Свет технологије је већ суштински део нашег свакодневног живота и занимљиво је разумети карактеристике вештачке интелигенције које су промениле начин на који живимо. Да ли сте знали да је вештачка интелигенција грана компјутерских наука? Уђите овде и сазнајте о његовим карактеристикама и још много тога.
Карактеристике вештачке интелигенције
У овом одељку ћемо разговарати о карактеристикама вештачке интелигенције. У овом случају, вештачка интелигенција (ИА) је развијен у једној од грана компјутерских наука, где се примењују логички алгоритми који настоје да имитирају когнитивно понашање људског мозга. Наравно, дефиниција вештачке интелигенције може и даље да се развија, али ће се на крају све карактеристике вештачке интелигенције сложити да се користе за програмирање роботских уређаја.
У лето 1956. године одржана је Дартмутска конференција посвећена питању вештачке интелигенције, на којој су учествовали Џон Макарти, Марвин Мински и Клод Шенон.На том састанку је први пут примењен термин вештачка интелигенција, где су предвидели неке прогнозе до десет. године који нису испоштовани, па су истраге одустале на отприлике петнаестак година. Треба напоменути да се термин „вештачка интелигенција” приписује Џону Макартију.
Лако је помислити да је само питање времена када ће технологија и вештачка интелигенција у потпуности заменити људе. У ствари, постоје филмови и истраживачи из стварног живота који верују да ће машине са вештачком интелигенцијом бити способне да потчине људску расу и да је поробе. Тренутно је ово веома далеко од стварности, јер ће то бити могуће само када вештачка интелигенција буде свесна и буде у стању да сама креира нови уређај са вештачком интелигенцијом, и успе да заобиђе и надјача команде свог програмирања. својом вољом. У том тренутку, људско биће би изгубило контролу над ситуацијом.
Шта је вештачка интелигенција?
Управо на Дартхмоусе конференцији 1956. године, где је званично дефинисан појам вештачке интелигенције, који утврђује да ако се машина или робот понашају на сличан начин као што би се понашало људско биће, онда би се сматрало уређај.паметан.
Друге дефиниције које се приписују вештачкој интелигенцији су следеће:
понашајте се као људи
Ово је дефиниција коју је успоставио Макарти, а која се односи на процену понашања машине како би се утврдило да ли се може сматрати интелигентном. Такозвани "Тјурингов тест" примењује ову дефиницију да дефинише резултате свог теста. Сви уређаји који су слични у радњама као што су доношење одлука, решавање проблема и учење као што би то чинили људи, испуњавају карактеристике вештачке интелигенције.
Тест који је предложио Алан Туринг је да ће људско биће водити разговор на природном језику са машином и људским бићем у исто време, машина би настојала да имитира понашање људског бића и покушала би да превари свог проценитеља. кроз његове одговоре да га натера да поверује да је он заправо људско биће. Другим речима, између Карактеристика вештачке интелигенције је способност имитације човечанства.
Наравно, испитивач мора унапред да зна да разговара и са машином и са човеком и мора покушати да утврди ко је прави човек, а ко варалица.
У овом случају, способност говора се не би узимала у обзир, јер би оцењивач био смештен у посебну просторију где би добијао информације преко рачунара, па би комуникација у потпуности зависила од тастатуре, а не од ове способности. У овом смислу, између Карактеристике вештачке интелигенције је да симулира људски глас.
разум као људи
Још једна од карактеристика вештачке интелигенције је у дефиницији процене развоја рационализације коју прави робот, не узимајући у обзир да ли је добијени резултат био успешан или не. Овај поглед користи когнитивна наука. У овом резоновању, извршене су све калкулације неопходне да би се могао уочити, закључити и деловати против догађаја.
разумно разумно
Као и претходна дефиниција, једна од карактеристика вештачке интелигенције је рационирање које врши машина, међутим, она узима у обзир да ли ово рационирање има логику и кохерентност, тако да је то рационирање спроведено.
поступати рационално
Са ове тачке гледишта ако се резултати поново разматрају. Користећи робота који игра шах као пример, његов циљ је да победи у свакој партији. Још једна карактеристика вештачке интелигенције је способност извођења прорачуна, која ће бити равнодушна све док стигне до циља.
Класификација вештачке интелигенције
Вештачка интелигенција се може класификовати према њеним циљевима.
слаба вештачка интелигенција
Ова тачка гледишта сматра да компјутери могу само да симулирају да имају рационирање, а не да заправо имају своје. Истраживачи који подржавају ову позицију сматрају да није могуће да постоји или да се развије компјутер способан за свест, јер би то у стварности био програм који би тако нешто симулирао.
јака вештачка интелигенција
С друге стране, постоје истраживачи који потврђују чињеницу да рачунар може имати расуђивање или мисли са истим капацитетима као и људски ум. То би значило да би рачунар био у стању да расуђује, замишља, осећа, између осталог, сам, чак и када све почиње из програма, његова неуронска мрежа би могла да еволуира док не дође до ове тачке.
https://www.youtube.com/watch?v=k3BNEgN2kEQ
Теме из вештачке интелигенције
Иако се дефиниције и тачке гледишта у вези са вештачком интелигенцијом све конвергирају око четири питања која треба размотрити да би се приписали машини за уређаје ако она има вештачку интелигенцију.
Решавање проблема и претрага
Један од главних циљева вештачке интелигенције је решавање проблема за које је дизајнирана. Пре свега, када се поставља проблем, потребно га је формализовати на начин који онда омогућава његово решење. Ова тема се фокусира на тражење формализације проблема и њихово решавање.
Репрезентација знања и системи засновани на знању
Ова тема се фокусира на оне проблеме који захтевају претходно знање да би се могли решити. На пример, у оне програме вештачке интелигенције који се примењују у медицини, потребно је уградити знања и информације у вези са предметом како би се решили проблеми овог предмета.
Машинско учење
Ова тема се односи на процес учења који врши машина према стеченим искуствима. Постоје различите врсте учења као што су учење имитацијом, учење уз помоћ, дубоко учење или учење засновано на дрвету одлучивања. Сви ови типови учења омогућавају машини да ускладишти извршене акције за које се сматра да је коначни циљ испуњен, како би применила исте радње у случају сличног догађаја.
појачано учење
Учење са појачањем је исто као оно које се користи за дресуру животиња, односно када изврше задатак или исправно испоштују наређење, добијају награду. У овом случају, машина добија своју прву наруџбу и пошто добије позитивне резултате, то прима као подстицај да настави да унапређује доношење одлука. На пример, у зависности од Врсте робота Победу у партији шаха можете сматрати својом наградом.
Дубоко учење
Друга врста учења назива се дубоко учење, у којој се тражи имитација или слично понашање неуронске мреже и комуникациони процеси који се дешавају у неуронима људског мозга.
На пример, када природни сензори људског тела као што су очи, уши, додир, укус или мирис открију варијацију, сигнал се шаље мозгу. Овај сигнал прима и анализира први неурон који саопштава детекцију промене следећим неуронима и тако се покреће неуронска секвенца да би се разумео догађај и како реаговати.
Сличан процес се дешава када, на пример, камере за препознавање лица детектују особу преко својих визуелних сензора, она се активира. Када детектује лице, оно покреће низ логичких процеса почевши од анализе најједноставнијих података као што су боје које лице има. Затим настоји да одреди геометријске фигуре које чине то лице. На крају, поделите лице у више оквира да бисте боље дефинисали детаље који разликују то лице.
Дрво одлука
Овај тип учења користи различите шеме решавања проблема које се активирају како се информација прима. Ако се поново узме пример робота који игра шах, он ће покренути своју шему у којој је прва фигура коју је његов противник померио, ту ће извршити вишеструка израчунавања која одговарају статистици коју треба да помери. Касније ће ваш противник повући друге потезе и отвориће се нова шема у којој ћете поново правити калкулације како бисте направили своје следеће потезе.
Коначно, када успе да победи у партији шаха, робот похрањује све одлуке које су он и његов противник донели за будуће шаховске партије, тако да када се деси сличан догађај, већ има потребне информације у бази података и може да одговори брже и са већим процентом шансе за победу.
дистрибуирана вештачка интелигенција
Захваљујући напретку који нам је омогућио да сазнамо Како технологија функционише, као што су еволуција мултипроцесора и појава интернета, омогућили су вештачкој интелигенцији да обезбеди дистрибуирана решења.
апликације вештачке интелигенције
Поред тога, постоје четири гране које су уско повезане са употребом вештачке интелигенције, а то су:
- Природни језик.
- Вештачка визија.
- Роботски.
- препознавање говора.
Тренутно су у области вештачке интелигенције развијене различите апликације које користе одређене алгоритме или методе.
Чак и када се помињу многе примене вештачке интелигенције, тешко би било покрити све у којима се налази њено присуство, јер данас постоје уређаји за свакодневну употребу, односно програми које користе компаније и корпорације у којима се налази ова технологија.
На пример, данас се користи суперкомпјутер који примењује алгоритам који прави комбинације различитих лекова како би покушао да пронађе лек за Цовид-19. Овај рачунар процењује симптоматолошке податке, састав вируса и друге информације неопходне да би се могао супротставити, и преко базе података која садржи различите лекове који постоје, прави комбинације покушавајући да излечи пацијента од ове болести, узимајући у обзир чак и нежељене ефекте које ове комбинације могу изазвати и препоручене дозе.
Други пример, могу бити они које користи више претраживача који користе метод учења да би познавали интересовања сваког корисника појединачно, што вам омогућава да креирате профиле понашања и преференције и тако можете да дате огласе у складу са овим задовољствима.
Затим ћемо представити неке од најистакнутијих примена вештачке интелигенције.
Апликације у игрицама
Постоји робот са способношћу да победи чак и најбоље играче у шаху, пошто је овај робот направљен искључиво за сврху да прави потребне калкулације и статистике за успостављање стратегије у њиховим потезима и победу у свакој партији.
Данас су практично све игре успеле да буду победине машином, иако су прве стоне игре које је победила машина са вештачком интелигенцијом биле даме и Отело.
Гиве Више
Универзитет у Алберти је 1989. године развио програм под називом Цхиннок од стране тима Џонатана Шефера и 1994. је постао светски шампион у дамама. Програм Цхиннок има базу података о отварањима и затварањима дама које су направили најбољи играчи дама.
Опет, 2007. године се показало да када се игра ради савршено, немогуће је програмирати Цхиннок. А када се меч игра са побољшањем стратегије од стране противника, највише може да дође до нерешеног резултата против овог програма.
Шах
У случају шаха, развијене су различите иновације и програми решавања проблема да би годинама освојили ову игру, међутим, у месецу мају у Нев Иорку када је дубоко плаво поражен светски шампион Г. Каспаров.
Био је то софтвер који је развила компанија ИБМ, а који је имао специфичан хардвер и базе података који су омогућили да овај програм савршено кулминира када су коначне ситуације представљене са седам или чак мање делова на плочи. Исто тако, његови алгоритми за претрагу, тип минимакс, били су у стању да одреде најбоље опције у свим различитим случајевима.
Go
Данас је то јавна игра у којој машина са вештачком интелигенцијом победи човека, међутим то није изненађујуће, пошто се Го неко време сматрао још тежом и сложенијом игром од шаха.
Поред тога, димензије ове игре такође значајно повећавају потешкоћу јер има више од 361 раскрснице да би се направила табла од 19 3 19, без помињања броја могућих потеза који се могу направити на свакој табли.
Иако није постојала машина која би могла да победи у овој игри, већ постоје програми који добро реагују на табле димензија девет са девет, а за разлику од алгоритама за претрагу који се користе за игру шаха, у овом случају се користе алгоритми за претрагу. УЦТ претрага.
апликације роботике
Роботи имају различите области у којима пружају подршку за бржа, ефикаснија и прецизнија решења, као што су у производним линијама које захтевају аутоматизацију процеса, такође у војној и одбрамбеној области, па чак и за истраживање.простор као што је случај Цуриоситија. мобилни робот који се тренутно налази на Марсу, како би прикупио информације о могућем постојању живота на овој планети.
Данас постоје роботи који служе као забава и учествују у играма, као што су јапански роботи за кућне љубимце под називом Паро и Аибо. У случају Пароа, то је терапеутски робот који помаже у смањењу нивоа стреса код пацијената и помаже у побољшању њихове социјализације. У случају Аибо-а, ради се о роботу у облику пса који је развио Сони, који има систем визије и који се може програмирати.
роботи за истраживање и извиђање
Постоје мобилни роботи који се користе за истраживање, претрагу и извиђање у непријатељским окружењима или подручјима. На пример, попут робота коришћених у нуклеарној катастрофи у Чернобиљу који су покушали да визуелизују штету изазвану инцидентом и успели да сниме слике радиоактивне масе зване Слонова нога.
Или можемо поменути и роботе Спирит, Оппортунити и Цуриосити који су послати на површину планете Марс, 2004. прва два и 2012. трећи, који испуњавају мисију анализе свих биолошких, атмосферских и биолошких процеса. чине ову планету.
Компанија Хонда је 1997. године представила првог двоножног робота, односно имао је способност да хода са два уда и назван је П3. Опет, Хонда је 2000. године представила робота АСИМО који потиче од маленог Адванце Степ ин Инновативе Мобилити. Ово је био крај Хонда П серије робота. Сви ови роботи су намерно дизајнирани да имају физичку структуру и моторичке способности људског бића.
Сада АСИМО може да промени да ли трчи, пење се уз степенице и избегава препреке, а чак и преко својих визуелних сензора или камера може да препозна покретне објекте, гестове и положаје.
Апликације за паметна возила
Једна од најновијих иновација су аутономна путничка возила.
Први метро са потпуно аутоматизованом вожњом појавио се у јапанском граду Сендаи, који је развијен 1987. Данас већ постоји много потпуно аутоматизованих система метроа.
Још један пример возила која могу да превозе путнике и могу бити потпуно аутоматизована је Станлеи, који је 2005. био победник такмичења ДАРПА Цхалленге, које се одржало у пустињи Мохаве. Стенли је постигао што је успешно прешао руту од 212,4 километра у времену од шест сати и 54 минута.
Касније, на ДАРПА Гранд Цхалленге-у 2007. одржаном у бази Георге Аир Форце Басе, аутоматизовано возило Станлеи је поново успешно завршило стазу од 96 миља. Возила која су учествовала у овој трци била су способна да обрађују саобраћајна правила државе Калифорније у реалном времену.
У другом делу света, конкретно између Међународног конгресног центра и Бранденбуршке капије, возило Маде ин Германи које је развио Слободни универзитет у Берлину путовало је рутом од 80 километара. Ово возило је потпуно аутономно, има могућност препознавања присуства пешака и семафора. Међутим, за то су потребни подаци као што је брзина путовања.
беспилотне летелице
Такође познат као УАВ од умањеног за Беспилотна летелица. Прва беспилотна летелица која је прелетела Тихи океан без потребе да се заустави била је Глобал Хвак. Ово је спроведено 2001. године у априлу, почело је у Сједињеним Државама, а завршило се у Аустралији.
Овај модел се, међутим, и даље ослања на пилота земаљске станице и друге оператере за анализу података. У ствари, Вајс је 2011. године указао да ови системи, иако су у стању да прикупе велике количине информација, још увек немају неопходан капацитет да их обрађују у реалном времену, те стога интелигентно реагују на догађаје према информацијама које се тренутно прикупљају. .
Ова возила данас су популарнија као дронови. Дронови имају различите унутрашње сензоре и уређаје који вам помажу у навигацији. На пример, имају ГПС модул за геолокацију, камере са бежичном везом, неке са сензорима покрета и топлоте, између осталих. У први мах, ова технологија је настала за војну употребу, иако је већ на тржишту.
Закључци
Нема сумње да су различите области технологије експоненцијално напредовале и да рачунарство не измиче овом напретку, у ствари, оно је подстакло еволуцију других грана науке. Капацитет прорачуна који обезбеђује вештачка интелигенција удвостручио се у периоду од осамнаест месеци према Муровом закону.
Ово би имплицирало да ако Муров закон настави да важи, онда ће до 2030. године рачунарска снага коју ће имати процесори бити слична или можда једнака људском бићу.
Претраживачи попут Гугла и Амазона чувају милионе информација од својих корисника како би одредили преференције сваког појединца како би пружили бољу услугу. Дакле, сервери са великим меморијским капацитетима су били обавезни да равномерно бележе ове податке.
Друштвене мреже такође захтевају ове велике складишне капацитете да забележе преференције својих потрошача како би представили предлоге по њиховом укусу.