▷ Kunstig intelligens: hva er det og aktuelle praktiske eksempler?

I noen år har selskaper kontinuerlig snakket med oss ​​om kunstig intelligens som de introduserer i sine tjenester, applikasjoner og prosessorer. Selv om de har samme navn, takk Gud, er den kunstige intelligensen til vaskemaskinen vår (av årsaker som slipper unna oss) og smarttelefonen ikke så utviklet at de får reflektert over deres eksistens og vår makt over dem. Foreløpig…

Som vi allerede fortalte deg i artikkelen om AI-utviklingen USB Intel Movidius, er kunstig intelligens her for å bli og hjelpe oss med å løse daglige problemer. Men hva er egentlig kunstig intelligens?

Kilde: Source Dexeter

Gifen du ser over viser på en veldig forenklet måte hvordan et dypt nevralt nettverk fungerer. Disse systemene krever hard trening for senere å kunne gjenkjenne bilder, optimalisere løsninger eller bare lære mer. I hovedsak er det et sett med algoritmer som vi kan kategorisere som AIer og som hører til feltet Deep Learning.

Innholdsindeks

Kunstig intelligens: ny programmering

I dag utgjør ikke kunstig intelligens kompliserte blandede teknologisystemer med samvittighet, slik det ofte sees i science fiction-verk. Den vi lager faller heller på definisjonen av komplekse algoritmer som gir resultater basert på inngangene og kommandoene som har blitt lært dem. Selv om det bare er en av betydningene det er.

Det er forskjellige måter å forstå kunstig intelligens på, men vi kan dele den inn i fire hovedgrupper:

AIs som tenker som mennesker

Smørrobot Rick og Morty

Komplekse datasystemer med egen samvittighet som tenker og bestemmer etter deres ønske og overskrider egenskapene de ble programmert for ( Ghost in the Shell). Det er ennå ikke innen rekkevidde, og vi vet ikke en gang om det vil være mulig i fremtiden, så det er ikke mye å kommentere.

IAer som fungerer som mennesker

Å tenke som et menneske er ikke det samme som å late som å oppføre seg som et menneske. I dag lager vi noen systemer som disse der tilfeldigheter og konkrete funksjoner introduseres for å gi en følelse av at intelligens tenker som en person.

Pepper smart assistent

I videospill ser vi dette kontinuerlig, da maskinstyrte fiender ofte søker å simulere menneskelig oppførsel. Atskilt fra videospill er det oppnådd at en kunstig intelligens kan skrive med ufullkommenheter og uregelmessigheter som en person ville gjort.

IAs som tenker rasjonelt

Kanskje den vanligste versjonen av denne teknologien i dag. Vi sier at de tenker rasjonelt fordi vi gir dem verktøyene til å tilby effektive og meningsfulle resultater. De er i stand til å tilpasse seg miljøet de er i lett, selv om de langt fra tenker selv.

AlphaStar Learning

Et eksempel på dette er Artificial Intelligence som spiller videospill som AlphaStar (StarCraft II) eller AlphaZero (sjakk, shogi og gå). Disse maskinene er til og med i stand til å bekjempe menneskelige motstandere og har allerede beseiret en og annen verdensmester.

IAer som opptrer rasjonelt

Siden de 'handler' oppdager vi at de ikke behandler dataene vi gir videre til dem, ser ut til at de bare tenker rasjonelt. Dette er den mest forenklede versjonen av denne teknologien, og det er et stadium vi allerede stort sett har passert. Noen datasystemer tyr til denne teknologien, siden det er mye lettere å programmere og arbeidet deres vanligvis er enkelt.

Smart støvsuger

For eksempel maskinene som mottar anrop og guider deg gjennom alternativene deres eller de intelligente assistentene til websider, som vanligvis ber deg om å anbefale relaterte løsninger.

Når du allerede har et akseptabelt bilde av hvordan etterretningen distribueres i henhold til hvor komplekse de er, la oss ta deg til sakens hjerte.

Tankens matematikk

En av måtene å programmere kunstig intelligens er å håndtere dataene som imaginære enheter kalt tensorer. Tensorer er en kompleks algebraisk enhet (av skalarer, vektorer og matriser) som krever kunnskap om matematikk for å fungere ordentlig med dem. Følgelig vil ytelsen til AI-applikasjoner være like bra som det er utført matematiske manipulasjoner av dataene.

Forenklet forklaring av svirrer

For å utvide utviklingen av denne typen programvare, har mange grupper opprettet og åpnet kodebibliotekene sine for publikum for å samarbeide og skape, sammen med samfunnet, mer intelligente systemer. TensorFlow av Google, CNTK av Microsoft, Theano, Caffe2 og Keras er noen av de mest relevante eksemplene. Hvert av bibliotekene fokuserer på problemet fra forskjellige vinkler, og takket være dette har vi til rådighet utviklingen av AI på forskjellige abstraksjonsnivåer.

Hvis du ikke vet hva nivåer av abstraksjon er, er det et system som måler hvor nært et dataspråk er det talte språket. Jo høyere abstraksjonsnivå, jo mer det ligner et menneskespråk og jo lavere, jo mer maskinkode, det vil si den verden som bare fungerer med nuller og enere.

Nye systemer, ny maskinvare

Det er tydelig at all programvare kjører innen maskinvare, men det er lett å falle inn i en illusjon om at skyen kan takle alt, men virkeligheten er ikke så søt. Avhengig av hvordan koden er optimalisert, kan det være tilfelle at AI fungerer lokalt (på smarttelefonen, PC eller Internet of Things-enheten). Eller enhetene kan få lov til å sende beregningene til serverne, behandle det, og disse returnerer resultatet.

Skytjenester

I mange tilfeller prøver den "lille" enheten å utføre en stor del av beregningene lokalt og sende bare en del av problemet til serveren, og dermed spare mange kostnader for tjenesteadministrasjon.

Kunstig intelligens i det daglige

Vi vet at å tenke på fremtiden til dette er noe veldig interessant og for noen til og med spennende, men du trenger ikke å gå så langt for å se førstegangsfødene. Hvor kan vi finne spor av kunstig intelligens i dagens samfunn?

Kunstig intelligens på mobil

Det kan se ut til å gå upåaktet hen, men det omgir oss på alle kanter. Fra og med hjemmenheter har nye mobiler ofte små innebygde systemer kalt kunstig intelligens som hjelper deg å ta bedre bilder. Fokuser, post-prosess bilder selektivt, slik at de ser skarpere, mer fargerike eller kontrastfylte ut. Noen klarer til og med å gjenkjenne gjenstandene vi fanger og tilbyr oss relaterte søk.

På dette feltet skiller seg også ut kollegaen som er 'OK Google', som lærer av alt vi forteller henne og er i stand til å behandle uendelige forespørsler. Selv om vi kan finne deg "maskinert" veldig enkelt (som at du ikke kan føre en samtale), kan vi ikke avfeie det harde arbeidet vi vet ligger bak.

Google Assistant

Vi må også snakke om den forestående autonome kjøringen. Biler som Tesla tilbyr allerede de AI-kontrollerte alternativene i noen land. Disse systemene er i stand til å fange miljøet rundt bilen, behandle forbud, farer og så videre, og kjøre trygt deretter.

Selv om vi ikke trenger å gå til så høyt nivå av intelligens i bilverdenen. Vi kan se at noen biler allerede har så interessante systemer som deteksjon av nødstopp eller automatisk parkering.

Dronningen i skyggene:

Nå kan du allerede tenke at AI er overalt, og at de når som helst gjør opprør, men vær trygg på at brødristeren ikke kommer til å drepe deg mens du sover. Det vi kan bekrefte, er at denne teknologien styrer mer enn du tror og er ansvarlig for mange av trendene i samfunnet.

Youtube, Twitter, Google-annonser… Alt dette styres til en viss grad av innstillingene du har indikert, men også av kunstig intelligens som bestemmer hva du skal vise deg. Hører du en melding som ligner på: "Jeg vil dele dataene mine med Google slik at de tilbyr meg annonser som kan interessere meg" ?

Hvordan fungerer dette? Vel, vil du se, basert på hva du bruker på Internett, opprettes en profil med din smak og du er i slekt med mange andre mennesker. Når Internett-tjenester trenger å vise deg noe, bruker de denne profilen som består av millioner av individer for å estimere hva som kan interessere deg.

Forenklet Big Data-forklaring

Denne måten å analysere enorme datamengder (Big Data) ved å bruke AIer tar mye styrke og karrierer dukker opp over hele verden som er klare til å forberede fremtiden på dette emnet. Som du vil forstå, blir dataene som brukerne blir talt av TeraBytes hvert sekund, så en person kan ikke analysere dem alle. Det er her Artificial Intelligence jobber med dataene, og det er mennesker som bruker dem for å lage estimater og så videre, for eksempel ved hjelp av statistikk.

VI ANBEFALER deg Google Home Mini: hva den er og hva den er til, funksjoner

Stiftelsen: Deep, Machine Learning

Vi kommer til å navigere litt i videospillverdenen for å forstå Deep Learning litt bedre, siden AI har kommet inn i videospillfeltet både som spiller (som vi nevnte tidligere), og som programmerer og designer. Hvis du følger fremskritt i industrien, har NVIDIA vunnet beryktethet for forskjellige teknologier, blant annet DLSS-systemet (Deep Learning Super Sampling), en kunstig intelligens som er i stand til å omskalere bilder.

DLSS-sammenligning

Funksjonen til DLSS er å transformere et bilde fra FullHD (1080p) til UltraHD (4k) for å kunne spille de mest krevende titlene med bedre bildefrekvens. Til å begynne med klagde brukerne på at bildene så uskarpe og ut av fokus, men bare noen måneder senere er resultatene gode.

Dette er takket være Deep Learning, et system som kunstig intelligens lærer med praksis og feil. Når det gjelder DLSS, analyserte NVIDIA Intelligence kontinuerlig bilder i UltraHD-oppløsning og prøvde å gjenskape dem ved å bruke et FullHD-bilde som basis. Det er med andre ord som om de ga deg et kvarter av et bilde og du måtte fylle ut hullene du ikke kjenner. Deep Learning er et type system som tilhører det som kalles Machine Learning eller Automatic Learning på spansk.

Maskinlæring og dyp læring

Maskinlæring kan klassifiseres som grunnsteinen i kunstig intelligens. Dette er forskjellige sett med algoritmer som ofte brukes til maskiner for å lære oppgaver, blant annet. For eksempel er det å kjenne et bilde, spille sjakk eller oppdage stemninger utfordringer som kan læres og forskjellige typer algoritmer brukes avhengig av utfordringen.

Maskinlæring sies å være settet med algoritmer som gjør at en maskin kan lære av erfaringen den samler seg. På den annen side fokuserer Deep Learning på læring med heterogene innspill. Begge fagområdene utvikles og studeres med energi siden fremtiden til kunstig intelligens er usikker.

Fremtiden til kunstig intelligens

Fra vårt perspektiv virker mulighetene for kunstig intelligens uendelige. Vi vet fremdeles ikke hva grensen vår er, og vi jobber allerede med å skape en annen som ligner oss, men hva kan vi forvente i fremtiden?

Ingenting som vi vil kommentere kan tas for gitt, men det er uttalelser basert på visse argumenter som hovedsakelig stammer fra å observere hvordan disse maskinene har utviklet seg.

Internett

For det første virker det uunngåelig at vi beveger oss mot en verden dominert av Internett, og det er grunnen til at AI-er vil ha mer relevans og makt over mediet. Det er ikke noe som burde skremme oss, siden dette er den eneste måten vi kunne sikre vedlikehold av plattformen. Med dette kunne vi surfe på nettet på et noe mer bevoktet sted, men samtidig mye tryggere. Som første pionerer av dette har vi Facebook-roboter som analyserer og estimerer om selvmordstanker løper gjennom deg, og hvis de oppdager det, kontakter de deg.

På samme måte vil autonome og assisterte biler i den fysiske verdenen bli stadig mer dominerende til det øyeblikket når bilkjøring bare er rekreasjon. Kanskje skjer ikke endringen på hundre år, men endringen vil skje.

En annen endring som også er spådd er utveksling av hardt arbeid for maskiner. Det er en revolusjon som mange frykter, men det virker uunngåelig, så vi må være forberedt.

Cyborg Neil Harbisson

Og selv om det virker noe typisk for science fiction, er det veldig sannsynlig at vi i fremtiden må finne måter å integrere teknologi og kunstig intelligens i kroppen vår. Faktisk eksisterer den første cyborg i historien allerede og kalles Neil Harbisson.

Utover denne kysten er ideenes hav enormt. Hvem vet? Kanskje maskiner fra en fabrikk alle fungerer unisont under kommando av en sjefsmaskin med de primitive maskinmaskin-språkene. Kanskje en dag vil den beste aksjespekulanten være en kunstig intelligens eller til og med den beste motoGP-syklisten.

Kunstig intelligens

Det kan virke som en merkelig, skummel fremtid, men vi har absolutt andre problemer å prøve å løse!

Og hva vet du om AI-er? Er du ivrig etter å se hva som kommer? Fortell oss hva ideene dine er om kunstig intelligens.

PowerDataIberdrolaIndraNewsRoom Font