hvad er kunstig intelligens?

kunstig intelligens er simuleringen af menneskelige intelligensprocesser af maskiner, især computersystemer. Specifikke anvendelser af AI inkluderer ekspertsystemer, naturlig sprogbehandling, talegenkendelse og maskinsyn.

Hvordan virker AI?

da hype omkring AI er accelereret, har leverandører scrambling for at fremme, hvordan deres produkter og tjenester bruger AI. Ofte er det, de omtaler som AI, simpelthen en komponent i AI, såsom maskinlæring. AI kræver et fundament af specialudstyr og programmer til skrivning og træning af maskinlæringsalgoritmer. Ingen programmeringssprog er synonymt med AI, men nogle få, herunder Python, R og Java, er populære.

generelt fungerer AI-systemer ved at indtage store mængder mærkede træningsdata, analysere dataene for korrelationer og mønstre og bruge disse mønstre til at forudsige fremtidige tilstande. På denne måde kan en chatbot, der får eksempler på tekstchats, lære at producere naturtro udvekslinger med mennesker, eller et billedgenkendelsesværktøj kan lære at identificere og beskrive objekter i billeder ved at gennemgå millioner af eksempler.

AI-programmering fokuserer på tre kognitive færdigheder: læring, ræsonnement og selvkorrektion.

læringsprocesser. Dette aspekt af AI-programmering fokuserer på at erhverve data og skabe regler for, hvordan dataene omdannes til handlingsbar information. Reglerne, der kaldes algoritmer, giver computerenheder trinvise instruktioner til, hvordan man udfører en bestemt opgave.

Ræsonnementsprocesser. Dette aspekt af AI-programmering fokuserer på at vælge den rigtige algoritme for at nå et ønsket resultat.

selvkorrektionsprocesser. Dette aspekt af AI-programmering er designet til løbende at finjustere algoritmer og sikre, at de giver de mest nøjagtige resultater.

Hvorfor er kunstig intelligens vigtig?

AI er vigtigt, fordi det kan give virksomheder indsigt i deres operationer, som de måske ikke har været opmærksomme på tidligere, og fordi AI i nogle tilfælde kan udføre opgaver bedre end mennesker. Især når det kommer til gentagne, detaljerede opgaver som at analysere et stort antal juridiske dokumenter for at sikre, at relevante felter udfyldes korrekt, udfører AI-værktøjer ofte job hurtigt og med relativt få fejl.

dette har hjulpet brændstof en eksplosion i effektivitet og åbnet døren til helt nye forretningsmuligheder for nogle større virksomheder. Før den nuværende bølge af AI ville det have været svært at forestille sig at bruge computerprogrammer til at forbinde ryttere til biler, men i dag er Uber blevet en af de største virksomheder i verden ved at gøre netop det. Det bruger sofistikerede maskinlæringsalgoritmer til at forudsige, hvornår folk sandsynligvis har brug for forlystelser i bestemte områder, hvilket hjælper proaktivt med at få chauffører på vejen, før de er nødvendige. Som et andet eksempel er Google blevet en af de største aktører inden for en række onlinetjenester ved at bruge maskinlæring til at forstå, hvordan folk bruger deres tjenester og derefter forbedre dem. I 2017 udtalte virksomhedens administrerende direktør, Sundar Pichai, at Google ville fungere som et” AI first ” – selskab.

dagens største og mest succesrige virksomheder har brugt AI til at forbedre deres drift og få fordel af deres konkurrenter.

hvad er fordele og ulemper ved kunstig intelligens?

kunstige neurale netværk og dyb læring kunstig intelligens teknologier udvikler sig hurtigt, primært fordi AI behandler store mængder data meget hurtigere og gør forudsigelser mere præcist end menneskeligt muligt.

mens den enorme mængde data, der oprettes dagligt, ville begrave en menneskelig forsker, kan AI-applikationer, der bruger maskinindlæring, tage disse data og hurtigt omdanne dem til handlingsmæssig information. I skrivende stund er den primære ulempe ved at bruge AI, at det er dyrt at behandle de store mængder data, som AI-programmering kræver.

fordele

• god til detaljeorienterede job;
• reduceret tid til datatunge opgaver;
• leverer ensartede resultater; og
• AI-drevne virtuelle agenter er altid tilgængelige.

ulemper

• dyrt;
• kræver dyb teknisk ekspertise;
• begrænset udbud af kvalificerede arbejdere til at bygge AI-værktøjer;
• ved kun, hvad det er blevet vist; og
• manglende evne til at generalisere fra en opgave til en anden.

stærk AI vs. svag AI

AI kan kategoriseres som enten svag eller stærk.

• svag AI, også kendt som smal AI, er et AI-system, der er designet og trænet til at udføre en bestemt opgave. Industrielle robotter og virtuelle personlige assistenter, såsom Apples Siri, bruger svag AI.
• stærk AI, også kendt som kunstig generel intelligens (AGI), beskriver programmering, der kan replikere den menneskelige hjernes kognitive evner. Når det præsenteres for en ukendt opgave, kan et stærkt AI-system bruge uklar logik til at anvende viden fra et domæne til et andet og finde en løsning autonomt. I teorien skal et stærkt AI-program være i stand til at bestå både en Turing-Test og den kinesiske rumtest.

Hvad er de 4 typer kunstig intelligens?

Arend Hintse, adjunkt i integrativ biologi og datalogi og teknik ved Michigan State University, forklarede i en artikel fra 2016, at AI kan kategoriseres i fire typer, begyndende med de opgavespecifikke intelligente systemer, der er i vid udstrækning i dag og udvikler sig til følsomme systemer, som endnu ikke findes. Kategorierne er som følger:

• Type 1: reaktive maskiner. Disse AI-systemer har ingen hukommelse og er opgavespecifikke. Et eksempel er Deep Blue, IBM chess-programmet, der slog Garry Kasparov i 1990 ‘ erne. Deep Blue kan identificere stykker på skakbrættet og forudsige, men fordi det ikke har nogen hukommelse, kan det ikke bruge tidligere erfaringer til at informere fremtidige.
• Type 2: begrænset hukommelse. Disse AI-systemer har hukommelse, så de kan bruge tidligere erfaringer til at informere fremtidige beslutninger. Nogle af beslutningsfunktionerne i selvkørende biler er designet på denne måde.
• Type 3: teori om sind. Sindsteori er et psykologiudtryk. Når det anvendes på AI, betyder det, at systemet ville have den sociale intelligens til at forstå følelser. Denne type AI vil være i stand til at udlede menneskelige intentioner og forudsige adfærd, en nødvendig færdighed for AI-systemer til at blive integrerede medlemmer af menneskelige teams.
• Type 4: selvbevidsthed. I denne kategori har AI-systemer en følelse af selv, hvilket giver dem bevidsthed. Maskiner med selvbevidsthed forstår deres egen nuværende tilstand. Denne type AI findes endnu ikke.

hvad er eksempler på AI-teknologi, og hvordan bruges den i dag?

AI er indarbejdet i en række forskellige typer teknologi. Her er seks eksempler:

• automatisering. Når de er parret med AI-teknologier, kan automatiseringsværktøjer udvide lydstyrken og typerne af udførte opgaver. Et eksempel er robotic process automation (RPA), en type program, der automatiserer gentagne, regelbaserede databehandlingsopgaver, der traditionelt udføres af mennesker. Når det kombineres med maskinlæring og nye AI-værktøjer, kan RPA automatisere større dele af virksomhedsjob, hvilket gør det muligt for RPA ‘ s taktiske bots at videregive intelligens fra AI og reagere på procesændringer.
• maskinlæring. Dette er videnskaben om at få en computer til at handle uden programmering. Deep learning er en delmængde af maskinlæring, der i meget enkle vendinger kan betragtes som automatisering af forudsigelig analyse. Der er tre typer maskinlæringsalgoritmer:
  • overvåget læring. Datasæt er mærket, så mønstre kan registreres og bruges til at mærke nye datasæt.
  • uovervåget læring. Datasæt er ikke mærket og sorteres efter ligheder eller forskelle.
  • forstærkning læring. Datasæt er ikke mærket, men efter at have udført en handling eller flere handlinger får AI-systemet feedback.
• maskine vision. Denne teknologi giver en maskine mulighed for at se. Machine vision indfanger og analyserer visuel information ved hjælp af et kamera, analog-til-digital konvertering og digital signalbehandling. Det sammenlignes ofte med menneskets syn, men maskinsyn er ikke bundet af biologi og kan programmeres til at se gennem vægge, for eksempel. Det bruges i en række applikationer fra signaturidentifikation til medicinsk billedanalyse. Computer vision, der er fokuseret på maskinbaseret billedbehandling, er ofte sammenflettet med maskinsyn.
• naturlig sprogbehandling (NLP). Dette er behandlingen af menneskeligt sprog ved et computerprogram. Et af de ældre og mest kendte eksempler på NLP er spamdetektion, der ser på emnelinjen og teksten i en e-mail og beslutter, om det er uønsket. Nuværende tilgange til NLP er baseret på maskinindlæring. NLP-opgaver omfatter tekstoversættelse, sentimentanalyse og talegenkendelse.
• robotteknologi. Dette felt af teknik fokuserer på design og fremstilling af robotter. Robotter bruges ofte til at udføre opgaver, der er vanskelige for mennesker at udføre eller udføre konsekvent. For eksempel bruges robotter i samlebånd til bilproduktion eller af NASA til at flytte store genstande i rummet. Forskere bruger også maskinlæring til at bygge robotter, der kan interagere i sociale omgivelser.
• selvkørende biler. Autonome køretøjer bruger en kombination af computersyn, billedgenkendelse og dyb læring til at opbygge automatiseret færdighed til at styre et køretøj, mens de opholder sig i en given bane og undgår uventede forhindringer, såsom fodgængere.

hvad er applikationerne af AI?

kunstig intelligens har fundet vej til en lang række markeder. Her er ni eksempler.

AI i sundhedsvæsenet. De største indsatser er på at forbedre patientresultater og reducere omkostningerne. Virksomheder anvender maskinlæring for at stille bedre og hurtigere diagnoser end mennesker. En af de mest kendte sundhedsteknologier er IBM. Det forstår naturligt sprog og kan svare på spørgsmål, der stilles til det. Systemet miner patientdata og andre tilgængelige datakilder for at danne en hypotese, som den derefter præsenterer med et tillidsskema. Andre AI-applikationer inkluderer brug af online virtuelle sundhedsassistenter og chatbots til at hjælpe patienter og sundhedskunder med at finde medicinsk information, planlægge aftaler, forstå faktureringsprocessen og gennemføre andre administrative processer. En række AI-teknologier bruges også til at forudsige, bekæmpe og forstå pandemier som COVID-19.

AI i erhvervslivet. Maskinlæringsalgoritmer integreres i analytics-og CRM-platforme (customer relationship management) for at afdække oplysninger om, hvordan man bedre kan betjene kunder. Chatbots er blevet indarbejdet i hjemmesider for at yde øjeblikkelig service til kunderne. Automatisering af jobstillinger er også blevet et talepunkt blandt akademikere og IT-analytikere.

AI i uddannelse. AI kan automatisere klassificering, hvilket giver undervisere mere tid. Det kan vurdere eleverne og tilpasse sig deres behov og hjælpe dem med at arbejde i deres eget tempo. AI-vejledere kan yde yderligere støtte til studerende og sikre, at de forbliver på sporet. Og det kan ændre, hvor og hvordan eleverne lærer, måske endda erstatte nogle lærere.

AI i finansiering. AI i personlige finansapplikationer, såsom Intuit Mint eller pighvar, forstyrrer finansielle institutioner. Applikationer som disse indsamler personoplysninger og yder finansiel rådgivning. Andre programmer, som f.eks. I dag udfører kunstig intelligens en stor del af handlen.

AI i lov. Opdagelsesprocessen-sigtning gennem dokumenter-i loven er ofte overvældende for mennesker. Brug af AI til at hjælpe med at automatisere den juridiske industris arbejdskrævende processer sparer tid og forbedrer kundeservice. Advokatfirmaer bruger maskinlæring til at beskrive data og forudsige resultater, computervision til at klassificere og udtrække information fra dokumenter og naturlig sprogbehandling for at fortolke anmodninger om information.

AI i fremstilling. Produktion har været på forkant med at inkorporere robotter i arbejdsgangen. For eksempel fungerer de industrielle robotter, der på et tidspunkt var programmeret til at udføre enkeltopgaver og adskilt fra menneskelige arbejdere, i stigende grad som cobots: Mindre, multitasking robotter, der samarbejder med mennesker og tager ansvar for flere dele af jobbet i lagre, fabriksgulve og andre arbejdsområder.

AI i bankvirksomhed. Banker anvender med succes chatbots for at gøre deres kunder opmærksomme på tjenester og tilbud og til at håndtere transaktioner, der ikke kræver menneskelig indgriben. AI virtuelle assistenter bruges til at forbedre og reducere omkostningerne ved overholdelse af bankregler. Bankorganisationer bruger også AI til at forbedre deres beslutningstagning for lån og til at fastsætte kreditgrænser og identificere investeringsmuligheder.

AI i transport. Ud over AI ‘ s grundlæggende rolle i driften af autonome køretøjer bruges AI-teknologier i transport til at styre trafik, forudsige flyforsinkelser og gøre søfart mere sikker og mere effektiv.

sikkerhed. AI og maskinindlæring er øverst på den modordliste, som sikkerhedsleverandører bruger i dag til at differentiere deres tilbud. Disse udtryk repræsenterer også virkelig levedygtige teknologier. Organisationer bruger maskinlæring i Siem-programmer og relaterede områder til at opdage uregelmæssigheder og identificere mistænkelige aktiviteter, der indikerer trusler. Ved at analysere data og bruge logik til at identificere ligheder med kendt ondsindet kode, AI kan give advarsler til nye og nye angreb meget hurtigere end menneskelige medarbejdere og tidligere teknologi iterationer. Modningsteknologien spiller en stor rolle i at hjælpe organisationer med at bekæmpe cyberangreb.

Augmented intelligence vs. kunstig intelligens

nogle brancheeksperter mener, at udtrykket kunstig intelligens er for tæt knyttet til populærkulturen, og dette har fået offentligheden til at have usandsynlige forventninger til, hvordan AI vil ændre arbejdspladsen og livet generelt.

• Augmented intelligence. Nogle forskere og marketingfolk håber, at mærket augmented intelligence, som har en mere neutral konnotation, vil hjælpe folk med at forstå, at de fleste implementeringer af AI vil være svage og blot forbedre produkter og tjenester. Eksempler inkluderer automatisk overfladebehandling af vigtige oplysninger i business intelligence-rapporter eller fremhævning af vigtige oplysninger i juridiske arkiveringer.
• kunstig intelligens. Ægte AI, eller kunstig generel intelligens, er tæt forbundet med begrebet teknologisk singularitet-en fremtid styret af en kunstig superintelligens, der langt overgår den menneskelige hjernes evne til at forstå den, eller hvordan den former vores virkelighed. Dette forbliver inden for science fiction, selvom nogle udviklere arbejder på problemet. Mange mener, at teknologier som kvanteberegning kunne spille en vigtig rolle i at gøre AGI til virkelighed, og at vi bør reservere brugen af udtrykket AI til denne form for generel intelligens.

etisk brug af kunstig intelligens

mens AI-værktøjer præsenterer en række nye funktioner for virksomheder, rejser brugen af kunstig intelligens også etiske spørgsmål, fordi et AI-system på godt og ondt vil styrke det, det allerede har lært.

dette kan være problematisk, fordi maskinlæringsalgoritmer, der understøtter mange af de mest avancerede AI-værktøjer, kun er så smarte som de data, de får i træningen. Fordi et menneske vælger, hvilke data der bruges til at træne et AI-program, er potentialet for maskinindlæringsforstyrrelse iboende og skal overvåges nøje.

enhver, der ønsker at bruge maskinlæring som en del af den virkelige verden, skal i produktionssystemer faktorere etik i deres AI-træningsprocesser og stræbe efter at undgå bias. Dette gælder især, når du bruger AI-algoritmer, der i sagens natur er uforklarlige i dyb læring og generative kontradiktoriske netværk (GAN) applikationer.

Forklarbarhed er en potentiel anstødssten til at bruge AI i industrier, der opererer under strenge krav til overholdelse af lovgivningen. For eksempel opererer finansielle institutioner i USA under regler, der kræver, at de forklarer deres kreditudstedende beslutninger. Når en beslutning om at nægte kredit træffes af AI-programmering, imidlertid, det kan være vanskeligt at forklare, hvordan beslutningen blev nået, fordi AI-værktøjerne, der bruges til at træffe sådanne beslutninger, fungerer ved at drille subtile sammenhænge mellem tusinder af variabler. Når beslutningsprocessen ikke kan forklares, kan programmet kaldes sort boks AI.

på trods af potentielle risici er der i øjeblikket få regler for brugen af AI-værktøjer, og hvor der findes love, vedrører de typisk AI indirekte. For eksempel, som tidligere nævnt, USA Fair udlån regler kræver finansielle institutioner til at forklare kredit beslutninger til potentielle kunder. Dette begrænser, i hvilket omfang långivere kan bruge dybe læringsalgoritmer, som efter deres natur er uigennemsigtige og mangler forklarbarhed.

Den Europæiske Unions generelle databeskyttelsesforordning (GDPR) sætter strenge grænser for, hvordan virksomheder kan bruge forbrugerdata, hvilket hindrer uddannelse og funktionalitet i mange forbrugervendte AI-applikationer.

i Oktober 2016 udsendte National Science and Technology Council en rapport, der undersøgte den potentielle rolle, som statslig regulering kan spille i AI-udvikling, men det anbefalede ikke, at specifik lovgivning blev overvejet.

det vil ikke være let at udarbejde love til regulering af AI, dels fordi AI omfatter en række teknologier, som virksomheder bruger til forskellige formål, og dels fordi regler kan komme på bekostning af AI-fremskridt og-udvikling. Den hurtige udvikling af AI-teknologier er en anden hindring for at danne meningsfuld regulering af AI. Teknologiske gennembrud og nye applikationer kan gøre eksisterende love øjeblikkeligt forældede. For eksempel dækker eksisterende love, der regulerer privatlivets fred for samtaler og indspillede samtaler, ikke udfordringen fra stemmeassistenter som f.eks. Og selvfølgelig forhindrer de love, som regeringerne formår at udforme for at regulere AI, ikke kriminelle i at bruge teknologien med ondsindet hensigt.

kognitiv computing og AI

udtrykkene AI og kognitiv computing bruges undertiden om hverandre, men generelt bruges etiketten AI med henvisning til maskiner, der erstatter menneskelig intelligens ved at simulere, hvordan vi fornemmer, lærer, behandler og reagerer på information i miljøet.

etiketten kognitiv computing bruges med henvisning til produkter og tjenester, der efterligner og forstærker menneskelige tankeprocesser.

hvad er AI ‘ s historie?

begrebet livløse objekter udstyret med intelligens har eksisteret siden oldtiden. Den græske gud Hephaestus blev afbildet i myter som smedning af robotlignende tjenere ud af guld. Ingeniører i det gamle Egypten byggede statuer af guder animeret af præster. Gennem århundrederne brugte tænkere fra Aristoteles til det 13.århundrede den spanske teolog Ramon Llull til at Renne Kristian Descartes og Thomas Bayes værktøjerne og logikken i deres tid til at beskrive menneskelige tankeprocesser som symboler og lægge grundlaget for AI-begreber som generel vidensrepræsentation.

slutningen af det 19.og første halvdel af det 20. århundrede frembragte det grundlæggende arbejde, der ville give anledning til den moderne computer. I 1836 opfandt Cambridge University matematiker Charles Babbage og Augusta Ada Byron, Grevinde af Lovelace, det første design til en programmerbar maskine.

1940 ‘ erne. Princeton matematiker John Von Neumann udtænkt arkitekturen for den lagrede-program computer-tanken om, at en computers program og de data, den behandler kan opbevares i computerens hukommelse. Og McCulloch og Pitts lagde fundamentet for neurale netværk.

1950 ‘ erne. med fremkomsten af moderne computere kunne forskere teste deres ideer om maskinens intelligens. En metode til at bestemme, om en computer har intelligens, blev udtænkt af den britiske matematiker og anden verdenskrigs kodebryder Alan Turing. Turing-testen fokuserede på en computers evne til at narre forhørere til at tro, at dens svar på deres spørgsmål blev fremsat af et menneske.

1956. Det moderne felt af kunstig intelligens citeres bredt som startende i år under en sommerkonference på Dartmouth College. Sponsoreret af Defense Advanced Research Projects Agency (DARPA) deltog konferencen i 10 armaturer i marken, herunder AI-pionerer Marvin Minsky, Oliver Selfridge og John McCarthy, der krediteres med at opfinde udtrykket kunstig intelligens. Der var også computerforsker Allen og Herbert A. Simon, en økonom, statsvidenskabsmand og kognitiv psykolog, der præsenterede deres banebrydende Logikteoretiker, et computerprogram, der er i stand til at bevise visse matematiske sætninger og kaldes det første AI-program.

1950 ‘erne og 1960’ erne. i kølvandet på Dartmouth College-konferencen forudsagde ledere inden for det nye felt AI, at en menneskeskabt intelligens svarende til den menneskelige hjerne var rundt om hjørnet og tiltrak stor regerings-og industristøtte. Ja, næsten 20 års velfinansieret grundforskning genererede betydelige fremskridt inden for AI: I slutningen af 1950 ‘ erne offentliggjorde Simon og General Problem Solver (GPS) algoritme, som ikke kunne løse komplekse problemer, men lagde grundlaget for at udvikle mere sofistikerede kognitive arkitekturer; McCarthy udviklede Lisp, et sprog til AI-programmering, der stadig bruges i dag. I midten af 1960 ‘ erne udviklede professor Joseph Elisa, et tidligt naturligt sprogbehandlingsprogram, der lagde grundlaget for dagens chatbots.

1970 ‘erne og 1980′ erne. Men opnåelsen af kunstig generel intelligens viste sig at være undvigende, ikke overhængende, hæmmet af begrænsninger i computerbehandling og hukommelse og af problemets kompleksitet. Regering og virksomheder støttede sig væk fra deres støtte til AI-forskning, hvilket førte til en brak periode, der varede fra 1974 til 1980 og kendt som den første “AI-vinter.”I 1980’ erne udløste forskning i dyb læringsteknikker og industriens vedtagelse af Edvard Feigenbaums ekspertsystemer en ny bølge af AI-entusiasme, kun for at blive efterfulgt af endnu et sammenbrud af statsfinansiering og industristøtte. Den anden AI-vinter varede indtil midten af 1990 ‘erne.

1990′ erne gennem i dag. Stigninger i beregningskraft og en eksplosion af data udløste en AI-renæssance i slutningen af 1990 ‘ erne, der er fortsat med at præsentere tider. Det seneste fokus på AI har givet anledning til gennembrud inden for naturlig sprogbehandling, computersyn, robotik, maskinlæring, dyb læring og mere. Desuden bliver AI stadig mere håndgribelig, driver biler, diagnosticerer sygdom og cementerer sin rolle i populærkulturen. I 1997 besejrede IBMs Deep Blue Den Russiske skak stormester Garry Kasparov og blev det første computerprogram, der slog en verdensmester i skak. Fjorten år senere fængslede IBM offentligheden, da den besejrede to tidligere mestre på spilprogrammet Jeopardy!. For nylig bedøvede det historiske nederlag for 18-tiden verdensmester Lee Sedol af Google DeepMinds AlphaGo Go-samfundet og markerede en vigtig milepæl i udviklingen af intelligente maskiner.

AI som en tjeneste

da omkostninger til udstyr, programmer og personale til AI kan være dyre, inkluderer mange leverandører AI-komponenter i deres standardtilbud eller giver adgang til aiaas-platforme (artificial intelligence as a service). AIaaS giver enkeltpersoner og virksomheder mulighed for at eksperimentere med AI til forskellige forretningsformål og prøve flere platforme, inden de forpligter sig.

populære AI cloud-tilbud inkluderer følgende:

• Google AI
• IBMAT Atson Assistant
• Microsoft Cognitive Services
• Google AI