuk mensimulasikan suara manusia.
sebab macam orang
Satu lagi ciri kecerdasan buatan adalah dalam definisi menilai perkembangan catuan yang dibuat oleh robot, tanpa mengambil kira sama ada hasil yang diperolehi berjaya atau tidak. Pandangan ini digunakan oleh sains kognitif. Dalam penaakulan ini, semua pengiraan yang diperlukan untuk dapat melihat, menaakul dan bertindak terhadap peristiwa itu dilaksanakan.
alasan secara rasional
Seperti definisi sebelum ini, salah satu ciri kecerdasan buatan ialah catuan yang dilakukan oleh mesin, namun ia mengambil kira sekiranya catuan ini mempunyai logik dan koheren, supaya catuan tersebut telah dijalankan.
bertindak secara rasional
Dalam pandangan ini jika keputusan dipertimbangkan semula. Menggunakan robot bermain catur sebagai contoh, matlamatnya adalah untuk memenangi setiap perlawanan. Satu lagi ciri kecerdasan buatan ialah keupayaan untuk melakukan pengiraan, yang akan menjadi acuh tak acuh selagi ia mencapai matlamat.
Klasifikasi kecerdasan buatan
Kecerdasan buatan boleh dikelaskan mengikut objektifnya.
kecerdasan buatan yang lemah
Pandangan ini menganggap bahawa komputer hanya boleh berpura-pura bahawa mereka mempunyai catuan, dan bukannya mereka sebenarnya mempunyai komputer sendiri. Para penyelidik yang menyokong kedudukan ini menganggap bahawa komputer yang mampu kesedaran tidak mungkin wujud atau dibangunkan, kerana pada hakikatnya ia akan menjadi program yang akan mensimulasikan perkara sedemikian.
kecerdasan buatan yang kuat
Sebaliknya, terdapat penyelidik yang mengesahkan fakta bahawa komputer boleh mempunyai penaakulan atau pemikiran dengan kapasiti yang sama seperti minda manusia. Ini bermakna bahawa komputer akan dapat menaakul, membayangkan, merasa, antara lain, dengan sendiri, walaupun segala-galanya bermula daripada program, rangkaian sarafnya boleh berkembang sehingga ia mencapai tahap ini.
https://www.youtube.com/watch?v=k3BNEgN2kEQ
Topik dalam kecerdasan buatan
Walaupun takrifan dan pandangan mengenai kecerdasan buatan semuanya bertumpu pada empat isu untuk dipertimbangkan untuk dikaitkan dengan mesin peranti jika ia mempunyai kecerdasan buatan.
Penyelesaian masalah dan Carian
Salah satu objektif utama kecerdasan buatan adalah untuk menyelesaikan masalah yang direka bentuk. Pertama sekali, apabila menimbulkan masalah, ia dikehendaki untuk memformalkannya dengan cara yang membolehkan penyelesaiannya. Topik ini memberi tumpuan kepada pencarian pemformalan masalah dan penyelesaiannya.
Perwakilan pengetahuan dan sistem berasaskan pengetahuan
Topik ini memfokuskan kepada masalah yang memerlukan pengetahuan terdahulu untuk dapat menyelesaikannya. Sebagai contoh, program kecerdasan buatan yang diaplikasikan dalam bidang perubatan, adalah perlu untuk menggabungkan pengetahuan dan maklumat mengenai subjek tersebut supaya dapat menyelesaikan masalah subjek ini.
Pembelajaran mesin
Topik ini merujuk kepada proses pembelajaran yang dijalankan oleh mesin mengikut pengalaman yang diperolehi. Terdapat pelbagai jenis pembelajaran seperti pembelajaran meniru, pembelajaran pengukuhan, pembelajaran mendalam atau pembelajaran berasaskan pokok keputusan. Semua jenis pembelajaran ini membolehkan mesin menyimpan tindakan yang dijalankan yang dianggap objektif akhir dipenuhi, untuk menggunakan tindakan yang sama sekiranya berlaku peristiwa yang serupa.
pembelajaran yang diperkukuh
Pembelajaran pengukuhan adalah sama seperti yang digunakan untuk melatih haiwan, iaitu apabila mereka melaksanakan tugas atau mematuhi perintah dengan betul, mereka menerima ganjaran. Dalam kes ini mesin menerima pesanan pertamanya dan apabila ia memperoleh hasil yang positif, ia menerima ini sebagai insentif untuk terus menambah baik pembuatan keputusannya. Sebagai contoh, bergantung kepada Jenis robot Anda boleh mempertimbangkan untuk memenangi permainan catur sebagai hadiah anda.
pembelajaran yang mendalam
Satu lagi jenis pembelajaran dipanggil pembelajaran mendalam, di mana tiruan atau tingkah laku serupa rangkaian saraf dan proses komunikasi yang berlaku dalam neuron otak manusia dicari.
Sebagai contoh, apabila penderia semula jadi tubuh manusia seperti mata, telinga, sentuhan, rasa atau bau mengesan variasi, isyarat dihantar ke otak. Isyarat ini diterima dan dianalisis oleh neuron pertama yang menyampaikan pengesanan perubahan kepada neuron berikut dan dengan itu memulakan urutan neuron untuk memahami peristiwa dan cara bertindak balas.
Proses yang sama berlaku apabila, sebagai contoh, kamera pengecaman muka mengesan individu melalui penderia visual mereka, ia diaktifkan. Apabila mengesan wajah, ia memulakan urutan proses logik bermula daripada analisis data paling mudah seperti warna yang ada pada wajah. Kemudian, ia bertujuan untuk menentukan angka geometri yang membentuk muka itu. Akhir sekali, bahagikan wajah kepada berbilang bingkai untuk mentakrifkan butiran yang membezakan wajah itu dengan lebih baik.
Pokok Keputusan
Pembelajaran jenis ini menggunakan skema penyelesaian masalah yang berbeza yang diaktifkan apabila maklumat diterima. Jika contoh robot yang bermain catur diambil semula, ia akan memulakan skemanya yang merupakan bahagian pertama yang digerakkan oleh lawannya, di sana ia akan menjalankan berbilang pengiraan sepadan dengan statistik yang mana satu ia harus bergerak. Kemudian, lawan anda akan membuat gerakan lain dan skema baharu akan dibuka di mana anda akan membuat pengiraan sekali lagi untuk membuat langkah seterusnya.
Akhirnya, apabila ia berjaya memenangi permainan catur, maka robot itu menyimpan semua keputusan yang dibuatnya dan lawannya untuk permainan catur masa depan, supaya apabila peristiwa serupa berlaku, ia sudah mempunyai maklumat yang diperlukan dalam pangkalan data. dan boleh bertindak balas lebih cepat dan dengan peratusan peluang yang lebih tinggi untuk memenangi permainan.
kecerdasan buatan yang diedarkan
Terima kasih kepada kemajuan yang membolehkan kami mengetahui Bagaimana teknologi berfungsi, seperti evolusi berbilang pemproses dan kemunculan internet, telah membenarkan kecerdasan buatan untuk menyediakan penyelesaian yang diedarkan.
aplikasi kecerdasan buatan
Selain itu, terdapat empat cabang yang berkait rapat dengan penggunaan kecerdasan buatan, iaitu:
- Bahasa semula jadi.
- Penglihatan buatan.
- Robotik.
- pengenalan suara.
Pada masa ini, pelbagai aplikasi yang menggunakan algoritma atau kaedah tertentu telah dibangunkan dalam bidang kecerdasan buatan.
Walaupun banyak aplikasi kecerdasan buatan boleh disebut, ia akan menjadi sukar untuk merangkumi semua yang kehadirannya ditemui, kerana hari ini terdapat peranti untuk kegunaan harian, atau program yang digunakan oleh syarikat dan syarikat yang mencari teknologi ini.
Sebagai contoh, hari ini superkomputer sedang digunakan yang menggunakan algoritma yang membuat gabungan ubat-ubatan yang berbeza untuk cuba mencari penawar bagi Covid-19. Komputer ini menilai data simptomologi, komposisi virus dan maklumat lain yang diperlukan untuk dapat mengatasinya, dan melalui pangkalan data yang mengandungi ubat-ubatan yang berbeza yang wujud, ia membuat kombinasi cuba menyembuhkan pesakit penyakit ini, dengan mengambil kira malah kesan sampingan yang boleh menyebabkan gabungan ini dan dos yang disyorkan.
Contoh lain, mungkin yang digunakan oleh berbilang enjin carian yang menggunakan kaedah pembelajaran untuk mengetahui minat setiap pengguna secara individu, ini membolehkan anda membuat profil tingkah laku dan keutamaan dan dengan itu dapat menyediakan iklan mengikut keseronokan ini.
Seterusnya, kami akan membentangkan beberapa aplikasi kecerdasan buatan yang paling cemerlang.
Aplikasi dalam permainan
Terdapat robot dengan keupayaan untuk mengalahkan pemain terbaik dalam catur, kerana robot ini dibina untuk tujuan tunggal untuk melakukan pengiraan dan statistik yang diperlukan untuk menetapkan strategi dalam pergerakan mereka dan memenangi setiap perlawanan.
Hari ini boleh dikatakan semua permainan telah berjaya ditewaskan oleh mesin, walaupun permainan meja pertama yang dipukul oleh mesin yang mempunyai kecerdasan buatan ialah dam dan Othello.
Wanita
Universiti Alberta pada tahun 1989 membangunkan program bernama Chinnok oleh pasukan Jonathan Schaeffer dan pada tahun 1994 dia menjadi juara dunia dalam wanita. Program Chinnok mempunyai pangkalan data pembukaan dan penutupan permainan dam yang dibuat oleh pemain dam terbaik.
Sekali lagi, pada tahun 2007 telah ditunjukkan bahawa apabila permainan dilakukan dengan sempurna, adalah mustahil untuk memprogramkan Chinnok. Dan apabila perlawanan dimainkan dengan peningkatan dalam strategi oleh pihak lawan, paling banyak ia boleh mencapai keputusan seri menentang program ini.
Catur
Dalam kes catur, inovasi berbeza dan program penyelesaian masalah telah dibangunkan untuk memenangi permainan ini selama bertahun-tahun, namun pada tahun 1997 pada bulan Mei di New York apabila Deep Blue mengalahkan juara dunia G. Kasparov .
Ia adalah perisian yang dibangunkan oleh syarikat IBM yang mempunyai perkakasan dan pangkalan data khusus yang membolehkan program ini mencapai kemuncaknya dengan sempurna apabila situasi terakhir dibentangkan dengan tujuh atau lebih sedikit bahagian di papan tulis. Begitu juga, algoritma cariannya, jenis minimax, dapat menentukan pilihan terbaik dalam semua kes yang berbeza.
Go
Hari ini adalah permainan awam di mana mesin dengan kecerdasan buatan untuk mengalahkan pemain manusia, namun ini tidak menghairankan, kerana untuk beberapa waktu Go telah dianggap sebagai permainan yang lebih sukar dan kompleks daripada catur. .
Di samping itu, dimensi permainan ini juga meningkatkan kesukaran dengan ketara kerana ia mempunyai lebih daripada 361 persimpangan untuk membuat papan 19 3 19, tanpa menyebut bilangan pergerakan yang mungkin boleh dibuat pada setiap papan.
Walaupun belum ada mesin yang mampu memenangi permainan ini, sudah ada program yang bertindak balas dengan baik kepada papan dengan dimensi sembilan kali sembilan, dan tidak seperti algoritma carian yang digunakan untuk permainan catur, dalam kes ini algoritma carian digunakan. carian UCT.
aplikasi robotik
Robot mempunyai pelbagai bidang di mana mereka menyediakan sokongan mereka untuk penyelesaian yang lebih pantas, lebih cekap dan tepat, seperti dalam barisan pengeluaran yang memerlukan automasi proses, juga dalam bidang ketenteraan dan pertahanan, dan juga untuk penerokaan. angkasa lepas seperti kes Curiosity robot mudah alih yang kini berada di Marikh, untuk mengumpul maklumat mengenai kemungkinan kewujudan hidupan di planet ini.
Hari ini, terdapat robot yang berfungsi sebagai hiburan dan mengambil bahagian dalam permainan, seperti robot haiwan peliharaan Jepun yang dipanggil Paro dan Aibo. Dalam kes Paro, ia adalah robot terapeutik yang membantu mengurangkan tahap tekanan pada pesakit dan membantu meningkatkan sosialisasi mereka. Dalam kes Aibo, ia adalah robot berbentuk anjing yang dibangunkan oleh Sony, yang mempunyai sistem penglihatan dan boleh diprogramkan.
robot penerokaan dan peninjauan
Terdapat robot mudah alih yang digunakan untuk penerokaan, pencarian dan peninjauan di persekitaran atau kawasan yang bermusuhan. Sebagai contoh, seperti robot yang digunakan dalam bencana nuklear Chernobyl yang cuba menggambarkan kerosakan yang disebabkan oleh kejadian itu dan berjaya menangkap imej jisim radioaktif yang dipanggil Kaki Gajah.
Atau kita juga boleh menyebut robot Spirit, Opportunity dan Curiosity yang dihantar ke permukaan planet Marikh, pada tahun 2004 dua yang pertama dan pada 2012 yang ketiga, yang memenuhi misi menganalisis semua proses biologi, atmosfera dan biologi. komponen yang membentuk planet ini.
Pada tahun 1997, syarikat Honda mempersembahkan robot bipedal pertama, iaitu, ia mempunyai keupayaan untuk berjalan dengan dua anggota badan dan dipanggil P3. Sekali lagi, Honda memperkenalkan pada tahun 2000 robot ASIMO yang berasal dari Langkah Kemajuan Kecil dalam Mobiliti Inovatif. Ini adalah penghujung siri robot Honda P. Semua robot ini sengaja direka bentuk untuk mempunyai struktur fizikal dan keupayaan motor manusia.
Kini, ASIMO boleh mengubah sama ada ia sedang berlari, menaiki tangga dan mengelak halangan, malah melalui penderia visual atau kameranya ia boleh mengecam objek, gerak isyarat dan postur yang bergerak.
Aplikasi kenderaan pintar
Salah satu inovasi terkini ialah kenderaan penumpang autonomi.
Metro pertama dengan pemanduan automatik sepenuhnya muncul di bandar Sendai Jepun, yang dibangunkan pada tahun 1987. Hari ini sudah terdapat banyak sistem metro automatik sepenuhnya.
Satu lagi contoh kenderaan yang boleh membawa penumpang dan boleh diautomatikkan sepenuhnya ialah Stanley, yang merupakan pemenang pertandingan Cabaran DARPA 2005, yang berlangsung di padang pasir Mojave. Dicapai Stanly yang berjaya menamatkan laluan sejauh 212,4 kilometer itu dalam masa enam jam 54 minit.
Kemudian, dalam Cabaran Besar DARPA 2007 yang diadakan di Pangkalan Tentera Udara George, kenderaan automatik Stanley sekali lagi berjaya menamatkan kursus sejauh 96 batu. Kenderaan yang menyertai perlumbaan ini mampu memproses peraturan lalu lintas negeri California dalam masa nyata.
Di bahagian lain dunia, khususnya antara Pusat Kongres Antarabangsa dan Pintu Brandenburg, kenderaan Buatan Jerman yang dibangunkan oleh Universiti Percuma Berlin menempuh laluan sejauh 80 kilometer. Kenderaan ini adalah autonomi sepenuhnya, ia mempunyai keupayaan untuk mengenali kehadiran pejalan kaki dan lampu isyarat. Namun, ia memerlukan data seperti kelajuan perjalanan disediakan.
kenderaan udara tanpa pemandu
Juga dikenali sebagai UAV daripada kecil Kenderaan Udara Tanpa Pemandu. Kenderaan udara tanpa pemandu pertama yang melintasi Lautan Pasifik tanpa perlu berhenti ialah Global Hwak. Ini telah dijalankan pada tahun 2001 pada bulan April, ia bermula di Amerika Syarikat dan berakhir di Australia.
Model ini, bagaimanapun, masih bergantung pada juruterbang stesen tanah dan pengendali lain untuk analisis data. Malah, Weiss menyatakan pada tahun 2011 bahawa sistem ini, walaupun mereka mampu mengumpul sejumlah besar maklumat, masih tidak mempunyai kapasiti yang diperlukan untuk memprosesnya dalam masa nyata, dan oleh itu bertindak balas kepada peristiwa secara bijak mengikut maklumat. dikumpul serta-merta .
Kenderaan ini hari ini lebih dikenali sebagai Drone. Dron mempunyai pelbagai penderia dan peranti dalaman yang membantu anda dalam navigasi anda. Contohnya, mereka mempunyai modul GPS untuk geolokasi, kamera dengan sambungan wayarles, beberapa dengan penderia gerakan dan haba, antara lain. Pada peringkat pertama, teknologi ini muncul untuk kegunaan ketenteraan, walaupun ia sudah berada di pasaran.
Kesimpulan
Tidak dinafikan bahawa pelbagai bidang teknologi telah maju secara eksponen dan pengkomputeran tidak terlepas daripada kemajuan ini, malah ia lebih memupuk evolusi cabang sains yang lain. Kapasiti pengiraan yang disediakan oleh kecerdasan buatan telah meningkat dua kali ganda dalam tempoh lapan belas bulan mengikut Undang-undang Moore.
Ini akan membayangkan bahawa jika Undang-undang Moore terus dipegang, maka pada sekitar 2030 kuasa pengkomputeran yang akan dimiliki oleh pemproses akan sama atau mungkin sama dengan manusia.
Enjin carian seperti Google dan Amazon menyimpan berjuta-juta maklumat daripada pengguna mereka untuk menentukan keutamaan setiap individu untuk menyediakan perkhidmatan yang lebih baik. Jadi pelayan dengan kapasiti memori yang besar telah diperlukan untuk merekodkan secara sama rata dalam data ini.
Rangkaian sosial, begitu juga, memerlukan kapasiti storan yang besar ini untuk merekodkan pilihan pengguna mereka untuk membentangkan cadangan mengikut citarasa mereka.