Vrste sistemov umetne inteligence

Od najzgodnejših dni računalnikov so raziskovalci poskušali ustvariti sisteme, ki posnemajo človeško inteligenco. Medtem ko je silicijev Einstein morda še vedno oddaljena možnost, nam je umetna inteligenca ali AI prinesla telefone, ki prepoznajo človeški govor, avtomobile, ki se vozijo sami, in ekspertne sisteme, ki tekmujejo v televizijskih oddajah. V preteklih letih so raziskave umetne inteligence šle skozi več razvojev in ko je vsaka tehnologija dozorela, so postale del naše vsakdanje izkušnje.

Strojno učenje

Prvi raziskovalci so se spopadali z omejeno procesorsko močjo in računalniškim pomnilnikom, vendar so kljub temu postavili temelje AI s programskimi jeziki, kot je LISP, in koncepti, kot so drevesa odločanja in strojno učenje. Programi, napisani v LISP, bi zlahka analizirali igre, kot je šah, preslikali vse možne poteze za več potez in nato izbrali najboljšo alternativo. Ti programi bi lahko tudi spremenili svojo logiko odločanja in se učili iz prejšnjih napak ter sčasoma postali "pametnejši". Z zmogljivejšimi računalniki in cenejšim masovnim pomnilnikom je ta veja umetne inteligence ustvarila industrijo računalniških iger, pa tudi različne prilagojene iskalnike in spletna nakupovalna mesta, ki si ne zapomnijo le naših preferenc, ampak predvidevajo naše potrebe.

Strokovni sistemi

Medtem ko se je prvi val raziskovalcev umetne inteligence opiral na računalniške cikle za simulacijo človeškega sklepanja, se je naslednji pristop opiral na dejstva in podatke za posnemanje človeške izkušnje. Ekspertni sistemi so zbrali dejstva in pravila v bazo znanja, nato pa uporabili računalniško podprte mehanizme sklepanja, da bi izpeljali nova dejstva ali odgovorili na vprašanja. Inženirji znanja so intervjuvali strokovnjake s področja medicine, avtomobilskih popravil, industrijskega oblikovanja ali drugih poklicev, nato pa te ugotovitve skrčili v strojno berljiva dejstva in pravila. Te baze znanja so nato uporabili drugi za pomoč pri diagnosticiranju težav ali odgovorih na vprašanja. Ko je tehnologija dozorela, so raziskovalci našli načine za avtomatizacijo razvoja baze znanja, s hranjenjem na kupe tehnične literature ali prepuščanjem programski opremi, da leze po spletu, da sama najde ustrezne informacije.

Nevronske mreže

Druga skupina raziskovalcev je poskušala reproducirati delovanje človeških možganov z ustvarjanjem umetnih mrež nevronov in sinaps. Z usposabljanjem so lahko te nevronske mreže prepoznale vzorce iz tega, kar je bilo videti kot naključni podatki. Slike ali zvoki se posredujejo na vhodno stran omrežja, pravilni odgovori pa na izhodno stran. Sčasoma omrežja reorganizirajo svojo notranjo strukturo, tako da, ko pride podoben vnos, omrežje vrne pravilen odgovor. Nevronske mreže dobro delujejo pri odzivanju na človeški govor ali pri prevajanju skeniranih slik v besedilo. Programska oprema, ki temelji na tej tehnologiji, lahko bere knjige slepim ljudem ali prevaja govor iz enega jezika v drugega.

Veliki podatki

Analiza velikih podatkov, pogosto imenovana "veliki podatki", izkorišča moč številnih računalnikov za odkrivanje dejstev in odnosov v podatkih, ki jih človeški um ne more razumeti. Trilijone bremenitev kreditnih kartic ali milijarde odnosov v družabnih omrežjih je mogoče pregledati in povezati z različnimi statističnimi metodami, da odkrijete koristne informacije. Podjetja, ki izdajajo kreditne kartice, lahko najdejo nakupovalne vzorce, ki kažejo, da je bila kartica ukradena ali da je imetnik kartice v finančnih težavah. Maloprodajni trgovci lahko odkrijejo nakupovalne vzorce, ki nakazujejo, da je stranka noseča, še preden se sama tega zaveda. Veliki podatki omogočajo računalnikom, da razumejo svet na načine, ki jih ljudje nikoli ne bi mogli sami.