Teknologiens verden er allerede en vesentlig del av hverdagen vår, og det er interessant å forstå egenskapene til kunstig intelligens som har gjort en forskjell i måten vi lever på. Visste du at kunstig intelligens er en gren av informatikk? Gå inn her og lær om funksjonene og mye mer.
Kjennetegn ved kunstig intelligens
I denne delen vil vi diskutere egenskapene til kunstig intelligens. I dette tilfellet, kunstig intelligens (IA) er utviklet i en av grenene innen informatikk, der logiske algoritmer brukes som søker å etterligne den kognitive oppførselen til den menneskelige hjernen. Selvfølgelig kan definisjonen av kunstig intelligens fortsette å utvikle seg, men til slutt vil alle egenskapene til kunstig intelligens være enige om at de brukes til programmering av robotenheter.
Sommeren 1956 ble Dartmouth-konferansen holdt for å ta opp spørsmålet om kunstig intelligens, som John McCarthy, Marvin Minsky og Claude Shannon deltok i. Dette møtet var da begrepet kunstig intelligens først ble implementert, hvor de fastsatte noen prognoser til ti. år som ikke ble oppfylt, så undersøkelsene ble henlagt i omtrent femten år. Det skal bemerkes at begrepet "kunstig intelligens" tilskrives John McCarthy.
Det er lett å tenke at det bare er et spørsmål om tid før teknologi og kunstig intelligens erstatter mennesker fullstendig. Faktisk er det filmer og virkelige forskere som tror at maskiner med kunstig intelligens vil være i stand til å underkue menneskeslekten og gjøre den til slave. For øyeblikket er dette veldig langt fra virkeligheten, fordi dette vil bare være mulig når den kunstige intelligensen har bevissthet og har evnen til å lage en ny enhet med kunstig intelligens på egen hånd, og klarer å omgå og overstyre kommandoene til programmeringen. av egen vilje. På det tidspunktet ville mennesket miste kontrollen over situasjonen.
Hva er kunstig intelligens?
Det var nettopp under Darthmouse-konferansen i 1956, hvor begrepet kunstig intelligens ble offisielt definert, som slår fast at hvis en maskin eller en robot oppførte seg på en lignende måte som den atferden som et menneske ville utføre, så ville det bli betraktet som en enhet. smart.
Andre definisjoner som tilskrives kunstig intelligens er følgende:
oppføre seg som mennesker
Dette er definisjonen etablert av McCarthy, som refererer til å evaluere oppførselen til maskinen for å avgjøre om den kan betraktes som intelligent. Den såkalte "Turing-testen" bruker denne definisjonen for å definere resultatene av testen. Alle enheter som er like i handlinger som beslutningstaking, problemløsning og læring som mennesker ville gjort, oppfyller egenskapene til kunstig intelligens.
Testen foreslått av Alan Turing er at et menneske vil gjennomføre en samtale på naturlig språk med en maskin og et menneske på samme tid, maskinen vil forsøke å etterligne et menneskes oppførsel og ville prøve å lure sin evaluator gjennom sine svar å få ham til å tro at han faktisk er et menneske. Med andre ord mellom Kjennetegnene til kunstig intelligens er evnen til å imitere menneskeheten.
Selvfølgelig må testeren på forhånd vite at han snakker med både en maskin og et menneske og må prøve å finne ut hvem som er det virkelige mennesket og hvem som er bedrageren.
I dette tilfellet vil det ikke bli tatt hensyn til evnen til å snakke, siden evaluatoren vil bli plassert i et eget rom hvor han vil motta informasjonen gjennom en datamaskin, så kommunikasjonen vil avhenge helt av tastaturet og ikke av denne evnen. I denne forstand, mellom Egenskapene til kunstig intelligens er å simulere den menneskelige stemmen.
fornuft som mennesker
En annen av egenskapene til kunstig intelligens er i definisjonen av å vurdere utviklingen av rasjoneringen gjort av roboten, uten å ta hensyn til om det oppnådde resultatet var vellykket eller ikke. Dette synet brukes av kognitiv vitenskap. I dette resonnementet utføres alle beregningene som er nødvendige for å kunne oppfatte, resonnere og handle mot hendelsen.
fornuft rasjonelt
I likhet med forrige definisjon er en av kjennetegnene til kunstig intelligens rasjoneringen gjort av maskinen, men den tar hensyn til om denne rasjoneringen har en logikk og sammenheng, slik at rasjoneringen er utført.
handle rasjonelt
I dette synspunktet om resultatene vurderes på nytt. Ved å bruke den sjakkspillende roboten som eksempel, er målet å vinne hvert parti. Et annet trekk ved kunstig intelligens er evnen til å utføre beregninger, som vil være likegyldige så lenge den når målet.
Klassifisering av kunstig intelligens
Kunstig intelligens kan klassifiseres i henhold til dens mål.
svak kunstig intelligens
Dette synspunktet vurderer at datamaskiner bare kan simulere at de har rasjonering, og ikke at de faktisk har en egen. Forskerne som støtter denne posisjonen mener at det ikke er mulig for en datamaskin som er i stand til bevissthet å eksistere eller utvikles, siden det i realiteten ville være et program som ville simulere noe slikt.
sterk kunstig intelligens
På den annen side er det forskere som bekrefter det faktum at en datamaskin kan ha resonnement eller tanker med samme kapasiteter som menneskesinnet. Dette vil bety at en datamaskin vil være i stand til å resonnere, forestille seg, føle, blant annet på egen hånd, selv når alt starter fra et program, kan dets nevrale nettverk utvikle seg til det når dette punktet.
https://www.youtube.com/watch?v=k3BNEgN2kEQ
Temaer innen kunstig intelligens
Selv om definisjonene og synspunktene angående kunstig intelligens alle konvergerer om fire spørsmål å vurdere å tilskrive en enhetsmaskin hvis den har kunstig intelligens.
Feilsøking og søk
Et av hovedmålene med kunstig intelligens er å løse problemene de er designet for. For det første, når man stiller et problem, er det nødvendig å formalisere det på en måte som deretter tillater løsningen. Dette emnet fokuserer på søket etter formalisering av problemer og deres løsning.
Kunnskapsrepresentasjon og kunnskapsbaserte systemer
Dette emnet fokuserer på de problemene som krever forkunnskaper for å kunne løse dem. For eksempel, de kunstig intelligens-programmene som brukes i medisin, er det nødvendig å innlemme kunnskap og informasjon om emnet slik at det kan løse problemene med dette emnet.
Maskinlæring
Dette emnet refererer til læringsprosessen som utføres av maskinen i henhold til erfaringene som er oppnådd. Det finnes ulike typer læring som imitasjonslæring, forsterkende læring, dyp læring eller beslutningstrebasert læring. Alle disse læringstypene lar maskinen lagre de utførte handlingene som anså at det endelige målet var oppfylt, for å bruke de samme handlingene i tilfelle en lignende hendelse.
forsterket læring
Forsterkende læring er det samme som brukes til å trene dyr, det vil si at når de utfører en oppgave eller adlyder en ordre korrekt, får de en belønning. I dette tilfellet mottar maskinen sin første ordre, og ettersom den oppnår positive resultater, mottar den dette som et insentiv til å fortsette å forbedre sin beslutningstaking. For eksempel, avhengig av Typer roboter Du kan vurdere å vinne sjakk som premie.
dyp læring
En annen type læring kalles dyp læring, der man søker etter imitasjon eller lignende oppførsel av det nevrale nettverket og kommunikasjonsprosesser som skjer i nevronene i den menneskelige hjernen.
For eksempel, når de naturlige sensorene i menneskekroppen som øyne, ører, berøring, smak eller lukt oppdager en variasjon, sendes et signal til hjernen. Dette signalet mottas og analyseres av et første nevron som kommuniserer deteksjonen av en endring til de følgende nevronene, og dermed startes en nevronal sekvens for å forstå hendelsen og hvordan de skal reagere.
En lignende prosess oppstår når for eksempel ansiktsgjenkjenningskameraer oppdager en person gjennom sine visuelle sensorer, den aktiveres. Når ansiktet oppdages, starter det en sekvens av logiske prosesser som starter fra analysen av de enkleste dataene, for eksempel fargene ansiktet har. Deretter søker den å bestemme de geometriske figurene som utgjør det ansiktet. Til slutt deler du ansiktet i flere rammer for bedre å definere detaljene som skiller ansiktet.
Beslutningstre
Denne typen læring bruker ulike problemløsningsopplegg som aktiveres etter hvert som informasjon mottas. Hvis eksemplet med roboten som spiller sjakk tas opp igjen, vil den starte opplegget sitt som er den første brikken som motstanderen flyttet, der vil den utføre flere beregninger som tilsvarer statistikken over hvilken den skal flytte. Senere vil motstanderen din gjøre andre trekk og et nytt opplegg vil åpne der du igjen vil gjøre beregninger for å gjøre dine neste trekk.
Til slutt, når den lykkes med å vinne sjakkspillet, lagrer roboten alle avgjørelsene den og motstanderen har tatt for fremtidige sjakkspill, slik at når en lignende hendelse skjer, har den allerede den nødvendige informasjonen i databasen. og kan svare raskere og med en høyere prosentandel sjanse for å vinne spillet.
distribuert kunstig intelligens
Takket være fremskritt som har tillatt oss å vite Hvordan teknologi fungerer, slik som utviklingen av multiprosessorer og utseendet til internett, har tillatt kunstig intelligens å tilby distribuerte løsninger.
applikasjoner for kunstig intelligens
I tillegg er det fire grener som er nært knyttet til bruken av kunstig intelligens, som er:
- Naturlig språk.
- Kunstig syn.
- Det robotiske.
- talegjenkjenning.
For tiden er forskjellige applikasjoner som bruker visse algoritmer eller metoder utviklet innen kunstig intelligens.
Selv når det kan nevnes mange bruksområder for kunstig intelligens, ville det være vanskelig å dekke alt der dens tilstedeværelse er funnet, siden det i dag finnes enheter for daglig bruk, eller programmer som brukes av selskaper og selskaper som finner denne teknologien.
For eksempel brukes i dag en superdatamaskin som bruker en algoritme som lager kombinasjoner av forskjellige medisiner for å prøve å finne en kur mot Covid-19. Denne datamaskinen vurderer symptomatologidataene, sammensetningen av viruset og annen informasjon som er nødvendig for å kunne motvirke det, og gjennom databasen som inneholder de forskjellige medikamentene som finnes, lager den kombinasjoner som prøver å kurere pasienten for denne sykdommen, og tar i betraktning til og med bivirkningene som disse kombinasjonene kan forårsake og anbefalte doser.
Et annet eksempel kan være de som brukes av flere søkemotorer som bruker læringsmetoden for å kjenne interessene til hver enkelt bruker individuelt, dette lar deg lage atferdsprofiler og preferanser for og dermed kunne tilby annonser i henhold til disse.
Deretter vil vi presentere noen av de mest fremragende bruksområdene for kunstig intelligens.
Applikasjoner i spill
Det er en robot med evnen til å slå selv de beste spillerne i sjakk, siden denne roboten ble bygget for det eneste formålet å utføre de nødvendige beregningene og statistikkene for å etablere strategier i trekk og vinne hvert parti.
I dag har praktisk talt alle spill klart å bli slått av en maskin, selv om de første bordspillene som ble slått av en maskin som hadde kunstig intelligens var dam og Othello.
Gi Mer
University of Alberta utviklet i 1989 et program kalt Chinnok av Jonathan Schaeffers team, og det var i 1994 han ble verdensmester i damer. Chinnok-programmet har en database over åpninger og avslutninger av damspill laget av de beste damspillerne.
Igjen, i 2007 ble det vist at når spillet er gjort perfekt er det umulig å programmere Chinnok. Og når en kamp spilles med en forbedring av strategien av motstanderen, kan den på det meste nå uavgjort mot dette programmet.
sjakk
Når det gjelder sjakk, har forskjellige innovasjoner og problemløsningsprogrammer blitt utviklet for å vinne dette spillet i årevis, men det var i 1997 i mai måned i New York da Deep Blue beseiret verdensmesteren G. Kasparov.
Det var en programvare utviklet av IBM-selskapet som hadde spesifikk maskinvare og databaser som gjorde det mulig for dette programmet å kulminere perfekt når de endelige situasjonene ble presentert med syv eller enda færre brikker på brettet. På samme måte var søkealgoritmene, minimax-typen, i stand til å bestemme de beste alternativene i alle de forskjellige tilfellene.
Go
I dag er det det offentlige spillet der en maskin med kunstig intelligens slår en menneskelig spiller, men dette er ikke overraskende, siden Go i noen tid har blitt ansett som et enda vanskeligere og mer komplekst spill enn sjakk.
I tillegg øker dimensjonene til dette spillet betraktelig vanskelighetsgraden siden det har mer enn 361 kryss for å lage et brett på 19 3 19, uten å nevne antall mulige trekk som kan gjøres på hvert brett.
Selv om det ikke har vært en maskin som er i stand til å vinne dette spillet, finnes det allerede programmer som reagerer godt på brett med dimensjoner ni ganger ni, og i motsetning til søkealgoritmene som brukes til sjakkspillet, brukes i dette tilfellet søkealgoritmer. UCT-søk.
robotapplikasjoner
Roboter har ulike områder der de gir støtte for raskere, mer effektive og presise løsninger, for eksempel i produksjonslinjer som krever prosessautomatisering, også i militær- og forsvarsfelt, og til og med for utforskning.rom som tilfellet er med Curiosity-mobilen robot som for øyeblikket befinner seg på Mars, for å samle informasjon om mulig eksistens av liv på denne planeten.
I dag finnes det roboter som fungerer som underholdning og deltar i spill, for eksempel japanske kjæledyrroboter kalt Paro og Aibo. Når det gjelder Paro, er det en terapeutisk robot som bidrar til å redusere stressnivået hos pasienter og bidrar til å forbedre sosialiseringen deres. I tilfellet Aibo er det en hundeformet robot som er utviklet av Sony, som har et vision-system og er programmerbar.
lete- og rekognoseringsroboter
Det finnes mobile roboter som brukes til utforskning, søk og rekognosering i fiendtlige miljøer eller områder. For eksempel, som robotene som ble brukt i atomkatastrofen i Tsjernobyl som prøvde å visualisere skaden forårsaket av hendelsen og klarte å fange bilder av den radioaktive massen kalt Elephant's Foot.
Eller vi kan også nevne Spirit, Opportunity og Curiosity-robotene som ble sendt til overflaten av planeten Mars, i 2004 de to første og i 2012 den tredje, som oppfyller oppdraget med å analysere alle biologiske, atmosfæriske og biologiske prosesser. utgjør denne planeten.
I 1997 presenterte Honda-selskapet den første bipedale roboten, det vil si at den hadde evnen til å gå med to lemmer og ble kalt P3. Igjen introduserte Honda i 2000 ASIMO-roboten som kommer fra det lille Advance Step in Innovative Mobility. Dette var slutten på Honda P-robotserien. Alle disse robotene ble med hensikt designet for å ha den fysiske strukturen og motoriske evnene til et menneske.
Nå kan ASIMO endre om den løper, går i trapper og unngår hindringer, og selv gjennom visuelle sensorer eller kameraer kan den gjenkjenne bevegelige objekter, bevegelser og stillinger.
Smarte kjøretøyapplikasjoner
En av de siste nyvinningene er autonome personbiler.
Den første metroen med helautomatisert kjøring dukket opp i den japanske byen Sendai, som ble utviklet i 1987. I dag finnes det allerede mange helautomatiske metrosystemer.
Et annet eksempel på kjøretøy som kan frakte passasjerer og som kan fullautomatiseres er Stanley, som var vinneren av 2005 DARPA Challenge-konkurransen, som fant sted i Mojave-ørkenen. Stanly oppnådde og fullførte den 212,4 kilometer lange ruten på en tid på seks timer og 54 minutter.
Senere, i 2007 DARPA Grand Challenge holdt på George Air Force Base, fullførte Stanley automatiserte kjøretøy igjen den 96 mil lange banen. Kjøretøyene som deltok i dette løpet var i stand til å behandle trafikkreglene i delstaten California i sanntid.
I en annen del av verden, spesielt mellom det internasjonale kongressenteret og Brandenburger Tor, reiste Made in Germany-kjøretøyet utviklet av Free University of Berlin på en 80 kilometer lang rute. Dette kjøretøyet er helt autonomt, det har evnen til å gjenkjenne tilstedeværelsen av fotgjengere og trafikklys. Det krever imidlertid at data som reisehastighet oppgis.
ubemannede luftfartøyer
Også kjent som UAV fra diminutiv av Unmanned Aerial Vehicle. Det første ubemannede luftfartøyet som krysset Stillehavet uten å måtte stoppe var Global Hwak. Dette ble utført i 2001 i april måned, det begynte i USA og endte i Australia.
Denne modellen er imidlertid fortsatt avhengig av en bakkestasjonspilot og andre operatører for dataanalyse. Faktisk indikerte Weiss i 2011 at disse systemene, selv om de er i stand til å samle inn store mengder informasjon, fortsatt ikke har den nødvendige kapasiteten til å behandle den i sanntid, og derfor reagerer intelligent på hendelser i henhold til informasjonen. .
Disse kjøretøyene i dag er mer populært kjent som droner. Droner har ulike interne sensorer og enheter som hjelper deg i navigasjonen. De har for eksempel en GPS-modul for geolokalisering, kameraer med trådløs tilkobling, noen med blant annet bevegelses- og varmesensorer. I første omgang oppsto denne teknologien for militær bruk, selv om den allerede er på markedet.
Konklusjoner
Det er ingen tvil om at ulike teknologiområder har utviklet seg eksponentielt, og databehandling slipper ikke unna dette fremskrittet, faktisk har det heller fremmet utviklingen av andre grener av vitenskapen. Beregningskapasiteten gitt av kunstig intelligens har blitt doblet i løpet av en periode på atten måneder i henhold til Moores lov.
Dette vil bety at hvis Moores lov fortsetter å gjelde, vil datakraften som prosessorer vil ha, innen rundt 2030 være lik eller kanskje lik den til et menneske.
Søkemotorer som Google og Amazon lagrer millioner av opplysninger fra brukerne sine for å bestemme preferansene til hver enkelt person for å kunne tilby en bedre tjeneste. Så servere med stor minnekapasitet har vært pålagt å registrere jevnt i disse dataene.
Sosiale nettverk krever på samme måte disse store lagringskapasitetene for å registrere forbrukernes preferanser for å presentere forslag i henhold til deres smak.