Что такое искусственный интеллект? Введение, история и типы ИИ

Что такое искусственный интеллект (ИИ)?

AI (Искусственный интеллект) — это способность машины выполнять когнитивные функции, как это делают люди, например, восприятие, обучение, рассуждение и решение проблем. Эталоном для ИИ является человеческий уровень, касающийся команд рассуждения, речи и видения.

В этом Учебник по искусственному интеллекту, вы узнаете следующееwing Основы ИИ-

Введение в уровни искусственного интеллекта

В настоящее время ИИ используется практически во всех отраслях, что дает технологическое преимущество всем компаниям, интегрирующим ИИ в больших масштабах. По мнению McKinsey, искусственный интеллект способен создать 600 billСтоимость ионов долларов в розничной торговле приносит на 50 процентов больше дополнительной ценности в банковском деле по сравнению с другими аналитическими методами. В сфере транспорта и логистики потенциальный скачок доходов на 89% больше.

Конкретно, если организация использует ИИ для своей маркетинговой команды, она может автоматизировать рутинные и повторяющиеся задачи, а такжеwing торговый представитель сосредоточится на построении отношений, привлечении потенциальных клиентов и т. д. Компания Gong предоставляет услуги по разведке разговоров. Каждый раз, когда торговый представитель звонит по телефону, машина записывает, расшифровывает и анализирует разговор. Вице-президент может использовать аналитику и рекомендации ИИ, чтобы сформулировать выигрышную стратегию.

Короче говоря, искусственный интеллект предоставляет передовые технологии для борьбы с компьютерными технологиями.plex данные, с которыми человек не может справиться. ИИ автоматизирует дублирующие рабочие местаwing работник, который сосредоточится на задачах высокого уровня, добавляющих ценность. Масштабное внедрение ИИ приводит к снижению затрат и увеличению доходов.

История искусственного интеллекта

Искусственный интеллект сегодня является модным словом, хотя этот термин не нов. В 1956 году эксперты-авангардисты разного происхождения решили организовать летний исследовательский проект по искусственному интеллекту. Четыре ярких ума возглавили проект; Джон Маккарти (Дартмутский колледж), Марвин Мински (Гарвардский университет), Натаниэль Рочестер (IBM) и Клод Шеннон (Bell Telephone Laboratories).

Вот краткая история искусственного интеллекта:

Год Веха / Вnovaпроизводство
1923 Карел Чапек играет «Универсальных роботов Россум», первое использование слова «робот» на английском языке.
1943 Foundations для нейронных сетей заложено.
1945 Айзек Азимов, выпускник Колумбийского университета, использует термин «робототехника».
1956 Джон Маккарти впервые использовал термин «искусственный интеллект». Демонстрация первой работающей программы искусственного интеллекта в Университете Карнеги-Меллон.
1964 Диссертация Дэнни Боброу в Массачусетском технологическом институте показала, как компьютеры могут понимать естественный язык.
1969 Ученые Стэнфордского исследовательского института разработали шейки. Робот, способный передвигаться и решать проблемы.
1979 Был построен первый в мире автономный автомобиль с компьютерным управлением Stanford Cart.
1990 Значимые демонстрации машинного обучения
1997 Программа Deep Blue Chess обыграла тогдашнего чемпиона мира по шахматам Гарри Каспарова.
2000 Интерактивные роботы-питомцы стали коммерчески доступными. MIT отображает Kismet, робот с лицом, выражающим эмоции.
2006 ИИ пришел в мир бизнеса в 2006 году. Такие компании, как Facebook, Netflix, Twitter начал использовать ИИ.
2012 Google запустил Android функция приложения под названием «Google Now», которая предоставляет пользователю прогноз.
2018 «Дебатор проекта» из IBM обсуждается комplex темы с двумя мастерами дебатов и выступил исключительно хорошо.

Цели искусственного интеллекта

Вот основные цели ИИ:

  • Это помогает вам сократить количество времени, необходимое для выполнения конкретных задач.
  • Облегчает взаимодействие людей с машинами.
  • Облегчение взаимодействия человека и компьютера более естественным и эффективным способом.
  • Повышение точности и скорости постановки медицинских диагнозов.
  • Помогаем людям быстрее усваивать новую информацию.
  • Улучшение связи между людьми и машинами.

Подполя искусственного интеллекта

Вот некоторые важные разделы искусственного интеллекта:

Машинное обучение: Машинное обучение — это искусство учиться algorithms которые учатся на примерах и опыте. Машинное обучение основано на идее, что некоторые закономерности в данных были идентифицированы и использованы для будущих прогнозов. Отличие от правил жесткого кодирования состоит в том, что машина учится находить такие правила.

Глубокое обучение: Глубокое обучение — это подобласть машинного обучения. Глубокое обучение не означает, что машина изучает более глубокие знания; он использует разные уровни для обучения на основе данных. Глубина модели представлена ​​количеством слоев в модели. Например, модель распознавания изображений Google LeNet насчитывает 22 слоя.

Обработка естественного языка: Нейронная сеть — это группа связанных блоков ввода-вывода, где каждое соединение имеет вес, связанный с его компьютерными программами. Это помогает вам строить прогнозные модели на основе больших баз данных. Эта модель основана на нервной системе человека. Вы можете использовать эту модель для понимания изображений, обучения человека, компьютерной речи и т. д.

Экспертные Системы: Экспертная система — это интерактивная и надежная компьютерная система принятия решений, которая использует факты и эвристику для решения сложных задач.plex проблемы с принятием решений. Это также считается высшим уровнем человеческого интеллекта. Основная цель экспертной системы – решение наиболее сложных задач.plex проблемы в конкретной области.

Нечеткая логика: Нечеткая логика определяется как многозначная логическая форма, которая может иметь значения истинности переменных в любом действительном числе от 0 до 1. Это концепция дескриптора частичной истины. В реальной жизни мы можем столкнуться с ситуацией, когда не можем решить, истинно или ложно данное утверждение.

Подполя искусственного интеллекта

Типы искусственного интеллекта

Существует три основных типа искусственного интеллекта: основанный на правилах, дерево решений и нейронные сети.

  • Узкий ИИ — это тип ИИ, который помогает вам выполнять определенную задачу с помощью интеллекта.
  • Общий ИИ — это тип искусственного интеллекта, который может эффективно выполнять любую интеллектуальную задачу, как человек.
  • ИИ на основе правил основан на наборе заранее определенных правил, которые применяются к набору входных данных. Затем система выдает соответствующий результат.
  • ИИ дерева решений похож на ИИ, основанный на правилах, в том, что он использует наборы заранее определенных правил для принятия решений. Однако дерево решений также допускает ветвления и циклы для рассмотрения различных вариантов.
  • СуперИИ — это тип ИИ, который позволяет компьютерам понимать человеческий язык и реагировать естественным образом.
  • Роботизированный интеллект — это тип искусственного интеллекта, который позволяет роботам иметьplex когнитивные способности, включая рассуждение, планирование и обучение.

ИИ против машинного обучения

Большая часть наших смартфонов, повседневных устройств и даже Интернета использует искусственный интеллект. Очень часто крупные компании, желающие объявить о своих новейших достижениях, используют искусственный интеллект и машинное обучение как синонимы.novaция. Однако машинное обучение и искусственный интеллект в чем-то отличаются.

ИИ – искусственный интеллект – это наука об обучении машин выполнению человеческих задач. Этот термин был изобретен в 1950-х годах, когда ученые начали изучать, как компьютеры могут решать проблемы самостоятельно.

ИИ против машинного обучения

Искусственный интеллект — это компьютер, которому приданы свойства, подобные человеческим. Возьмите наш мозг; он работает легко и плавно, рассчитывая мир вокруг нас. Искусственный интеллект — это концепция, согласно которой компьютер может делать то же самое. Можно сказать, что ИИ — это большая наука, имитирующая человеческие способности.

Машинное обучение — это отдельная разновидность искусственного интеллекта, которая обучает машину обучению. Модели машинного обучения ищут закономерности в данных и пытаются сделать выводы. Короче говоря, машина не нуждается в явном программировании людьми. Программисты приводят несколько примеров, и на этих примерах компьютер научится, что делать.

Также прочитайте разницу между глубоким обучением и машинным обучением против искусственного интеллекта, нажмите здесь..

Где используется ИИ? Примеры

Теперь в этом уроке по искусственному интеллекту для начинающих мы изучим различные применения искусственного интеллекта:

ИИ имеет широкое применение.

  • Искусственный интеллект используется для сокращения или предотвращения повторяющихся задач. Например, ИИ может повторять задачу непрерывно, не утомляясь. ИИ никогда не отдыхает и безразличен к выполняемой задаче.
  • Искусственный интеллект улучшает существующий продукт. До эпохи машинного обучения основные продукты создавались на основе жестких правил. Фирмы внедрили искусственный интеллект для улучшения функциональности продукта, а не начинали с нуля разработку новых продуктов. Вы можете подумать об изображении в Facebook. Несколько лет назад вам приходилось отмечать друзей вручную. Сегодня с помощью искусственного интеллекта Facebook дает вам рекомендацию друга.

ИИ используется во всех отраслях: от маркетинга до цепочек поставок, финансов и пищевой промышленности. Согласно опросу McKinsey, финансовые услуги и высокотехнологичные коммуникации лидируют в областях искусственного интеллекта.

Примеры использования ИИ

Почему ИИ сейчас процветает?

Теперь, в этом руководстве по тестированию искусственного интеллекта, давайте узнаем, почему ИИ сейчас процветает. Давайте разберемся по диаграмме ниже.

ИИ процветает

Нейронная сеть существует с девяностых годов, когда появилась основополагающая статья Янна Лекуна. Тем не менее, он начал становиться известным примерно в 2012 году. Его популярность объясняется тремя важными факторами:

  1. Аппаратные средства
  2. Данные
  3. Алгоритм

Машинное обучение — это экспериментальная область, а это значит, что ему нужны данные для проверки новых идей или подходов. С развитием Интернета данные стали более доступными. Кроме того, такие гиганты, как NVIDIA и AMD, разработали высокопроизводительные графические чипы для игрового рынка.

Аппаратные средства

За последние двадцать лет мощность процессоров резко возросла.wing пользователь может обучить небольшую модель глубокого обучения на любом ноутбуке. Однако вам понадобится более мощная машина для обработки модели глубокого обучения для компьютерного зрения или глубокого обучения. Благодаря инвестициям NVIDIA и AMD доступно новое поколение графических процессоров. Эти чипы позволяют выполнять параллельные вычисления, и машина может разделить вычисления на несколько графических процессоров, чтобы ускорить вычисления.

Например, на NVIDIA TITAN X обучение модели под названием IMAGEnet против недель для традиционного процессора. Кроме того, крупные компании используют clusters графического процессора для обучения моделей глубокого обучения с помощью NVIDIA Tesla K80, поскольку это помогает снизить стоимость центра обработки данных и обеспечить более высокую производительность.

Искусственный интеллект в видеокартах

Данные

Глубокое обучение — это структура модели, а данные — это жидкость, делающая ее живой. Данные питают искусственный интеллект. Без данных ничего сделать невозможно. Новейшие технологии раздвинули границы хранения данных, и хранить большие объемы данных в центре обработки данных стало проще, чем когда-либо.

Интернет-революция делает сбор и распространение данных доступными для машинного обучения algorithms. Если вы знакомы с Flickr, Instagram или любое другое приложение с изображениями, вы можете догадаться об их потенциале ИИ. На этих сайтах доступны миллионы изображений с тегами. Эти изображения могут научить модель нейронной сети распознавать объект на изображении без необходимости собирать и маркировать данные вручную.

Искусственный интеллект в сочетании с данными — это новое золото. Данные — это уникальное конкурентное преимущество, которым не должна пренебрегать ни одна фирма, а ИИ дает наилучшие ответы на основе ваших данных. Когда все фирмы смогут использовать одни и те же технологии, та, у которой есть данные, будет иметь конкурентное преимущество. Чтобы дать представление, мир создает около 2.2 эксабайта, или 2.2 billионные гигабайты, каждый день.

Компании нужны исключительно разнообразные источники данных, чтобы находить закономерности и обучаться в значительном объеме.

Большие данные в искусственном интеллекте

Алгоритм

Аппаратное обеспечение стало более мощным, чем когда-либо, данные легко доступны, но одна вещь, которая делает нейронную сеть более надежной, — это разработка более точных algorithms. Первичные нейронные сети представляют собой простую матрицу умножения без углубленных статистических свойств. С 2010 года были сделаны замечательные открытия по улучшению нейронной сети.

Искусственный интеллект использует алгоритм прогрессивного обучения, позволяющий данным выполнять программирование. Это означает, что компьютер может научить себя выполнять различные задачи, например находить аномалии, которые становятся chatbot.

Итого

  • ИИ — это полная форма Искусственный интеллект — это наука об обучении машин имитированию или воспроизведению человеческих задач.
  • Ученый может использовать разные методы для обучения машины. В начале эпохи ИИ программисты писали жестко запрограммированные программы, вписывая каждую логическую возможность, с которой машина могла столкнуться, и способы реагирования.
  • Когда система растетplex, становится трудно управлять правилами. Чтобы решить эту проблему, машина может использовать данные, чтобы научиться решать все ситуации в данной среде.
  • Самая важная особенность мощного ИИ заключается в том, что у него достаточно данных со значительной разнородностью. Например, машина может изучать разные языки, если у нее достаточно слов для изучения.
  • ИИ — это новая передовая технология. Венчурные капиталисты инвестируют billдолларов в стартапы или проекты искусственного интеллекта, и, по оценкам McKinsey, искусственный интеллект может стимулировать любую отрасль как минимум на double-цифровой темп роста.
  • Общий ИИ, ИИ на основе правил, ИИ дерева решений, СуперИИ — это типы искусственного интеллекта. Многие из этих concepts применяются при создании ИИ chatbotс. Если вам интересно, вы можете узнать больше о том, как эти принципы реализованы в некоторых лучший ИИ chatbots доступных сегодня.

Посмотрите наше видео об искусственном интеллекте на YouTube: Кликните сюда