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

I nogle få år har virksomheder løbende talt med os om kunstig intelligens, som de introducerer i deres tjenester, applikationer og processorer. Selvom de bærer samme navn, takke Gud, er vores vaskemaskins kunstige intelligens (af grunde, der slipper for os) og vores smartphone ikke så udviklet, så de reflekterer over deres eksistens og vores magt over dem. For nu…

Som vi allerede fortalte dig i artiklen om AI-udviklingen USB Intel Movidius, er kunstig intelligens her for at blive og hjælpe os med at løse de daglige problemer. Men hvad er egentlig kunstig intelligens?

Kilde: Source Dexeter

Gifen, du ser ovenfor, viser på en meget forenklet måde, hvordan et dybt neuralt netværk fungerer. Disse systemer kræver hård træning for senere at være i stand til for eksempel at genkende billeder, optimere løsninger eller blot lære mere. I det væsentlige er det et sæt algoritmer, som vi kunne kategorisere som AI'er, og som hører til området Deep Learning.

Indholdsindeks

Kunstig intelligens: ny programmering

I dag udgør kunstig intelligens ikke komplicerede, blandede teknologisystemer med en samvittighed, som det ofte ses i science fiction-værker. Den, vi opretter, falder snarere på definitionen af ​​komplekse algoritmer, der returnerer resultater baseret på input og kommandoer, der er blevet lært dem. Selvom det kun er en af ​​de betydninger, der er.

Der er forskellige måder at forstå kunstig intelligens på, men vi kunne opdele den i fire hovedgrupper:

AI'er der tænker som mennesker

Smørrobot Rick og Morty

Komplekse computersystemer med deres egen samvittighed, der tænker og beslutter efter deres ønske og overskrider de egenskaber, som de blev programmeret til ( Ghost in the Shell). Det er endnu ikke inden for rækkevidde, og vi ved ikke engang, om det vil være muligt i fremtiden, så der er ikke meget at kommentere.

IA'er, der fungerer som mennesker

At tænke som et menneske er ikke det samme som at foregive at handle som et menneske. I dag skaber vi nogle systemer som disse, hvor tilfældighed og konkrete funktioner introduceres for at give en følelse af, at intelligens tænker som en person.

Peber smart assistent

I videospil ser vi dette kontinuerligt, da maskinstyrede fjender ofte søger at simulere menneskelig opførsel. Adskilt fra videospil er det opnået, at en kunstig intelligens kan skrive med ufuldkommenheder og uregelmæssigheder, som en person ville.

IAer der tænker rationelt

Eventuelt den mest almindelige version af denne teknologi i dag. Vi siger, at de tænker rationelt, fordi vi giver dem værktøjer til at tilbyde effektive og meningsfulde resultater. De er i stand til let at tilpasse sig det miljø, de er i, selvom de langt fra tænker for sig selv.

AlphaStar Learning

Et eksempel på dette er kunstig intelligens, der spiller videospil som AlphaStar (StarCraft II) eller AlphaZero (skak, shogi og gå). Disse maskiner er endda i stand til at bekæmpe menneskelige modstandere og har allerede besejret den lejlighedsvise verdensmester.

IA'er, der handler rationelt

Da de 'handler' opdager vi, at de ikke behandler de data, vi videregiver til dem, de synes kun at tænke rationelt. Dette er den mest forenklede version af denne teknologi, og det er et stadie, som vi allerede stort set har passeret. Nogle computersystemer ty til denne teknologi, da det er meget lettere at programmere, og deres arbejde er normalt enkelt.

Smart støvsuger

For eksempel de maskiner, der modtager opkald og guider dig gennem deres muligheder eller de intelligente assistenter af websider, som normalt beder dig om at anbefale relaterede løsninger.

Når vi allerede har et acceptabelt billede af, hvordan intelligensen distribueres efter, hvor komplekse de er, lad os tage dig til kernen i sagen.

Tankens matematik

En af måderne til at programmere kunstig intelligens er at håndtere dataene som imaginære enheder kaldet tensorer. Tensorer er en kompleks algebraisk enhed (af skalarer, vektorer og matrixer), der kræver viden om matematik for at arbejde ordentligt med dem. Følgelig vil ydeevnen for AI-applikationer være så god, som matematiske manipulationer af dataene er blevet udført.

Forenklet forklaring af drejebukker

For at udvide udviklingen af ​​denne type software har mange grupper oprettet og åbnet deres kodebiblioteker for offentligheden for at samarbejde og skabe sammen med samfundet mere intelligente systemer. TensorFlow fra Google, CNTK af Microsoft, Theano, Caffe2 og Keras er nogle af de mest relevante eksempler. Hvert bibliotek fokuserer på problemet fra forskellige vinkler, og takket være dette har vi til rådighed udviklingen af ​​AI på forskellige abstraktionsniveauer.

Hvis du ikke ved, hvilke niveauer af abstraktion er, er det et system, der måler, hvor tæt et computersprog er på talesprog. Jo højere et abstraktionsniveau, jo mere ligner det et menneskeligt sprog og jo lavere, jo mere maskinkode, det vil sige den verden, der kun fungerer med nuller og ens.

Nye systemer, ny hardware

Det er tydeligt, at al software kører inden for hardware, men det er let at falde i en illusion om, at skyen kan klare alt, men virkeligheden er ikke så sød. Afhængigt af hvordan koden optimeres, kan det være tilfældet, at AI fungerer lokalt (på en smartphone, pc eller Internet of Things-enheden). Eller enhederne kan have tilladelse til at sende beregningerne til serverne, behandle dem, og disse returnerer resultatet.

Cloud-tjenester

I mange tilfælde forsøger den "lille" enhed at udføre en stor del af beregningerne lokalt og sender kun en del af problemet til serveren, hvilket sparer mange omkostninger til servicestyring.

Kunstig intelligens i den daglige dag

Vi ved, at det at tænke på fremtiden for dette er noget meget interessant og for nogle endda spændende, men du behøver ikke at gå så langt for at se de første frugter. Hvor kan vi finde spor af kunstig intelligens i nutidens samfund?

Kunstig intelligens på mobil

Det ser ud til at gå upåagtet hen, men det omgiver os på alle sider. Fra og med hjemmenheder har nye mobiler ofte små indbyggede systemer kaldet kunstig intelligens, der hjælper dig med at tage bedre fotos. Fokuser, post-process-billeder selektivt, så de ser skarpere, mere farverige eller kontrastfulde ud. Nogle er endda i stand til at genkende de objekter, vi fanger, og tilbyder os relaterede søgninger.

På dette felt skiller kollegaen, der er 'OK Google' væk, der lærer af alt, hvad vi fortæller hende og er i stand til at behandle uendelige anmodninger, også ud. Selvom vi kan finde dig "bearbejdet" meget let (som at ikke være i stand til at føre en samtale), kan vi ikke afvise det hårde arbejde, vi ved, der ligger bag det.

Google-assistent

Vi skal også tale om den forestående autonome kørsel. Biler som Tesla tilbyder allerede disse AI-kontrollerede alternativer i nogle lande. Disse systemer er i stand til at fange miljøet omkring bilen, behandle forbud, farer osv. Og køre sikkert i overensstemmelse hermed.

Selvom vi ikke behøver at gå til så høje niveauer af intelligens i bilverdenen. Vi kan se, at nogle biler allerede har så interessante systemer som detektion af nødstop eller automatisk parkering.

Dronningen i skyggerne:

I øjeblikket tænker du muligvis allerede, at AI er overalt, og at de til enhver tid oprør, men være sikker på, at din brødrister ikke vil dræbe dig, mens du sover. Det, vi kan bekræfte, er, at denne teknologi styrer mere, end du tror, og er ansvarlig for mange af tendenserne i samfundet.

Youtube, Twitter, Google-annoncer… Alt dette styres til en vis grad af de indstillinger, du har angivet, men også af kunstig intelligens, der beslutter, hvad du skal vise dig. Hører du en meddelelse, der ligner: "Jeg vil dele mine data med Google, så det giver mig annoncer, der kan interessere mig" ?

Hvordan fungerer dette? Nå, du vil se, baseret på hvad du forbruger på Internettet, oprettes en profil med din smag, og du er relateret til mange andre mennesker. Når internet-tjenester har brug for at vise dig noget, bruger de denne profil bestående af millioner af enkeltpersoner til at estimere, hvad der kan interessere dig.

Forenklet Big Data-forklaring

Denne måde at analysere enorme mængder data (Big Data) ved hjælp af AI'er tager meget styrke og karrierer vises over hele verden klar til at forberede fremtiden på dette emne. Som du forstår, tælles de data, som brugerne bruger, af TeraBytes hvert sekund, så en person er ikke i stand til at analysere dem alle. Det er her Artificial Intelligence arbejder med dataene, og det er mennesker, der bruger dem til at foretage estimater og så videre ved hjælp af for eksempel statistik.

VI ANBEFALER dig Google Home Mini: hvad det er og hvad det er til, funktioner

Fonden: Deep, Machine Learning

Vi vil navigere lidt i videospilverdenen for at forstå Deep Learning lidt bedre, da AI er kommet ind i videospilområdet både som en spiller (som vi nævnte før) og som en programmør og designer. Hvis du følger industriens fremskridt, har NVIDIA fået berygtethed for forskellige teknologier, blandt andet er dets DLSS (Deep Learning Super Sampling) -system, en kunstig intelligens, der er i stand til at omskalere billeder.

DLSS sammenligning

Funktionen af ​​DLSS er at omdanne et billede fra FullHD (1080p) til UltraHD (4k) for at kunne spille de mest krævende titler med bedre billedhastigheder. Først klagede brugerne over, at billederne så uskarpe og ude af fokus, men bare få måneder senere er resultaterne store.

Dette er takket være Deep Learning, et system, gennem hvilket kunstig intelligens lærer med praksis og fejl. I tilfælde af DLSS analyserede NVIDIA Intelligence kontinuerligt billeder i UltraHD-opløsning og forsøgte at genskabe dem ved hjælp af et FullHD-billede som basis. Med andre ord er det som om de gav dig et kvart billede og du skulle udfylde de hul, som du ikke kender. Deep Learning er en type system, der hører til det, der kaldes Machine Learning eller Automatic Learning på spansk.

Maskinlæring og dyb læring

Maskinlæring kunne klassificeres som grundstenen i kunstig intelligens. Dette er forskellige sæt af algoritmer, der ofte bruges til maskiner til at lære opgaver, blandt andet. F.eks. At genkende et billede, spille skak eller opdage stemninger er udfordringer, der kan læres, og forskellige typer algoritmer bruges afhængigt af udfordringen.

Maskinlæring siges at være det sæt algoritmer, der giver en maskine mulighed for at lære af den erfaring, den akkumuleres. På den anden side fokuserer Deep Learning på læring med heterogene input. Begge discipliner udvikles og studeres med energi, da fremtiden for kunstig intelligens er usikker.

Kunstig intelligens fremtid

Fra vores perspektiv virker mulighederne for kunstig intelligens uendelige. Vi ved stadig ikke, hvad vores grænse er, og vi arbejder allerede på at skabe en anden, der ligner os, men hvad kan vi forvente i fremtiden?

Intet, som vi vil kommentere, kan tages for givet, men det er udsagn, der er baseret på visse argumenter, der hovedsageligt stammer fra at observere, hvordan disse maskiner har udviklet sig.

Internet

Først og fremmest ser det uundgåeligt ud, at vi bevæger os hen imod en verden domineret af Internettet, hvorfor AI'er vil have mere relevans og magt over mediet. Det er ikke noget, der burde skræmme os, da det er den eneste måde, hvorpå vi kunne sikre vedligeholdelse af platformen. Med dette kunne vi surfe på nettet i et lidt mere beskyttet rum, men samtidig meget mere sikkert. Som første pionerer af dette har vi Facebook-bots, der analyserer og estimerer, om selvmordstanker løber igennem dig, og hvis de opdager det, kontakter de dig.

På samme måde vil autonome og assisterede biler i den fysiske verden blive mere og mere dominerende, indtil det øjeblik, hvor kørsel kun er rekreativ. Måske sker ændringen ikke i hundrede år, men ændringen vil ske.

En anden ændring, der også forudses, er udveksling af hårdt arbejde for maskiner. Det er en revolution, som mange frygter, men det ser uundgåeligt ud, så vi bliver nødt til at være forberedt.

Cyborg Neil Harbisson

Og selvom det ser ud til at være noget typisk for science fiction, er det meget sandsynligt, at vi i fremtiden bliver nødt til at finde måder at integrere teknologi og kunstig intelligens i vores krop. Faktisk eksisterer den første cyborg i historien allerede og kaldes Neil Harbisson.

Ud over denne bred er ideenes hav enormt. Hvem ved det? Måske fungerer maskinerne på en fabrik alle sammen under kommando af en hovedmaskine med de primitive maskinmaskinsprog. Måske en dag vil den bedste aktiemarkedsspekulant være en kunstig intelligens eller endda den bedste motoGP-biker.

Kunstig intelligens

Det kan virke som en mærkelig, skræmmende fremtid, men vi har bestemt andre problemer til at prøve at løse!

Og hvad ved du om AI'er? Er du ivrig efter at se, hvad der kommer? Fortæl os, hvad dine ideer handler om kunstig intelligens.

PowerDataIberdrolaIndraNewsRoom Font