Wat is kunstmatige intelligentie? Inleiding, geschiedenis en soorten AI

Wat is kunstmatige intelligentie (AI)?

AI (Kunstmatige intelligentie) is het vermogen van een machine om cognitieve functies uit te voeren zoals mensen dat doen, zoals waarnemen, leren, redeneren en problemen oplossen. De maatstaf voor AI is het menselijke niveau van redeneren, spreken en zien in teams.

In deze Tutorial over kunstmatige intelligentie, je leert het volgendewing AI-basisprincipes-

Inleiding tot kunstmatige intelligentieniveaus

Tegenwoordig wordt AI in bijna alle sectoren gebruikt, wat een technologische voorsprong geeft aan alle bedrijven die AI op grote schaal integreren. Volgens McKinsey heeft AI het potentieel om 600 miljard dollar aan waarde te creëren in de detailhandel en 50 procent meer waarde te creëren in het bankwezen vergeleken met andere analysetechnieken. In transport en logistiek is de potentiële omzetstijging 89% groter.

Concreet: als een organisatie AI gebruikt voor haar marketingteam, kan ze alledaagse en repetitieve taken automatiseren.wing de verkoopvertegenwoordiger om zich te concentreren op het opbouwen van relaties, het voeden van leads, enz. Een bedrijf genaamd Gong biedt een dienst voor gespreksinformatie. Elke keer dat een verkoopvertegenwoordiger een telefoongesprek voert, neemt de machine de chat op, transcribeert en analyseert deze. De VP kan AI-analyses en -aanbevelingen gebruiken om een ​​winnende strategie te formuleren.

Kortom, AI biedt geavanceerde technologie om met com te kunnen omgaanplex gegevens waar een mens niet mee overweg kan. AI automatiseert overtollige takenwing een werknemer die zich kan concentreren op taken op hoog niveau met toegevoegde waarde. Wanneer AI op grote schaal wordt geïmplementeerd, leidt dit tot kostenreductie en omzetstijging.

Geschiedenis van kunstmatige intelligentie

Kunstmatige intelligentie is tegenwoordig een modewoord, hoewel deze term niet nieuw is. In 1956 besloten avant-garde-experts met verschillende achtergronden een zomers onderzoeksproject over AI te organiseren. Vier slimme geesten leidden het project; John McCarthy (Dartmouth College), Marvin Minsky (Harvard Universiteit), Nathaniel Rochester (IBM), en Claude Shannon (Bell Telephone Laboratories).

Hier is een korte geschiedenis van kunstmatige intelligentie:

Jaar Mijlpaal / Innovatie
1923 Karel Čapek speelt genaamd “Rossum's Universal Robots, het eerste gebruik van het woord “robot” in het Engels.
1943 Fundamenten voor neurale netwerken gelegd.
1945 Isaac Asimov, alumni van Columbia University, gebruikt de term Robotics.
1956 John McCarthy gebruikte voor het eerst de term kunstmatige intelligentie. Demonstratie van het eerste lopende AI-programma aan de Carnegie Mellon University.
1964 Het proefschrift van Danny Bobrow aan het MIT liet zien hoe computers natuurlijke taal konden begrijpen.
1969 Wetenschappers van het Stanford Research Institute hebben Shakey ontwikkeld. Een robot uitgerust met voortbeweging en probleemoplossing.
1979 Het eerste computergestuurde autonome voertuig ter wereld, Stanford Cart, werd gebouwd.
1990 Belangrijke demonstraties in machine learning
1997 Het Deep Blue Chess Program versloeg de toenmalige wereldkampioen schaken, Garry Kasparov.
2000 Interactieve robothuisdieren zijn in de handel verkrijgbaar geworden. MIT toont Kismet, een robot met een gezicht dat emoties uitdrukt.
2006 AI kwam in 2006 in de zakenwereld. Bedrijven als Facebook, Netflix en Twitter begonnen AI te gebruiken.
2012 Google heeft een Android-app-functie gelanceerd genaamd “Google Now”, die de gebruiker een voorspelling biedt.
2018 De “Projectdebater” van IBM gedebatteerd complex onderwerpen met twee meesterdebaters en presteerde uitzonderlijk goed.

Doelstellingen van kunstmatige intelligentie

Dit zijn de belangrijkste doelstellingen van AI:

  • Het helpt u de hoeveelheid tijd te verminderen die nodig is om specifieke taken uit te voeren.
  • Het wordt gemakkelijker voor mensen om met machines te communiceren.
  • Het faciliteren van mens-computerinteractie op een manier die natuurlijker en efficiënter is.
  • Verbetering van de nauwkeurigheid en snelheid van medische diagnoses.
  • Mensen helpen sneller nieuwe informatie te leren.
  • Verbetering van de communicatie tussen mens en machine.

Deelgebieden van kunstmatige intelligentie

Hier volgen enkele belangrijke deelgebieden van kunstmatige intelligentie:

Machine leren: Machine learning is de kunst van het bestuderen van algoritmen die leren van voorbeelden en ervaringen. Machine learning is gebaseerd op het idee dat bepaalde patronen in de gegevens zijn geïdentificeerd en gebruikt voor toekomstige voorspellingen. Het verschil met hardcoding-regels is dat de machine dergelijke regels leert vinden.

Diepe leren: Deep learning is een deelgebied van machine learning. Diep leren betekent niet dat de machine meer diepgaande kennis leert; het gebruikt verschillende lagen om van de data te leren. De diepte van het model wordt weergegeven door het aantal lagen in het model. Het Google LeNet-model voor beeldherkenning telt bijvoorbeeld 22 lagen.

Natural Language Processing: Een neuraal netwerk is een groep verbonden I/O-eenheden waarbij elke verbinding een gewicht heeft dat is gekoppeld aan de computerprogramma's. Het helpt u voorspellende modellen te bouwen op basis van grote databases. Dit model bouwt voort op het menselijke zenuwstelsel. U kunt dit model gebruiken voor beeldbegrip, menselijk leren, computerspraak, enz.

Expertsystemen: Een expertsysteem is een interactief en betrouwbaar computergebaseerd besluitvormingssysteem dat feiten en heuristieken gebruikt om complex besluitvormingsproblemen. Het wordt ook beschouwd als op het hoogste niveau van menselijke intelligentie. Het hoofddoel van een expertsysteem is het oplossen van de meeste problemenplex vraagstukken op een specifiek domein.

Fuzzy Logic: Fuzzy Logic wordt gedefinieerd als een logische vorm met veel waarden die waarheidswaarden van variabelen in elk reëel getal tussen 0 en 1 kan hebben. Het is het handvatconcept van gedeeltelijke waarheid. In het echte leven kunnen we een situatie tegenkomen waarin we niet kunnen beslissen of de bewering waar of onwaar is.

Deelgebieden van kunstmatige intelligentie

Soorten kunstmatige intelligentie

Er zijn drie hoofdtypen kunstmatige intelligentie: op regels gebaseerde, beslisboom- en neurale netwerken.

  • Narrow AI is een type AI dat u helpt een specifieke taak met intelligentie uit te voeren.
  • Algemene AI is een vorm van AI-intelligentie die elke intellectuele taak efficiënt kan uitvoeren, net als een mens.
  • Op regels gebaseerde AI is gebaseerd op een reeks vooraf bepaalde regels die worden toegepast op een invoergegevensset. Het systeem produceert vervolgens een overeenkomstige uitvoer.
  • Beslisboom-AI is vergelijkbaar met op regels gebaseerde AI, omdat het sets van vooraf bepaalde regels gebruikt om beslissingen te nemen. De beslissingsboom maakt echter ook vertakkingen en lussen mogelijk om verschillende opties te overwegen.
  • Super AI is een type AI waarmee computers menselijke taal kunnen begrijpen en op een natuurlijke manier kunnen reageren.
  • Robotintelligentie is een type AI waarmee robots com kunnen hebbenplex cognitieve vaardigheden, waaronder redeneren, plannen en leren.

AI versus machinaal leren

Het grootste deel van onze smartphones, dagelijkse apparaten en zelfs het internet maakt gebruik van kunstmatige intelligentie. Heel vaak worden AI en machine learning door elkaar gebruikt door grote bedrijven die hun nieuwste innovatie willen aankondigen. Machine learning en AI zijn echter in sommige opzichten verschillend.

AI – kunstmatige intelligentie – is de wetenschap van het trainen van machines om menselijke taken uit te voeren. De term werd uitgevonden in de jaren vijftig toen wetenschappers begonnen te onderzoeken hoe computers zelfstandig problemen konden oplossen.

AI versus machinaal leren

Kunstmatige intelligentie is een computer die mensachtige eigenschappen krijgt. Neem onze hersenen; het werkt moeiteloos en naadloos om de wereld om ons heen te berekenen. Kunstmatige intelligentie is het concept dat een computer hetzelfde kan doen. Er kan worden gezegd dat AI een grote wetenschap is die menselijke vaardigheden nabootst.

Machine learning is een aparte subset van AI die een machine traint om te leren. Machine learning-modellen zoeken naar patronen in gegevens en proberen conclusies te trekken. Kortom: de machine hoeft niet expliciet door mensen te worden geprogrammeerd. De programmeurs geven enkele voorbeelden, en de computer gaat uit die voorbeelden leren wat hij moet doen.

Lees ook het verschil tussen Deep Learning en Machine Learning versus AI, klik hier.

Waar wordt AI gebruikt? Voorbeelden

In deze AI voor beginners-tutorial zullen we verschillende toepassingen van AI leren:

AI heeft brede toepassingen

  • Kunstmatige intelligentie wordt gebruikt om repetitieve taken te verminderen of te vermijden. AI kan bijvoorbeeld een taak continu herhalen, zonder vermoeidheid. AI rust nooit en staat onverschillig tegenover de taak die moet worden uitgevoerd.
  • Kunstmatige intelligentie verbetert een bestaand product. Vóór het tijdperk van machinaal leren werden kernproducten gebouwd op harde coderegels. Bedrijven introduceerden kunstmatige intelligentie om de functionaliteit van het product te verbeteren in plaats van helemaal opnieuw te beginnen om nieuwe producten te ontwerpen. Je kunt hierbij denken aan een Facebook-afbeelding. Een paar jaar geleden moest je je vrienden handmatig taggen. Tegenwoordig geeft Facebook je met behulp van AI een aanbeveling van een vriend.

AI wordt in alle sectoren gebruikt, van marketing tot toeleveringsketen, financiën en voedselverwerkingssector. Volgens een onderzoek van McKinsey zijn financiële dienstverlening en hightechcommunicatie leidend op het gebied van AI.

AI gebruikte voorbeelden

Waarom is AI nu booming?

Laten we nu in deze tutorial over het testen van kunstmatige intelligentie leren waarom AI nu een enorme vlucht neemt. Laten we het begrijpen aan de hand van het onderstaande diagram.

AI bloeit

Sinds de jaren negentig bestaat er een neuraal netwerk met het baanbrekende artikel van Yann LeCun. Het begon echter beroemd te worden rond het jaar 2012. Verklaard door drie kritische factoren voor zijn populariteit zijn:

  1. Hardware
  2. Data
  3. Algoritme

Machine learning is een experimenteel veld, wat betekent dat er gegevens nodig zijn om nieuwe ideeën of benaderingen te testen. Met de opkomst van internet zijn gegevens gemakkelijker toegankelijk geworden. Bovendien hebben gigantische bedrijven als NVIDIA en AMD krachtige grafische chips ontwikkeld voor de gamingmarkt.

Hardware

In de afgelopen twintig jaar is de kracht van de CPU geëxplodeerdwing de gebruiker kan op elke laptop een klein deep-learning-model trainen. U hebt echter een krachtigere machine nodig om een ​​deep-learning-model voor computer vision of deep learning te verwerken. Dankzij de investering van NVIDIA en AMD is er een nieuwe generatie GPU (grafische verwerkingseenheid) beschikbaar. Deze chips maken parallelle berekeningen mogelijk, en de machine kan de berekeningen over verschillende GPU's verdelen om de berekeningen te versnellen.

Met een NVIDIA TITAN X duurt het bijvoorbeeld twee dagen om een ​​genaamd model te trainen IMAGEnet tegen weken voor een traditionele CPU. Bovendien gebruiken grote bedrijven GPU-clusters om deep learning-modellen te trainen met de NVIDIA Tesla K80, omdat dit helpt de datacenterkosten te verlagen en betere prestaties te leveren.

Kunstmatige intelligentie in grafische kaarten

Data

Diep leren is de structuur van het model, en de gegevens zijn de vloeistof om het tot leven te brengen. Data drijven kunstmatige intelligentie aan. Zonder data kan er niets gedaan worden. De nieuwste technologieën hebben de grenzen van gegevensopslag verlegd en het is gemakkelijker dan ooit om een ​​grote hoeveelheid gegevens in een datacenter op te slaan.

De internetrevolutie maakt het verzamelen en distribueren van gegevens beschikbaar om machine learning-algoritmen te voeden. Als je bekend bent met Flickr, Instagram of een andere app met afbeeldingen, kun je hun AI-potentieel raden. Er zijn miljoenen afbeeldingen met tags beschikbaar op deze websites. Deze afbeeldingen kunnen een neuraal netwerkmodel trainen om een ​​object op de afbeelding te herkennen zonder de noodzaak om de gegevens handmatig te verzamelen en te labelen.

Kunstmatige intelligentie gecombineerd met data is het nieuwe goud. Data vormen een uniek concurrentievoordeel dat geen enkel bedrijf mag negeren, en AI haalt de beste antwoorden uit uw data. Wanneer alle bedrijven over dezelfde technologieën kunnen beschikken, zal het bedrijf met data een concurrentievoordeel hebben. Om een ​​idee te geven: de wereld creëert elke dag ongeveer 2.2 exabytes, oftewel 2.2 miljard gigabytes.

Een bedrijf heeft uitzonderlijk diverse databronnen nodig om patronen te vinden en in een substantieel volume te leren.

Big Data in AI

Algoritme

Hardware is krachtiger dan ooit, gegevens zijn gemakkelijk toegankelijk, maar één ding dat het neurale netwerk betrouwbaarder maakt, is de ontwikkeling van nauwkeurigere algoritmen. Primaire neurale netwerken zijn een eenvoudige vermenigvuldigingsmatrix zonder diepgaande statistische eigenschappen. Sinds 2010 zijn er opmerkelijke ontdekkingen gedaan om het neurale netwerk te verbeteren.

Kunstmatige intelligentie maakt gebruik van een progressief leeralgoritme om de data het programmeren te laten doen. Het betekent dat de computer zichzelf kan leren verschillende taken uit te voeren, zoals het opsporen van afwijkingen chatbot.

Samengevat

  • AI is een volledige vorm van kunstmatige intelligentie en is de wetenschap van het trainen van machines om menselijke taken te imiteren of te reproduceren.
  • Een wetenschapper kan verschillende methoden gebruiken om een ​​machine te trainen. Aan het begin van de AI-tijdperken schreven programmeurs hardgecodeerde programma's, waarbij ze elke logische mogelijkheid typten waarmee de machine te maken kon krijgen en hoe ze moesten reageren.
  • Wanneer een systeem groeit complex, wordt het moeilijk om de regels te beheren. Om dit probleem te verhelpen, kan de machine gegevens gebruiken om te leren hoe met alle situaties in een bepaalde omgeving kan worden omgegaan.
  • Het belangrijkste kenmerk van een krachtige AI is dat deze over voldoende gegevens beschikt met aanzienlijke heterogeniteit. Een machine kan bijvoorbeeld verschillende talen leren, zolang hij maar voldoende woorden heeft om van te leren.
  • AI is de nieuwe geavanceerde technologie. Durfkapitalisten investeren miljarden dollars in startups of AI-projecten, en McKinsey schat dat AI elke sector een groei met minstens dubbele cijfers kan geven.
  • Algemene AI, op regels gebaseerde AI, beslissingsboom-AI en Super AI zijn vormen van kunstmatige intelligentie. Veel van deze concepten worden toegepast bij het creëren van AI chatbotS. Als u geïnteresseerd bent, kunt u meer te weten komen over hoe deze principes in sommige van de lidstaten worden geïmplementeerd beste AI chatbots die vandaag beschikbaar zijn.

Bekijk onze video over kunstmatige intelligentie op YouTube: Klik Hier