Vad är artificiell intelligens? Introduktion, historia och typer av AI

Vad är artificiell intelligens (AI)?

AI (Artificiell intelligens) är en maskins förmåga att utföra kognitiva funktioner som människor gör, såsom att uppfatta, lära, resonera och lösa problem. Riktmärket för AI är den mänskliga nivån i grupper av resonemang, tal och vision.

I detta Handledning för artificiell intelligens, kommer du att lära dig följande AI-grunder-

Introduktion till artificiell intelligensnivåer

Nuförtiden används AI i nästan alla branscher, vilket ger en teknisk fördel åt alla företag som integrerar AI i stor skala. Enligt McKinsey har AI potential att skapa 600 miljarder dollar i värde i detaljhandeln och ge 50 procent mer inkrementellt värde i bankverksamhet jämfört med andra analystekniker. Inom transport och logistik är det potentiella intäktshoppet 89 % mer.

Konkret, om en organisation använder AI för sitt marknadsföringsteam, kan den automatisera vardagliga och repetitiva uppgifter, vilket gör att säljaren kan fokusera på relationsbyggande, ledarskap, etc. Ett företag som heter Gong tillhandahåller en konversationsunderrättelsetjänst. Varje gång en säljare ringer ett telefonsamtal spelar maskinen in, transkriberar och analyserar chatten. VP kan använda AI-analyser och rekommendationer för att formulera en vinnande strategi.

I ett nötskal, AI tillhandahåller banbrytande teknologi för att hantera komplexa data som en människa inte kan hantera. AI automatiserar redundanta jobb, vilket gör att en arbetare kan fokusera på högnivå, mervärdesuppgifter. När AI implementeras i stor skala leder det till kostnadsminskningar och intäktsökningar.

Historien om artificiell intelligens

Artificiell intelligens är ett modeord idag, även om denna term inte är ny. 1956 beslutade avantgardeexperter från olika bakgrunder att organisera ett sommarforskningsprojekt om AI. Fyra ljusa hjärnor ledde projektet; John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM), och Claude Shannon (Bell Telephone Laboratories).

Här är en kort historia om artificiell intelligens:

Mål för artificiell intelligens

Här är de viktigaste målen för AI:

• Det hjälper dig att minska den tid som behövs för att utföra specifika uppgifter.
• Gör det lättare för människor att interagera med maskiner.
• Underlätta människa-dator-interaktion på ett sätt som är mer naturligt och effektivt.
• Förbättra noggrannheten och hastigheten för medicinska diagnoser.
• Hjälper människor att lära sig ny information snabbare.
• Förbättra kommunikationen mellan människor och maskiner.

Underområden för artificiell intelligens

Här är några viktiga underområden för artificiell intelligens:

Maskininlärning: Maskininlärning är konsten att studera algoritmer som lär sig av exempel och erfarenheter. Maskininlärning bygger på idén att vissa mönster i data identifierades och användes för framtida förutsägelser. Skillnaden mot hårdkodningsregler är att maskinen lär sig att hitta sådana regler.

Deep Learning: Deep learning är ett underområde av maskininlärning. Djup inlärning betyder inte att maskinen lär sig mer djupgående kunskap; den använder olika lager för att lära av data. Modellens djup representeras av antalet lager i modellen. Till exempel räknar Google LeNet-modellen för bildigenkänning 22 lager.

Naturlig språkbehandling: Ett neuralt nätverk är en grupp anslutna I/O-enheter där varje anslutning har en vikt kopplad till sina datorprogram. Det hjälper dig att bygga prediktiva modeller från stora databaser. Denna modell bygger på det mänskliga nervsystemet. Du kan använda den här modellen för att utföra bildförståelse, mänskligt lärande, datortal, etc.

Expert system: Ett expertsystem är ett interaktivt och pålitligt datorbaserat beslutssystem som använder fakta och heuristik för att lösa komplexa beslutsproblem. Det anses också vara på den högsta nivån av mänsklig intelligens. Huvudmålet med ett expertsystem är att lösa de mest komplexa frågorna inom en specifik domän.

Fuzzy Logic: Fuzzy Logic definieras som en logikform med många värden som kan ha sanningsvärden för variabler i valfritt reellt tal mellan 0 och 1. Det är handtagskonceptet för partiell sanning. I verkliga livet kan vi stöta på en situation där vi inte kan avgöra om påståendet är sant eller falskt.

Typer av artificiell intelligens

Det finns tre huvudtyper av artificiell intelligens: regelbaserad, beslutsträd och neurala nätverk.

• Smal AI är en typ av AI som hjälper dig att utföra en dedikerad uppgift med intelligens.
• Allmän AI är en typ av AI-intelligens som kan utföra vilken intellektuell uppgift som helst på ett effektivt sätt som en människa.
• Regelbaserad AI är baserad på en uppsättning förutbestämda regler som tillämpas på en indatauppsättning. Systemet producerar då en motsvarande utsignal.
• Beslutsträd AI liknar regelbaserad AI genom att det använder uppsättningar av förutbestämda regler för att fatta beslut. Men beslutsträdet tillåter också förgrening och looping för att överväga olika alternativ.
• Super AI är en typ av AI som låter datorer förstå mänskligt språk och svara på ett naturligt sätt.
• Robotintelligens är en typ av AI som tillåter robotar att ha komplexa kognitiva förmågor, inklusive resonemang, planering och lärande.

AI vs maskininlärning

De flesta av våra smartphones, dagliga enheter eller till och med internet använder artificiell intelligens. Mycket ofta används AI och maskininlärning omväxlande av stora företag som vill presentera sin senaste innovation. Maskininlärning och AI är dock olika på vissa sätt.

AI - artificiell intelligens - är vetenskapen om att träna maskiner för att utföra mänskliga uppgifter. Termen uppfanns på 1950-talet när forskare började utforska hur datorer kunde lösa problem på egen hand.

Artificiell intelligens är en dator som ges människoliknande egenskaper. Ta vår hjärna; det fungerar utan ansträngning och sömlöst för att beräkna världen omkring oss. Artificiell intelligens är konceptet att en dator kan göra samma sak. Man kan säga att AI är en stor vetenskap som efterliknar mänskliga anlag.

Maskininlärning är en distinkt delmängd av AI som tränar en maskin att lära sig. Maskininlärningsmodeller letar efter mönster i data och försöker dra slutsatser. I ett nötskal behöver maskinen inte vara explicit programmerad av människor. Programmerarna ger några exempel, och datorn kommer att lära sig vad den ska göra från dessa prover.

Läs också skillnaden mellan Deep Learning och Machine Learning vs AI, Klicka här.

Var används AI? Exempel

Nu i denna handledning för AI för nybörjare kommer vi att lära oss olika tillämpningar av AI:

AI har breda tillämpningar-

• Artificiell intelligens används för att minska eller undvika repetitiva uppgifter. Till exempel kan AI upprepa en uppgift kontinuerligt, utan trötthet. AI vilar aldrig, och den är likgiltig för uppgiften att utföra.
• Artificiell intelligens förbättrar en befintlig produkt. Före maskininlärningsåldern byggde kärnprodukterna på hårdkodsregler. Företag introducerade artificiell intelligens för att förbättra produktens funktionalitet snarare än att börja från början för att designa nya produkter. Du kan tänka dig en Facebook-bild. För några år sedan var du tvungen att tagga dina vänner manuellt. Numera ger Facebook dig med hjälp av AI en väns rekommendation.

AI används i alla branscher, från marknadsföring till leveranskedja, finans, livsmedelsförädlingssektorn. Enligt en McKinsey-undersökning leder finansiella tjänster och högteknologisk kommunikation AI-områdena.

Varför blomstrar AI nu?

Låt oss nu i denna testhandledning för artificiell intelligens ta reda på varför AI blomstrar nu. Låt oss förstå genom diagrammet nedan.

Ett neuralt nätverk har funnits sedan nittiotalet med Yann LeCuns nybörjartidning. Den började dock bli berömd runt år 2012. Förklarad av tre kritiska faktorer för dess popularitet är:

1. hårdvara
2. Data
3. Algoritm

Maskininlärning är ett experimentellt område, vilket betyder att det behöver data för att testa nya idéer eller tillvägagångssätt. Med internets boom blev data mer lättillgänglig. Dessutom har jätteföretag som NVIDIA och AMD utvecklat högpresterande grafikkretsar för spelmarknaden.

hårdvara

Under de senaste tjugo åren har CPU:ns kraft exploderat, vilket gör att användaren kan träna en liten djupinlärningsmodell på vilken bärbar dator som helst. Men du behöver en kraftfullare maskin för att bearbeta en djupinlärningsmodell för datorseende eller djupinlärning. Tack vare investeringen av NVIDIA och AMD finns en ny generation GPU (grafisk processorenhet) tillgänglig. Dessa chips tillåter parallella beräkningar, och maskinen kan separera beräkningarna över flera GPU: er för att påskynda beräkningarna.

Till exempel, med en NVIDIA TITAN X, tar det två dagar att träna en modell som heter IMAGEnet mot veckor för en traditionell CPU. Dessutom använder stora företag kluster av GPU för att träna modeller för djupinlärning med NVIDIA Tesla K80 eftersom det hjälper till att minska datacenterkostnaderna och ge bättre prestanda.

Data

Djup inlärning är modellens struktur, och data är vätskan för att göra den levande. Data driver artificiell intelligens. Utan data kan ingenting göras. Den senaste tekniken har flyttat gränserna för datalagring, och det är enklare än någonsin att lagra en stor mängd data i ett datacenter.

Internetrevolutionen gör datainsamling och distribution tillgänglig för att mata maskininlärningsalgoritmer. Om du är bekant med Flickr, Instagram eller någon annan app med bilder, du kan gissa deras AI-potential. Det finns miljontals bilder med taggar tillgängliga på dessa webbplatser. Dessa bilder kan träna en neural nätverksmodell att känna igen ett objekt på bilden utan att behöva samla in och märka data manuellt.

Artificiell intelligens i kombination med data är det nya guldet. Data är en unik konkurrensfördel som inget företag bör försumma, och AI ger de bästa svaren från din data. När alla företag kan ha samma teknik kommer den med data att ha en konkurrensfördel. För att ge en idé skapar världen cirka 2.2 exabyte, eller 2.2 miljarder gigabyte, varje dag.

Ett företag behöver exceptionellt olika datakällor för att hitta mönstren och lära sig i en betydande volym.

Algoritm

Hårdvaran är kraftfullare än någonsin, data är lättillgänglig, men en sak som gör det neurala nätverket mer pålitligt är utvecklingen av mer exakta algoritmer. Primära neurala nätverk är en enkel multiplikationsmatris utan djupgående statistiska egenskaper. Sedan 2010 har anmärkningsvärda upptäckter gjorts för att förbättra det neurala nätverket.

Artificiell intelligens använder en progressiv inlärningsalgoritm för att låta data göra programmeringen. Det betyder att datorn kan lära sig själv hur man utför olika uppgifter, som att hitta anomalier genom att bli en chatbot.

Sammanfattning

• AI är en fullständig form av artificiell intelligens är vetenskapen om att träna maskiner för att imitera eller reproducera mänskliga uppgifter.
• En vetenskapsman kan använda olika metoder för att träna en maskin. I början av AI:s åldrar skrev programmerare hårdkodade program och skrev in alla logiska möjligheter som maskinen kunde möta och hur de skulle svara.
• När ett system blir komplext blir det svårt att hantera reglerna. För att lösa detta problem kan maskinen använda data för att lära sig att ta hand om alla situationer från en given miljö.
• Den viktigaste egenskapen med att ha en kraftfull AI är att den har tillräckligt med data med avsevärd heterogenitet. Till exempel kan en maskin lära sig olika språk så länge den har tillräckligt med ord att lära sig av.
• AI är den nya banbrytande tekniken. Riskkapitalister investerar miljarder dollar i startups eller AI-projekt, och McKinsey uppskattar AI kan öka varje bransch med åtminstone en tvåsiffrig tillväxttakt.
• Allmän AI, Regelbaserad AI, Decision Tree AI, Super AI är typer av artificiell intelligens. Många av dessa koncept tillämpas vid skapandet av AI-chatbots. Om du är intresserad kan du lära dig mer om hur dessa principer implementeras i några av de bästa AI-chatbots tillgänglig idag.

Se vår video om artificiell intelligens YouTube: Klicka här