了解所有类型的人工智能

人工智能

作为跨学科的科学分支，人工智能专注于开发能够通过人类智能执行任务的机器。 它指的是在机器中模拟人类智能的过程。 这些系统经过专门培训，可以模仿人类的行为和动作，并进行相应的编程。 学习、推理和感知是人工智能的目标。 人工智能用于多个行业，例如； 医疗保健、金融等一直在有效地应用人工智能。

探索不同类型的 AI将清楚地了解现有类型以及未来类型中与 AI 相关的挑战。

AI如何分类？

人工智能的主要目的是模仿人类的智能过程。 因此，用于人工智能分类的标准是人工智能系统可以复制人类能力的程度。 因此，如果模型能够以相似的效率执行更多类似人类的功能，则这些模型被认为是更进化的人工智能类型。 另一方面，那些性能和功能有限的人工智能类型被认为是进化程度较低的人工智能类型。

大多数人工智能可以大致分为两类：基于能力的和基于功能的。

人工智能的类型

一世）。 类型 1 AI：基于能力

1.弱AI或窄AI （Artificial Narrow Intelligence，ANI）

• 当任何专门的任务都需要用智能来执行时，这就是狭义人工智能的用武之地。 它是世界上最常见的人工智能类型。
• 由于该模型只能执行它所训练的任务，因此狭义 AI 也被称为弱 AI。 它无法在其领域之外发挥作用。
• 狭义 AI 的最佳示例之一是 Apple Siri，它适用于一组预定义的功能。
• 另一个狭义 AI 的例子是 IBM Watson 超级计算机，它将机器学习和自然语言处理与专家系统方法相结合。
• 狭义 AI 的例子包括下棋、语音识别等。

2.General AI（人工通用智能）

• 任何类似于人类的智力任务都可以由这种类型的人工智能执行。
• 该模型开发背后的想法在于应该存在一个更智能的系统，该系统能够像人类一样思考和聪明。
• 目前，不存在任何类型的此类系统。 然而，研究人员专注于开发这种人工智能系统。

3. Super AI（人工超级智能）

• 这种类型的 AI 是通用 AI 的结果，在这种情况下，系统将能够通过认知属性的能力执行比人类更好的任何任务。
• 超级人工智能的特征包括计划、学习、解谜、调整等。一切都靠自己。
• 超级人工智能系统的开发仍然是一个挑战，是人工智能的一个假设概念。

二）。 类型2：基于功能

1. 反应式机器

• 它是执行基本功能的最简单的人工智能形式。 这些也是能力有限的最古老的人工智能形式。
• 这种类型的人工智能不涉及任何类型的学习。 该模型生成一些输出以响应某些输入。 没有任何输入的存储，因此没有“学习”的能力。
• 该模型基于人类大脑对各种刺激作出反应的能力。 没有过去的经验可以用来决定现在的行动。
• 对于针对有限输入集的自动响应，这些类型的 AI 模型可能是首选。
• 反应式机器只能针对它们被编程的任务运行。 除此之外，机器无法执行，因为它们对世界没有知识或概念。
• 这些类型的 AI 模型的特征之一是，无论执行任务的时间和地点如何，机器都将始终以与编程相同的方式运行。
• 没有增长与反应性机器相关联，只有反复出现的动作和行为的停滞。

人工智能的例子可以在 IBM 的深蓝中找到，这是 IBM 的国际象棋超级计算机，它是 1997 年击败大师加里卡斯帕罗夫的游戏机。该机器可以识别棋盘上的棋子并具有预测下一步棋的能力. 然后它从一组可能性中选择最佳移动。 这台机器使用它现在的知识，没有任何过去的概念。

2.内存有限

• 人工智能的有限记忆类型包括从先前学习的信息、存储的数据或事件中获取知识的模型。
• 除了反应式机器的能力之外，有限的内存还能够通过从历史数据中学习做出决策。 这种类型的人工智能涉及存储先前数据或先前预测的过程。 这些数据最终有助于做出更好的预测。
• 这些模型使用大量训练数据进行训练。 然后将这些数据作为参考模型存储在系统的内存中，用于解决未来的问题。

这种人工智能的应用可以在虚拟助手、聊天机器人等中找到。

有限内存的应用可以用自动驾驶汽车的概念来解释。

• 自动驾驶汽车回顾过去就像观察其他汽车的速度和方向。 这不是一次性实现的，而是需要随着时间的推移识别特定对象的任务。
• 上述信息以及车道标记、交通信号灯、道路曲率等已经预先编程到汽车中。 有了这些信息，自动驾驶汽车可以决定何时改变车道，或避免被撞等。
• 这些信息是短暂的，不会保存为汽车的经验库。

AI的有限内存类型应用于三种不同的模型。

1. 强化学习

这种类型的模型应用于机器学习，通过与环境的交互来预测未来的结果。 它由试验和错误的循环组成。 强化模型的示例包括教计算机如何下棋。

2. 长短期记忆（LSTM）

LSTM 模型有助于预测序列中的下一个结果。 因此，过去的项目被认为不如当前项目重要。

3. 进化生成对抗网络（E-GAN）

这种类型的模型不断发展，展示了一个成长事物的过程。 它不会每次都遵循明确的路径，而是会被修改。 这些修改可能会导致预测更好或阻力最小的路径。 E-GAN模型的模拟过程有点像地球上人类的进化。

有限记忆型工作系统

这种类型的模型有两种工作方式

• 该模型正在不断地根据新数据进行训练
• 模型的 AI 环境为模型的自动训练和模型行为的更新提供了机会。

上述两种类型的人工智能已在实践中大量发现。 然而，接下来的两种类型的人工智能作为理论概念存在或正在进行中。

3. 心智理论

• 心智理论代表了机器学习模型，它具有与人脑相当的决策过程能力，但通过机器完成。
• 研究人员目前正在从事人工智能概念类型“心智理论”的创新。
• 这种类型的人工智能与人类的思想和情感相互作用。 这些模型将包括理解人们的思想和情绪会影响行为输出。 这最终影响了“心智理论”的思维过程。
• 人际交往的重要因素之一是社会交往。 因此，假设的机器必须识别、理解、保留和记住情绪输出和行为，同时知道如何对它们做出反应。
• 通过从人们那里获得的信息，机器将能够将其应用并适应他们的学习。 结果，他们将知道如何与不同的情况进行沟通和处理。
• 一种高度先进的人工智能形式。

目前，另一种类型的模型显示了一种方式的关系，例如向 Alexa 发出的命令或在显示错误方向时对 Google 地图大喊大叫。 然而，人工智能模型似乎对愤怒的行为没有反应。 相反，它每次都向指挥官鞠躬。 此类 AI 模型的一个示例是 Hanson Robotics 创建的机器人“Sophia”。 类人机器人能够看到并响应显示不同面部表情的交互。

心智理论有点先进，将被证明是更好的伙伴。 这些类型的模型被认为处于起步阶段。

4. 自我意识

• 这种类型的人工智能代表了人工智能的最后阶段，尚未实际开发，但只存在于故事中。 这些类型的机器仍然是人工智能的一个假设概念，但开发后将比人类更聪明。
• 自我意识的人工智能模型比心智理论更进一步，将有自我引导的思想和反应
• 这些模型将发展到系统达到自我意识状态的程度。 这是终极人工智能研究之一
• 这些模型不仅会与与之互动的人产生情感，而且还会有自己的信念和愿望。
• 模型虽然可以带来文明的进步，但也可能导致灾难性的后果。 随着自我意识状态的实现，机器将具有自我保护的想法。 这可能会导致人工智能通过这种类型的人工智能制定计划来接管人类。

结论

不同类型人工智能发展背后的主要假设是，人类智能可以以符号操作的形式表示，这些符号操作可以由数字计算机编程。 人工智能的例子已经表明人工智能模型可以在多大程度上感知现实世界。 随着人工智能模型假设概念的进一步发展，可能需要更发达的机器来支持人类思维的复杂性。

如果您有兴趣了解有关人工智能的更多信息，请查看 IIIT-B 和 upGrad 的机器学习和 AI 执行 PG 计划，该计划专为工作专业人士设计，提供 450 多个小时的严格培训、30 多个案例研究和作业、IIIT -B 校友身份，5 个以上实用的实践顶点项目和顶级公司的工作协助。