Mi az AI? Előzmények, definíciók és alkalmazások

Mindenki a mesterséges intelligenciáról beszél, amelyet rövidített formában, AI-ban is ismernek. De miről is van szó? Pontosan ezt fogjuk ma elmagyarázni.

• A mesterséges intelligencia a személyes felelősség végét jelenti?
• Mit jelent valójában a mesterséges intelligencia az okostelefonon?

Előzmények

A mesterséges intelligencia egyre nagyobb szerepet játszik életünkben, a legújabb trend pedig az AI chipek és a hozzájuk tartozó okostelefonos alkalmazások. Ezt a technológiát azonban már az 50-es években elkezdték fejleszteni az amerikai Dartmouth College-ban a Dartmouth nyári mesterséges intelligenciával foglalkozó kutatási projektjével. Eredete még régebbre nyúlik vissza Alan Turing munkásságára – akinek tulajdoníthatjuk a híres Turing-tesztet. –, Allen Newell és Herbert A. Simon, de az AI csak az IBM Deep Blue sakk-szuperszámítógépe megérkezéséig került a világ színpadára, amely az első gép volt, amely legyőzte az akkor még címvédő sakkvilágbajnokot, Garri Kaszparovot. 1996-ban egy meccsen. Az AI-algoritmusokat évek óta használják adatközpontokban és nagy számítógépeken, de csak mostanában vannak jelen a fogyasztói elektronika területén.

A mesterséges intelligencia meghatározása

A mesterséges intelligencia meghatározása a számítástechnika azon ágaként jellemzi, amely az intelligens viselkedés automatizálásával foglalkozik. Íme a nehéz rész:mivel nem lehet pontosan meghatározni az intelligenciát önmagában , a mesterséges intelligencia sem határozható meg pontosan. Általánosságban elmondható, hogy a kifejezést olyan rendszerek leírására használják, amelyek célja gépek használata az emberi intelligencia és a megfelelő viselkedés emulálására és szimulálására. Ez egyszerű algoritmusokkal és előre meghatározott mintákkal megvalósítható, de sokkal összetettebbé is válhat.

Különféle mesterséges intelligencia

Szimbolikus vagy szimbólumokkal manipuláló mesterséges intelligencia absztrakt szimbólumokkal dolgozik, amelyeket a tudás ábrázolására használnak. Ez a klasszikus mesterséges intelligencia, amely azt az elképzelést követi, hogy az emberi gondolkodás hierarchikus, logikai szinten rekonstruálható. Az információkat felülről dolgozzák fel, ember által olvasható szimbólumokkal, elvont összefüggésekkel és logikus következtetésekkel dolgozva.

• A mesterséges intelligenciákat a videojátékokon nevelik...nem azért, hogy legyőzzenek minket, hanem hogy csatlakozzanak hozzánk

Neurális AI A 80-as évek végén vált népszerűvé a számítástechnikában. Itt a tudást nem szimbólumok jelentik, hanem mesterséges neuronok és azok kapcsolatai – mintegy rekonstruált agy. Az összegyűjtött tudást apró darabokra – neuronokra – bontják, majd összekapcsolják és csoportokba építik. This approach is known as the bottom-up method that works its way from below. Unlike symbolic AI, a neural system must be trained and stimulated so that the neural networks can gather experience and grow, therefore accumulating greater knowledge.

Neural networks are organized into layers that are connected to each other via simulated lines. The uppermost layer is the input layer, which works like a sensor that accepts the information to be processed and passes it on below. This is now followed by at least two—or more than twenty in large systems—layers that are hierarchically above each other and that send and classify information via the connections. At the very bottom is the output layer, which generally has the least number of artificial neurons. It provides the calculated data in a machine-readable form, i.e. "picture of a dog during the day with a red car."

Methods and tools

There are various tools and methods for applying artificial intelligence to real-world scenarios, some of which can be used in parallel.

The foundation of all this is machine learning , which is defined as a system that builds up knowledge from experience. This process gives the system the ability to detect patterns and laws—and with ever-increasing speed and accuracy. In machine learning, both symbolic and neural AI is used.

Deep learning is a subtype of machine learning that is becoming ever more important. Only neural AI, i.e. neural networks are used in this case. Deep learning is the foundation for most current AI applications. Thanks to the possibility of increasingly expanding the design of the neural networks and making them more complex and powerful with new layers, deep learning is easily scalable and adaptable to many applications.

There are three learning processes for training neural networks:supervised , non-supervised and reinforcement learning , providing many different ways to regulate how an input becomes the desired output. While target values and parameters are specified from the outside in supervised learning, in unsupervised learning, the system attempts to identify patterns in the input that have an identifiable structure and can be reproduced. In reinforcement learning, the machine also works independently, but is rewarded or punished depending on the success or failure.

Applications

Artificial intelligence is already being used in many areas, but by no means are all of them visible at first glance. Therefore, selecting scenarios that take advantage of the possibilities of this technology is by no means a completed list.

Artificial intelligence’s mechanisms are excellent for detecting, identifying, and classifying objects and persons on pictures and videos. To that end, simple but CPU-intensive pattern detection is used. If the image information is decrypted and machine-readable in the first place, photos and videos can be easily divided into categories, searched and found. Such recognition is also possible for audio data.

Customer service is increasingly using chatbots . These text-based assistants perform recognition using key words that the customer may tell it and they respond accordingly. Depending on the use, this assistant can be more or less complex.

Opinion analysis is not only used for forecasting elections in politics, but also in marketing and many other areas. Opinion mining, also known as sentiment analysis, is used to scour the internet for opinion and emotional expressions, allowing for the creation of a largely anonymized opinion survey.

Search algorithms like Google’s are naturally top secret. The way in which search results are calculated, measured and outputted are largely determined by mechanisms that work with machine learning.

Word processing , or checking the grammar and spelling of a text, is a classic application of symbolic AI that has been used for a long time. Language is defined as a complex network of rules and instructions that analyzes blocks of text in a sentence and, under some circumstances, can identify and correct errors.

These abilities are also used in synthesizing speech , which is currently the talk of the town with assistant systems like Siri, Cortana, Alexa or Google Assistant.

On new smartphone chips like the Kirin 970, artificial intelligence is integrated into its own component, the NPU or neural processing unit .The processor is making its debut in the Huawei Mate 10. You will learn more about it and the roles that the technology will play on the Huawei smartphone once we have a chance to experiment with it in the near future. Qualcomm has already been working on an NPU, the Zeroth processor, for two years, and the new Apple A11 chip contains a similar component.

Furthermore, there are numerous research projects on artificial intelligence and the most prominent of all may be IBM’s Watson. The computer program had already made its first public debut in 2011 on the quiz show Jeopardy, where it faced off against two human candidates. Watson won, of course, and additional publicity appearances took place afterwards. A Japanese insurance company has been using Watson since January to check insured customers, their history and medical data and to evaluate injuries and illnesses. According to the company’s information, Watson has replaced roughly 30 employees. Loss of jobs through automation is just one of the ethical and social issues surrounding AI that is the subject of corporate and academic research.

Projection

AI isn’t something that just came out of nowhere recently, but it is coming close to a breakthrough in the world of consumer electronics, which is more than enough reason for everyone to keep up to date with this topic in the future.

Which aspects of artificial intelligence do you find exceptionally interesting? Tudasd velünk az alábbi megjegyzésekben!