Mikä on tekoäly? Tekoälyn esittely, historia ja tyypit

Mikä on tekoäly (AI)?

AI Tekoäly (Artificial Intelligence) on koneen kyky suorittaa kognitiivisia toimintoja kuten ihmiset, kuten havaitseminen, oppiminen, päättely ja ongelmien ratkaiseminen. Tekoälyn vertailukohtana on inhimillinen taso päättelyn, puheen ja näkemisen ryhmissä.

Tässä Tekoälyn opetusohjelma, opit seuraavat tekoälyn perusteet -

Johdatus tekoälytasoihin

Tekoälyä käytetään nykyään lähes kaikilla teollisuudenaloilla, mikä antaa teknologisen etumatkan kaikille yrityksille, jotka integroivat tekoälyä laajassa mittakaavassa. McKinseyn mukaan tekoäly pystyy luomaan 600 miljardin dollarin arvoa vähittäiskaupassa ja tuo 50 prosenttia enemmän lisäarvoa pankkitoiminnassa muihin analytiikkatekniikoihin verrattuna. Kuljetuksissa ja logistiikassa mahdollinen tuottohyppy on 89 % suurempi.

Konkreettisesti, jos organisaatio käyttää tekoälyä markkinointitiimiinsä, se voi automatisoida arkipäiväisiä ja toistuvia tehtäviä, jolloin myyntiedustaja voi keskittyä suhteiden rakentamiseen, johtajien vaalimiseen jne. Gong-niminen yritys tarjoaa keskustelun tiedustelupalvelun. Joka kerta kun myyntiedustaja soittaa puhelun, kone tallentaa, litteroi ja analysoi keskustelun. VP voi käyttää tekoälyanalytiikkaa ja suosituksia voittavan strategian laatimiseen.

Lyhyesti sanottuna tekoäly tarjoaa huipputeknologiaa monimutkaisten tietojen käsittelemiseksi, joita ihminen ei voi käsitellä. Tekoäly automatisoi ylimääräiset työt, jolloin työntekijä voi keskittyä korkean tason lisäarvoa tuottaviin tehtäviin. Kun tekoäly toteutetaan mittakaavassa, se vähentää kustannuksia ja lisää tuloja.

Tekoälyn historia

Tekoäly on nykyään muotisana, vaikka termi ei olekaan uusi. Vuonna 1956 avantgarde-asiantuntijat eri taustoista päättivät järjestää kesällä tekoälyn tutkimusprojektin. Neljä valoisaa mieltä johti projektia; John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM) ja Claude Shannon (Bell Telephone Laboratories).

Tässä lyhyt tekoälyn historia:

Tekoälyn tavoitteet

Tässä ovat AI:n päätavoitteet:

• Se auttaa sinua vähentämään tiettyjen tehtävien suorittamiseen tarvittavaa aikaa.
• Helpottaa ihmisten vuorovaikutusta koneiden kanssa.
• Helpotetaan ihmisen ja tietokoneen välistä vuorovaikutusta luonnollisemmalla ja tehokkaammalla tavalla.
• Lääketieteellisten diagnoosien tarkkuuden ja nopeuden parantaminen.
• Auttaa ihmisiä oppimaan uutta tietoa nopeammin.
• Parantaa ihmisten ja koneiden välistä viestintää.

Tekoälyn osa-alueet

Tässä on joitain tärkeitä tekoälyn aloja:

Koneen oppiminen: Koneoppiminen on taidetta tutkia algoritmeja, jotka oppivat esimerkeistä ja kokemuksista. Koneoppiminen perustuu ajatukseen, että jotkin datan mallit tunnistettiin ja niitä käytettiin tulevaisuuden ennustamiseen. Ero kovakoodaussäännöistä on se, että kone oppii löytämään tällaiset säännöt.

Deep Learning: Syväoppiminen on koneoppimisen ala-alue. Syväoppiminen ei tarkoita sitä, että kone oppii syvempää tietoa; se käyttää eri kerroksia oppiakseen tiedoista. Mallin syvyyttä edustaa mallin kerrosten lukumäärä. Esimerkiksi kuvantunnistuksen Google LeNet -malli laskee 22 kerrosta.

Luonnollinen kielen käsittely: Neuraaliverkko on joukko kytkettyjä I/O-yksiköitä, joissa jokaisella yhteydellä on sen tietokoneohjelmiin liittyvä painoarvo. Se auttaa sinua rakentamaan ennustavia malleja suurista tietokannoista. Tämä malli rakentuu ihmisen hermostoon. Voit käyttää tätä mallia kuvan ymmärtämiseen, ihmisen oppimiseen, tietokonepuheen jne.

Järjestelmien asiantuntija: Asiantuntijajärjestelmä on interaktiivinen ja luotettava tietokonepohjainen päätöksentekojärjestelmä, joka käyttää faktoja ja heuristiikkaa monimutkaisten päätöksentekoongelmien ratkaisemiseen. Sitä pidetään myös ihmisen älykkyyden korkeimmalla tasolla. Asiantuntijajärjestelmän päätavoitteena on ratkaista tietyn toimialueen monimutkaisimmat ongelmat.

Sumea logiikka: Sumea logiikka määritellään moniarvoiseksi logiikkamuodoksi, jolla voi olla muuttujien totuusarvoja missä tahansa reaaliluvussa välillä 0 ja 1. Se on osittaisen totuuden käsite. Todellisessa elämässä saatamme kohdata tilanteen, jossa emme voi päättää, onko väite totta vai tarua.

Tekoälyn tyypit

Tekoälyä on kolme päätyyppiä: sääntöpohjainen, päätöspuu ja hermoverkot.

• Kapea tekoäly on tekoälytyyppi, joka auttaa sinua suorittamaan omistetun tehtävän älykkäästi.
• Yleinen tekoäly on tekoälyn tyyppi, joka pystyy suorittamaan minkä tahansa älyllisen tehtävän tehokkaasti ihmisen tavoin.
• Sääntöihin perustuva tekoäly perustuu ennalta määritettyihin sääntöihin, joita sovelletaan syötetietojoukkoon. Järjestelmä tuottaa sitten vastaavan lähdön.
• Päätöspuu AI on samanlainen kuin sääntöpohjainen tekoäly, koska se käyttää ennalta määritettyjä sääntöjä päätösten tekemiseen. Päätöspuu mahdollistaa kuitenkin myös haaroittamisen ja silmukan eri vaihtoehtojen harkitsemiseksi.
• Super AI on tekoäly, jonka avulla tietokoneet voivat ymmärtää ihmisten kieltä ja reagoida luonnollisella tavalla.
• Robotin älykkyys on eräänlainen tekoäly, jonka avulla robotit voivat omata monimutkaisia ​​kognitiivisia kykyjä, mukaan lukien päättelyn, suunnittelun ja oppimisen.

Tekoäly vs koneoppiminen

Suurin osa älypuhelimistamme, päivittäisistä laitteistamme tai jopa internetistämme käyttää tekoälyä. Tekoälyä ja koneoppimista käyttävät hyvin usein vaihtokelpoiset suuret yritykset, jotka haluavat julkistaa uusimman innovaationsa. Koneoppiminen ja tekoäly eroavat kuitenkin jollain tavalla.

Tekoäly eli tekoäly on tiede, joka kouluttaa koneita suorittamaan ihmisen tehtäviä. Termi keksittiin 1950-luvulla, kun tiedemiehet alkoivat tutkia, kuinka tietokoneet voisivat ratkaista ongelmia itse.

Tekoäly on tietokone, jolle on annettu ihmisen kaltaisia ​​ominaisuuksia. Ota aivomme; se laskee ympärillämme olevan maailman vaivattomasti ja saumattomasti. Tekoäly on käsite, että tietokone voi tehdä saman. Voidaan sanoa, että tekoäly on suuri tiede, joka matkii ihmisen kykyjä.

Koneoppiminen on tekoälyn erillinen osajoukko, joka kouluttaa koneen oppimaan. Koneoppimismallit etsivät datasta malleja ja yrittävät tehdä johtopäätöksiä. Lyhyesti sanottuna konetta ei tarvitse erikseen ohjelmoida ihmisten toimesta. Ohjelmoijat antavat joitain esimerkkejä, ja tietokone oppii, mitä tehdä näistä näytteistä.

Lue myös ero syväoppimisen ja koneoppimisen vs AI välillä, Klikkaa tästä.

Missä tekoälyä käytetään? Esimerkkejä

Nyt tässä aloittelijan opetusohjelmassa opimme erilaisia ​​tekoälyn sovelluksia:

Tekoälyllä on laajat sovellukset

• Tekoälyä käytetään vähentämään tai välttämään toistuvia tehtäviä. Tekoäly voi esimerkiksi toistaa tehtävän jatkuvasti ilman väsymystä. AI ei koskaan lepää, ja se on välinpitämätön suoritettavan tehtävän suhteen.
• Tekoäly parantaa olemassa olevaa tuotetta. Ennen koneoppimisen aikakautta ydintuotteet rakennettiin kovakoodisäännöille. Yritykset ottivat käyttöön tekoälyn parantaakseen tuotteen toimivuutta sen sijaan, että aloittaisivat tyhjästä suunnittelemaan uusia tuotteita. Voit ajatella Facebook-kuvaa. Muutama vuosi sitten sinun piti merkitä ystäväsi manuaalisesti. Nykyään Facebook antaa sinulle ystäväsi suosituksen tekoälyn avulla.

Tekoälyä käytetään kaikilla teollisuudenaloilla markkinoinnista toimitusketjuun, rahoitukseen ja elintarviketeollisuuteen. McKinseyn tutkimuksen mukaan rahoituspalvelut ja korkean teknologian viestintä johtavat tekoälyaloilla.

Miksi tekoäly kukoistaa nyt?

Tässä tekoälyn testausoppaassa opitaan, miksi tekoäly kukoistaa nyt. Ymmärretään alla olevan kaavion avulla.

Neuraaliverkko on ollut käytössä 2012-luvulta lähtien Yann LeCunin peruspaperin myötä. Se alkoi kuitenkin tulla kuuluisaksi vuoden XNUMX tienoilla. Kolme sen suosion kannalta kriittistä tekijää selittävät:

1. Palvelimet
2. Päiväys
3. algoritmi

Koneoppiminen on kokeellinen ala, mikä tarkoittaa, että se tarvitsee dataa uusien ideoiden tai lähestymistapojen testaamiseen. Internetin nousun myötä datasta tuli helpommin saatavilla. Lisäksi jättiläisyritykset, kuten NVIDIA ja AMD, ovat kehittäneet korkean suorituskyvyn grafiikkasiruja pelimarkkinoille.

Palvelimet

Viimeisten kahdenkymmenen vuoden aikana suorittimen teho on kasvanut räjähdysmäisesti, minkä ansiosta käyttäjä voi harjoitella pienen syvän oppimismallin millä tahansa kannettavalla tietokoneella. Tarvitset kuitenkin tehokkaamman koneen tietokonenäön tai syväoppimisen syväoppimismallin käsittelemiseen. NVIDIAn ja AMD:n investoinnin ansiosta saatavilla on uuden sukupolven GPU (graafinen käsittelyyksikkö). Nämä sirut mahdollistavat rinnakkaiset laskelmat, ja kone voi erottaa laskelmat useiden GPU:iden välillä laskelmien nopeuttamiseksi.

Esimerkiksi NVIDIA TITAN X:llä mallin kouluttaminen kestää kaksi päivää IMAGEnet viikkoja verrattuna perinteiseen prosessoriin. Lisäksi suuret yritykset käyttävät GPU-klustereita kouluttaakseen syväoppimismalleja NVIDIA Tesla K80:n kanssa, koska se auttaa vähentämään datakeskuksen kustannuksia ja tarjoamaan parempaa suorituskykyä.

Päiväys

Syväoppiminen on mallin rakenne, ja data on nestettä, joka tekee siitä elävän. Data tehostaa tekoälyä. Ilman dataa ei voi tehdä mitään. Uusimmat tekniikat ovat siirtäneet tiedon tallennuksen rajoja, ja suuren datamäärän tallentaminen datakeskukseen on helpompaa kuin koskaan.

Internet-vallankumous mahdollistaa tiedonkeruun ja -jakelun koneoppimisalgoritmien syöttämiseksi. Jos olet perehtynyt Flickr, Instagram tai mikä tahansa muu kuvilla varustettu sovellus, voit arvata niiden AI-potentiaalin. Näillä sivustoilla on saatavilla miljoonia kuvia, joissa on tunnisteet. Nämä kuvat voivat opettaa hermoverkkomallin tunnistamaan kuvassa olevan kohteen ilman, että tietoja tarvitsee kerätä ja merkitä manuaalisesti.

Tekoäly yhdistettynä dataan on uutta kultaa. Data on ainutlaatuinen kilpailuetu, jota yhdenkään yrityksen ei pitäisi laiminlyödä, ja tekoäly tarjoaa parhaat vastaukset tiedoistasi. Kun kaikilla yrityksillä voi olla samat teknologiat, dataa käyttävällä on kilpailuetu. Ajatuksen antamiseksi maailma luo noin 2.2 eksatavua eli 2.2 miljardia gigatavua päivittäin.

Yritys tarvitsee poikkeuksellisen monipuolisia tietolähteitä löytääkseen malleja ja oppiakseen merkittävässä määrin.

algoritmi

Laitteisto on tehokkaampi kuin koskaan, data on helposti saatavilla, mutta yksi asia, joka tekee hermoverkosta luotettavamman, on tarkempien algoritmien kehittäminen. Primääriset hermoverkot ovat yksinkertainen kertomatriisi, jolla ei ole syvällisiä tilastollisia ominaisuuksia. Vuodesta 2010 lähtien on tehty merkittäviä löytöjä hermoverkon parantamiseksi.

Tekoäly käyttää progressiivista oppimisalgoritmia antaakseen datan ohjelmoida. Se tarkoittaa, että tietokone voi opettaa itsensä suorittamaan erilaisia ​​tehtäviä, kuten poikkeavuuksien löytämisessä, ja siitä tulee chatbot.

Yhteenveto

• Tekoäly on täysi muoto Tekoäly on tiedettä koneiden kouluttamisesta jäljittelemään tai toistamaan ihmisen tehtäviä.
• Tiedemies voi käyttää erilaisia ​​menetelmiä koneen kouluttamiseen. Tekoälyn aikojen alussa ohjelmoijat kirjoittivat kovakoodattuja ohjelmia, jotka kirjoittivat kaikki koneen kohtaamat loogiset mahdollisuudet ja kuinka reagoida.
• Kun järjestelmästä tulee monimutkainen, sääntöjen hallinta on vaikeaa. Tämän ongelman ratkaisemiseksi kone voi käyttää tietoja oppiakseen hoitamaan kaikki tietyn ympäristön tilanteet.
• Tehokkaan tekoälyn tärkein ominaisuus on, että sillä on riittävästi dataa huomattavan heterogeenisesti. Kone voi esimerkiksi oppia eri kieliä, kunhan sillä on tarpeeksi sanoja opittavaksi.
• AI on uusi huipputeknologia. Pääomasijoittajat sijoittavat miljardeja dollareita startup-yrityksiin tai tekoälyprojekteihin, ja McKinsey arvioi, että tekoäly voi vauhdittaa kaikkia toimialoja vähintään kaksinumeroisella kasvuluvulla.
• Yleinen tekoäly, sääntöpohjainen tekoäly, päätöspuu AI, Super AI ovat tekoälyn tyyppejä. Monia näistä käsitteistä käytetään tekoäly-chatbottien luomisessa. Jos olet kiinnostunut, voit oppia lisää siitä, kuinka nämä periaatteet toteutetaan joissakin ohjelmissa parhaat AI-chatpotit saatavilla tänään.

Katso tekoälyvideomme aiheesta YouTube: Klikkaa tästä