Zrozumienie wszystkich rodzajów sztucznej inteligencji

Sztuczna inteligencja

Interdyscyplinarna dziedzina nauki, sztuczna inteligencja, koncentruje się na rozwoju maszyn zdolnych do wykonywania zadań poprzez inteligencję człowieka. Odnosi się do procesu symulacji ludzkiej inteligencji w maszynach. Systemy są specjalnie przeszkolone do naśladowania ludzkich zachowań i działań oraz odpowiednio zaprogramowane. Uczenie się, rozumowanie i percepcja to cele sztucznej inteligencji. AI jest używana w kilku branżach, takich jak; opieka zdrowotna, finanse itp. skutecznie stosują sztuczną inteligencję.

Eksploracja różnych typów AI zapewni jasny obraz istniejących typów i wyzwań związanych z AI w przyszłych typach.

Jak klasyfikowana jest sztuczna inteligencja?

Głównym celem sztucznej inteligencji jest naśladowanie procesu inteligencji człowieka. Dlatego kryteria stosowane do klasyfikacji AI to stopień, w jakim system AI może replikować ludzkie możliwości. Dlatego modele są uważane za bardziej rozwinięte typy sztucznej inteligencji , jeśli mogą wykonywać bardziej podobne do ludzkich funkcji z podobną wydajnością. Z drugiej strony te rodzaje sztucznej inteligencji, które mają ograniczoną wydajność i funkcjonalność, są uważane za mniej rozwinięty rodzaj sztucznej inteligencji.

Przeważnie sztuczną inteligencję można ogólnie podzielić na dwie kategorie: opartą na możliwościach i opartą na funkcjach.

Rodzaje sztucznej inteligencji

I). AI typu 1: w oparciu o możliwości

1. Słaba sztuczna inteligencja lub wąska sztuczna inteligencja (sztuczna wąska inteligencja, ANI)

• Kiedy jakiekolwiek dedykowane zadania mają być wykonywane z inteligencją, wtedy pojawia się wąska sztuczna inteligencja. Jest to najczęstszy rodzaj sztucznej inteligencji na świecie.
• Ponieważ model może wykonywać tylko zadania, do których jest wyszkolony, wąska sztuczna inteligencja jest również określana jako słaba sztuczna inteligencja. Nie jest w stanie działać poza swoim polem.
• Jednym z najlepszych przykładów wąskiej sztucznej inteligencji jest Apple Siri, który działa na zestawie predefiniowanych funkcji.
• Innym przykładem wąskiej sztucznej inteligencji jest superkomputer IBM Watson, który łączy uczenie maszynowe i przetwarzanie języka naturalnego z podejściem systemów eksperckich.
• Przykłady wąskiej sztucznej inteligencji obejmują grę w szachy, rozpoznawanie mowy itp.

2. Ogólna AI (sztuczna inteligencja ogólna)

• Tego typu sztuczna inteligencja może wykonać każde zadanie intelektualne podobne do ludzi.
• Ideą powstania modelu jest to, że powinien istnieć inteligentniejszy system, który potrafi myśleć jak człowiek i mądrze.
• Obecnie nie istnieje żaden rodzaj takiego systemu. Jednak badacze koncentrują się na rozwoju takiego systemu sztucznej inteligencji.

3. Super AI (sztuczna super inteligencja)

• Ten rodzaj sztucznej inteligencji jest wynikiem ogólnej sztucznej inteligencji, w której system byłby w stanie wykonać każde zadanie znacznie lepiej niż ludzie dzięki zdolnościom poznawczym.
• Cechy super AI obejmują planowanie, uczenie się, rozwiązywanie zagadek, dokonywanie poprawek itp. Wszystko samo w sobie.
• Rozwój systemu super AI nadal stanowi wyzwanie i jest hipotetyczną koncepcją sztucznej inteligencji.

II). Typ 2: w oparciu o funkcjonalność

1. Maszyny reaktywne

• Jest to najprostsza forma sztucznej inteligencji, która pełni podstawowe funkcje. Są to również najstarsze formy sztucznej inteligencji mające ograniczone możliwości.
• Żaden rodzaj uczenia się nie jest zaangażowany w tego typu sztuczną inteligencję. Model generuje pewne dane wyjściowe w reakcji na pewne dane wejściowe. Nie ma przechowywania żadnych danych wejściowych, a zatem nie ma możliwości „uczenia się”.
• Model opiera się na zdolności ludzkiego umysłu do reagowania na różne bodźce. Nie ma przeszłych doświadczeń, które można wykorzystać do decydowania o obecnych działaniach.
• W przypadku automatycznej odpowiedzi na ograniczony zestaw danych wejściowych można preferować te typy modeli sztucznej inteligencji.
• Maszyny reaktywne mogą działać tylko w stosunku do zadania, do którego są zaprogramowane. Poza tym maszyny nie działają, ponieważ nie mają wiedzy ani koncepcji na temat świata.
• Jedną z cech charakterystycznych tego typu modeli AI jest to, że maszyny będą zawsze zachowywać się tak samo, jak są zaprogramowane, niezależnie od czasu i miejsca wykonania zadań.
• Z maszynami reaktywnymi nie wiąże się żaden wzrost, a jedynie stagnacja w powtarzających się działaniach i zachowaniach.

Przykłady sztucznej inteligencji można znaleźć w IBM Deep Blue, superkomputerze IBM do gry w szachy, który jest maszyną do gier, która pokonała arcymistrza Garry'ego Kasparowa w 1997 roku. Maszyna może identyfikować pionki na szachownicy i ma zdolność przewidywania ich następnego ruchu . Następnie wybiera optymalny ruch z zestawu możliwości. Ta maszyna wykorzystuje swoją obecną wiedzę bez żadnego pojęcia o przeszłości.

2. Ograniczona pamięć

• Ograniczony typ pamięci AI obejmuje modele, które czerpią wiedzę z wcześniej poznanych informacji, przechowywanych danych lub zdarzeń.
• Oprócz możliwości maszyn reaktywnych ograniczona pamięć jest w stanie podejmować decyzje na podstawie uczenia się na podstawie danych historycznych. Ten rodzaj sztucznej inteligencji obejmuje proces przechowywania poprzednich danych lub wcześniejszych prognoz. Dane te ostatecznie pomagają w dokonywaniu lepszych prognoz.
• Modele są trenowane przy użyciu dużej ilości danych szkoleniowych. Dane te są następnie przechowywane jako model referencyjny w pamięci systemu, który wykorzystuje do rozwiązywania przyszłych problemów.

Zastosowania tego typu AI można znaleźć w wirtualnych asystentach, chatbotach itp.

Zastosowanie ograniczonej pamięci można wytłumaczyć pojęciem samojezdnych samochodów.

• Samojezdne samochody spoglądają w przeszłość, tak jak obserwują prędkość i kierunek innych samochodów. Nie jest to osiągane jednorazowo, ale wymaga zadania identyfikacji określonych obiektów w czasie.
• Powyższe informacje wraz z oznaczeniami pasów ruchu, sygnalizacją świetlną, krzywizną drogi itp. są już zaprogramowane w samochodach. Dzięki tym informacjom autonomiczne samochody mogą decydować, kiedy zmienić pas, uniknąć uderzenia itp.
• Informacje są ulotne i nie są zapisywane jako biblioteka doświadczeń samochodu.

Ograniczony typ pamięci AI jest stosowany w trzech różnych modelach.

1. Nauka wzmacniania

Ten typ modelu jest stosowany w uczeniu maszynowym do przewidywania przyszłych wyników poprzez interakcję ze środowiskiem. Składa się z cykli prób i błędów. Przykłady modeli wzmacniających obejmują uczenie komputera gry w szachy.

2. Pamięć długotrwała (LSTM)

Modele LSTM pomagają w przewidywaniu następnego wyniku w sekwencji. Dlatego pozycje z przeszłości są uważane za mniej ważne niż pozycje obecne.

3. Ewolucyjne generatywne sieci przeciwstawne (E-GAN)

Ten typ modelu ciągle ewoluuje, pokazując proces wzrostu. Nie podąża określoną ścieżką za każdym razem, gdy jest modyfikowany. Te modyfikacje mogą prowadzić do przewidywania lepszej lub najmniejszej ścieżki oporu. Proces symulacji modelu E-GAN nieco przypomina ewolucję człowieka na Ziemi.

Działający system o ograniczonej pamięci

Ten typ modelu działa na dwa sposoby

• model jest stale szkolony na nowych danych
• Środowisko AI modelu zapewnia możliwość automatycznego uczenia modelu i jego odnawiania w stosunku do zachowania modelu.

Wspomnianych powyżej dwóch rodzajów sztucznej inteligencji praktycznie nie brakuje. Jednak dwa kolejne typy sztucznej inteligencji istnieją jako koncepcja teoretyczna lub prace w toku.

3. Teoria umysłu

• Teoria umysłu reprezentuje modele uczenia maszynowego, które mają zdolność podejmowania decyzji równą zdolności ludzkiego umysłu, ale za pomocą maszyn.
• Naukowcy są obecnie zaangażowani w innowacje typu pojęciowego sztucznej inteligencji, „Teoria umysłu”.
• Ten rodzaj sztucznej inteligencji współdziała z myślami i emocjami człowieka. Modele te będą obejmować zrozumienie, że myśli i emocje ludzi wpływają na wyniki behawioralne. To ostatecznie wpływa na proces myślowy „teorii umysłu”.
• Jednym z ważnych czynników interakcji międzyludzkich jest interakcja społeczna. Dlatego hipotetyczne maszyny będą musiały rozpoznać, zrozumieć, zachować i zapamiętać emocjonalne wyjścia i zachowania, wiedząc, jak na nie reagować.
• Dzięki informacjom uzyskanym od ludzi maszyny będą mogły je zastosować i dostosować do ich nauki. Dzięki temu będą wiedzieć, jak komunikować się i traktować różne sytuacje.
• Wysoce zaawansowana forma sztucznej inteligencji.

Inny typ modeli obecnie pokazuje jednokierunkowe relacje, takie jak polecenia wydawane Alexie lub krzyczenie na mapy Google, gdy pokazuje zły kierunek. Jednak model AI nie wydaje się odpowiadać na gniewne zachowanie. Zamiast tego za każdym razem kłania się dowódcy. Przykładem tego typu modelu AI jest robot „Sophia” stworzony przez Hanson Robotics. Humanoidalny bot potrafi widzieć i reagować na interakcje pokazując różne wyrazy twarzy.

Teoria umysłu jest nieco zaawansowana i okaże się lepszymi towarzyszami. Wydaje się, że tego typu modele znajdują się na początkowym etapie.

4. Samoświadomy

• Ten rodzaj sztucznej inteligencji reprezentuje końcowy etap sztucznej inteligencji, który nie został jeszcze praktycznie rozwinięty, ale występuje tylko w opowieściach. Tego typu maszyny są nadal hipotetyczną koncepcją sztucznej inteligencji, ale po opracowaniu będą mądrzejsze od człowieka.
• Model samoświadomości AI jest o krok dalej niż teoria umysłu, która będzie miała własne myśli i reakcje
• Modele będą ewoluować do punktu, w którym system osiągnie stan samoświadomości. To jedno z najlepszych badań nad sztuczną inteligencją
• Modelki nie tylko będą miały emocje z tymi, z którymi wchodzą w interakcję, ale będą miały własne przekonania i pragnienia.
• Chociaż model może prowadzić do postępu cywilizacyjnego, może również skutkować katastrofalnymi sytuacjami. Wraz z osiągnięciem stanów samoświadomości maszyny będą miały idee samozachowawcze. Może to doprowadzić do sytuacji, w której sztuczna inteligencja przejmie ludzkość poprzez knucie schematów przez tego typu sztuczną inteligencję.

Wniosek

Głównym założeniem rozwoju różnych typów sztucznej inteligencji jest to, że ludzką inteligencję można przedstawić w postaci operacji symbolicznych, które mogą być zaprogramowane przez komputer cyfrowy. Przykłady AI pokazały, w jakim stopniu modele AI potrafią postrzegać świat rzeczywisty. Wraz z dalszym rozwojem hipotetycznych koncepcji modeli sztucznej inteligencji może zaistnieć potrzeba bardziej rozwiniętych maszyn do obsługi złożoności ludzkiej myśli.

Jeśli chcesz dowiedzieć się więcej o sztucznej inteligencji, sprawdź program PG dla kadry kierowniczej w zakresie uczenia maszynowego i sztucznej inteligencji IIIT-B i upGrad, który jest przeznaczony dla pracujących profesjonalistów i oferuje ponad 450 godzin rygorystycznych szkoleń, ponad 30 studiów przypadków i zadań, IIIT -B Status absolwenta, ponad 5 praktycznych praktycznych projektów zwieńczenia i pomoc w pracy z najlepszymi firmami.