Dirbtinis Intelektas

Šis straipsnis apie apie apsimokančias sistemas. Apie filmą skaitykite straipsnyje Dirbtinis intelektas (filmas).

Šiam straipsniui ar jo daliai reikia daugiau nuorodų į patikimus šaltinius. Jūs galite padėti Vikipedijai įrašydami tinkamas išnašas ar nuorodas į patikimus šaltinius.

Andreas Kaplan ir Michael Haenlein apibrėžė dirbtinį intelektą kaip „sistemos sugebėjimą teisingai interpretuoti išorinius duomenis, mokytis iš jų ir panaudoti tokias žinias, kad būtų įgyvendinti konkretūs tikslai ir uždaviniai, lanksčiai juos pritaikant“.

Dirbtinis intelektas skiriasi nuo įprastų kompiuterinių algoritmų tuo, kad gali apsimokyti, tai atlikdamas tą patį veiksmą gali elgtis kitaip priklausomai nuo prieš tai atliktų veiksmų.

Dirbtinio intelekto tyrimai remiasi psichologijos ir neurologijos, matematikos ir logikos, komunikacijos teorijos, filosofijos ir lingvistikos mokslų duomenimis. Dirbtinio intelekto tyrimuose dažnai pagal gyvų organizmų nervų sistemą kuriami supaprastinti teoriniai modeliai. Jie vadinami neuroniniais tinklais, kurie vėliau panaudojami sprendžiant įvairių sričių problemoms spręsti – balso ar vaizdo atpažinimui, ligų diagnozei ir panašioms problemoms, kurios tiksliais algoritmais sunkiai sprendžiamos dėl ribotų techninių galimybių.

Dirbtinio intelekto programos apima išplėstinius žiniatinklio paieškos variklius (pvz., Google), rekomendacijų sistemas (kurias naudoja YouTube, Amazon ir Netflix]), žmogaus kalbos supratimas (pvz., Siri ir Alexa), savarankiškas automobilis (pvz., Tesla), automatizuotas sprendimų priėmimas ir aukščiausio lygio varžybos strateginio žaidimo sistemose (tokiose kaip šachmatai ir Go.

DI buvo įkurtas kaip akademinė disciplina 1956 m. Nuo pat dirbtinio intelekto atradimo tyrimai išbandė ir atmetė daugybę skirtingų metodų, įskaitant smegenų modeliavimą, didelės žinių duomenų bazes ir gyvūnų elgesio imitavimą. Pirmaisiais 21-ojo amžiaus dešimtmečiais šioje srityje labai dominavo mašininis mokymasis mašininis mokymasis, ir ši technika pasirodė esanti labai sėkminga, padėjusi išspręsti daug sudėtingų pramonės ir akademinės bendruomenės problemų.

Neuroniniai tinklai padeda sprendžiant dviejų rūšių – klasifikavimo ir prognozavimo – uždavinius.

Klasifikavimo uždaviniai skirti suskirstyti objektus į grupes. Pavyzdžiui, žmones pagal ūgį, svorį, plaukų ir akių spalvą suskirstyti į vyrus ir moteris. Skirstymas gali būti ir sudėtingesnis, tarkim pagal akių, lūpų, nosies linijas suskirstyti žmones pagal tautas.

Paprastai naudojami keli klasifikatoriai, kurių pagalba gaunamas norimas rezultatas.

Prognozavimo uždaviniai tokie, kuomet pagal turimus duomenis yra spėjama, kokie bus tolimesni. Tai naudojama oro prognozėse, ligos diagnostikose. Kartais naudojama taisant klaidas.

• Automatizuota prekybos akcijomis sistema
• Programa Chinook nuo 1994 m. yra šaškių pasaulio čempionas.
• Paieškos sistemos leidžia naudotis internetu.
• Deep Blue, šachmatų kompiuteris, 1997 m. nugalėjo pasaulio čempioną Garį Kasparovą.
• Ekspertinės sistemos naudojamos naftos gavyboje, valdant robotus, medicinoje (diagnozė).
• Automatinis vertimas yra plačiai paplitęs verčiant techninius tekstus didžiausiomis pasaulio kalbomis.
• Automatinės tekstų santraukos.
• Neuroniniai tinklai, saugos, stebėjimo struktūrose, analizuojant prognozuojant akcijų kitimo kursus.
• Optinis ženklų atpažinimas, jo pagalba skaitomi tekstai.
• Parašo atpažinimas PDAs.
• Kalbos dešifravimas. Teismai, advokatai, gydytojai, geležinkelio transporto koncernai (Deutsche Bahn) naudoja įrenginius, kurie kalbą paverčia tekstu ir atvirkščiai.
• kompiuterinės algebros sistemas kaip Mathematica arba Maple naudoja matematikai, įvairūs mokslininkai ir inžinieriai.
• Computer-Vision sistemomis stebimos gatvės, „budima“ viešosiose vietose, keliuose, kontroliuojama gamyba ir tiekimas.
• Kompiuteriniai žaidimai.
• Natūralios kalbos apdorojimas.

• Kiberpankas
• Neuroinformatika
• Robotas
• Simuliuojama realybė
• Technologinis singuliarumas
• Tiuringo testas