Hvad er kunstig intelligens?

Kunstig intelligens (AI) er en enkelt eller samling af computersystemer, der er i stand til at behandle information og udføre opgaver, der normalt udføres af mennesker.

AI kan have simple former for intelligens, såsom at genkende tale eller analysere visuelle mønstre i billeder. Eller det kan være mere komplekst, såsom at lære af tidligere fejl og problemløsning.

Hvad er kunstig intelligens?

For at forstå, hvad kunstig intelligens betyder, skal du tænke på, hvad du observerer i naturen, som gør dig overbevist om, at noget har intelligens. Noget så simpelt som en laboratorierotte, der lærer den rigtige vej gennem en labyrint, repræsenterer en simpel form for intelligens (der er fire typer AI). Det involverer hukommelse og læring, svarende til menneskelig intelligens.

I 1950 beskrev Alan Turing "tænkemaskiner" som genkendelige, fordi de kunne bruge fornuften til at løse gåder. I 1950'erne sagde John McCarthy, at computere kunne "gøre ting, som, når de udføres af mennesker, siges at involvere intelligens."

Disse ideer koges ned til tre karakteristika, der bruges til at identificere en maskine eller computer som havende "kunstig intelligens." De kan:

• Brug input, såsom sensorer eller data, til at analysere information.
• Bearbejd enorme mængder data for at identificere mønstre, tendenser eller sammenhænge.
• Tilpas deres beslutninger og handlinger baseret på erfaringer fra input og data.

Det er præcis, hvordan menneskelig intelligens hjælper mennesker med at lære og tilpasse sig i vores daglige liv.

Komponenter, der udgør kunstig intelligens

En "intelligent" maskine består af mange forskellige komponenter. Disse arbejder alle sammen for at hjælpe en maskine med at tage input fra den virkelige verden og træffe beslutninger.

AI sensorer

Hvis du tænker på, hvordan et menneske indsamler data fra den virkelige verden, har intelligente maskiner brug for sensorer til at indsamle den samme information. Disse sensorer kan omfatte:

• Kameraer: Visuelle signaler til at gøre ting som ansigtsgenkendelse, undgå forhindringer eller infrarøde kameraer til at registrere, når genstande er varme.
• Mikrofoner: Interager med mennesker via stemme, registrer aktivitet i et rum eller reager på musik.
• Taktile sensorer: Lader robotter justere deres greb eller spillekonsollers styrke for at reagere på, hvor hårdt du bevæger en spilcontroller.
• Positions-, temperatur- eller flowsensorer: Giver oplysninger om gas eller væske, der strømmer gennem rør, temperaturer på kemikalier eller metaller og endda væskers kemiske sammensætning.

Faktisk kan maskiner med moderne sensorteknologi opdage ting om verden, som selv mennesker ikke kan.

AI Data og Machine Learning

En væsentlig komponent i AI er maskinelæring. Det er evnen til at indsamle enorme mængder information fra flere kilder og analysere den for meningsfulde mønstre og sammenhænge.

For eksempel kan en computer under kollisionstests analysere tryk og temperaturer. Computeren kan analysere dataene og fortælle bilfabrikanterne, hvor de skal placere airbags for at give det højeste sikkerhedsniveau.

Maskinlæring hjælper også med fejlfinding af problemer. Ved at indsamle produktionsdata på tværs af hundredvis af sensorer kan computere identificere uregelmæssigheder, der resulterer i defekte produkter. Derefter kan computeren ved at korrelere andre sensordata fortælle teknikere, hvilke komponenter i en proces der er defekte.

Da maskinlæring kan gøre dette på en brøkdel af den tid, et menneske kan, kan virksomheder identificere og løse problemer hurtigere, forbedre kvaliteten af ​​produkter og øge den samlede produktion.

Dyb læring

En mere avanceret form for maskinlæring er "deep learning", når en maskine identificerer fejl og lærer den mest effektive måde at udføre en opgave på.

For eksempel, en selvkørende bil vil bruge maskinlæring til at køre bil ved at se vejafmærkninger, lede efter fodgængere og identificere trafiklys. Men en dybdelærende, selvkørende bil ville også lære, hvordan styringsjusteringer holder bilen mere i midten af ​​vognbanerne. Med tiden kunne denne bil lære sig selv at blive en bedre chauffør.

Hvad er formålet med kunstig intelligens?

Forskere udvikler kunstig intelligens, så vi kan bruge maskiner til at forbedre livskvaliteten for mennesker. Det lader maskiner udføre gentagne opgaver, som kan skade eller være farlige for mennesker. Kunstig intelligens kan forbedre sikkerheden for biler og fly.

I sidste ende er deres formål at supplere mennesker med indsigt fra enorme mængder data, som kun computere kan behandle.

Dan Prince, administrerende direktør og grundlægger af Illumisoft, siger, at udgangspunktet for at forstå AI er at forstå vores egen intelligens.

"Mennesker har kapaciteten til at lære, løse problemer, genkende mønstre og forklare og forudsige naturfænomener (som er) alle egenskaber, der almindeligvis er forbundet med intelligens," siger han. "Måske vigtigst af alt er vi i stand til at agere på måder, der former og transformerer vores miljø til vores fordel. AI, forstået mest generelt, refererer til et system eller en gruppe af systemer, der er i stand til at simulere den slags menneskelig intelligens. Et intelligent system ville være et, der udviser menneskelignende evner til ræsonnement, problemløsning eller endda kreativitet.

"Det ultimative mål for mange forskere er at generere en kunstig generel intelligens (AGI), noget analytikere anerkender endnu ikke er opnået. Som teknologien er i øjeblikket, kan en bestemt AI være god til at simulere et aspekt af menneskelig intelligens, men ikke andre. Der er for eksempel AI-systemer, der er dygtige til at forstå sprog, mens andre er gode til finmotorik. Der er meget få, der kan begge dele."

Filosoffer stiller ofte spørgsmålstegn ved, om vi kan tage AI for langt. Hvad hvis kunstig intelligens overgår menneskelig intelligens til det punkt, hvor robotter bliver overlegne? Så er der spørgsmålet om, hvorvidt maskiner nogensinde vil være i stand til at forstå følelser. I øjeblikket er der ingen sensor, der er i stand til at håndtere følelser.

De fleste maskiner med AI er dog kun i stand til fokuserede læringsområder. Vi kan ikke anvende det på de mange beslutninger, et gennemsnitligt menneske træffer dagligt. Derfor er ideen om, at maskiner skal overhale mennesker, ikke noget, nogen behøver at bekymre sig om nu.