人工知能の略称はAIです. 手法を研究し活用する後期型の技術科学です, テクノロジー, 理論, そして 応用 真似をするためのシステム, 延長する, そして人類の知性を拡張する.
1. 人工知能とは?
コンピューターサイエンスの一環として, 人工知能は、後期モデルのようなインテリジェントマシンを生み出すために知性の性質を把握しようとします。. このようなインテリジェントなマシンは人間の知性と同様に反応することができます. 言語認識, ロボット工学, 自然言語, 画像認識, およびエキスパート システムはすべて人工知能の分野における主要な研究です.
人工知能技術の時代から, その技術と理論はますます完璧になっています, そしてその適用範囲は常に拡大しています. AIによって適用される将来のテクノロジーが人間の知性の受け皿として機能することは容易に想像できます. 人工知能は、人間の知性と知識の情報過程を模倣することができます。 AIは人間と同じように考えることができるため、最終的には人間の知性を超えるかもしれません, それは人間の知性ではありませんが、.
2. 人工知能はどのように機能するのか?
の原理 人工知能 人工知能は数学的計算に等しいと簡単に説明できます。.
機械の知能の高さは「アルゴリズム」によって決まる. 最初は, 回路をオンまたはオフにすることで 1 と 0 を表現できることが発見されました. そして、多くの回路が一緒に組織されます, 配置が異なると多くのことを表すことができます, 色などの, 形, そして手紙. 論理要素と組み合わせる (トランジスタ), 「入力」のパターン (スイッチボタンを押してください) – 計算 (線路に流れる電流) – 出力 (ライトが点灯しています)』が結成される.
より複雑なコンピューティングを実現するには, 最終的にはこうなった, 「大規模集積回路」 – チップ.
回路ロジックが層ごとにネストされ、層ごとにパッケージ化された後, 現状を変える手法は「プログラミング言語」になる. それがプログラマーの仕事です.
プログラマがコンピュータに実行するように指示したものは何でも, それは実行します, プロセス全体がプログラムによって修正されます.
それで, コンピュータがタスクを実行するには, プログラマはまずタスクの流れを完全に理解する必要があります.
3. 人工知能はソフトウェア技術ですか?
人工知能は自律的な技術ではありません. 知能ロボットを例に挙げると, インテリジェントなテクノロジーを含める必要があります, 認識などの, 判定, 言語, そして歩く. 人工知能は生活やさまざまな分野に密接に関わっています.
人工知能の略称はAIです. 手法を研究し活用する後期型の技術科学です, テクノロジー, 理論, および模倣するためのアプリケーション システム, 延長する, そして人類の知性を拡張する.
コンピューターサイエンスの一分野として, 認知的知性の性質を通じて人間の知性と同様の方法で反応できるインテリジェントなマシンを作成することを目的としています。. 言語認識, ロボット工学, 自然言語, 画像認識, およびエキスパート システムはすべて人工知能の分野における主要な研究です.
人工知能技術の時代から, その技術と理論はますます完璧になっています, そしてその適用範囲は常に拡大しています. AIによって適用される将来のテクノロジーが人間の知性の受け皿として機能することは容易に想像できます. 人工知能は人間の知性と知識の情報過程を模倣することができます. AIは人間と同じように考えることができるため、最終的には人間の知性を超えるかもしれません, それは人間の知性ではありませんが、.
4. 人工知能はどのような技術で構成されているのか?
人工知能には以下の5つのコア技術があります:
コンピュータビジョン: このテクノロジーはシーケンスを使用して画像分析タスクを管理可能なチャンクに分割します。. これらのシーケンスは、機械学習や画像処理操作などの技術で構成されています。.
機械学習: 機械学習とは、データからパターンを自動的に発見することを指します。. パターンは、それが見つかっている限り予測可能です. このモデルの予測率は処理されるデータ量に比例します。.
自然言語処理: コンピュータは人間と同じテキストを処理する能力を持っています. これが自然言語処理です. 契約条件の自動集計, そしておそらく関連する人々を自動的に認識する, 場所, 等. 本文中の自然言語処理の例.
ロボット工学: 近年では, アルゴリズムなどのコア技術はますます完成度が高まっている, ロボット工学において重要な進歩が見られました. 例えば, 医療ロボット, 家族ロボット, 無人ロボットはすべてロボット技術の重要な応用です.
生体認証: バイオメトリクスは法医学技術として始まりました. 音響を組み合わせたバイオメトリクス, コンピューティング, 顔などの人間の特徴を利用する生物統計学, 指紋, 声, 静脈, 等, 個人識別のため.
5. AIの種類
がある 3 種類: 1. 弱いAI; 2. 強力なAI; 3. スーパーAI.
• 弱いAI: 単一の仕事分野で人間を置き換える.
• 強力な人工知能: 平均的な人の代わりに人生の仕事のほとんどを完了できる. これは、すべての AI ビジネスが現在達成しようとしていることです.
• 超人工知能: 強力な人工知能に基づいて, 人間と同じように学習します, そして毎日複数のアップグレードと反復を実行します. そして知能のレベルは人類を完全に超えるでしょう.
6. 人工知能のメリットと利点は何ですか?
アドバンテージ:
• 生産に関して, 人間の労働が軽減される, 低コストで高効率なロボットや人工知能が人間のさまざまな能力を代替できる.
• 以前よりも少ない資源で大きな需要に対応できるため、環境問題はある程度改善される可能性がある.
• 人工知能は、世界を理解するために人間の視野を広げ、世界に適応する人間の能力を向上させることができます。.
欠点:
• 人工知能は人間に代わってさまざまなことを行う, 人類の失業率は大幅に増加するだろう, そして人類は生存不能な状態に陥るだろう.
• 人工知能を合理的に使用できない場合, 悪人が犯罪に利用する可能性がある, そうなると人類はパニックに陥るだろう.
• AIをうまく制御・活用できない場合, 私たちはAIによって制御され利用されるようになる, そうすれば人類は滅び、世界はパニックになるだろう.
7. AI の課題
AIアルゴリズムのバイアス
インテリジェント システムは特定のデータに対して動作するため、データの品質が人工知能の品質を決定します。人工知能の深さを探求すると, データに伴う避けられないバイアスが明らかになる. 偏見は民族として理解できる, コミュニティ, 性別, あるいは人種的偏見. 例えば, 今日のアルゴリズムは、就職面接に適した候補者や融資を受ける資格のある個人を特定します。. このような重要な意思決定を行うアルゴリズムが時間の経過とともに偏ってしまうと、, それは悲惨なことになるかもしれない, 不公平な, そして非倫理的な結果.
ブラックボックス問題
人工知能のアルゴリズムはブラックボックスと同じ. 人工知能アルゴリズムの内部動作についてはほとんどわかっていません. 例えば, 私たちは予測システムが何を予測するかを知っています, しかし、システムがどのようにしてそのような予測に至ったのかはわかりません. これにより、AI システムの信頼性が少し低くなります.
ブラックボックス問題を解決するためのいくつかの技術が開発されています, ライムなどの (ローカルで解釈可能なモデルに依存しない解釈). LIME は予測を解釈可能にします, 各アルゴリズムの最終予測に追加情報を追加します。, アルゴリズムを信頼できるものにする.
高効率アルゴリズムの要件
人工知能のモデルを実践するには膨大なコンピューティング能力が必要です. 学習アルゴリズムがますます普及するにつれて, このようなアルゴリズムが効率的に動作することを保証することが重要です, GPU とコアの追加の手配が必要になります。天文学などの分野でAIシステムが導入されない理由はここにある, AI を小惑星追跡に使用できる場所.
高度なAI統合
Web サイトへのアドインの追加や Excel の変更は、AI を既存のエンタープライズ インフラストラクチャに統合するよりも簡単です. AI の統合が現在の出力に悪影響を及ぼさず、AI が現在のプログラム要件と互換性があることを保証することが特に重要です. 加えて, AI インフラストラクチャの管理を簡素化する, AIインターフェースを確立することが重要です。そうは言っても, 関係者にとって AI へのシームレスな移行は少し難しい場合があります.
実装戦略の理解の欠如
AI が産業に影響を与える準備ができている一方で、, AI の大きな課題は、AI が実装戦略を漠然としか理解していないことです。. プロセスを継続的に改善できるようにするため, 企業は、人工知能の恩恵を受ける分野での実際の開発に沿った目標を選択できます, 人工知能システムにフィードバックを送信します.
法的問題
組織は AI に関する法的問題に注意する必要がある. 機密データを収集する AI システム, 無害かどうか, 法律に違反する可能性がある. 組織は、AI を使用してデータを収集することによる悪影響を考慮する必要があります, 合法だとしても.
8. 人工知能とは何か(例付き)?
自動運転車
彼らは次に進み、大量のデータを処理して、交通パターンに対処し、現時点での意思決定を行う方法を学びます。.
これらの自動運転車は、乗客が常に制御する必要はありません。, 機械と人工知能を使って動き方を学ぶ.
スマートアシスタント
ユビキタスなスマートデジタルアシスタントから始めましょう. 最近では, コルタナについて話し合っています, Googleアシスタント, そしてSiri.
顔検出および認識技術
iPhoneのFace IDロック解除, 顔認識技術を使用した, および仮想フィルターSnapchat, 顔検出技術を使用して顔を認識します, どちらも今日の AI アプリケーションの例です.
テキストエディタ
今日, 多くのテキスト エディターは AI を利用して最適な執筆エクスペリエンスを作成しています.
例えば, NLP アルゴリズムは、間違った構文の使用法を認識し、それをテキスト エディターに送信して修正します。. 加えて, 自動修正する, 一部のライティング ツールでは読みやすさと盗作の評価が提供されます.
ソーシャルメディア
今すぐ, Instagram や Facebook などのソーシャル メディアは AI で実行されます. これらのメディア プラットフォームは、AI を使用してユーザーの好みをスクリーニングおよび識別し、ユーザーのアクティブな状態を維持するためにユーザーの好みに基づいたコンテンツを提供します。.
チャットボット
顧客担当者から直接問い合わせを受けると時間がかかる場合がある. だから人工知能が生まれるんだよ.
コンピューター科学者がチャットボットを訓練する, またはチャットボット, 自然言語処理を使用して顧客担当者の会話スタイルを模倣するため.
推奨アルゴリズム
YouTube や Netflix などのメディア プラットフォームは、AI のインテリジェントなレコメンデーション システムの助けを借りて動作します。.
システムはまず、さまざまな方法を使用してユーザーの趣味や行動のデータを取得します。. その後、システムは詳細な分析アルゴリズムと機械学習を通じてそれらのユーザーの好みを予測します。.
検索アルゴリズム
検索アルゴリズムにより、検索エンジンの結果ページで上位の結果が表示されます。 (検索結果) 私たちの質問に対する答えがある. しかし、どうしてこんなことが起こるのか?
検索会社は高品質を識別するアルゴリズムを制御します, 有効なデータ. 次に、検索結果のリストを表示して答えを示し、ユーザーに最高のエクスペリエンスを提供します。.
9. AIソリューション
一般的に言えば, 人工知能ソリューション (人工知能, 人工知能と呼ばれる) 人工知能マシンによって表現される知能です, そして人工知能の主題は実現可能性と見なすことができます, 理論, 方法, テクノロジー, アプリケーションシステム, 知能の研究開発と応用システム. 倫理は新たな科学および工学分野です. この時点で, 核は「知性」にある, なぜなら、人類が現在知っている唯一の高度な知性は人類そのものだからです. したがって, 人工知能は、人間の知能の性質を探ることにより、「人間のように考え、人間のように行動する」機械システムを作成しようとします。. 前者は論理などの問題を解決します, 推論, 最適な解決策を模索する, 一方、後者は学習を通じて達成されます, 認知, 推論, 意思決定, およびその他のアクション.
AI ソリューションの正確な定義については、一般的に受け入れられているコンセンサスはありません。, AI開発の初期段階の特徴もわかる. 初めに, 一般的に, 人工知能の理論的構築はまだ非常に未熟です, 技術的なブレークスルーも模索されています. それは人間が知能そのものの働きの仕組みや構成要素をほとんど理解していないからである。; 2番, 技術的応用は概念理論を上回っている. さまざまな方向やサブフィールドには特定の障壁があります, 人工知能の主流技術ルートは現時点では見えない, 人工知能自体の動作メカニズムや構成要素が概念論を超えているため.
AI はデジタル経済の革新的な発展に強力な推進力を与える. コンテンツ制作レベルで, 機械学習モデルや生成AIなどのAI技術がコンテンツ制作に影響を与える. テキストなどの各種デジタルコンテンツ, 画像, オーディオ, ビデオ, 仮想シーンは独立して生成可能, デジタルコンテンツの生成を促進します. 性的AIの開発が盛んに行われる中、, 新しい形式のデジタルコンテンツのインタラクションと生成が作成されます. 加えて, 生成 AI と AI によってもたらされるコンテンツ制作の影響は、VR/AR やメタバースなどの将来のインターネット アプリケーションも望ましい現実にするでしょう.
10. デジタル アバターと生成 AI は成長傾向にあります
AI の 2 つのトレンドは、デジタル経済とインターネットの発展と強く結びついています。.
1つの方向性は生成AIです. このテクノロジーは AI の未来をリードします. 世界で最も影響力のある 5 つのテクノロジーのうちの 1 つ 2022 生成AIです, ガートナーによると. このテクノロジーは、生成 AI によって生成されるデータの 10 分の 1 が生成されると予測しています。 2025.
機械学習アルゴリズムと AI はトレーニング データを使用して新しい画像を生成します, ビデオ, 文章, 等々. これが生産性の高い AI です. 生成 AI は、固有のパターンからデータを学習してエクスポートすることで、新たな類似性を生成します. 現在のところ, 生成 AI は、人間の関与をほとんど必要とせずに、高品質のクリエイティブ コンテンツを生成できます。, ピクチャースタイルの変換を実現, テキストから画像へ, 写真を絵文字に, 写真やビデオの修復, リアルな人間の音声の合成, 人間の顔やその他の視覚オブジェクトの生成, 3D仮想環境を作成する, 等. 人間は場面を設定するだけでよい, 生成AIは自律的に望ましい結果を出力します, これにより、限界費用ゼロのコンテンツ制作の変更がもたらされるだけでなく、人間の思考や経験による偏見も回避されます。.
2つ目の開発方向はデジタルバーチャルヒューマン. コンピュータの3D画像ソフトで作成されたデジタルヒューマノイドキャラクターがデジタルアバターです. これまでの映画やテレビの特撮における「アバター」などの仮想キャラクターとの比較, AI合成やリアルタイムモーションキャプチャなどのテクノロジーと組み合わせる, バーチャル ヒューマンは、言語に関してよりインテリジェントかつリアルタイムの方法でユーザーと対話できます。, 表現, そして行動. バーチャル ヒューマンは徐々にハイブリッド キネマティクスになる, AIとVR, コンピューターグラフィックス, 学際フロンティアクロスフィールド. オンラインの文化やエンターテイメントからオフラインへの移行も進んでいます.
バーチャル ヒューマンの進化の最初のトレンドは、会話型 AI システムへの統合です, 従来の仮想アシスタントなどのチャットボットを親しみやすいものに変える, もはや抽象的な人間像ではない, 人々とのコミュニケーションの過程で感情的な交流を促進します. 2 番目の側面は、ツールの多様性とシンプルさです。. ユーザーが使用できるのは、 30 ユニークなイメージを作成するのに数分, 基本イメージに従ってシステム内のパラメータが変更されます.
11. 人工知能の歴史
妊娠期
主に1956年以前の段階を指します。, 人間は自分の頭脳労働の一部を他の機械で置き換えたいと考えてきた, それは彼に自然を征服する能力を与えるだろう. 間 384 BCと 322 紀元前, 偉大な哲学者アリストテレスは、著書『楽器の理論』の中で形式論理の法則を説明しました。, そこから演繹的推論の基本的な基礎が形成されました. これは人工知能の生成と発展に大きな影響を与える主要な研究成果です. イギリスの哲学者ベーコン (F. ベーコン) 帰納法を体系的に提唱した, そして「知識は力である」という警句も提唱しました。. これは、人間の思考プロセスの研究と、1970 年代以降の人工知能研究の中心における知識への移行に重要な影響を及ぼしてきました。.
ドイツの数学者であり哲学者G. W. ライプニッツは普遍記法と推論計算のアイデアを提案しました, そして彼は、普遍的な記号言語と、この記号言語を推論するための微積分が確立できると信じていました。. この考えは、現代の機械思考設計思考のトリガーポイントであるだけでなく、数理論理学の生成と発展の基本点でもあります。.
イギリスの論理学者C. ブールは思考法則の形式化と機械化に専念し、ブール代数を作成しました。. 著書『思考の法則』の中で, 彼は、思考活動の基本的な推論法則を説明するために初めて象徴的な言語を使用しました。.
で 1936, イギリスの数学者A.M. チューリングはチューリングマシンを提案しました, コンピュータの満足のいく数学モデル. それと, 電子デジタルコンピュータが世界の目に現れた.
形成段階
この段階では主に以下のことを指します。 1956-1969. の夏に 1956, J. マッカーシー, ダートマス大学の若き数学助手、現在はスタンフォード大学の教授, そしてM. L. ミンスキー, ハーバード大学の若い数学者と神経科学者、そしてマサチューセッツ工科大学の教授, IBM N. ロチェスター, 企業情報研究センター所長, とC. E. シャノン, ベル研究所情報部門の数学研究者, 共同でイニシアチブを開始した, Tを招待する. プリンストン大学のムーア, ○. セルフリッジとA. L. ランド研究所のニューウェル氏, そしてA. L. ランド研究所のニューウェル氏とカーネギーメロン大学のニューウェル氏), サイモン (H. あ. サイモン, 等) は、機械知能の問題について議論するために、米国のダートマス大学で 2 か月間学術セミナーを開催しました。マッカーシー氏は会議で「人工知能」という専門用語を正式に採用することを提案したため、人工知能の父と呼ばれています。. この会議は、人工知能が新たな分野として真に出現したことを示しました。. それは歴史的に重要です.
それ以来, 米国ではいくつかの人工知能研究組織が設立されています, ニューウェルとサイモンのカーネギーランド共同グループなど, ミンスキーとマッカーシーの MIT 研究グループ, サミュエルの IBM エンジニアリング研究グループ.
発達の段階
この段階は主にその後を指します。 1970. 1970年代, 多くの国が人工知能の研究を行っている, そして数多くの研究成果が出てきました. 例えば, で 1972, あ. フランスのマルセイユ大学のコメラウアー氏が論理プログラミング言語 PROLOG を実装; E. H. スタンフォード大学のショーリフらは、米国の診断と治療のためのアメリカの専門家システム MYCIN を提案し始めました。 1972.
しかし, 他の新興分野の発展と同様に, 人工知能の発展の道は平坦ではない. 英国と米国は当時、ほとんどの機械翻訳プロジェクトへの資金提供を中断した. 他の面でも, 問題解決などの, ニューラルネットワーク, 機械学習, 等, 彼らも困難に遭遇しました, 人工知能の研究はしばらくジレンマになる.
人工知能研究の先駆者は、これまでの研究の経験と教訓を注意深く振り返り、要約しています。. で 1977, ファイゲンバウムは第5回人工知能国際合同会議で「知識工学」という概念を提案した。, 知識ベースのインテリジェントシステムの研究と構築において重要な役割を果たした. ナレッジセンターの AI 研究に対するファイゲンバウムの見解をほとんどの人が受け入れました. それ以来, 人工知能の研究は、知識を中心とした活発な発展の新時代をもたらしました.