Типы систем искусственного интеллекта
С первых дней появления компьютеров исследователи пытались создать системы, имитирующие человеческий интеллект. В то время как кремниевый Эйнштейн все еще может быть отдаленной возможностью, искусственный интеллект, или ИИ, принес нам телефоны, которые распознают человеческую речь, автомобили, которые управляют сами собой, и экспертные системы, которые соревнуются в телевизионных игровых шоу. За прошедшие годы исследования ИИ прошли несколько этапов эволюции, и по мере развития каждой технологии они становились частью нашего повседневного опыта.
Машинное обучение
Ранние исследователи боролись с ограниченной вычислительной мощностью и памятью компьютера, но все же заложили основу ИИ с помощью таких языков программирования, как LISP, и таких концепций, как деревья решений и машинное обучение. Программы, написанные на LISP, могут легко анализировать такие игры, как шахматы, отображать все возможные ходы на несколько ходов, а затем выбирать наилучший вариант. Эти программы также могут изменять свою логику принятия решений и учиться на предыдущих ошибках, становясь со временем «умнее». Благодаря более мощным компьютерам и более дешевым запоминающим устройствам эта ветвь искусственного интеллекта породила индустрию компьютерных игр, а также множество персонализированных поисковых систем и сайтов онлайн-покупок, которые не только запоминают наши предпочтения, но и предвосхищают наши потребности.
Экспертные системы
В то время как первая волна исследователей ИИ полагалась на вычислительные циклы для моделирования человеческого мышления, следующий подход опирался на факты и данные для имитации человеческого опыта. Экспертные системы собирали факты и правила в базу знаний, а затем использовали компьютерные механизмы вывода для вывода новых фактов или ответов на вопросы. Инженеры по знаниям опрашивали специалистов в области медицины, ремонта автомобилей, промышленного дизайна или других профессий, а затем сводили полученные данные к машиночитаемым фактам и правилам. Затем эти базы знаний использовались другими для диагностики проблем или ответов на вопросы. По мере того, как технология совершенствовалась, исследователи находили способы автоматизировать разработку базы знаний, загружая горы технической литературы или позволяя программному обеспечению самостоятельно сканировать Интернет в поисках нужной информации.
Нейронные сети
Другая группа исследователей попыталась воспроизвести работу человеческого мозга, создав искусственные сети нейронов и синапсов. С помощью обучения эти нейронные сети могли распознавать закономерности из того, что выглядело как случайные данные. Изображения или звуки подаются на вход сети, а правильные ответы — на выход. Со временем сети реорганизуют свою внутреннюю структуру, так что когда поступает аналогичный ввод, сеть возвращает правильный ответ. Нейронные сети хорошо работают при реагировании на человеческую речь или при переводе отсканированных изображений в текст. Программное обеспечение, основанное на этой технологии, может читать книги слепым людям или переводить речь с одного языка на другой.
Большие данные
Анализ крупномасштабных данных, часто называемый «большими данными», использует возможности многих компьютеров для обнаружения фактов и взаимосвязей в данных, которые человеческий разум не может понять. Триллионы платежей по кредитным картам или миллиарды отношений в социальных сетях можно сканировать и сопоставлять с помощью различных статистических методов для получения полезной информации. Компании-эмитенты кредитных карт могут обнаружить схемы покупок, которые указывают на то, что карта была украдена или что владелец карты испытывает финансовые трудности. Розничные продавцы могут обнаружить модели покупок, указывающие на то, что клиентка беременна, даже до того, как она сама об этом узнает. Большие данные позволяют компьютерам понимать мир так, как мы, люди, никогда не могли бы сами по себе.