Yapay Zeka: Eksiksiz Bir Kılavuz

Yayınlanan: 2015-05-04

Son elli yıl boyunca, yapay zeka araştırma alanı, genel halk tarafından yapay zeka olarak algılanmayan muazzam özellikleri teşvik etti. Çevrimiçi çabalarımızın çoğu, yapay zeka biçimlerini (sanal aracılar, örüntü tanıma, hedefli reklamcılık) içerir. Bununla birlikte, şimdiye kadar yapılanlar, kumlu geleceğin açmazlarına ilişkin olarak sadece bir kum tanesidir. Bu gelişmelere göre kendimizi konumlandırmak için süreç hakkında bilgi sahibi olmamız gerekiyor.

Ticari kuruluşlar, yapay zekanın başarı için kesin bir faktör olabileceğinin (ve gelecekte de olacağının) giderek daha fazla farkına varıyor. Şu anda, bu özellikler, Büyük Verileri (bir başka büyüyen iş yönetimi alanı) uygun şekilde depolama, işleme ve analiz etme yeteneğine sahip olan veri analizi algoritmalarında uygulanmaktadır, ancak yakında ürün optimizasyon algoritmalarını ve karmaşık müşteri katılım tekniklerini içerecektir.

Yapay Zeka: Eksiksiz Bir Kılavuz

Shutterstock.com | Tatyana Shepeleva

Bu makalede, 1) AI'nın Kökenleri; 2) Yapay Zekanın Hedefleri ; 3) Yaklaşımlar ve Araçlar ; 4) Yapay Zeka Sorunları ; 5) Girişimcilikte Uygulama ve 6) İş Dünyasında Yapay Zeka uygulama örnekleri .

YAPAY ZEKA KÖKENLERİ

Fikir ve Felsefi Arka Plan

Yapay zekanın yaratılması etrafında dönen fikirlerin temelleri, eski Yunan mitolojisinin yanı sıra Mısır ve Çin medeniyetleri tarafından inşa edilen otomatlara kadar uzanabilir. İnsan özelliklerini nesnelere ve soyut fikirlere uygulamak, insanların bilinç kazandıkları andan itibaren varlıklarıyla akıl yürütme yollarından biridir.

Mantığın gelişmesi ve felsefenin sembolik muhakeme alanının ortaya çıkmasıyla birlikte, insan zekasını taklit edebilecek makinelerin yaratılması pratikte mümkün hale geldi. Sembolik akıl yürütme, problemleri çözmek için sembollerin (sayılar, grafikler, hesaplamalar, istatistikler vb.) daha uzun ifadelerin eşanlamlı ikameleri olarak kullanılabileceğini belirtir. Fikir, 16. yüzyılda 'AI'nın Büyükbabası' olarak kabul edilen Thomas Hobbes tarafından önerildi.

Daha sonra, mühendislik yüzyıllar boyunca ilerledikçe, iki alan birbiriyle ilişkili olmaya başladı. İlk bilgisayar - Analitik Motor, 19. yüzyılda Charles Babbage tarafından tasarlandı (ancak 1991'e kadar inşa edilmedi). 20. yüzyılın başlarından itibaren teknolojinin süregelen ilerlemesi ve bilgisayar süreçlerinin daha iyi anlaşılması için artan gereklilik ile birlikte çeşitli modeller ve teorik söylemler oluşturulmuştur.

Turing Testi

Alan Turing, 1950'de konuyla ilgili temel bir çalışma yayınladı - Computing Machinery and Intelligence makalesi. Makalede, hesaplanabilecek teorik olasılıkları tartıştığı Turing makine modelini önerdi. Hesaplama olanaklarının insan zekasını kapsayıp kapsamadığını anlamak için Turing testini yarattı. Testin amacı, bir makinenin şüpheli bir sorgulayıcıyı gerçekten bir insan olduğuna ikna edip edemeyeceğini belirlemekti. Test oldukça basit görünüyordu – hiçbir karmaşık görev (örneğin orijinal sanat eseri yaratmak gibi) dahil değildi; geçmek için, bilgisayar bir insanla küçük bir konuşma yapabilmek ve verilen bağlamı anladığını gösterebilmekti. Bir insan bakış açısından ne kadar basit görünse de, bu tür sonuçların gerçekleştirilmesi son derece zor ve bu tarihe kadar ulaşılamaz oldu. Birincil sorunlar, 20. yüzyılın ortalarındaki donanım teknolojisiyle ilgili sorunlardı - depolama odası sorunları, yazılımın gerçekleştirilmesiyle ilgili gelecekteki sorunları kamufle etti.

Araştırmacılar hala Turing testini geçecek ve bunları yıllık Turing Yarışması'nda sunacak bir yazılım oluşturmaya çalışıyorlar. 100.000 dolarlık nakit Leobner ödülü, hala ilk yazılımın duyarlı olduğunu kanıtlamayı bekliyor.

AI - Çalışma Alanı

Felsefi, mantıksal, matematiksel, sibernetik, sinirbilim ve bilgi teknolojisindeki gelişmelere dayanan yapay zeka çalışma alanı, 1956 yılında Dartmouth Koleji'nde bir konferansta doğdu. Uzmanlar John McCarthy ve Marvin Minsky, önümüzdeki elli yıl boyunca akıllı makineler yaratmaya yönelik geniş kapsamlı çabanın önde gelen isimleri oldular.

Doğal olarak zekayı yaratmak için zekanın ne olduğunu bilmek gerekir. Bununla birlikte, zekanın mantıkta, akıl yürütmede, deneyim yoluyla öğrenmede, bilginin uygulanmasında, yaratıcılıkta ve sayısız diğerlerinde tezahür eden insanların (ve bazı hayvanların) bir özelliği olarak zekanın soyut tanımları, basitçe sembollere çevrilemez ve duyarlı üretilemez. makine.

Bilgisayar-Satranç ve Uzman Sistemler

Bilim adamları yapay zekayı oluşturmak için farklı yaklaşımlar ve yöntemler uyguladılar. Yaklaşımlardan biri, satranç oynayan yazılımın evrimiydi. Kaba kuvvet teknikleri ile yüksek verim elde etmenin çok daha kolay olması nedeniyle - bu, bilgisayarın gelecekteki belirli bir miktar hamle için mümkün olan maksimum hasar için minimum maliyet ilkesine göre çözüm algoritmalarını hesaplaması - satranç oynama yazılımı yaptı. Duyarlılık oluşturmaya değil, daha çok gelişmiş arama tekniklerine ve büyük veritabanları için sürdürülebilir donanıma odaklanın.

Öte yandan, farklı sektörlerde uzman yardımı sağlamak için uzman sistemler geliştirildi. Yeterli bir bilgi veri tabanı oluşturarak ve makinelerin verilen verilerle ilgili tahminlerde bulunmasına ve danışmanlık sağlamasına olanak tanıyan makine öğrenimi yazılımını birleştirerek; etkileşim yazılımının yanı sıra (doğal dil gelişimine dayalı) - bilim adamları 'akıllı makinelerin' özelliklerini genişletti. Bu başarılar artık navigasyon sistemlerinde, tıpta ve bir işte kullanılmaktadır.

AI'nın kışları

Yapay zeka araştırma alanındaki ilk heyecandan sonra, kısa sürede somut sonuçların beklenenden ve duyurulandan daha fazla zaman alacağı netleşti. AI projelerinde (doğal dil yazılımıyla ilgili sorunlar, yavaş ilerlemeler) yetersiz ilerleme olduğunu gösteren ALPAC ve Lighthill raporlarından sonra, yatırım akışı sonlandırıldı - ilk AI Kışı 1974'te başladı ve İngiliz hükümetinin başlattığı 1980'lerin başına kadar sürdü. Yapay zeka projeleri, Japonların mantık programlama konusundaki çabalarına yanıt olarak. Ancak 1987 yılında genel amaçlı bilgisayar pazarının çökmesi ve finansmanın azalması nedeniyle ikinci AI Kışı ortaya çıktı ve beş yıl sürdü.

'Kış' dönemlerinde, AI araştırmaları gelecekte alanın alt kategorileri olacak farklı isimler altında devam etti - evrimsel programlama, makine öğrenimi, konuşma tanıma, veri madenciliği, endüstriyel robotik, arama motorları ve diğerleri.

AI şimdi nerede?

Yapay zeka araştırma alanı, belirli ve kişiselleştirilmiş arama motoru sonuçları, akıllı kişisel asistan yazılımı – Siri, Google Translate, araç navigasyon sistemleri, çeşitli robotik geliştirmeler ve sayısız diğer – günümüzde 'ortak' olarak kabul edilen birçok ilerlemeyi mümkün kıldı.

Bazı dikkate değer başarılar şunlardır:

  • IBM'in Deep Blue'su 1997'de bir satranç şampiyonu Garry Kasparov'a karşı bir satranç maçı kazanan ilk bilgisayar oldu.
  • IBM'in soru yanıtlama sistemi Watson, 2011'de yetkin rakiplere karşı Jeopardy testini kazandı.
  • Bir sohbet robotu olan Eugene Goostman, Turing testi jürisinin bir üyesini 2014 yılında Ukrayna'dan 13 yaşında bir çocuk olduğuna ikna etti. Ancak, Eugene %33 ile minimum mahkumiyet sınırını geçti. Böyle bir sonuç, özünde Turing testini geçme olarak kabul edilmez, çünkü çoğunlukla dış koşullara dayanır (İngilizce konuşamayan bir ülkeden gelen bir çocuk, küçük konuşmadaki yetersizlikler için affedilebilirken, anadili yetişkin bir yetişkin bunu yapmaz. olmuştur). 2015 boyunca, Eugene geliştiricilerinin zaferlerini savunmaları ve duyarlı yazılımları icat ettiklerini kanıtlamaları bekleniyor (ki muhtemelen yapmadılar).

Yukarıda belirtilenlerin hepsinden de anlaşılacağı gibi, yapay zekanın zorlu konularının son elli yılda çok büyük ilerleme kaydetmediği açıktır. Sonuç olarak, uzmanlar insan zekasını taklit etmek için en az elli yıl daha deneme yanılma öngörüyor. Kısa sürede çözülemeyecek kadar geniş ve karmaşık bir konu. Ancak bugüne kadar arayış sırasında sağlanan ilerlemeler, yaşadığımız dünyayı büyük ölçüde etkilemiş ve şekillendirmiştir.

YAPAY ZEKA HEDEFLERİ

Yapay zeka çabalarının 'nihai' amacı, muhakeme, planlama, problem çözme, soyut düşünme, karmaşık fikirleri kavrama, hızlı öğrenme ve deneyimden öğrenme (insan zekasının kabul edilmiş bir tanımıdır) yeteneğine sahip akıllı bir makine yaratmaktır. Uygulamada, yapay olarak taklit edilen bu zeka, sonsuz olası durumlarda ne yapılacağını anlamak için çevresini kavramak için geniş ve derin bir yeteneği yansıtmaktır. Kendini çevrede yeterince konumlandırmak için, AI'nın sosyal olarak zeki olması gerekir (yani, anlaşılabilir evrenin geniş bir soyut özelliklerini ve özelliklerini - örneğin duyguyu - algılayabilmesi ve uygun şekilde tepki verebilmesi gerekir). Problemleri en iyi şekilde yönetebilmek için, işleyişinde yaratıcılığı uygulayabilmesi gerekir. Belirtilen özelliklerin tümü, AI çalışmalarının uzun vadeli hedefi olan genel zekaya atfedilir.

Bununla birlikte, böyle bir hedefe ulaşmak için bilim adamları, hem bireysel hem de korelasyon içinde yapı taşları olan çok çeşitli karmaşık kavramlara odaklanmak zorundadır. Geleceğin akıllı makinelerinin yapımcıları, çalışmalarında mevcut akıllı sistemlerin (esas olarak insanların) ampirik çalışmalarını ve ayrıca olası zeka sistemlerinin (ve bunların mekanizmalarının ve temsillerinin) teorik keşif ve analizinin sonuçlarını uygulamalıdır. Bu faktörler, mevcut akıllı sistemlerle ilgili sorunların çözülmesi ve yeni akıllı veya yarı akıllı makinelerin tasarlanması için gereklidir. Esasen, bu, çabaların yalnızca bir alanla (örneğin mühendislik) sınırlandırılmasıyla, çabalar tatmin edici sonuçlar vermeyeceğinden, görevin karmaşıklığının tam bir görünümünün elde edilmesi gerektiği anlamına gelir. Kuşları incelemeden uçak yapmak imkansız olurdu.

Tümdengelim, akıl yürütme, problem çözme

Yapay zeka araştırmasının başlangıcında, muhakeme süreci, bulmacaları veya mantıksal çıkarımları çözmede insan süreçlerinin adım adım taklit edilmesiyle başlatıldı. Bununla birlikte, bu yaklaşım, büyük ölçüde, o zamanlar oldukça sınırlı olan hesaplama kaynaklarına ve bilgisayar belleğine bağlıydı. Bu meseleler, kasıtlı akıl yürütme süreçlerinden ziyade insanlarda anlık yargı süreçlerinin taklit edilmesinin gerekliliğine işaret ediyordu. Anında yargılama, kasıtlı eylemlerin yönünü yöneten sezgisel, bilinçaltı bilgi olarak görülebilir.

AI, aşağıdakilerin kombinasyonu yoluyla anında karar verme hedefine ulaşmaya çalışır:

  • Embodied Agent'lar (çevre ile etkileşime girebilen ve üç boyutlu sanal simülasyon/gerçek robot gövdesi olarak sunulan özerk varlıklar);
  • Duyu-motor Becerileri (sensörler aracılığıyla çevreyi algılama ve motor becerilerle tepki vermenin birleşimi - örneğin, bir robot bir kişinin yaklaştığını ve selamlama olarak bir el uzattığını algılar - robot kişiyle elini sıkarak tepki verir);
  • Sinir Ağları (sinir sistemlerindeki yapıların ve süreçlerin, özellikle de insan beyninin simülasyonu: girdilerden değerlerin hesaplanması; makine öğrenimi; örüntü tanıma; uyarlanabilir doğa);
  • İstatistiksel Yaklaşımlar (belirli problem çözümlerine matematiksel yaklaşımlar).

Bilgi temsili

Bir insanı taklit etmek için AI'nın nesneler, özellikleri, kategorileri ve birbirleri arasındaki ilişkiler hakkında muazzam miktarda bilgiyi birleştirmesi gerekir. Ayrıca durumları ve durumları, nedenleri, etkileri ve soyut fikirleri uygulamak zorundadır. AI alanı, bilgi temsiline ontolojik bir yaklaşım kullanır - yani bilgi, ilişkisi bir alan içinde tanımlanan kavram kümelerinde varsayılır.

Sorunlar

  • Doğru/yanlış ifadelerin imkansızlığı – her şeyin istisnaları vardır;
  • İnsan bilgisinin genişliği, kapsamlı bir ontoloji yaratmayı neredeyse imkansız hale getiriyor;
  • Bilinçaltı ve alt sembolik bilgi formları dahil edilmelidir.

Çözümler

  • İstatistiksel AI - belirli problemlerin matematiksel çözümü;
  • Konumlandırılmış AI - çevre ile etkileşim yoluyla özerk varlıklar olarak sistemler temel davranışlar geliştirir;
  • Hesaplamalı Zeka – yeterince kavramı anlayan bilgisayar, böylece kendi başına daha fazla ontoloji sağlayabilir (örneğin İnternet aracılığıyla).

Otomatik planlama

AI, çok boyutlu uzayda karmaşık ve optimize edilmiş çözümler oluşturabilmeli ve bu stratejilerin/eylem dizilerinin gerçekleştirilmesini gerçekleştirebilmelidir. Diğer bir deyişle, akıllı ajanların potansiyel geleceği görselleştirebilmesi (öngörücü analiz), eylem hedefleri belirleyebilmesi (karar verme) ve sürecin verimliliğini (değerini) en üst düzeye çıkaracak şekilde gerçekleştirebilmesi gerekir.

Bu hedefler hem çevrimdışı (bilinen ortam için) hem de çevrimiçi (beklenmeyen ortamlar için) ele alınmalıdır. Bilim adamları, makinenin akıllıca tepki vermesinin beklendiği durumlarda, öngörülemeyen senaryolarla hala uğraşmak zorunda.

Makine öğrenme

Makine öğrenimi, yapay zeka sistemlerinin veri girişine ve bu veri aracılığıyla edinilen bilgilere dayanarak tahminler yapmasına ve karar vermesine olanak tanıyan algoritmaların oluşturulması ve incelenmesidir.

Şunlara odaklanılabilir:

  • girdi akışlarında denetimsiz örüntü tanıma (örneğin, elektronik posta sistemlerinde istenmeyen posta olmayan postalardan gelen istenmeyen postanın tanımlanması);
  • giriş verilerinde denetimli (programlanmış) sınıflandırma ve ilişki oluşturma (örneğin, istenmeyen postaları ve istenmeyen posta olmayan postaları sistemdeki farklı kategorilere yönlendirmek).

Makine öğrenimi, istenmeyen posta filtreleme (yukarıda örnek olarak belirtilmiştir), optik karakter tanıma, arama motorları kişiselleştirme, bilgisayarla görme ve veri madenciliği (tahmini analiz) gibi bilgi teknolojisinin çeşitli alanlarında kullanılmaktadır.

Makine öğrenimi algoritmalarının daha da geliştirilmesi, makinelerin genel hesaplama zekasına atfedilmelidir.

Doğal dil işleme

Doğal dil işleme ve oluşturma, yapay zeka çalışma alanının ilgilendiği temel konulardan biridir. Turing testinin, makinelerin (en azından görünüşte) vicdanlı bir şekilde konuşma yeteneği etrafında dönmesi şaşırtıcı değildir - konuşulan veya yazılan kelimeleri kendi bağlamları içinde anlayabilecek ve buna göre yanıt verebilecek bir makine olarak nitelendirilebilecek bir şeydir. akıllı bir varlık (çünkü soyut özellikler içerir – sosyal zeka, bilgi, algı, problem çözme, vb.).

Makine Algısı

Makine algısı, duyular yoluyla insan algısının süreçlerine benzeyen girdi yorumlama yeteneğini temsil eder. Ele alınmaya çalışılan önemli konular, kapsamlı algılama, varlığın akıllı bir çekirdeğine aktarım ve yanıt sistemleridir (yani, makine algısı hem mühendislik hem de hesaplama özelliklerinde zorluklarla karşılaşır).

  • Vizyon – yüksek boyutlu dış dünyanın görüntüsüne dayalı olarak bilgi toplamak ve bunları belirli problemler için algoritmalara/çözümlere dönüştürmek (şu anda makineler yüz tanıma ve estetik yargılama yapabilir ancak ileride uzun bir gelişim yolu var);
  • İşitme – müzik veya konuşma gibi ses verilerini işleme yeteneği (şu anda: ses tanıma, ses çevirmenleri);
  • Dokunma – çevre ile etkili ve akıllı bir şekilde etkileşim kurmak için yüzey özelliklerini ve el becerisini işleme yeteneği.

robotik

Robotikteki hedefler, mühendisliği yapay zeka çalışmalarıyla birleştirir ve şu sorular etrafında döner:

  • nesne manipülasyonu;
  • navigasyon;
  • yerelleştirme;
  • haritalama;
  • hareket planlaması.

YZ YAKLAŞIMLARI VE ARAÇLARI

Yaklaşımlar

1950'lerde AI araştırmasının ortaya çıkmasından bu yana, çeşitli endüstrilerde ve akademik çevrelerde bilginin uygulanması yoluyla çok sayıda yaklaşım üstlenildi. Bu yaklaşımlar, her birinin hedefin gerçekleştirilmesiyle ilgili olarak gösterdiği eksikliklere bir yanıt olarak gelişti - genel zeka. AI araştırması, AI'nın kış aylarında fon kaybettiğinde, sürekli çalışmalar için yatırım almanın tek yolu yaklaşımların dağılmasıydı. Bugünün bakış açısından çıkarılabilecek sonuç, tüm bu yaklaşımların yapay zekanın engin karmaşıklığı için gerekli olduğu ve hepsinin sürece son derece katkıda bulunduğudur (sürecin kendisi ne kadar yavaş veya canlandırıcı gelişmelerden yoksun olursa olsun) .

bağlantı

Nöroloji, bilgi teknolojisi ve sibernetik tekniklerini ve bilgilerini birleştiren bilim adamları, 1950'lerde bir temel zeka simülasyonu elde ettiler. Yaklaşım sonraki on yılda terk edildi ve ancak 1980'lerde yeniden ortaya çıktı.

Başarılar

  • duyusal işleme;
  • sinir ağlarının davranışı;
  • düzenleyici sistemler hakkında bilgi.

sembolizm

Yaklaşım, insan zekasının yalnızca sembollerin manipülasyonu yoluyla simüle edilebileceğini belirtir. Aynı zamanda 'eski moda yapay zeka' olarak da adlandırılır – GOFAI ve 1960'larda yüksek zeka simülasyonunda başarılı olmuştur – sınırlı gösteri programlarıyla sınırlıdır.

Başarılar

  • uzman sistemler

Bilişsel Simülasyon

Bilişsel simülasyon yaklaşımı, insanın problem çözme becerileri hakkında bilgi edinmek için yapılan psikolojik testlerde vücut bulur. Sonuçlar, insan zekasının bu özelliklerini simüle edecek programlar geliştirmek için resmileştirilecekti.

Başarılar

  • yapay zeka araştırmasının temelleri – makine öğrenimi, doğal dil işleme vb.

Mantık

Mantıksal yaklaşımın temsilcileri, insan zekasının özünde soyut akıl yürütme ve problem çözmeden kaynaklandığını ve bu nedenle mantığın teknikleriyle tedavi edilebileceğini savundu.

Başarılar

  • Bilgi temsili;
  • otomatik planlama;
  • makine öğrenme;
  • mantık programlama

Anti-Mantık

Mantık yaklaşımının karşıtları, hiçbir genel ilkenin akıllı davranışın karmaşıklığını yakalayamayacağını belirtti.

Başarılar

  • makine görüşü ve doğal dil işleme konularında mantık yaklaşımının verimsizliğine dikkat çekti.

Bilgi

Uzman sistemlerin ortaya çıkması ve operasyonel sistemlerin depolama kapasitelerinin artmasıyla birlikte yapay zeka araştırmalarında bilgi temelli yaklaşım yüksek oranda uygulanmaya başlamıştır.

Başarılar

  • uzman sistemlere uygulanması;
  • genel zekanın en önemli unsurlarından biridir.

Soyut

Soyut yaklaşım, yapay zeka sorunlarına optimal çözümler sunmak için insan zekasının alt sembolik ve sezgisel hayaletlerini ele alma gerekliliğinden ortaya çıktı.

Başarılar

  • bilgisayar algısı;
  • robotik;
  • makine öğrenme;
  • desen tanıma.

yer alan

Yerleşik veya yeni yapay zeka yaklaşımı, temel mühendislik problemlerine odaklanır ve sembolik yaklaşımın münhasırlığını reddeder. Amaç, gerçek ortamda var olabilecek gerçekçi bir makine inşa etmektir.

Başarılar

  • motor becerileri;
  • duyusal beceriler;
  • bilgisayar algısı.

istatistiksel

İstatistiksel yaklaşım, belirli problemleri çözmek için ölçülebilir ve doğrulanabilir matematiksel araçları kullanır ve bunları ekonomi ile birleştirir. Yaklaşım, genel istihbarat amacını göz ardı etme konusunda eleştiriliyor.

Başarılar

  • belirli sorunların başarılı bir şekilde ele alınması

Aletler

Yapay zeka çalışma alanı, gerçekleştirme arayışında sonsuz sorunlarla karşılaşmıştır. Bununla birlikte, sorunların başarıyla ele alınabileceği çeşitli yöntemler uygulamıştır.

Arama ve Optimizasyon Yöntemi

Birçok olası çözüm aramak, belirli (veya genel) hedefe götürmesi muhtemel olmayanları ortadan kaldırmak ve en uygun yolu seçmek, sorunları çözmenin etkili bir yolu olabilir. Optimizasyona dayalı arama teknikleri yardımıyla akıl yürütme, planlama ve robotik algoritmalar oluşturulur.

Matematiksel optimizasyon teorisi, çözüm arayışına akıllı bir tahminle başlayarak ve iyileştirmeye doğru ilerleyerek oluşturulur ('tepe tırmanışı' olarak da adlandırılır: manzarada rastgele bir nokta seçme ve rastgele hareketlerle tepenin tepesine doğru ilerleme).

Evrimsel hesaplama, 'en uygun olanın hayatta kalması' ilkesini takip eder - bir dizi tahmin varsayılır, iyileştirme yoluyla bazı tahminler düşer ve böylece en uygun çözüm kendini sunar.

Çözüm Yöntemi Olarak Mantık

Mantık, otomatik planlama ve makine öğrenimi ile mantıksal programlama ile ilgili sorunları çözmek için kullanılır. Doğru/yanlış atıf yoluyla geçerliliği belirlemek, bilgi temsilinde ontoloji için gerekli olan nesneler, özellikleri ve ilişkileri hakkında gerçekleri ifade etmek için kullanılır.

Diğer yöntemler. Diğer metodlar

  • Veri akışlarının filtrelenmesi ve tahmine dayalı analizi için olasılık algoritmaları;
  • Sınıflandırıcılar ve istatistiksel öğrenme yöntemleri;
  • Yapay sinir ağları;
  • Programlama dilleri (AI alt kategorisinin özel ihtiyaçlarına göre farklılık gösterir).

YAPAY ZEKA KONULARI

Yapay zeka alanındaki çoğu araştırmacı, önümüzdeki elli yıl içinde makinelerde genel zekaya ulaşılacağını belirtiyor. Bu tür ifadeleri teyit edemesek de, gelişmelerin olacağı ve dünyayı tamamen değiştireceği makul görünüyor. Sonuç olarak, çeşitli sorunların ortaya çıkması kaçınılmazdır.

Öncelikle, AI sistemleri, insanlarınkini büyük ölçüde aşan veri işleme ve tahmine dayalı analiz yeteneklerine sahiptir. Optimal performansı elde etmek için, bir nevi özerktirler, bir tür hedefe ulaşmak için özenle seçilmiş bir dizi kural tarafından yönetilirler. Ancak, özerklikleri nedeniyle kullanıcıları ile ilgili bir dengesizlik içinde çalışabilirler - programlamada potansiyel bir sorun ele alınmadıysa, sistem bunu üstlenir - amaca hizmet ederse (ve insanların tüm olası durumları tahmin etmesi imkansızdır) ve onlar için yeterli algoritmalar). Bir hata oluşursa hasarı en aza indirmek için açık güvenlik kriterleri sağlanarak sorun çözülmelidir. Ayrıca, sorumluluğun doğru bir şekilde atfedilmesi, yapay zeka çabalarıyla ilgili olarak ele alınması gereken bir sorudur.

Dahası, genel zeka ortaya çıktıkça, insanlar yapay zeka sistemlerini yapılandıracakları ahlaki sistemleri değil, aynı zamanda kendilerini yapay zeka sistemlerine göre konumlandıracakları ahlaki kuralları da tanımlamalıdır. Yapay zekadaki etik soruları imkansız derecede karmaşıktır - bir sistemin davranışa ve duyarlı veya duyarlı olduğunu iddia etmek için programlanmış olup olmadığı nasıl tanımlanır?

Ek olarak, genel yapay zeka ile ilgili karar vermekten kim sorumlu olacak? Hepimiz AI teknolojisinin getireceği olumlu ve gelişmiş fırsatlarla tanışırken - hastalıkların sona ermesi, uzay yolculuğu, işin azaltılması vb. Açıkçası, AI sistemlerinin kullanımına ilişkin bazı düzenlemeler yapılması gerekecek.

GİRİŞİMCİLİKTE AI UYGULAMASI

Büyük Veri ve Özel Analitik

Son birkaç yılda, teknoloji yeteneklerindeki (öncelikle depolama ve bilgi işlem yeteneklerindeki) üstel büyüme, veri akışı büyük ölçüde arttı. Günümüzde şirketler, yapılandırılmış ve yapılandırılmamış (resimler, videolar) formlarda Büyük Veriyi toplayıp işleyebilir ve iş stratejisi ile ilgili değerli içgörüler elde etmek için analiz edebilir. Büyük Veri yönetiminin sorunlarından biri, bundan bir anlam çıkarabilecek ve uygulamaya koyabilecek uzmanların eksikliğidir. Süreci basitleştirmek için uzman sistemler ve tahmine dayalı analiz gibi çeşitli yazılım çözümleri sunulmuştur. Açıkçası bunlar yapay zeka çalışmalarının ürünleri.

Ancak algoritmalar geliştikçe veri yönetimleri üzerindeki etkileri de artacaktır. Makine öğrenimi, doğal dil işleme ile birleştirildiğinde, iş stratejilerine (reklamcılık, müşteri ilişkileri, çalışanlara koçluk) ilişkin kullanılabilir (ve değerli) bilgi ve çözümler sunabilen veri tabanlı bir tahmin ve karar verme algoritmasıdır. verimlilik ve müşteri katılımı (memnuniyet), pazarda rekabet gücü ve büyüme.

Ürün ve Hizmetlerin Optimizasyonu

Yapay zeka algoritmaları sadece iş yönetimi alanlarında değil, aynı zamanda ürün verimliliği ve çekiciliğinde de uygulanacaktır. Örneğin, çim biçme makineleri, insan katılımı olmadan çim biçebilecek. Ayrıca, çiçek koparmamak gibi özel ve kişiselleştirilmiş yapıcı görevleri yerine getirebilecekler. Tüm bunlar müşteri memnuniyetine katkıda bulunacaktır çünkü maksimum verimlilik ve değer için müşteriden gelen zaman ve çaba gereksinimlerinde sürekli üstel bir azalmayı temsil eder.

İŞTE AI UYGULAMA ÖRNEKLERİ

IBM'in başlangıcından bu yana yapay zeka konusundaki önemli çabalarına ek olarak, Google ve Facebook gibi büyük şirketler, devasa miktarda veri ve karmaşık yönetim ve strateji tanımlama süreçleri nedeniyle yapay zeka olanaklarına da katılmak zorunda kaldı. Burada bu üç şirkete ve yapay zekadaki karışıklıklarına bir göz atacağız.

IBM

IBM'in Deep Blue satranç oynama algoritması ve karmaşık Watson sistemi gibi yapay zeka teknolojilerindeki çabalarıyla kamuya açık olarak elde ettiği önemli bir başarıya ek olarak, gerçek faydalar, teknolojilerinin hakim olduğu özelliklerde ve iş dünyasında uygulanmalarında yatmaktadır. Deep Blue algoritması, satranç kurallarına göre verimliliği en üst düzeye çıkarmaya dayanan çok büyük miktarda tahmine dayalı analiz işlemeyi başardı ve hedeflerin net bir şekilde formüle edilmesiyle olası çözümleri manuel olarak ele almaya gerek olmadığını (imkansız olacağından) gösterdi - bilgisayar bunu otonom olarak yaptı ve programlandığı hedefle sınırlı olarak, bir satranç şampiyonunun bile süreci geçersiz kılamayacağı şekilde optimize edildi.

Watson sistemi, doğal dili algılamayı ve işlemeyi ve aynı zamanda doğru yanıtları akılda tutmayı ve bunları doğal dilde oluşturmayı başaran gerçek zamanlı bir soru-cevap algoritması olarak geliştirildi ve çevrimdışı çalışırken Jeopardy testini kazandı. Geniş bilgi ontolojisini manuel olarak uygulamak zaman alıcı ve muhtemelen etkisiz bir yaklaşım olacağından, makine öğrenimi temelinde oluşturulmuştur.

Bu gelişmeler, ilgili içeriğin geniş bir şekilde işlenmesini optimize ettikleri ve içgörüler sunmak ve bu analitik süreçlere dayalı kararlar almak için yapıcı iletişimi mümkün kıldıkları için iş stratejileri için son derece önemlidir.

Şu anda IBM, algoritmalarını bulut tabanlı bir ortamda uygulamaya ve sağlık, iş ve eğitim için veritabanları oluşturmaya odaklanmıştır.

Google

Google, arama motorlarının kişiselleştirilmesi ve spesifikasyonu için yapay zeka özelliklerini kullanmakta, yeterli bir doğal dil işleme ve oluşturma aracı olan Google Translate'i (bağlam ve alt sembolik anlamlardaki eksikliğinin yanı sıra) geliştirmiş ve bir nöral sistem uygulamıştır. muazzam veritabanlarının yönetiminde ağ stratejisi. Bu sinirsel stratejiler, kalıpları tanımak ve bunlar üzerinde son derece hızlı kararlar vermek için tasarlanmıştır. Ayrıca, sistemlerin deneyim yoluyla öğrendiği ve dolayısıyla daha etkili performans gösterdiği anlamına gelen makine öğrenimi algoritmaları dahil edilmiştir.

Facebook

Facebook profilleri, yapılandırılmış ve yapılandırılmamış veriler için bir eritme potasıdır: arkadaş listeleri, beğenilen sayfalar, katılan gruplar. Facebook, müşteri deneyimini optimize etmek için, bireysel kullanıcıların (Facebook alanında ve genel olarak çevrimiçi) davranış kalıplarını tanımak için yapay zeka uygular ve belirli eğilimlere ve ilgi alanlarına göre teklifler sunar. Çabaları, kullanıcılarla etkileşime girebilecek ve anında değerli bilgiler sağlayabilecek akıllı bir aracı oluşturmaya yöneliyor.

Moore'un teknoloji ve bilginin üstel büyümesi teorisini göz önünde bulundurarak, özellikle hedeflerin karmaşıklığını dikkate alıyorsak, geleceğin bilim kurgu tasvirlerinin aslında hemen köşede olduğunu tahmin edebiliriz. Yapay zekanın gerçekleştirilmesiyle ilgili çok sayıda sorun ve AI'nın çeşitli hayaletleriyle ilgili etik bilmeceler olmasına rağmen, ilerleme yaşanıyor ve beraberinde birçok olumlu özellik getirecek. İş dünyasında, bireysel kullanıcılar için tasarlanmış stratejileri mümkün kılacak ve onların memnuniyetini ve kuruluş için kâr üretimini artıracaktır. Tıpta, sürdürülebilir ekonomilerde, yoksulluğun azaltılmasında ve eğitimde daha da geniş kapsamlı sonuçları olacaktır. Sadece ilerlemenin her zaman özgecil amaçlarına hizmet edeceğini ummalıyız.