Η συντομογραφία της τεχνητής νοημοσύνης είναι AI. Είναι μια τεχνολογική επιστήμη του τελευταίου μοντέλου που ερευνά και εκμεταλλεύεται μεθόδους, τεχνολογίες, θεωρίες, και εφαρμογή συστήματα για μίμηση, που επεκτείνεται, και την επέκταση της ανθρώπινης νοημοσύνης.
1. Τι είναι η τεχνητή νοημοσύνη?
Ως μέρος της επιστήμης των υπολογιστών, Η τεχνητή νοημοσύνη προσπαθεί να κατανοήσει τη φύση της νοημοσύνης για να δημιουργήσει ένα είδος ευφυούς μηχανής νεότερου μοντέλου. Τέτοιες ευφυείς μηχανές μπορούν να αντιδράσουν παρόμοια με την ανθρώπινη νοημοσύνη. Αναγνώριση γλώσσας, ρομποτική, φυσική γλώσσα, αναγνώριση εικόνας, και τα έμπειρα συστήματα είναι όλα σημαντική έρευνα στον τομέα της τεχνητής νοημοσύνης.
Από την εποχή της τεχνολογίας τεχνητής νοημοσύνης, η τεχνολογία και η θεωρία του είναι όλο και πιο τέλεια, και η εφαρμογή του πεδίου διευρύνεται συνεχώς. Είναι εύκολο να φανταστεί κανείς ότι οι μελλοντικές τεχνολογίες που εφαρμόζει η τεχνητή νοημοσύνη θα χρησιμεύουν ως υποδοχέας της ανθρώπινης νοημοσύνης. Η τεχνητή νοημοσύνη μπορεί να μιμηθεί την πορεία πληροφοριών της ανθρώπινης νοημοσύνης και γνώσης. Το AI μπορεί τελικά να ξεπεράσει την ανθρώπινη νοημοσύνη επειδή μπορεί να σκέφτεται σαν άνθρωπος, αν και δεν είναι ανθρώπινη νοημοσύνη.
2. Πώς λειτουργεί η τεχνητή νοημοσύνη?
Η αρχή του τεχνητή νοημοσύνη μπορεί απλά να περιγραφεί ως τεχνητή νοημοσύνη που ισούται με μαθηματικούς υπολογισμούς.
Οι «αλγόριθμοι» καθορίζουν πόσο έξυπνο είναι ένα μηχάνημα. Αρχικά, ανακαλύφθηκε ότι τα 1 και τα 0 μπορούσαν να αναπαρασταθούν με την ενεργοποίηση και απενεργοποίηση των κυκλωμάτων. Τότε οργανώνονται πολλά κυκλώματα μαζί, και διαφορετικές ρυθμίσεις μπορούν να αντιπροσωπεύουν πολλά πράγματα, όπως τα χρώματα, σχήματα, και γράμματα. Σε συνδυασμό με στοιχεία λογικής (τρανζίστορ), το μοτίβο της «εισαγωγής (πατήστε το κουμπί διακόπτη) - υπολογισμός (ρεύμα μέσω της γραμμής) – έξοδος (το φως είναι αναμμένο)” σχηματίζεται.
Για να επιτύχουμε πιο σύνθετους υπολογιστές, έγινε τελικά, «ολοκληρωμένα κυκλώματα μεγάλης κλίμακας» – τσιπ.
Αφού η λογική του κυκλώματος είναι ένθετη στρώμα προς στρώμα και συσκευάζεται στρώμα προς στρώμα, Η μέθοδος αλλαγής της τρέχουσας κατάστασης γίνεται "γλώσσα προγραμματισμού". Αυτό κάνουν οι προγραμματιστές.
Ό,τι πει ο προγραμματιστής στον υπολογιστή να εκτελέσει, εκτελεί, και όλη η διαδικασία καθορίζεται από το πρόγραμμα.
Έτσι, για να εκτελέσει μια εργασία ένας υπολογιστής, ο προγραμματιστής πρέπει πρώτα να κατανοήσει πλήρως τη ροή της εργασίας.
3. Είναι η τεχνητή νοημοσύνη τεχνολογία λογισμικού?
Η τεχνητή νοημοσύνη δεν είναι μια αυτοκέφαλη τεχνολογία. Λαμβάνοντας ως παράδειγμα ένα έξυπνο ρομπότ, πρέπει να περιλαμβάνει ευφυείς τεχνολογίες, όπως η αναγνώριση, κρίση, Γλώσσα, και το περπάτημα. Η τεχνητή νοημοσύνη συνδέεται στενά με τη ζωή και διάφορους τομείς.
Η συντομογραφία της τεχνητής νοημοσύνης είναι AI. Είναι μια τεχνολογική επιστήμη του τελευταίου μοντέλου που ερευνά και εκμεταλλεύεται μεθόδους, τεχνολογίες, θεωρίες, και συστήματα εφαρμογής για μίμηση, που επεκτείνεται, και την επέκταση της ανθρώπινης νοημοσύνης.
Ως κλάδος της πληροφορικής, σκοπεύει να δημιουργήσει έξυπνες μηχανές που μπορούν να ανταποκριθούν με παρόμοιο τρόπο στην ανθρώπινη νοημοσύνη μέσω της φύσης της γνωστικής νοημοσύνης. Αναγνώριση γλώσσας, ρομποτική, φυσική γλώσσα, αναγνώριση εικόνας, και τα έμπειρα συστήματα είναι όλα σημαντική έρευνα στον τομέα της τεχνητής νοημοσύνης.
Από την εποχή της τεχνολογίας τεχνητής νοημοσύνης, η τεχνολογία και η θεωρία του είναι όλο και πιο τέλεια, και η εφαρμογή του πεδίου διευρύνεται συνεχώς. Είναι εύκολο να φανταστεί κανείς ότι οι μελλοντικές τεχνολογίες που εφαρμόζει η τεχνητή νοημοσύνη θα χρησιμεύουν ως υποδοχέας της ανθρώπινης νοημοσύνης. Η τεχνητή νοημοσύνη μπορεί να μιμηθεί την πορεία πληροφοριών της ανθρώπινης νοημοσύνης και γνώσης. Το AI μπορεί τελικά να ξεπεράσει την ανθρώπινη νοημοσύνη επειδή μπορεί να σκέφτεται σαν άνθρωπος, αν και δεν είναι ανθρώπινη νοημοσύνη.
4. Από ποιες τεχνολογίες αποτελείται η τεχνητή νοημοσύνη;
Η τεχνητή νοημοσύνη έχει τις ακόλουθες πέντε βασικές τεχνολογίες:
Computer Vision: Αυτή η τεχνολογία χρησιμοποιεί ακολουθίες για να χωρίσει τις εργασίες ανάλυσης εικόνας σε διαχειρίσιμα κομμάτια. Αυτές οι ακολουθίες αποτελούνται από τεχνικές όπως η μηχανική εκμάθηση και οι λειτουργίες επεξεργασίας εικόνας.
Μηχανική μάθηση: Η μηχανική μάθηση αναφέρεται στην αυτόματη ανακάλυψη προτύπων από δεδομένα. Τα μοτίβα μπορούν να προβλεφθούν αρκεί να βρεθούν. Ο ρυθμός πρόβλεψης αυτού του μοντέλου είναι ανάλογος με τον όγκο των δεδομένων που υποβάλλονται σε επεξεργασία.
Επεξεργασία Φυσικής Γλώσσας: Οι υπολογιστές έχουν την ίδια ικανότητα με τους ανθρώπους να επεξεργάζονται κείμενο. Αυτή είναι η φυσική επεξεργασία της γλώσσας. Αυτόματος πίνακας των όρων της σύμβασης, και ίσως αυτόματη αναγνώριση των σχετικών ανθρώπων, μέρη, και τα λοιπά. στο κείμενο είναι παραδείγματα επεξεργασίας φυσικής γλώσσας.
Ρομποτική: Τα τελευταία χρόνια, Οι βασικές τεχνολογίες, όπως οι αλγόριθμοι, γίνονται όλο και πιο τέλειοι, και σημαντικές ανακαλύψεις έχουν γίνει στη ρομποτική. Για παράδειγμα, ιατρικά ρομπότ, οικογενειακά ρομπότ, και τα μη επανδρωμένα ρομπότ είναι όλες σημαντικές εφαρμογές της τεχνολογίας της ρομποτικής.
Βιομετρία: Η βιομετρία ξεκίνησε ως εγκληματολογική τεχνολογία. Η βιομετρική συνδυάζει την ακουστική, χρήση υπολογιστή, και βιοστατιστική για τη χρήση ανθρώπινων χαρακτηριστικών όπως το πρόσωπο, δακτυλικά αποτυπώματα, φωνή, φλέβες, και τα λοιπά., για προσωπική ταυτοποίηση.
5. Τύποι AI
Υπάρχουν 3 τύπους: 1. Αδύναμη τεχνητή νοημοσύνη; 2. Ισχυρό AI; 3. Super AI.
• Αδύναμη AI: Αντικατάσταση των ανθρώπων σε έναν και μόνο τομέα εργασίας.
• Ισχυρή τεχνητή νοημοσύνη: Μπορεί να αντικαταστήσει τον μέσο άνθρωπο για να ολοκληρώσει το μεγαλύτερο μέρος της δουλειάς στη ζωή. Αυτό προσπαθούν να επιτύχουν όλες οι επιχειρήσεις τεχνητής νοημοσύνης.
• Σούπερ τεχνητή νοημοσύνη: Βασισμένο σε ισχυρή τεχνητή νοημοσύνη, μαθαίνει σαν άνθρωπος, και εκτελεί πολλαπλές αναβαθμίσεις και επαναλήψεις κάθε μέρα. Και το επίπεδο νοημοσύνης θα ξεπεράσει εντελώς αυτό των ανθρώπινων όντων.
6. Ποια είναι τα πλεονεκτήματα και τα οφέλη της τεχνητής νοημοσύνης;
Πλεονέκτημα:
• Όσον αφορά την παραγωγή, η ανθρώπινη εργασία θα ανακουφιστεί, και τα ρομπότ χαμηλού κόστους και υψηλής απόδοσης και η τεχνητή νοημοσύνη μπορούν να αντικαταστήσουν διάφορες ανθρώπινες ικανότητες.
• Μπορεί να βελτιώσει τα περιβαλλοντικά προβλήματα σε κάποιο βαθμό, επειδή λιγότεροι πόροι μπορούν να καλύψουν μεγαλύτερη ζήτηση από ό,τι πριν.
• Η τεχνητή νοημοσύνη μπορεί να διευρύνει τους ορίζοντες του ανθρώπου για να κατανοήσει τον κόσμο και να βελτιώσει την ικανότητα του ανθρώπου να προσαρμοστεί στον κόσμο.
Ελλειψη:
• Η τεχνητή νοημοσύνη αντικαθιστά τους ανθρώπους να κάνουν διάφορα πράγματα, το ποσοστό ανεργίας των ανθρώπων θα αυξηθεί σημαντικά, και τα ανθρώπινα όντα θα είναι σε κατάσταση αβοήθητου να επιβιώσουν.
• Εάν η τεχνητή νοημοσύνη δεν μπορεί να χρησιμοποιηθεί εύλογα, μπορεί να χρησιμοποιηθεί από κακούς ανθρώπους για να διαπράξουν εγκλήματα, τότε τα ανθρώπινα όντα θα πέσουν σε πανικό.
• Εάν δεν μπορούμε να ελέγξουμε και να χρησιμοποιήσουμε καλά την τεχνητή νοημοσύνη, θα ελεγχόμαστε και θα χρησιμοποιούνται από την AI, τότε οι άνθρωποι θα πεθάνουν και ο κόσμος θα γίνει πανικός.
7. Προκλήσεις για την τεχνητή νοημοσύνη
AI algorithm bias
Η ποιότητα των δεδομένων καθορίζει την ποιότητα της τεχνητής νοημοσύνης επειδή τα ευφυή συστήματα λειτουργούν με συγκεκριμένα δεδομένα. Καθώς εξερευνούμε τα βάθη της τεχνητής νοημοσύνης, οι αναπόφευκτες προκαταλήψεις που συνοδεύουν τα δεδομένα γίνονται εμφανείς. Η προκατάληψη μπορεί να νοηθεί ως εθνοτική, κοινότητα, γένος, ή φυλετική προκατάληψη. Για παράδειγμα, Οι αλγόριθμοι σήμερα προσδιορίζουν υποψηφίους που είναι κατάλληλοι υποψήφιοι για συνέντευξη εργασίας ή άτομα που πληρούν τις προϋποθέσεις για δάνειο. Εάν οι αλγόριθμοι που παίρνουν τόσο σημαντικές αποφάσεις γίνονται μεροληπτικοί με την πάροδο του χρόνου, θα μπορούσε να έχει τρομερό, άδικος, και ανήθικες συνέπειες.
Πρόβλημα μαύρου κουτιού
Οι αλγόριθμοι τεχνητής νοημοσύνης είναι ίδιοι με τα μαύρα κουτιά. Γνωρίζουμε πολύ λίγα για την εσωτερική λειτουργία των αλγορίθμων τεχνητής νοημοσύνης. Για παράδειγμα, ξέρουμε τι προβλέπει το σύστημα πρόβλεψης, αλλά δεν ξέρουμε πώς το σύστημα έφτασε σε αυτές τις προβλέψεις. Αυτό κάνει το σύστημα AI λίγο αναξιόπιστο.
Αναπτύσσονται ορισμένες τεχνικές για την επίλυση προβλημάτων μαύρου κουτιού, όπως το LIME (Τοπικό ερμηνευτικό μοντέλο αγνωστικής ερμηνείας). Το LIME κάνει τις προβλέψεις ερμηνεύσιμες, προσθέτει πρόσθετες πληροφορίες στην τελική πρόβλεψη κάθε αλγόριθμου, καθιστώντας τον αλγόριθμο αξιόπιστο.
Απαιτήσεις αλγορίθμου υψηλής απόδοσης
Τα μοντέλα τεχνητής νοημοσύνης απαιτούν τεράστια υπολογιστική ικανότητα για εξάσκηση. Με τους αλγόριθμους μάθησης να γίνονται όλο και πιο διαδεδομένοι, Είναι σημαντικό να διασφαλιστεί ότι τέτοιοι αλγόριθμοι λειτουργούν αποτελεσματικά, που απαιτούν πρόσθετες ρυθμίσεις GPU και πυρήνων. Αυτοί είναι οι λόγοι για τους οποίους τα συστήματα AI δεν αναπτύσσονται σε τομείς όπως η αστρονομία, όπου το AI μπορεί να χρησιμοποιηθεί για την παρακολούθηση αστεροειδών.
Εξελιγμένη ενσωμάτωση AI
Η προσθήκη πρόσθετων σε έναν ιστότοπο ή η τροποποίηση του Excel είναι ευκολότερη από την ενσωμάτωση της τεχνητής νοημοσύνης με την υπάρχουσα εταιρική υποδομή. Είναι ιδιαίτερα σημαντικό η ενσωμάτωση τεχνητής νοημοσύνης να μην επηρεάζει αρνητικά την τρέχουσα παραγωγή και να διασφαλίζει ότι η τεχνητή νοημοσύνη είναι συμβατή με τις τρέχουσες απαιτήσεις του προγράμματος. Επιπλέον, για την απλοποίηση της διαχείρισης της υποδομής τεχνητής νοημοσύνης, είναι σημαντικό να δημιουργήσετε μια διεπαφή AI. Κατοπιν τουτου, μπορεί να είναι λίγο δύσκολο για τα εμπλεκόμενα μέρη να κάνουν μια απρόσκοπτη μετάβαση στην τεχνητή νοημοσύνη.
Έλλειψη κατανόησης των στρατηγικών υλοποίησης
Ενώ η τεχνητή νοημοσύνη είναι έτοιμη να επηρεάσει τις βιομηχανίες, μια σημαντική πρόκληση για την τεχνητή νοημοσύνη είναι ότι έχει μόνο μια αόριστη κατανόηση των στρατηγικών υλοποίησης. Για να διασφαλιστεί ότι οι διαδικασίες μπορούν να βελτιώνονται συνεχώς, Οι εταιρείες μπορούν να επιλέξουν στόχους που συνάδουν με την πραγματική ανάπτυξη σε τομείς που επωφελούνται από την τεχνητή νοημοσύνη, και μετάδοση ανατροφοδότησης στο σύστημα τεχνητής νοημοσύνης.
Νομικά ζητήματα
Οι οργανισμοί πρέπει να είναι επιφυλακτικοί για νομικά ζητήματα με την τεχνητή νοημοσύνη. Ένα σύστημα AI που συλλέγει ευαίσθητα δεδομένα, είτε είναι ακίνδυνο είτε όχι, έχει τη δυνατότητα να παραβιάσει το νόμο. Οι οργανισμοί θα πρέπει να εξετάσουν τον αρνητικό αντίκτυπο της χρήσης τεχνητής νοημοσύνης για τη συλλογή δεδομένων, παρόλο που είναι νόμιμο.
8. Τι είναι η τεχνητή νοημοσύνη με παράδειγμα?
Αυτοοδηγούμενο αυτοκίνητο
Προχωρούν και εργάζονται με πολλά δεδομένα για να μάθουν πώς να αντιμετωπίζουν τα μοτίβα κυκλοφορίας και να λαμβάνουν αποφάσεις τη δεδομένη στιγμή.
Αυτά τα αυτόνομα οχήματα δεν απαιτούν από τους επιβάτες να παίρνουν τον έλεγχο ανά πάσα στιγμή, και χρησιμοποιήστε μηχανές και τεχνητή νοημοσύνη για να μάθετε να κινείτε.
Έξυπνος βοηθός
Ας ξεκινήσουμε με τον πανταχού παρόν έξυπνο ψηφιακό βοηθό. Στην εποχή μας, συζητάμε για την Cortana, Βοηθός Google, και Siri.
Τεχνολογία ανίχνευσης και αναγνώρισης προσώπου
Ξεκλείδωμα του Face ID του iPhone, που χρησιμοποιεί τεχνολογία αναγνώρισης προσώπου, και το εικονικό φίλτρο Snapchat, που χρησιμοποιεί τεχνολογία ανίχνευσης προσώπου για την αναγνώριση προσώπων, είναι και τα δύο παραδείγματα εφαρμογών τεχνητής νοημοσύνης σήμερα.
Επεξεργαστής κειμένου
Σήμερα, πολλοί επεξεργαστές κειμένου βασίζονται στην τεχνητή νοημοσύνη για να δημιουργήσουν μια βέλτιστη εμπειρία γραφής.
Για παράδειγμα, ο αλγόριθμος NLP αναγνωρίζει τη λανθασμένη χρήση σύνταξης και τη στέλνει σε ένα πρόγραμμα επεξεργασίας κειμένου για διόρθωση. Επιπλέον, για αυτόματη διόρθωση, Ορισμένα εργαλεία γραφής προσφέρουν αξιολογήσεις αναγνωσιμότητας και λογοκλοπής.
Μεσα ΚΟΙΝΩΝΙΚΗΣ ΔΙΚΤΥΩΣΗΣ
Τώρα αμέσως, μέσα κοινωνικής δικτύωσης όπως το Instagram και το Facebook λειτουργούν με τεχνητή νοημοσύνη. Αυτές οι πλατφόρμες πολυμέσων χρησιμοποιούν τεχνητή νοημοσύνη για να ελέγξουν και να προσδιορίσουν τις προτιμήσεις των χρηστών και να παρέχουν περιεχόμενο με βάση τις προτιμήσεις τους για να διατηρούν τους χρήστες ενεργούς.
Chatbot
Η λήψη ερωτήσεων απευθείας από εκπροσώπους πελατών μπορεί να είναι χρονοβόρα. Γι' αυτό εμφανίζεται η τεχνητή νοημοσύνη.
Οι επιστήμονες υπολογιστών εκπαιδεύουν chatbots, ή chatbots, να χρησιμοποιήσει επεξεργασία φυσικής γλώσσας για να μιμηθεί το στυλ συνομιλίας των εκπροσώπων πελατών.
Αλγόριθμος σύστασης
Πλατφόρμες πολυμέσων όπως το YouTube και το Netflix λειτουργούν με τη βοήθεια έξυπνων συστημάτων συστάσεων στο AI.
Το σύστημα χρησιμοποιεί αρχικά διάφορους τρόπους για να λάβει τα χόμπι των χρηστών και τη συμπεριφορά των δεδομένων. Στη συνέχεια, το σύστημα προβλέπει τις προτιμήσεις αυτών των χρηστών μέσω αλγορίθμων βαθιάς ανάλυσης και μηχανικής μάθησης.
Αλγόριθμος αναζήτησης
Ο αλγόριθμος αναζήτησης διασφαλίζει ότι τα κορυφαία αποτελέσματα στη σελίδα αποτελεσμάτων μηχανών αναζήτησης (SERP) έχετε μια απάντηση στο ερώτημά μας. Πώς όμως συμβαίνει αυτό?
Οι εταιρείες αναζήτησης ελέγχουν αλγόριθμους για τον εντοπισμό υψηλής ποιότητας, έγκυρα δεδομένα. Στη συνέχεια, παρουσιάζει μια λίστα αποτελεσμάτων εύρεσης για να δείξει τις απαντήσεις και να προσφέρει την καλύτερη εμπειρία στον χρήστη.
9. Λύσεις AI
Γενικά μιλώντας, λύσεις τεχνητής νοημοσύνης (Τεχνητή νοημοσύνη, αναφέρεται ως τεχνητή νοημοσύνη) είναι η νοημοσύνη που εκφράζεται από μηχανές τεχνητής νοημοσύνης, και το θέμα της τεχνητής νοημοσύνης μπορεί να θεωρηθεί ως η σκοπιμότητα, θεωρία, μέθοδος, τεχνολογία, σύστημα εφαρμογής, και σύστημα εφαρμογής έρευνας και ανάπτυξης νοημοσύνης. Η ηθική είναι ένας ανερχόμενος κλάδος της επιστήμης και της μηχανικής. Σε αυτό το σημείο, ο πυρήνας βρίσκεται στην «ευφυΐα», γιατί η μόνη προηγμένη νοημοσύνη που γνωρίζουν οι άνθρωποι είναι τα ίδια τα ανθρώπινα όντα. Επομένως, Η τεχνητή νοημοσύνη προσπαθεί να δημιουργήσει ένα μηχανικό σύστημα που «σκέφτεται ή ενεργεί σαν άνθρωπος» διερευνώντας τη φύση της ανθρώπινης νοημοσύνης. Το πρώτο λύνει προβλήματα όπως η λογική, αιτιολογία, και αναζήτηση βέλτιστων λύσεων, ενώ το τελευταίο επιτυγχάνεται μέσω της μάθησης, γνωστική λειτουργία, αιτιολογία, λήψη αποφάσης, και άλλες ενέργειες.
Δεν υπάρχει γενικά αποδεκτή συναίνεση σχετικά με τον ακριβή ορισμό των λύσεων τεχνητής νοημοσύνης, από το οποίο μπορούν επίσης να φανούν τα σκηνικά χαρακτηριστικά των πρώτων σταδίων ανάπτυξης της τεχνητής νοημοσύνης. Πρωτα απο ολα, γενικά, η θεωρητική κατασκευή της τεχνητής νοημοσύνης είναι ακόμα πολύ ανώριμη, διερευνώνται επίσης τεχνολογικές ανακαλύψεις. Αυτό συμβαίνει επειδή οι άνθρωποι έχουν ελάχιστη κατανόηση του μηχανισμού και των στοιχείων της λειτουργίας της ίδιας της νοημοσύνης; δεύτερος, Οι τεχνολογικές εφαρμογές προηγούνται της εννοιολογικής θεωρίας. Υπάρχουν ορισμένα εμπόδια σε διαφορετικές κατευθύνσεις και υποπεδία, και η κύρια τεχνική διαδρομή της τεχνητής νοημοσύνης δεν είναι ορατή προς το παρόν, επειδή ο μηχανισμός λειτουργίας και τα συστατικά στοιχεία της ίδιας της τεχνητής νοημοσύνης προηγούνται της εννοιολογικής θεωρίας.
Η τεχνητή νοημοσύνη θα δώσει μια ισχυρή ώθηση για την καινοτόμο ανάπτυξη της ψηφιακής οικονομίας. Σε επίπεδο παραγωγής περιεχομένου, Οι τεχνολογίες τεχνητής νοημοσύνης όπως τα μοντέλα μηχανικής μάθησης και η παραγωγική τεχνητή νοημοσύνη θα έχουν αντίκτυπο στην παραγωγή περιεχομένου. Διάφορο ψηφιακό περιεχόμενο όπως κείμενο, εικόνες, ήχου, βίντεο, και οι εικονικές σκηνές μπορούν να δημιουργηθούν ανεξάρτητα, που θα προωθήσει την παραγωγή ψηφιακού περιεχομένου. Με την ακμάζουσα ανάπτυξη της σεξουαλικής τεχνητής νοημοσύνης, δημιουργούνται νέες μορφές αλληλεπίδρασης και παραγωγής ψηφιακού περιεχομένου. Επιπλέον, η παραγωγική τεχνητή νοημοσύνη και ο αντίκτυπος της παραγωγής περιεχομένου που φέρνει η τεχνητή νοημοσύνη θα καταστήσουν επίσης τις μελλοντικές εφαρμογές του Διαδικτύου όπως το VR/AR και το Metaverse επιθυμητή πραγματικότητα.
10. Τα ψηφιακά avatar και η γενετική τεχνητή νοημοσύνη είναι μια αυξανόμενη τάση
Δύο τάσεις στην τεχνητή νοημοσύνη συνδέονται στενά με την ανάπτυξη της ψηφιακής οικονομίας και του Διαδικτύου.
Μια κατεύθυνση είναι η γενετική τεχνητή νοημοσύνη. Αυτή η τεχνολογία οδηγεί το δρόμο για το μέλλον της τεχνητής νοημοσύνης. Μία από τις πέντε πιο εντυπωσιακές τεχνολογίες στον κόσμο 2022 είναι γενεσιουργός AI, σύμφωνα με την Gartner. Η τεχνολογία προβλέπει ότι η γενετική τεχνητή νοημοσύνη θα δημιουργήσει το ένα δέκατο όλων των δεδομένων που παράγονται από 2025.
Οι αλγόριθμοι μηχανικής μάθησης και η τεχνητή νοημοσύνη χρησιμοποιούν δεδομένα εκπαίδευσης για τη δημιουργία νέων εικόνων, Βίντεο, κείμενο, και ούτω καθεξής. Αυτό είναι παραγωγικό AI. Το Generative AI δημιουργεί νέες ομοιότητες μαθαίνοντας και εξάγοντας δεδομένα από εγγενή μοτίβα. Στο παρόν, Η γενετική τεχνητή νοημοσύνη μπορεί να δημιουργήσει δημιουργικό περιεχόμενο υψηλής ποιότητας χωρίς σχεδόν καμία ανθρώπινη συμμετοχή, πραγματοποίηση μεταμόρφωσης στυλ εικόνας, κείμενο σε εικόνα, εικόνα στο emoticon, επισκευή εικόνας ή βίντεο, σύνθεση ρεαλιστικού ανθρώπινου λόγου, δημιουργία ανθρώπινων προσώπων ή άλλων οπτικών αντικειμένων, δημιουργήστε ένα τρισδιάστατο εικονικό περιβάλλον, και τα λοιπά. Οι άνθρωποι χρειάζεται μόνο να στήσουν το σκηνικό, και η γεννήτρια τεχνητή νοημοσύνη θα παράγει τα επιθυμητά αποτελέσματα αυτόνομα, οι οποίες όχι μόνο θα επιφέρουν αλλαγές στην παραγωγή περιεχομένου μηδενικού οριακού κόστους, αλλά και θα αποφύγουν την προκατάληψη από την ανθρώπινη σκέψη και εμπειρία.
Η δεύτερη κατεύθυνση ανάπτυξης είναι ο ψηφιακός εικονικός άνθρωπος. Ένας ψηφιακός ανθρωποειδής χαρακτήρας που δημιουργήθηκε από λογισμικό τρισδιάστατης εικόνας υπολογιστή είναι ένα ψηφιακό avatar. Σε σύγκριση με τους εικονικούς χαρακτήρες όπως το «Avatar» στα προηγούμενα ειδικά εφέ του κινηματογράφου και της τηλεόρασης, σε συνδυασμό με τεχνολογίες όπως η σύνθεση AI και η καταγραφή κίνησης σε πραγματικό χρόνο, ο εικονικός άνθρωπος μπορεί να αλληλεπιδράσει με τους χρήστες με πιο έξυπνο και σε πραγματικό χρόνο τρόπο όσον αφορά τη γλώσσα, εκφράσεις, και δράσεις. Οι εικονικοί άνθρωποι σταδιακά γίνονται υβριδικές κινηματικές, AI και VR, γραφικά υπολογιστή, και διεπιστημονική συνοριακή διασταύρωση. Επίσης, μετακινείται από την διαδικτυακή κουλτούρα και την ψυχαγωγία σε εκτός σύνδεσης.
Η πρώτη τάση της εικονικής ανθρώπινης εξέλιξης είναι η ενσωμάτωση σε συστήματα συνομιλίας AI, μετατρέποντας τα chatbots όπως οι παραδοσιακοί εικονικοί βοηθοί σε προσιτή, δεν είναι πλέον αφηρημένη ανθρώπινη εικόνα, και ενίσχυση της συναισθηματικής ανταλλαγής στη διαδικασία της επικοινωνίας με τους ανθρώπους. Η δεύτερη πτυχή είναι η μεγαλύτερη ποικιλία και απλότητα των εργαλείων. Οι χρήστες μπορούν να χρησιμοποιήσουν 30 λεπτά για να δημιουργήσετε μια μοναδική εικόνα, στο σύστημα σύμφωνα με τη βασική εικόνα θα τροποποιηθούν οι παράμετροι.
11. Η ιστορία της τεχνητής νοημοσύνης
Στάδιο κύησης
Το στάδιο αυτό αναφέρεται κυρίως πριν από το 1956. Από τα αρχαία χρόνια, ο άνθρωπος ήθελε να αντικαταστήσει λίγη από τη διανοητική του εργασία με άλλες μηχανές, που θα του παρείχε την ικανότητα να κατακτήσει τη φύση. Μεταξύ 384 π.Χ. και 322 προ ΧΡΙΣΤΟΥ, ο μεγάλος φιλόσοφος Αριστοτέλης διατύπωσε τους νόμους της τυπικής λογικής στο βιβλίο του The Theory of Instruments, από την οποία διαμορφώθηκε η βασική βάση για τον απαγωγικό συλλογισμό. Πρόκειται για ένα σημαντικό ερευνητικό επίτευγμα που έχει σημαντικό αντίκτυπο στη δημιουργία και ανάπτυξη της τεχνητής νοημοσύνης. Ο Βρετανός φιλόσοφος Μπέικον (φά. Μπέικον) προβάλλει συστηματικά τη μέθοδο της επαγωγής, και επίσης πρότεινε το επίγραμμα ότι «η γνώση είναι δύναμη». Αυτό είχε σημαντικές επιπτώσεις για τη μελέτη των διαδικασιών της ανθρώπινης σκέψης και τη στροφή προς τη γνώση στο επίκεντρο της έρευνας στην τεχνητή νοημοσύνη από τη δεκαετία του 1970.
Ο Γερμανός μαθηματικός και φιλόσοφος G. W. Ο Leibniz πρότεινε την ιδέα της καθολικής σημειογραφίας και του συμπερασματικού υπολογισμού, και πίστευε ότι θα μπορούσε να δημιουργηθεί μια καθολική συμβολική γλώσσα και λογισμός για τη συλλογιστική αυτής της συμβολικής γλώσσας. Αυτή η σκέψη δεν είναι μόνο το έναυσμα της σύγχρονης σκέψης σχεδιασμού μηχανικής σκέψης αλλά και το βασικό σημείο της δημιουργίας και ανάπτυξης της μαθηματικής λογικής.
Ο Βρετανός λογικός C. Ο Boole αφοσιώθηκε στην επισημοποίηση και μηχανοποίηση των νόμων της σκέψης και δημιούργησε την άλγεβρα Boole. Στο βιβλίο του «Law of Thinking», χρησιμοποίησε για πρώτη φορά συμβολική γλώσσα για να περιγράψει τους βασικούς συλλογιστικούς νόμους των δραστηριοτήτων σκέψης.
Σε 1936, ο Βρετανός μαθηματικός A.M. Ο Τούρινγκ πρότεινε τη Μηχανή Τούρινγκ, ένα ικανοποιητικό μαθηματικό μοντέλο υπολογιστή. Με αυτό, ο ηλεκτρονικός ψηφιακός υπολογιστής εμφανίστηκε στα μάτια του κόσμου.
Στάδιο σχηματισμού
Αυτό το στάδιο αναφέρεται κυρίως σε 1956-1969. Το καλοκαίρι του 1956, J. ΜακΚάρθι, νεαρός βοηθός μαθηματικών στο Πανεπιστήμιο Dartmouth και τώρα καθηγητής στο Πανεπιστήμιο του Στάνφορντ, και Μ. μεγάλο. Μίνσκι, νεαρός μαθηματικός και νευροεπιστήμονας στο Πανεπιστήμιο του Χάρβαρντ και καθηγητής στο MIT, IBM N. Ρότσεστερ, επικεφαλής του Κέντρου Ερευνών Εταιρικής Πληροφορίας, και Γ. μι. Σάνον, μαθηματικός ερευνητής στο τμήμα πληροφοριών Bell Labs, ξεκίνησε από κοινού την πρωτοβουλία, προσκαλώντας τον Τ. Μουρ του Πανεπιστημίου Πρίνστον, Ο. Selfridge και Α. μεγάλο. Νιούελ της RAND Corporation, και ένα. μεγάλο. Newell της RAND Corporation και του Carnegie Mellon University Newell), Σάιμον (H. ΕΝΑ. Σάιμον, και τα λοιπά.) πραγματοποίησε ένα δίμηνο ακαδημαϊκό σεμινάριο στο Πανεπιστήμιο Dartmouth στις Ηνωμένες Πολιτείες για να συζητήσει το θέμα της νοημοσύνης μηχανών. Ο ΜακΚάρθι αποκαλείται ο πατέρας της τεχνητής νοημοσύνης επειδή πρότεινε την επίσημη υιοθέτηση του τεχνικού όρου «τεχνητή νοημοσύνη» στο συνέδριο.. Το συνέδριο σηματοδότησε την πραγματική εμφάνιση της τεχνητής νοημοσύνης ως αναδυόμενου κλάδου. Είναι ιστορικής σημασίας.
Από τότε, αρκετοί ερευνητικοί οργανισμοί τεχνητής νοημοσύνης έχουν δημιουργηθεί στις Ηνωμένες Πολιτείες, όπως η ομάδα συνεργασίας Newell και Simon’s Carnegie-RAND, Minsky and McCarthy's MIT Research Group, και του Samuel's IBM Engineering Research Group.
Στάδια ανάπτυξης
Αυτό το στάδιο αναφέρεται κυρίως στο μετά 1970. Στη δεκαετία του 1970, Πολλές χώρες διεξήγαγαν έρευνα για την τεχνητή νοημοσύνη, και προέκυψε μεγάλος αριθμός ερευνητικών αποτελεσμάτων. Για παράδειγμα, σε 1972, ΕΝΑ. Ο Comerauer του Πανεπιστημίου της Μασσαλίας στη Γαλλία υλοποίησε τη λογική γλώσσα προγραμματισμού PROLOG; μι. H. Ο Shorliffe του Πανεπιστημίου Στάνφορντ και άλλοι άρχισαν να προτείνουν το αμερικανικό εξειδικευμένο σύστημα MYCIN για διάγνωση και θεραπεία σε 1972.
Ωστόσο, όπως η ανάπτυξη άλλων αναδυόμενων κλάδων, η πορεία ανάπτυξης της τεχνητής νοημοσύνης δεν είναι ομαλή. Το Ηνωμένο Βασίλειο και οι Ηνωμένες Πολιτείες διέκοψαν τη χρηματοδότηση για τα περισσότερα έργα μηχανικής μετάφρασης εκείνη την εποχή. Σε άλλες πτυχές, όπως η επίλυση προβλημάτων, νευρωνικά δίκτυα, μηχανική μάθηση, και τα λοιπά., έχουν αντιμετωπίσει και δυσκολίες, καθιστώντας για λίγο δίλημμα την έρευνα της τεχνητής νοημοσύνης.
Οι πρωτοπόροι της έρευνας της τεχνητής νοημοσύνης στοχάζονται προσεκτικά και συνοψίζουν την εμπειρία και τα διδάγματα της προηγούμενης έρευνας. Σε 1977, Ο Feigenbaum πρότεινε την έννοια της «μηχανικής γνώσης» στο πέμπτο Διεθνές Κοινό Συνέδριο για την Τεχνητή Νοημοσύνη, που έπαιξαν σημαντικό ρόλο στην έρευνα και την κατασκευή ευφυών συστημάτων βασισμένων στη γνώση. Οι περισσότεροι άνθρωποι αποδέχθηκαν την άποψη του Feigenbaum για την έρευνα τεχνητής νοημοσύνης στο κέντρο γνώσης. Από τότε, η έρευνα της τεχνητής νοημοσύνης έχει εγκαινιάσει μια νέα εποχή δυναμικής ανάπτυξης με επίκεντρο τη γνώση.
