Co je to umělá inteligence? Úvod, historie a typy AI

Co je to umělá inteligence (AI)?

AI (Umělá inteligence) je schopnost stroje vykonávat kognitivní funkce jako lidé, jako je vnímání, učení, uvažování a řešení problémů. Měřítkem pro AI je lidská úroveň, která se týká týmů uvažování, řeči a vize.

V tomto Kurz umělé inteligencese naučíte následující základy umělé inteligence –

Úvod do úrovní umělé inteligence

V současné době se umělá inteligence používá téměř ve všech odvětvích, což poskytuje technologický náskok všem společnostem, které integrují AI ve velkém. Podle McKinsey má AI potenciál vytvořit hodnotu 600 miliard dolarů v maloobchodě a přinést o 50 procent vyšší přírůstkovou hodnotu v bankovnictví ve srovnání s jinými analytickými technikami. V dopravě a logistice je potenciální nárůst tržeb o 89 % vyšší.

Konkrétně, pokud organizace používá AI pro svůj marketingový tým, může automatizovat všední a opakující se úkoly, což umožňuje obchodnímu zástupci soustředit se na budování vztahů, vedení péče atd. Společnost jménem Gong poskytuje službu konverzačního zpravodajství. Pokaždé, když obchodní zástupce zavolá, stroj zaznamená, přepíše a analyzuje chat. Viceprezident může využít analýzy a doporučení AI k formulaci vítězné strategie.

Stručně řečeno, umělá inteligence poskytuje špičkovou technologii, která si poradí se složitými daty, se kterými si lidská bytost nemůže poradit. Umělá inteligence automatizuje nadbytečné úlohy a umožňuje pracovníkovi soustředit se na úkoly s přidanou hodnotou na vysoké úrovni. Když je AI implementována ve velkém měřítku, vede to ke snížení nákladů a zvýšení příjmů.

Historie umělé inteligence

Umělá inteligence je dnes módní slovo, i když tento termín není nový. V roce 1956 se avantgardní odborníci z různých prostředí rozhodli zorganizovat letní výzkumný projekt o AI. Čtyři bystré hlavy vedly projekt; John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM) a Claude Shannon (Bell Telephone Laboratories).

Zde je stručná historie umělé inteligence:

Cíle umělé inteligence

Zde jsou hlavní cíle AI:

• Pomáhá vám snížit množství času potřebného k provedení konkrétních úkolů.
• Usnadňuje lidem interakci se stroji.
• Usnadnění interakce mezi člověkem a počítačem způsobem, který je přirozenější a efektivnější.
• Zlepšení přesnosti a rychlosti lékařských diagnóz.
• Pomáhá lidem rychleji se učit nové informace.
• Zlepšení komunikace mezi lidmi a stroji.

Podobory umělé inteligence

Zde jsou některé důležité podpole umělé inteligence:

Strojové učení: Strojové učení je umění studia algoritmů, které se učí z příkladů a zkušeností. Strojové učení je založeno na myšlence, že některé vzory v datech byly identifikovány a použity pro budoucí předpovědi. Rozdíl oproti pravidlům pevného kódování je v tom, že stroj se taková pravidla naučí najít.

Hluboké učení: Hluboké učení je podpolí strojového učení. Hluboké učení neznamená, že se stroj naučí hlubší znalosti; používá různé vrstvy k učení se z dat. Hloubka modelu je reprezentována počtem vrstev v modelu. Například model Google LeNet pro rozpoznávání obrázků čítá 22 vrstev.

Zpracování přirozeného jazyka: Neuronová síť je skupina připojených I/O jednotek, kde každé připojení má váhu spojenou s jeho počítačovými programy. Pomáhá vám vytvářet prediktivní modely z velkých databází. Tento model staví na lidském nervovém systému. Tento model můžete použít k porozumění obrazu, lidskému učení, počítačové řeči atd.

Expertní systémy: Expertní systém je interaktivní a spolehlivý počítačový rozhodovací systém, který využívá fakta a heuristiku k řešení složitých rozhodovacích problémů. Je také považován za nejvyšší úroveň lidské inteligence. Hlavním cílem expertního systému je řešení nejsložitějších problémů v konkrétní doméně.

Fuzzy Logic: Fuzzy logika je definována jako mnohohodnotová logická forma, která může mít pravdivostní hodnoty proměnných v jakémkoli reálném čísle mezi 0 a 1. Jedná se o koncept částečné pravdy. V reálném životě se můžeme setkat se situací, kdy se nemůžeme rozhodnout, zda je daný výrok pravdivý či nepravdivý.

Druhy umělé inteligence

Existují tři hlavní typy umělé inteligence: založená na pravidlech, rozhodovací strom a neuronové sítě.

• Úzká umělá inteligence je typ umělé inteligence, který vám pomáhá provádět zadaný úkol s inteligencí.
• Obecná umělá inteligence je druh inteligence umělé inteligence, která dokáže efektivně vykonávat jakýkoli intelektuální úkol jako člověk.
• Umělá inteligence založená na pravidlech je založena na sadě předem určených pravidel, která se aplikují na sadu vstupních dat. Systém pak vytvoří odpovídající výstup.
• Umělá inteligence rozhodovacího stromu je podobná umělé inteligenci založené na pravidlech v tom, že k rozhodování používá sady předem určených pravidel. Rozhodovací strom však také umožňuje větvení a smyčkování pro zvážení různých možností.
• Super AI je typ AI, který počítačům umožňuje porozumět lidské řeči a reagovat přirozeným způsobem.
• Robotická inteligence je typ umělé inteligence, která robotům umožňuje mít komplexní kognitivní schopnosti, včetně uvažování, plánování a učení.

AI versus strojové učení

Většina našich chytrých telefonů, každodenních zařízení nebo dokonce internetu využívá umělou inteligenci. Velké společnosti, které chtějí oznámit svou nejnovější inovaci, velmi často zaměnitelně používají AI a strojové učení. Strojové učení a AI se však v některých ohledech liší.

Umělá inteligence – umělá inteligence – je věda o výcviku strojů k provádění lidských úkolů. Termín byl vynalezen v 1950. letech, kdy vědci začali zkoumat, jak by počítače mohly řešit problémy samy.

Umělá inteligence je počítač, který má vlastnosti podobné lidem. Vezměte náš mozek; funguje bez námahy a bezproblémově pro výpočet světa kolem nás. Umělá inteligence je koncept, že počítač může dělat totéž. Dá se říci, že AI je velká věda, která napodobuje lidské schopnosti.

Strojové učení je odlišná podmnožina AI, která trénuje stroj, aby se učil. Modely strojového učení hledají vzory v datech a snaží se dospět k závěru. Stručně řečeno, stroj nemusí být vysloveně naprogramován lidmi. Programátoři dávají několik příkladů a počítač se z těchto vzorků naučí, co má dělat.

Přečtěte si také rozdíl mezi hlubokým učením a strojovým učením vs AI, klikněte zde.

Kde se používá AI? Příklady

Nyní v tomto tutoriálu AI pro začátečníky se naučíme různé aplikace AI:

AI má široké uplatnění –

• Umělá inteligence se používá k omezení nebo zamezení opakujících se úkolů. Umělá inteligence může například neustále opakovat úkol bez únavy. Umělá inteligence nikdy neodpočívá a je lhostejná k úkolu, který má provést.
• Umělá inteligence vylepšuje stávající produkt. Před věkem strojového učení byly základní produkty postaveny na pravidlech pevného kódu. Firmy zavedly umělou inteligenci, aby zlepšily funkčnost produktu, spíše než aby začínaly od nuly a navrhovaly nové produkty. Můžete si vymyslet obrázek na Facebooku. Před pár lety jste museli své přátele označit ručně. V dnešní době vám Facebook s pomocí AI dá doporučení přítele.

Umělá inteligence se používá ve všech průmyslových odvětvích, od marketingu po dodavatelský řetězec, finance a potravinářský průmysl. Podle průzkumu společnosti McKinsey vedou v oblasti umělé inteligence finanční služby a high-tech komunikace.

Proč je AI nyní na vzestupu?

Nyní v tomto tutoriálu pro testování umělé inteligence se pojďme dozvědět, proč nyní AI zažívá boom. Pojďme to pochopit podle níže uvedeného diagramu.

Neuronová síť existuje již od devadesátých let se základním článkem Yanna LeCuna. Proslavit se však začalo kolem roku 2012. Pro jeho popularitu jsou rozhodující tři faktory:

1. technické vybavení
2. Data
3. Algoritmus

Strojové učení je experimentální obor, což znamená, že potřebuje data k testování nových nápadů nebo přístupů. S rozmachem internetu se data stala snáze dostupná. Kromě toho obří společnosti jako NVIDIA a AMD vyvinuly vysoce výkonné grafické čipy pro herní trh.

technické vybavení

V posledních dvaceti letech výkon CPU explodoval, což uživateli umožnilo trénovat malý model hlubokého učení na jakémkoli notebooku. Ke zpracování modelu hlubokého učení pro počítačové vidění nebo hluboké učení však potřebujete výkonnější stroj. Díky investicím společností NVIDIA a AMD je k dispozici nová generace GPU (grafická procesorová jednotka). Tyto čipy umožňují paralelní výpočty a stroj může výpočty rozdělit na několik GPU pro urychlení výpočtů.

Například s NVIDIA TITAN X trvá trénování modelu zvaného dva dny IMAGEnet proti týdnům pro tradiční CPU. Kromě toho velké společnosti používají clustery GPU k trénování modelů hlubokého učení s NVIDIA Tesla K80, protože to pomáhá snižovat náklady na datová centra a poskytuje lepší výkon.

Data

Hluboké učení je struktura modelu a data jsou tekutinou, která ho oživí. Data pohání umělou inteligenci. Bez dat se nedá nic dělat. Nejnovější technologie posunuly hranice ukládání dat a ukládání velkého množství dat v datovém centru je snazší než kdy dříve.

Internetová revoluce zpřístupňuje shromažďování a distribuci dat pro algoritmy strojového učení. Pokud jste obeznámeni s Flickr, Instagram nebo jakákoli jiná aplikace s obrázky, můžete odhadnout jejich potenciál AI. Na těchto webových stránkách jsou k dispozici miliony obrázků s tagy. Tyto obrázky mohou trénovat model neuronové sítě, aby rozpoznal objekt na obrázku, aniž by bylo nutné data sbírat a označovat ručně.

Umělá inteligence v kombinaci s daty je nové zlato. Data jsou jedinečnou konkurenční výhodou, kterou by žádná firma neměla zanedbávat, a umělá inteligence poskytuje ty nejlepší odpovědi z vašich dat. Když mohou mít všechny firmy stejné technologie, ta s daty bude mít konkurenční výhodu. Pro představu, svět každý den vytvoří asi 2.2 exabajtů neboli 2.2 miliardy gigabajtů.

Společnost potřebuje výjimečně rozmanité zdroje dat, aby našla vzory a naučila se ve značném objemu.

Algoritmus

Hardware je výkonnější než kdy jindy, data jsou snadno dostupná, ale jedna věc, která dělá neuronovou síť spolehlivější, je vývoj přesnějších algoritmů. Primární neuronové sítě jsou jednoduchou multiplikační maticí bez hloubkových statistických vlastností. Od roku 2010 byly učiněny pozoruhodné objevy pro zlepšení neuronové sítě.

Umělá inteligence používá progresivní algoritmus učení, který umožňuje programování dat. Znamená to, že počítač se může sám naučit, jak provádět různé úkoly, jako je hledání anomálií, aby se stal chatbotem.

Shrnutí

• Umělá inteligence je plná forma umělé inteligence je věda o cvičných strojích, které napodobují nebo reprodukují lidské úkoly.
• Vědec může použít různé metody k trénování stroje. Na počátku věků umělé inteligence programátoři psali napevno naprogramované programy, zapisovali každou logickou možnost, které stroj mohl čelit, a jak reagovat.
• Když se systém stává složitým, je obtížné řídit pravidla. K překonání tohoto problému se stroj může pomocí dat naučit, jak se postarat o všechny situace z daného prostředí.
• Nejdůležitější vlastností výkonné umělé inteligence je to, že má dostatek dat se značnou heterogenitou. Například stroj se může učit různé jazyky, pokud má dostatek slov, ze kterých se může učit.
• AI je nová špičková technologie. Investoři rizikového kapitálu investují miliardy dolarů do startupů nebo projektů umělé inteligence a společnost McKinsey odhaduje, že umělá inteligence může podpořit každé odvětví nejméně dvouciferným tempem růstu.
• Obecná umělá inteligence, umělá inteligence založená na pravidlech, umělá inteligence rozhodovacího stromu a super umělá inteligence jsou typy umělé inteligence. Mnoho z těchto konceptů se používá při vytváření chatbotů AI. Máte-li zájem, můžete se dozvědět více o tom, jak jsou tyto principy implementovány v některých z nich nejlepší AI chatboti jsou dnes k dispozici.

Podívejte se na naše video o umělé inteligenci YouTube: Klikněte zde