Понимание всех типов искусственного интеллекта

Искусственный интеллект

Междисциплинарная отрасль науки, искусственный интеллект, ориентирована на разработку машин, способных выполнять задачи с помощью человеческого интеллекта. Это относится к процессу имитации человеческого интеллекта в машинах. Системы специально обучены имитировать человеческое поведение и действия и соответствующим образом запрограммированы. Обучение, рассуждения и восприятие — вот цели искусственного интеллекта. ИИ используется в нескольких отраслях, таких как; здравоохранение, финансы и т. д. эффективно применяют ИИ.

Изучение различных типов ИИ даст четкое представление о существующих типах и проблемах, связанных с ИИ в будущих типах.

Как классифицируется ИИ?

Основная цель искусственного интеллекта — имитировать процесс человеческого интеллекта. Поэтому критерием, используемым для классификации ИИ, является степень, в которой система ИИ может воспроизвести человеческие возможности. Таким образом, модели считаются более развитыми типами ИИ , если они могут выполнять больше функций, подобных человеческим, с аналогичной эффективностью. С другой стороны, те типы ИИ, которые имеют ограниченную производительность и функциональность, считаются менее развитыми типами ИИ.

В основном искусственный интеллект можно разделить на две категории: основанный на возможностях и основанный на функциях.

Типы искусственного интеллекта

Я). ИИ типа 1: в зависимости от возможностей

1. Слабый ИИ или узкий ИИ (Artificial Narrow Intelligence, ANI)

• Когда какие-либо специализированные задачи должны выполняться интеллектуально, именно здесь приходит на помощь узкий ИИ. Это самый распространенный тип ИИ в мире.
• Поскольку модель может выполнять только ту задачу, для которой она обучена, узкий ИИ также называется слабым ИИ. Он не может работать за пределами своего поля.
• Одним из лучших примеров узкого ИИ является Apple Siri, работающая с набором предопределенных функций.
• Другим примером узкого ИИ является суперкомпьютер IBM Watson, который сочетает в себе машинное обучение и обработку естественного языка с подходом экспертных систем.
• Примеры узкого ИИ включают игру в шахматы, распознавание речи и т. д.

2. General AI (искусственный общий интеллект)

• Любая интеллектуальная задача, похожая на человеческую, может быть выполнена с помощью этого типа ИИ.
• Идея разработки модели заключается в том, что должна существовать более умная система, способная мыслить по-человечески и умно.
• В настоящее время не существует ни одного типа такой системы. Однако исследователи сосредоточены на разработке такой системы ИИ.

3. Супер ИИ (искусственный супер интеллект)

• Этот тип ИИ является результатом общего ИИ, в котором система сможет выполнять любую задачу намного лучше, чем люди, благодаря способности когнитивных свойств.
• Характеристики супер-ИИ включают планирование, обучение, решение головоломки, внесение корректировок и т. д. Все само по себе.
• Разработка суперсистемы ИИ по-прежнему остается сложной задачей и представляет собой гипотетическую концепцию ИИ.

II). Тип 2: На основе функциональности

1. Реактивные машины

• Это простейшая форма искусственного интеллекта, выполняющая основные функции. Это также самые старые формы ИИ с ограниченными возможностями.
• В этом типе ИИ не задействовано никакого типа обучения. Модель генерирует некоторый результат в ответ на некоторый ввод. Никакого хранения входных данных нет, и, следовательно, нет возможности «учиться».
• Модель основана на способности человеческого разума реагировать на различные раздражители. Нет никакого прошлого опыта, который можно было бы использовать для принятия решения о нынешних действиях.
• Для автоматического реагирования на ограниченный набор входных данных эти типы моделей ИИ могут быть предпочтительными.
• Реактивные машины могут работать только против задачи, для которой они запрограммированы. Кроме того, машины не работают, поскольку у них нет знаний или представлений о мире.
• Одной из характеристик этих типов моделей ИИ является то, что машины всегда будут вести себя так, как они запрограммированы, независимо от времени и места выполнения задач.
• С реактивными машинами не связано никакого роста, только застой в повторяющихся действиях и поведении.

Примеры искусственного интеллекта можно найти в Deep Blue от IBM, суперкомпьютере IBM для игры в шахматы, который представляет собой игровую машину, победившую гроссмейстера Гарри Каспарова в 1997 году. Машина может идентифицировать фигуры на шахматной доске и иметь возможность предсказывать свой следующий ход. . Затем он выбирает оптимальный ход из набора возможностей. Эта машина использует свое настоящее знание без какой-либо концепции прошлого.

2. Ограниченная память

• Тип искусственного интеллекта с ограниченной памятью включает модели, которые извлекают знания из ранее изученной информации, сохраненных данных или событий.
• В дополнение к возможностям реактивных машин ограниченная память способна принимать решения на основе изучения исторических данных. Этот тип ИИ включает в себя процесс хранения предыдущих данных или предыдущих прогнозов. Эти данные в конечном итоге помогают делать более точные прогнозы.
• Модели обучаются на больших объемах обучающих данных. Затем эти данные сохраняются в качестве эталонной модели в памяти системы, которую она использует для решения будущих задач.

Применение этого типа ИИ можно найти в виртуальных помощниках, чат-ботах и ​​т. д.

Применение ограниченной памяти можно объяснить концепцией беспилотных автомобилей.

• Самоуправляемые автомобили смотрят в прошлое, словно наблюдая за скоростью и направлением движения других автомобилей. Это не достигается за один раз, а требует задачи идентификации конкретных объектов во времени.
• Вышеупомянутая информация, а также разметка полос движения, светофоры, изгибы дорог и т. д. уже запрограммированы в автомобилях. С помощью этой информации беспилотные автомобили могут решить, когда перестроиться, избежать столкновения и т. д.
• Информация является временной и не сохраняется в библиотеке опыта автомобиля.

Тип искусственного интеллекта с ограниченной памятью применяется в трех различных моделях.

1. Обучение с подкреплением

Этот тип модели применяется в машинном обучении для прогнозирования будущих результатов посредством взаимодействия с окружающей средой. Он состоит из циклов проб и ошибок. Примеры моделей подкрепления включают обучение компьютера игре в шахматы.

2. Долгосрочная кратковременная память (LSTM)

Модели LSTM помогают прогнозировать следующий результат в последовательности. Поэтому предметы в прошлом считаются менее важными, чем текущие предметы.

3. Эволюционные генеративно-состязательные сети (E-GAN)

Этот тип модели продолжает развиваться, показывая процесс роста вещи. Он не следует определенному пути каждый раз, а модифицируется. Эти модификации могут привести к предсказанию лучшего пути или пути с наименьшим сопротивлением. Процесс моделирования модели E-GAN чем-то напоминает эволюцию человека на Земле.

Рабочая система с ограниченным типом памяти

Этот тип модели работает двумя способами

• модель постоянно обучается на новых данных
• Среда ИИ модели обеспечивает возможность автоматического обучения модели и ее обновления по поведению модели.

Вышеупомянутые два типа ИИ практически обнаружены в изобилии. Однако следующие два типа ИИ существуют в виде теоретической концепции или находятся в стадии разработки.

3. Теория разума

• Теория разума представляет собой модели машинного обучения, способные принимать решения наравне с человеческим разумом, но с помощью машин.
• В настоящее время исследователи занимаются инновацией концептуального типа ИИ «Теория разума».
• Этот тип ИИ взаимодействует с мыслями и эмоциями человека. Эти модели будут включать понимание того, что мысли и эмоции людей влияют на поведенческие результаты. Это в конечном итоге влияет на мыслительный процесс «теории разума».
• Одним из важных факторов человеческого взаимодействия является социальное взаимодействие. Следовательно, гипотетические машины должны будут идентифицировать, понимать, сохранять и запоминать эмоциональную продукцию и поведение, зная, как на них реагировать.
• С информацией, полученной от людей, машины смогут применять и адаптировать ее к своему обучению. В результате они будут знать, как общаться и вести себя в различных ситуациях.
• Высокоразвитая форма ИИ.

Другой тип моделей в настоящее время показывает односторонние отношения, такие как команды, отдаваемые Alexa, или крики на карты Google, когда они показывают неправильное направление. Тем не менее, модель ИИ, похоже, не реагирует на агрессивное поведение. Вместо этого он каждый раз кланяется командиру. Примером модели ИИ такого типа является робот «София», созданный Hanson Robotics. Бот-гуманоид может видеть и реагировать на взаимодействие, демонстрируя различные выражения лица.

Теория разума немного продвинута и окажется лучшим компаньоном. Видно, что эти типы моделей находятся на начальных стадиях.

4. Самосознание

• Этот тип ИИ представляет собой финальную стадию ИИ, которая еще практически не разработана, но присутствует только в рассказах. Эти типы машин все еще являются гипотетической концепцией искусственного интеллекта, но когда они будут разработаны, они будут умнее человека.
• Модель самосознания ИИ — это шаг вперед, чем теория разума будет иметь самоуправляемые мысли и реакции.
• Модели будут развиваться до момента, когда система достигнет состояния самосознания. Это одно из лучших исследований ИИ
• У моделей будут не только эмоции с теми, с кем они взаимодействуют, но и собственные убеждения и желания.
• Хотя модель может привести к прогрессу цивилизации, она также может привести к катастрофическим ситуациям. С достижением состояний самосознания у машин появятся идеи самосохранения. Это может привести к ситуации, когда ИИ возьмет верх над человечеством посредством построения схем этим типом ИИ.

Заключение

Основное предположение, лежащее в основе разработки различных типов ИИ , заключается в том, что человеческий интеллект может быть представлен в виде символических операций, которые могут быть запрограммированы цифровым компьютером. Примеры ИИ показали, насколько модели ИИ могут воспринимать реальный мир. С дальнейшим развитием гипотетических концепций моделей ИИ может возникнуть потребность в более совершенных машинах для поддержки сложного человеческого мышления.

Если вам интересно узнать больше об искусственном интеллекте, ознакомьтесь с программой Executive PG IIIT-B и upGrad в области машинного обучения и искусственного интеллекта, которая предназначена для работающих профессионалов и предлагает более 450 часов тщательного обучения, более 30 тематических исследований и заданий, IIIT -B статус выпускника, 5+ практических практических проектов и помощь в трудоустройстве в ведущих фирмах.