Dirbtinis Intelektas: samprata, rūšys, pritaikymas

Paveikslų sarašas. Įvadas. Darbo tikslas. Dirbtinio intelekto paaiškinimas. Dirbtinio intelekto istorija. Mokymosi principas. Dirbtinio intelekto rušys. Silpnas dirbtinis intelektas. Reaktyviosios mašinos. Ribotos atminties DI. Stiprus dirbtinis intelektas. Teorinio proto DI. Sąmoningas DI. Praktinis panaudojimas. Medicinoje. Ligos diagnozavimas. Gydymo metodas. Apsauga. Kybernėtinis saugumas. Visuotinis saugumas. Pinigu saugumas. Kariuomenėje. Išmanieji asistentai. Turinio rekomendavimas. Atvaizdų ir vaizdo apdorojimas. Šiuo metu vystomos dirbtinio intelekto technologijos. Visiškai automatizuotas transportas. Pavojingų darbų perėmimas. Dirbtinio intelekto robotika. Pramonė Pavojus žmonijai. Išvados. Literatūros sarašas.

Paaiškinti dirbtinio itelekto savoką, kaip ji atsirado. Kokių rušių ir tipų dirbtinis intelektas gali būti, jo pritaikymas pasaulio pramonėje, medicinoje ir mūsų kasdienybėje. Pateikti prognozuojamas DI ateities technologijų pavyzdžius, paaiškinti jų veikimo principa. Padėti skaitytojui suprasti, kokiame lygmenyje šiuo metu yra dirbtinio intelekto technologijos ir progresavimas.

Dirbtinio intelekto sistemos remiasi dirbtiniais neuroniniais tinklais (ANN), kurie bando imituoti smegenų darbą, kad galėtų mokytis. ANN gali būti išmokytas atpažinti informacijos modelius, įskaitant kalbą, tekstinius duomenis ar vaizdinius vaizdus, ​​ir tai yra daugelio pastarųjų metų dirbtinio intelekto pokyčių pagrindas.

Įprastas dirbtinis intelektas naudoja įvestį, kad „išmokytų“ algoritmą apie konkretų dalyką, pateikdamas jam didžiulį kiekį informacijos.

Praktinės programos apima „Google“ kalbos vertimo paslaugas, „Facebook“ veido atpažinimo programinę įrangą ir „Snapchat“ vaizdą keičiančius tiesioginius filtrus.

Nauja ANN rušys, vadinama „Adversarial Neural Networks“, supriešina dviejų dirbtinių intelekto robotų protą, o tai leidžia jiems mokytis vieniems iš kitų.

Šis metodas yra skirtas pagreitinti mokymosi procesą, taip pat patobulinti dirbtinio intelekto sistemų sukuriamą rezultatą.

Tai viena iš pagrindinių silpno dirbtinio intelekto rušių, kurį yra plačiai nauodjama žaidimuose, ir programose. Ši sistemos rušis negali nei formuoti prisiminimų, nei juos panauduoti iš ankstesnių įvykių sprenžiant esamo laiko uždavinius. Įvigdyti savo uždavinius šiai mašinai padeda įdiegti algoritmai. „Deep Blue“ šachmatais žaidžiantis superkompiuteris, 1990-ųjų pabaigoje įveikęs tarptautinį didmeistrį Garį Kasparovą, yra puikus tokio tipo mašinų pavyzdys.

„Deep Blue“ gali atpažinti šachmatų lentos figūras ir žinoti, kaip juda kiekvieną iš jų. Taip gali numatyti, kokie veiksmai galimi ateityje jam ir jo priešininkui. Mašina pati gali pasirinkti optimaliausius judesius iš jai pateiktų galimybių.

Bet jis neturi nei praeities sampratos, nei atminties apie tai, kas įvyko anksčiau, išskyrus retai naudojamą šachmatams taikomą taisyklę, kad tas pats žingsnis nebūtų kartojamas tris kartus. Deep Blue ištriną visą sukauptą medžiagą prieš dabartinį momentą. Taigi šio tipo intelektas suvokia pasaulį tiesiogiai ir veikia pagal tai, ką mato esamu laiku.

Šie pastebėjimai pridedami prie savarankiškai važiuojančių automobilių iš anksto užprogramuotų pasaulio vaizdų, kurie taip pat apima eismo juostų žymėjimą, šviesoforus ir kitus svarbius elementus, pavyzdžiui, kelio vingius. Jie įtraukiami, kai automobilis nusprendžia, kada persirikiuoti, kad būtų išvengta kito vairuotojo nukirtimo ar smūgio į šalia esantį automobilį. Būtent šios srities dirbtinį intelektą reikia vistyti, norint sukurti automatizuotus automobilius.

Tačiau šios paprastos informacijos apie praeitį yra tik laikinos. Jie nėra išsaugomi kaip automobilio patirtis, iš kurios jis gali pasimokyti, priešingai nei žmogus, kuris per metus kaupia patirtį ir tampa vis geresnis vairuotojas. (Plačiau: Visiškai automatizuotas transportas).