Що таке штучний інтелект? Вступ, історія та типи ШІ

Що таке штучний інтелект (ШІ)?

AI (Штучний інтелект) — це здатність машини виконувати когнітивні функції, як і люди, наприклад сприйняття, навчання, міркування та вирішення проблем. Орієнтиром для штучного інтелекту є рівень людського мислення, мови та бачення.

В цьому Підручник зі штучного інтелекту, ви дізнаєтесь про наступні основи ШІ-

Вступ до рівнів штучного інтелекту

Сьогодні ШІ використовується майже в усіх галузях промисловості, що дає технологічну перевагу всім компаніям, які масштабно інтегрують ШІ. За даними McKinsey, штучний інтелект має потенціал створити 600 мільярдів доларів вартості в роздрібній торгівлі та принести на 50 відсотків більше додаткової вартості в банківській справі порівняно з іншими методами аналітики. У транспорті та логістиці потенційний стрибок доходу на 89% більше.

Конкретно, якщо організація використовує штучний інтелект для своєї маркетингової команди, вона може автоматизувати повсякденні та повторювані завдання, дозволяючи торговому представнику зосередитися на налагодженні стосунків, вихованні лідерів тощо. Компанія під назвою Gong надає послуги аналізу розмов. Кожного разу, коли торговий представник телефонує, машина записує, транскрибує та аналізує чат. Віце-президент може використовувати аналітику та рекомендації ШІ, щоб сформулювати виграшну стратегію.

У двох словах, штучний інтелект надає передові технології для роботи зі складними даними, з якими людина не може впоратися. AI автоматизує надлишкові завдання, дозволяючи працівнику зосередитися на високорівневих завданнях із доданою вартістю. Масштабне впровадження штучного інтелекту призводить до скорочення витрат і збільшення прибутку.

Історія штучного інтелекту

Штучний інтелект сьогодні є модним словом, хоча цей термін не новий. У 1956 році авангардні експерти з різних професій вирішили організувати літній дослідницький проект ШІ. Керували проектом чотири світлі уми; Джон Маккарті (Дартмутський коледж), Марвін Мінскі (Гарвардський університет), Натаніель Рочестер (IBM) і Клод Шеннон (Bell Telephone Laboratories).

Ось коротка історія штучного інтелекту:

Цілі штучного інтелекту

Ось основні цілі ШІ:

• Це допомагає скоротити кількість часу, необхідного для виконання певних завдань.
• Полегшення взаємодії людей із машинами.
• Полегшення взаємодії людини з комп’ютером більш природним і ефективним способом.
• Підвищення точності та швидкості медичної діагностики.
• Допомога людям швидше вивчати нову інформацію.
• Покращення зв’язку між людьми та машинами.

Підгалузі штучного інтелекту

Ось кілька важливих підгалузей штучного інтелекту:

машинне навчання: Машинне навчання — це мистецтво вивчення алгоритмів, які навчаються на прикладах і досвіді. Машинне навчання базується на ідеї, що деякі шаблони в даних були виявлені та використані для майбутніх прогнозів. Відмінність від правил жорсткого кодування полягає в тому, що машина вчиться знаходити такі правила.

Глибоке навчання: Глибоке навчання є підсферою машинного навчання. Глибоке навчання не означає, що машина вивчає більш глибокі знання; він використовує різні рівні для вивчення даних. Глибина моделі представлена ​​кількістю шарів у моделі. Наприклад, модель Google LeNet для розпізнавання зображень налічує 22 шари.

Обробка природних мов: Нейронна мережа — це група з’єднаних блоків вводу/виводу, де кожне з’єднання має вагу, пов’язану з його комп’ютерними програмами. Це допомагає вам будувати прогнозні моделі з великих баз даних. Ця модель побудована на основі нервової системи людини. Ви можете використовувати цю модель для розуміння зображень, навчання людини, комп’ютерного мовлення тощо.

Експертні системи: Експертна система — це інтерактивна та надійна комп’ютерна система прийняття рішень, яка використовує факти та евристичні методи для вирішення складних проблем прийняття рішень. Це також вважається найвищим рівнем людського інтелекту. Основна мета експертної системи – розв’язувати найскладніші завдання в певній області.

Fuzzy Logic: Нечітка логіка визначається як багатозначна логічна форма, яка може мати значення істинності змінних у будь-якому дійсному числі від 0 до 1. Це концепція ручки часткової істинності. У реальному житті ми можемо зіткнутися з ситуацією, коли ми не можемо вирішити, правдиве твердження чи хибне.

Види штучного інтелекту

Існує три основних типи штучного інтелекту: на основі правил, на основі дерева рішень і нейронних мереж.

• Вузький штучний інтелект – це тип штучного інтелекту, який допомагає виконувати певні завдання з розумом.
• Загальний ШІ — це тип інтелекту ШІ, який може ефективно виконувати будь-яке інтелектуальне завдання, як людина.
• ШІ на основі правил базується на наборі заздалегідь визначених правил, які застосовуються до вхідного набору даних. Потім система видає відповідний вихід.
• ШІ дерева рішень подібний до штучного інтелекту на основі правил, оскільки він використовує набори заздалегідь визначених правил для прийняття рішень. Однак дерево рішень також допускає розгалуження та цикл для розгляду різних варіантів.
• Суперштучний інтелект – це тип ШІ, який дозволяє комп’ютерам розуміти людську мову та реагувати природним чином.
• Інтелект роботів — це тип штучного інтелекту, який дозволяє роботам мати складні когнітивні здібності, включаючи міркування, планування та навчання.

ШІ проти машинного навчання

Більшість наших смартфонів, щоденних пристроїв або навіть Інтернету використовують штучний інтелект. Дуже часто ШІ та машинне навчання взаємозамінно використовуються великими компаніями, які хочуть оголосити про свої останні інновації. Однак машинне навчання та штучний інтелект дещо відрізняються.

ШІ — штучний інтелект — це наука про навчання машин виконувати людські завдання. Термін був винайдений у 1950-х роках, коли вчені почали досліджувати, як комп’ютери можуть самостійно вирішувати проблеми.

Штучний інтелект — це комп’ютер, якому надано людські властивості. Візьміть наш мозок; він без зусиль і без проблем обчислює світ навколо нас. Штучний інтелект — це концепція того, що комп’ютер може робити те саме. Можна сказати, що ШІ — це велика наука, яка імітує людські здібності.

Машинне навчання — це окрема підмножина ШІ, яка навчає машину навчатися. Моделі машинного навчання шукають шаблони в даних і намагаються зробити висновки. У двох словах, машина не потребує явного програмування людьми. Програмісти наводять кілька прикладів, і комп’ютер дізнається, що робити з цих зразків.

Також прочитайте різницю між глибоким навчанням і машинним навчанням проти ШІ, натисніть тут.

Де використовується ШІ? Приклади

Тепер у цьому посібнику зі штучного інтелекту для початківців ми дізнаємось про різні застосування ШІ:

AI має широке застосування -

• Штучний інтелект використовується для зменшення або уникнення повторюваних завдань. Наприклад, ШІ може повторювати завдання безперервно, без втоми. ШІ ніколи не відпочиває, і він байдужий до завдання, яке потрібно виконати.
• Штучний інтелект покращує існуючий продукт. До епохи машинного навчання основні продукти створювалися за правилами жорсткого коду. Компанії запровадили штучний інтелект, щоб покращити функціональність продукту, а не починати з нуля розробляти нові продукти. Ви можете подумати про зображення Facebook. Кілька років тому вам доводилося позначати друзів вручну. Сьогодні за допомогою штучного інтелекту Facebook дає вам рекомендації друзів.

ШІ використовується в усіх галузях, від маркетингу до ланцюга поставок, фінансів, харчової промисловості. Згідно з опитуванням McKinsey, фінансові послуги та високотехнологічні комунікації лідирують у сферах ШІ.

Чому штучний інтелект зараз процвітає?

У цьому підручнику з тестування штучного інтелекту давайте дізнаємося, чому штучний інтелект зараз процвітає. Розберемося за наведеною нижче схемою.

Нейронна мережа існує з 2012-х років завдяки основоположній роботі Янна Лекуна. Однак він почав ставати відомим приблизно в XNUMX році. Його популярність пояснюється трьома ключовими факторами:

1. Обладнання
2. дані
3. Алгоритм

Машинне навчання є експериментальним полем, тобто йому потрібні дані для перевірки нових ідей або підходів. З розквітом Інтернету дані стали доступнішими. Крім того, такі гігантські компанії, як NVIDIA та AMD, розробили високопродуктивні графічні чіпи для ігрового ринку.

Обладнання

За останні двадцять років потужність центрального процесора вибухнула, дозволяючи користувачеві тренувати невелику модель глибокого навчання на будь-якому ноутбуці. Однак вам потрібна більш потужна машина для обробки моделі глибокого навчання для комп’ютерного зору або глибокого навчання. Завдяки інвестиціям NVIDIA та AMD доступне нове покоління GPU (графічний процесор). Ці мікросхеми дозволяють виконувати паралельні обчислення, і машина може розділити обчислення на кількох графічних процесорах, щоб прискорити обчислення.

Наприклад, з NVIDIA TITAN X потрібно два дні, щоб навчити модель під назвою IMAGEnet проти тижнів для традиційного ЦП. Крім того, великі компанії використовують кластери GPU для навчання моделей глибокого навчання за допомогою NVIDIA Tesla K80, оскільки це допомагає зменшити вартість центру обробки даних і забезпечити кращу продуктивність.

дані

Глибоке навчання — це структура моделі, а дані — рідина, яка робить її живою. Дані живлять штучний інтелект. Без даних нічого не можна зробити. Новітні технології розширили межі зберігання даних, і стало легше, ніж будь-коли, зберігати великий обсяг даних у центрі обробки даних.

Інтернет-революція робить збір і розповсюдження даних доступними для живлення алгоритмів машинного навчання. Якщо ви знайомі Flickr, Instagram або будь-який інший додаток із зображеннями, ви можете здогадатися про їхній потенціал ШІ. На цих веб-сайтах доступні мільйони зображень із тегами. Ці зображення можуть навчити модель нейронної мережі розпізнавати об’єкт на зображенні без необхідності збирати та маркувати дані вручну.

Штучний інтелект у поєднанні з даними — це нове золото. Дані — це унікальна конкурентна перевага, якою жодна фірма не повинна нехтувати, і штучний інтелект дає найкращі відповіді на основі ваших даних. Коли всі фірми зможуть мати однакові технології, конкурентну перевагу матиме та, яка володіє даними. Щоб дати уявлення, світ створює близько 2.2 екзабайт, або 2.2 мільярда гігабайтів, щодня.

Компанії потрібні виключно різноманітні джерела даних, щоб знаходити закономірності та вивчати їх у значному обсязі.

Алгоритм

Апаратне забезпечення потужніше, ніж будь-коли, дані легкодоступні, але одна річ, яка робить нейронну мережу надійнішою, це розробка більш точних алгоритмів. Первинні нейронні мережі — це проста матриця множення без поглиблених статистичних властивостей. З 2010 року були зроблені видатні відкриття для вдосконалення нейронної мережі.

Штучний інтелект використовує прогресивний алгоритм навчання, щоб дозволити програмувати дані. Це означає, що комп’ютер може сам навчитися виконувати різні завдання, як-от знаходити аномалії та стати чат-ботом.

Підсумки

• ШІ — повна форма Штучний інтелект — це наука про навчання машин імітувати або відтворювати людські завдання.
• Вчений може використовувати різні методи для навчання машини. На початку епохи штучного інтелекту програмісти писали жорстко закодовані програми, вказуючи кожну логічну можливість, з якою може зіткнутися машина, і те, як реагувати.
• Коли система ускладнюється, стає важко керувати правилами. Щоб подолати цю проблему, машина може використовувати дані, щоб навчитися вирішувати всі ситуації в певному середовищі.
• Найважливішою особливістю потужного штучного інтелекту є наявність достатньої кількості даних зі значною різнорідністю. Наприклад, машина може вивчати різні мови, якщо у неї є достатньо слів для навчання.
• AI — це нова передова технологія. Венчурні капіталісти інвестують мільярди доларів у стартапи або проекти штучного інтелекту, і McKinsey оцінює, що штучний інтелект може прискорити темпи зростання кожної галузі щонайменше на двозначні цифри.
• Загальний ШІ, ШІ на основі правил, ШІ на основі дерева рішень, Супер ШІ — це типи штучного інтелекту. Багато з цих концепцій застосовуються при створенні чат-ботів ШІ. Якщо вам цікаво, ви можете дізнатися більше про те, як ці принципи реалізуються в деяких із них найкращі чат-боти AI доступних сьогодні.

Дивіться наше відео про штучний інтелект YouTube: Натисніть тут