了解所有類型的人工智能

人工智能

作為跨學科的科學分支，人工智能專注於開發能夠通過人類智能執行任務的機器。 它指的是在機器中模擬人類智能的過程。 這些系統經過專門培訓，可以模仿人類的行為和動作，並進行相應的編程。 學習、推理和感知是人工智能的目標。 人工智能用於多個行業，例如； 醫療保健、金融等一直在有效地應用人工智能。

探索不同類型的 AI將清楚地了解現有類型以及未來類型中與 AI 相關的挑戰。

AI如何分類？

人工智能的主要目的是模仿人類的智能過程。 因此，用於人工智能分類的標準是人工智能係統可以復制人類能力的程度。 因此，如果模型能夠以相似的效率執行更多類似人類的功能，則這些模型被認為是更進化的人工智能類型。 另一方面，那些性能和功能有限的人工智能類型被認為是進化程度較低的人工智能類型。

大多數人工智能可以大致分為兩類：基於能力的和基於功能的。

人工智能的類型

一世）。 類型 1 AI：基於能力

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

• 當任何專門的任務都需要用智能來執行時，這就是狹義人工智能的用武之地。 它是世界上最常見的人工智能類型。
• 由於該模型只能執行它所訓練的任務，因此狹義 AI 也被稱為弱 AI。 它無法在其領域之外發揮作用。
• 狹義 AI 的最佳示例之一是 Apple Siri，它適用於一組預定義的功能。
• 另一個狹義 AI 的例子是 IBM Watson 超級計算機，它將機器學習和自然語言處理與專家系統方法相結合。
• 狹義 AI 的例子包括下棋、語音識別等。

2.General AI（人工通用智能）

• 任何類似於人類的智力任務都可以由這種類型的人工智能執行。
• 該模型開發背後的想法在於應該存在一個更智能的系統，該系統能夠像人類一樣思考和聰明。
• 目前，不存在任何類型的此類系統。 然而，研究人員專注於開發這種人工智能係統。

3. Super AI（人工超級智能）

• 這種類型的人工智能是一般人工智能的結果，在這種人工智能中，系統將能夠通過認知特性的能力執行比人類更好的任何任務。
• 超級人工智能的特徵包括計劃、學習、解謎、調整等。一切都靠自己。
• 超級人工智能係統的開發仍然是一個挑戰，是人工智能的一個假設概念。

二）。 類型2：基於功能

1. 反應式機器

• 它是執行基本功能的最簡單的人工智能形式。 這些也是能力有限的最古老的人工智能形式。
• 這種類型的人工智能不涉及任何類型的學習。 該模型生成一些輸出以響應某些輸入。 沒有任何輸入的存儲，因此沒有“學習”的能力。
• 該模型基於人類大腦對各種刺激作出反應的能力。 沒有過去的經驗可以用來決定現在的行動。
• 對於針對有限輸入集的自動響應，這些類型的 AI 模型可能是首選。
• 反應式機器只能針對它們被編程的任務運行。 除此之外，機器無法執行，因為它們對世界沒有知識或概念。
• 這些類型的 AI 模型的特徵之一是，無論執行任務的時間和地點如何，機器都將始終以與編程相同的方式運行。
• 沒有增長與反應性機器相關聯，只有反復出現的動作和行為的停滯。

人工智能的例子可以在 IBM 的深藍中找到，這是 IBM 的國際象棋超級計算機，它是 1997 年擊敗大師加里卡斯帕羅夫的遊戲機。該機器可以識別棋盤上的棋子並具有預測下一步棋的能力. 然後它從一組可能性中選擇最佳移動。 這台機器使用它現在的知識，沒有任何過去的概念。

2.內存有限

• 人工智能的有限記憶類型包括從先前學習的信息、存儲的數據或事件中獲取知識的模型。
• 除了反應式機器的能力之外，有限的內存還能夠通過從歷史數據中學習做出決策。 這種類型的人工智能涉及存儲先前數據或先前預測的過程。 這些數據最終有助於做出更好的預測。
• 這些模型使用大量訓練數據進行訓練。 然後將這些數據作為參考模型存儲在系統的內存中，用於解決未來的問題。

這種人工智能的應用可以在虛擬助手、聊天機器人等中找到。

有限內存的應用可以用自動駕駛汽車的概念來解釋。

• 自動駕駛汽車回顧過去就像觀察其他汽車的速度和方向。 這不是一次性實現的，而是需要隨著時間的推移識別特定對象的任務。
• 上述信息以及車道標記、交通信號燈、道路曲率等已經預先編程到汽車中。 有了這些信息，自動駕駛汽車可以決定何時改變車道，或避免被撞等。
• 這些信息是短暫的，不會保存為汽車的經驗庫。

AI的有限內存類型應用於三種不同的模型。

1. 強化學習

這種類型的模型應用於機器學習，通過與環境的交互來預測未來的結果。 它由試驗和錯誤的循環組成。 強化模型的示例包括教計算機如何下棋。

2. 長短期記憶（LSTM）

LSTM 模型有助於預測序列中的下一個結果。 因此，過去的項目被認為不如當前項目重要。

3. 進化生成對抗網絡（E-GAN）

這種類型的模型不斷發展，展示了一個成長事物的過程。 它不會每次都遵循明確的路徑，而是會被修改。 這些修改可能會導致預測更好或阻力最小的路徑。 E-GAN模型的模擬過程有點像地球上人類的進化。

有限記憶型工作系統

這種類型的模型有兩種工作方式

• 該模型正在不斷地根據新數據進行訓練
• 模型的 AI 環境為模型的自動訓練和模型行為的更新提供了機會。

上述兩種類型的人工智能已在實踐中大量發現。 然而，接下來的兩種類型的人工智能作為理論概念存在或正在進行中。

3. 心智理論

• 心智理論代表了機器學習模型，它具有與人腦相當的決策過程能力，但通過機器完成。
• 研究人員目前正在從事人工智能概念類型“心智理論”的創新。
• 這種類型的人工智能與人類的思想和情感相互作用。 這些模型將包括理解人們的思想和情緒會影響行為輸出。 這最終影響了“心智理論”的思維過程。
• 人際交往的重要因素之一是社會交往。 因此，假設的機器必須識別、理解、保留和記住情緒輸出和行為，同時知道如何對它們做出反應。
• 通過從人們那裡獲得的信息，機器將能夠將其應用並適應他們的學習。 結果，他們將知道如何與不同的情況進行溝通和處理。
• 一種高度先進的人工智能形式。

目前，另一種類型的模型顯示了一種方式的關係，例如向 Alexa 發出的命令或在顯示錯誤方向時對 Google 地圖大喊大叫。 然而，人工智能模型似乎對憤怒的行為沒有反應。 相反，它每次都向指揮官鞠躬。 此類 AI 模型的一個示例是 Hanson Robotics 創建的機器人“Sophia”。 類人機器人能夠看到並響應顯示不同面部表情的交互。

心智理論有點先進，將被證明是更好的伙伴。 這些類型的模型被認為處於起步階段。

4. 自我意識

• 這種類型的人工智能代表了人工智能的最後階段，尚未實際開發，但只存在於故事中。 這些類型的機器仍然是人工智能的一個假設概念，但開發後將比人類更聰明。
• 自我意識的人工智能模型比心智理論更進一步，將有自我引導的思想和反應
• 這些模型將發展到系統達到自我意識狀態的程度。 這是終極人工智能研究之一
• 這些模型不僅會與與之互動的人產生情感，而且還會有自己的信念和願望。
• 模型雖然可以帶來文明的進步，但也可能導致災難性的後果。 隨著自我意識狀態的實現，機器將具有自我保護的想法。 這可能會導致人工智能通過這種類型的人工智能製定計劃來接管人類。

結論

開發不同類型人工智能背後的主要假設是，人類智能可以以符號操作的形式表示，這些符號操作可以由數字計算機編程。 人工智能的例子已經表明人工智能模型可以在多大程度上感知現實世界。 隨著人工智能模型假設概念的進一步發展，可能需要更發達的機器來支持人類思維的複雜性。

如果您有興趣了解有關人工智能的更多信息，請查看 IIIT-B 和 upGrad 的機器學習和 AI 執行 PG 計劃，該計劃專為工作專業人士設計，提供 450 多個小時的嚴格培訓、30 多個案例研究和作業、IIIT -B 校友身份，5 個以上實用的實踐頂點項目和頂級公司的工作協助。