mi a mesterséges intelligencia?

a mesterséges intelligencia az emberi intelligencia folyamatok szimulációja gépek, különösen számítógépes rendszerek által. Az AI speciális alkalmazásai közé tartoznak a szakértői rendszerek, a természetes nyelvfeldolgozás, a beszédfelismerés és a gépi látás.

hogyan működik az AI?

ahogy az AI körüli hype felgyorsult, a gyártók arra törekedtek, hogy népszerűsítsék termékeik és szolgáltatásaik AI használatát. Gyakran az, amit AI-nek neveznek, egyszerűen az AI egyik alkotóeleme, például a gépi tanulás. Az AI speciális hardver és szoftver alapjait igényli a gépi tanulási algoritmusok írásához és képzéséhez. Egyetlen programozási nyelv sem azonos az AI-vel, de néhány, köztük a Python, az R és a Java, népszerű.

az AI rendszerek általában úgy működnek, hogy nagy mennyiségű címkézett képzési adatot fogyasztanak, elemzik az adatokat a korrelációkhoz és mintákhoz, és ezeket a mintákat használják a jövőbeli állapotokra vonatkozó előrejelzésekhez. Ily módon a szöveges Csevegések példáival táplált chatbot megtanulhat életszerű cseréket létrehozni az emberekkel, vagy egy képfelismerő eszköz megtanulhatja azonosítani és leírni a képeken lévő objektumokat több millió példa áttekintésével.

az AI programozás három kognitív készségre összpontosít: tanulás, érvelés és önkorrekció.

tanulási folyamatok. Az AI programozás ezen aspektusa az adatok megszerzésére és az adatok cselekvésre alkalmas információvá alakítására vonatkozó szabályok létrehozására összpontosít. Az algoritmusoknak nevezett szabályok lépésről lépésre biztosítják a számítástechnikai eszközöket egy adott feladat elvégzéséhez.

érvelési folyamatok. Az AI programozás ezen aspektusa a megfelelő algoritmus kiválasztására összpontosít a kívánt eredmény eléréséhez.

önkorrekció folyamatok. Az AI programozás ezen aspektusát úgy tervezték, hogy folyamatosan finomítsa az algoritmusokat, és biztosítsa, hogy azok a lehető legpontosabb eredményeket nyújtsák.

miért fontos a mesterséges intelligencia?

az AI azért fontos, mert olyan betekintést nyújthat a vállalkozásoknak a működésükbe, amelyekről korábban nem tudtak, és mert bizonyos esetekben az AI jobban képes elvégezni a feladatokat, mint az emberek. Különösen, ha ismétlődő, részletorientált feladatokról van szó, mint például a jogi dokumentumok nagy számának elemzése a releváns mezők megfelelő kitöltése érdekében, az AI eszközök gyakran gyorsan és viszonylag kevés hibával végzik el a feladatokat.

ez hozzájárult a hatékonyság robbanásszerű növekedéséhez, és teljesen új üzleti lehetőségeket nyitott meg néhány nagyobb vállalkozás számára. Az AI jelenlegi hulláma előtt nehéz lett volna elképzelni, hogy számítógépes szoftver segítségével csatlakoztassa a versenyzőket a taxikhoz, de ma az Uber éppen ezzel a világ egyik legnagyobb vállalatává vált. Kifinomult gépi tanulási algoritmusokat használ annak előrejelzésére, hogy az embereknek bizonyos területeken valószínűleg szükségük van-e túrákra, ami proaktívan segíti a járművezetőket az úton, mielőtt szükség lenne rájuk. Egy másik példa: a Google az online szolgáltatások egyik legnagyobb szereplőjévé vált azáltal, hogy gépi tanulással megértette, hogyan használják az emberek szolgáltatásaikat, majd továbbfejlesztette őket. 2017-ben a vállalat vezérigazgatója, Sundar Pichai kijelentette, hogy a Google “AI first” vállalatként fog működni.

napjaink legnagyobb és legsikeresebb vállalkozásai az AI-t használják működésük javítására és versenytársaik előnyeinek megszerzésére.

mik a mesterséges intelligencia előnyei és hátrányai?

a mesterséges neurális hálózatok és a mély tanulási mesterséges intelligencia technológiák gyorsan fejlődnek, elsősorban azért, mert az AI sokkal gyorsabban dolgozza fel a nagy mennyiségű adatot, és az előrejelzéseket az emberileg lehetségesnél pontosabban teszi.

míg a napi szinten létrehozott hatalmas adatmennyiség eltemetné az emberi kutatókat, a gépi tanulást használó AI alkalmazások ezeket az adatokat gyorsan hasznosítható információvá változtathatják. Az írás során az AI használatának elsődleges hátránya, hogy drága az AI programozásához szükséges nagy mennyiségű adat feldolgozása.

előnyök

• jó a részletorientált munkákban;
• csökkentett idő az adatigényes feladatokhoz;
• következetes eredményeket nyújt; és
• AI-alapú virtuális ügynökök mindig rendelkezésre állnak.

hátrányok

• drága;
• mély műszaki szakértelmet igényel;
• korlátozott mennyiségű képzett munkaerő az AI eszközök építéséhez;
• csak azt tudja, amit bemutattak; és
• az egyik feladatról a másikra történő általánosítás képességének hiánya.

erős AI vs.gyenge AI

az AI gyenge vagy erős kategóriába sorolható.

• a gyenge AI, más néven keskeny AI, egy olyan AI rendszer, amelyet egy adott feladat elvégzésére terveztek és kiképeztek. Az ipari robotok és a virtuális személyi asszisztensek, mint például az Apple Siri, gyenge AI-t használnak.
• az erős AI, más néven mesterséges általános intelligencia (AGI) olyan programozást ír le, amely képes megismételni az emberi agy kognitív képességeit. Ha egy ismeretlen feladat elé kerül, egy erős AI rendszer fuzzy logikával alkalmazhatja a tudást egyik tartományról a másikra, és önállóan talál megoldást. Elméletileg egy erős AI programnak képesnek kell lennie mind a Turing-teszt, mind a kínai szobateszt teljesítésére.

mi a mesterséges intelligencia 4 típusa?

Arend Hintze, a Michigan Állami Egyetem integratív biológia, számítástechnika és mérnöki adjunktusa egy 2016-os cikkben kifejtette, hogy az AI négy típusba sorolható, kezdve a ma széles körben használt feladat-specifikus intelligens rendszerektől kezdve az érző rendszerekig, amelyek még nem léteznek. A kategóriák a következők:

• 1. típus: reaktív gépek. Ezek az AI rendszerek nem rendelkeznek memóriával és feladatspecifikusak. Példa erre a Deep Blue, az IBM sakkprogram, amely az 1990-es években legyőzte Garry Kasparovot. A Deep Blue képes azonosítani a sakktáblán lévő darabokat, és előrejelzéseket készíteni, de mivel nincs memóriája, nem használhatja fel a múltbeli tapasztalatokat a jövő tájékoztatására.
• 2.típus: korlátozott memória. Ezek az AI rendszerek memóriával rendelkeznek, így a múltbeli tapasztalatokat felhasználhatják a jövőbeli döntések tájékoztatására. Az önvezető autók döntéshozatali funkcióinak egy részét így tervezték.
• 3.típus: az elme elmélete. Az elme elmélete pszichológiai kifejezés. Az AI-re alkalmazva ez azt jelenti, hogy a rendszernek megvan a társadalmi intelligenciája az érzelmek megértéséhez. Ez a fajta AI képes lesz arra, hogy az emberi szándékokat és a viselkedést megjósolja, ami szükséges készség ahhoz, hogy az AI rendszerek az emberi csapatok szerves tagjaivá váljanak.
• 4.Típus: öntudat. Ebben a kategóriában az AI rendszereknek van egy önérzete, amely tudatosságot ad nekik. Az öntudattal rendelkező gépek megértik saját jelenlegi állapotukat. Ez a fajta AI még nem létezik.

milyen példák vannak az AI technológiára és hogyan használják ma?

az AI különféle típusú technológiákba épül be. Íme hat példa:

• automatizálás. Az AI technológiákkal párosítva az automatizálási eszközök kibővíthetik az elvégzett feladatok mennyiségét és típusát. Példa erre a robotic process automation (rpa), egy olyan típusú szoftver, amely automatizálja az ismétlődő, szabályokon alapuló adatfeldolgozási feladatokat, amelyeket hagyományosan az emberek végeznek. A gépi tanulással és a feltörekvő AI eszközökkel kombinálva az RPA képes automatizálni a vállalati feladatok nagyobb részeit, lehetővé téve az RPA taktikai botjainak, hogy továbbítsák az AI intelligenciáját, és reagáljanak a folyamatváltozásokra.
• Gépi tanulás. Ez a tudomány, hogy a számítógép programozás nélkül működjön. A mély tanulás a gépi tanulás egy részhalmaza, amelyet nagyon egyszerűen a prediktív elemzés automatizálásának lehet tekinteni. A gépi tanulási algoritmusoknak három típusa van:
  • felügyelt tanulás. Az adathalmazok fel vannak címkézve, így a minták felismerhetők és felhasználhatók az új adathalmazok címkézésére.
  • felügyelet nélküli tanulás. Az adatkészletek nincsenek címkézve, és hasonlóságok vagy különbségek szerint vannak rendezve.
  • megerősítő tanulás. Az adatkészletek nincsenek címkézve, de egy művelet vagy több művelet végrehajtása után az AI rendszer visszajelzést kap.
• gépi látás. Ez a technológia lehetővé teszi a gép számára a látást. A gépi látás rögzíti és elemzi a vizuális információkat fényképezőgéppel, analóg-digitális átalakítással és digitális jelfeldolgozással. Gyakran hasonlítják az emberi látáshoz, de a gépi látást nem köti a biológia,és programozható például a falakon keresztül. Számos alkalmazásban használják az aláírás azonosításától az orvosi képelemzésig. A gépi képfeldolgozásra összpontosító számítógépes látást gyakran összekeverik a gépi látással.
• természetes nyelvi feldolgozás (NLP). Ez az emberi nyelv számítógépes program általi feldolgozása. Az NLP egyik régebbi és legismertebb példája a spam észlelés, amely megvizsgálja az e-mail tárgysorát és szövegét, és eldönti, hogy levélszemét-e. Az NLP jelenlegi megközelítései a gépi tanuláson alapulnak. Az NLP feladatok közé tartozik a szövegfordítás, a hangulatelemzés és a beszédfelismerés.
• robotika. Ez a mérnöki terület a robotok tervezésére és gyártására összpontosít. A robotokat gyakran olyan feladatok elvégzésére használják, amelyeket az emberek nehezen tudnak végrehajtani vagy következetesen végrehajtani. Például a robotokat az autógyártás összeszerelő soraiban vagy a NASA használja nagy tárgyak mozgatására az űrben. A kutatók gépi tanulást is használnak olyan robotok építésére, amelyek kölcsönhatásba léphetnek a társadalmi környezetben.
• önvezető autók. Az autonóm járművek a számítógépes látás, a képfelismerés és a mély tanulás kombinációját használják, hogy automatizált készségeket hozzanak létre a jármű vezetésében, miközben egy adott sávban maradnak, és elkerülik a váratlan akadályokat, például a gyalogosokat.

melyek az AI alkalmazásai?

mesterséges intelligencia tette az utat a legkülönbözőbb piacokon. Íme kilenc példa.

AI az egészségügyben. A legnagyobb tét a betegek kimenetelének javítása és a költségek csökkentése. A vállalatok gépi tanulást alkalmaznak, hogy jobb és gyorsabb diagnózist készítsenek, mint az emberek. Az egyik legismertebb egészségügyi technológia az IBM Watson. Megérti a természetes nyelvet, és válaszol a feltett kérdésekre. A rendszer a betegek adatait és más rendelkezésre álló adatforrásokat bányássza, hogy hipotézist alkosson, amelyet ezután egy bizalmi pontozási sémával mutat be. Egyéb AI alkalmazások közé tartozik az online virtuális egészségügyi asszisztensek és chatbotok használata, amelyek segítenek a betegeknek és az egészségügyi ügyfeleknek megtalálni az orvosi információkat, ütemezni a találkozókat, megérteni a számlázási folyamatot és befejezni az egyéb adminisztratív folyamatokat. Számos AI technológiát is használnak a pandémiák, például a COVID-19 előrejelzésére, leküzdésére és megértésére.

AI az üzleti életben. A gépi tanulási algoritmusokat integrálják az analitikai és az ügyfélkapcsolat-kezelő (CRM) platformokba, hogy feltárják az ügyfelek jobb kiszolgálására vonatkozó információkat. A chatbotokat beépítették a webhelyekbe, hogy azonnali szolgáltatást nyújtsanak az ügyfeleknek. A munkakörök automatizálása szintén beszélgetési ponttá vált az akadémikusok és az informatikai elemzők körében.

AI az oktatásban. Az AI automatizálhatja az osztályozást, több időt adva az oktatóknak. Képes felmérni a diákokat és alkalmazkodni az igényeikhez, segítve őket a saját tempójukban. Az AI oktatók további támogatást nyújthatnak a hallgatóknak, biztosítva, hogy a pályán maradjanak. És ez megváltoztathatja, hogy hol és hogyan tanulnak a diákok, talán még néhány tanár helyébe is léphet.

AI a pénzügyekben. Az AI a személyes pénzügyi alkalmazásokban, mint például az Intuit Mint vagy a TurboTax, megzavarja a pénzügyi intézményeket. Az ilyen alkalmazások személyes adatokat gyűjtenek és pénzügyi tanácsadást nyújtanak. Más programok, mint például az IBM Watson, alkalmazták a lakásvásárlás folyamatát. Ma a mesterséges intelligencia szoftver végzi a kereskedelem nagy részét a Wall Street-en.

AI a törvényben. A felfedezési folyamat-a dokumentumok szitálása – a törvényben gyakran elsöprő az emberek számára. Az AI használata a jogi iparág munkaigényes folyamatainak automatizálásához időt takarít meg és javítja az ügyfelek kiszolgálását. Az ügyvédi irodák gépi tanulást használnak az adatok leírására és az eredmények előrejelzésére, a számítógépes látást az információk osztályozására és kivonására a dokumentumokból, valamint a természetes nyelvi feldolgozást az információkérések értelmezésére.

AI a gyártásban. A gyártás élen jár a robotok munkafolyamatba történő beépítésében. Például az ipari robotok, amelyeket egy időben egyetlen feladat elvégzésére programoztak, és elválasztottak az emberi munkásoktól, egyre inkább kobotként működnek: Kisebb, multitasking robotok, amelyek együttműködnek az emberekkel, és felelősséget vállalnak a munka több részéért a raktárakban, a gyárakban és más munkaterületeken.

AI a banki. A bankok sikeresen alkalmaznak chatbotokat, hogy ügyfeleiket tájékoztassák a szolgáltatásokról és az ajánlatokról, és olyan tranzakciókat kezeljenek, amelyek nem igényelnek emberi beavatkozást. Az AI virtuális asszisztenseket arra használják, hogy javítsák és csökkentsék a banki előírásoknak való megfelelés költségeit. A banki szervezetek az AI-t is használják a hitelek döntéshozatalának javítására, a hitelkeretek meghatározására és a befektetési lehetőségek azonosítására.

AI a közlekedésben. Amellett, hogy az AI alapvető szerepet játszik az autonóm járművek üzemeltetésében, az AI technológiákat a közlekedésben használják a forgalom kezelésére, a repülési késések előrejelzésére, valamint az óceáni hajózás biztonságosabbá és hatékonyabbá tételére.

biztonság. Az AI és a gépi tanulás a biztonsági gyártók által ma használt buzzword lista tetején vannak, hogy megkülönböztessék kínálatukat. Ezek a kifejezések valóban életképes technológiákat is képviselnek. A szervezetek gépi tanulást használnak a biztonsági információ-és eseménykezelő (Siem) szoftverekben és a kapcsolódó területeken az anomáliák észlelésére és a fenyegetésekre utaló gyanús tevékenységek azonosítására. Az adatok elemzésével és az ismert rosszindulatú kódokkal való hasonlóságok azonosításának logikájával az AI sokkal hamarabb riasztást adhat az új és feltörekvő támadásokra, mint az emberi alkalmazottak és a korábbi technológiai iterációk. Az érlelő technológia nagy szerepet játszik abban, hogy segítse a szervezeteket a számítógépes támadások leküzdésében.

kiterjesztett intelligencia vs. mesterséges intelligencia

egyes iparági szakértők úgy vélik, hogy a mesterséges intelligencia kifejezés túl szorosan kapcsolódik a populáris kultúrához, és ez arra késztette a nagyközönséget, hogy valószínűtlen elvárásokat támasszon azzal kapcsolatban, hogy az AI hogyan változtatja meg a munkahelyet és általában az életet.

• kiterjesztett intelligencia. Egyes kutatók és marketingesek remélik, hogy az augmented intelligence címke, amelynek semlegesebb konnotációja van, segít az embereknek megérteni, hogy az AI legtöbb megvalósítása gyenge lesz, és egyszerűen javítja a termékeket és szolgáltatásokat. Ilyenek például a Fontos információk automatikus felszínre kerülése az üzleti intelligencia jelentéseiben, vagy a Fontos információk kiemelése a jogi bejelentésekben.
• mesterséges intelligencia. Az igazi AI, vagy mesterséges általános intelligencia szorosan kapcsolódik a technológiai szingularitás fogalmához – egy olyan jövőhöz, amelyet egy mesterséges szuperintelligencia irányít, amely messze meghaladja az emberi agy azon képességét, hogy megértse, vagy hogyan alakítja valóságunkat. Ez továbbra is a sci-fi területén marad, bár néhány fejlesztő dolgozik a problémán. Sokan úgy vélik, hogy az olyan technológiák, mint a kvantumszámítás, fontos szerepet játszhatnak az AGI valósággá tételében, és hogy fenn kell tartanunk az AI kifejezés használatát az ilyen általános intelligencia számára.

a mesterséges intelligencia etikus használata

míg az AI eszközök számos új funkciót mutatnak be a vállalkozások számára, a mesterséges intelligencia használata etikai kérdéseket is felvet, mert jóban rosszban egy AI rendszer megerősíti azt, amit már megtanult.

ez problematikus lehet, mert a gépi tanulási algoritmusok, amelyek a legfejlettebb AI eszközök sokaságát alátámasztják, csak annyira okosak, mint a képzésben megadott adatok. Mivel az ember kiválasztja, hogy milyen adatokat használnak fel egy AI program képzéséhez, a gépi tanulás torzításának lehetősége benne rejlik, ezért szorosan figyelemmel kell kísérni.

bárki, aki a gépi tanulást a valós világ részeként kívánja használni, a termelési rendszerekben figyelembe kell vennie az etikát az AI képzési folyamataiban, és törekednie kell az elfogultság elkerülésére. Ez különösen igaz, ha olyan AI algoritmusokat használunk, amelyek természetüknél fogva megmagyarázhatatlanok a deep learning és a generative adversarial network (Gan) alkalmazásokban.

a Magyarázhatóság az AI használatának potenciális akadálya olyan iparágakban, amelyek szigorú Szabályozási megfelelőségi követelmények szerint működnek. Például az Egyesült Államok pénzügyi intézményei olyan szabályok szerint működnek, amelyek megkövetelik tőlük, hogy magyarázzák meg hitelkibocsátási döntéseiket. Amikor az AI programozás dönt a hitel elutasításáról, azonban, nehéz lehet megmagyarázni, hogyan született meg a döntés, mert az ilyen döntések meghozatalához használt AI eszközök a változók ezrei közötti finom korrelációk ugratásával működnek. Ha a döntéshozatali folyamat nem magyarázható, a programot fekete doboz AI-nek nevezhetjük.

a lehetséges kockázatok ellenére jelenleg kevés szabályozás szabályozza az AI eszközök használatát, és ahol vannak törvények, azok általában közvetetten vonatkoznak az AI-re. Például, amint azt korábban említettük, az Egyesült Államok tisztességes hitelezési szabályai megkövetelik a pénzügyi intézményektől, hogy magyarázzák meg a hitelezési döntéseket a potenciális ügyfelek számára. Ez korlátozza, hogy a hitelezők Milyen mértékben használhatják a mély tanulási algoritmusokat, amelyek természetüknél fogva átláthatatlanok és nem magyarázhatók.

az Európai Unió általános adatvédelmi rendelete (GDPR) szigorú korlátokat szab arra vonatkozóan, hogy a vállalkozások hogyan használhatják fel a fogyasztói adatokat, ami számos, a fogyasztókat érintő mi-alkalmazás képzését és működését akadályozza.

2016 októberében a Nemzeti Tudományos és technológiai Tanács jelentést adott ki, amelyben megvizsgálta, hogy a kormányzati szabályozás milyen szerepet játszhat az AI fejlesztésében, de nem javasolta konkrét jogszabályok megfontolását.

az AI szabályozására vonatkozó törvények kidolgozása nem lesz könnyű, részben azért, mert az AI számos olyan technológiát tartalmaz, amelyeket a vállalatok különböző célokra használnak, részben azért, mert a szabályozások az AI fejlődésének és fejlődésének árán jöhetnek létre. Az AI technológiák gyors fejlődése újabb akadályt jelent az AI értelmes szabályozásának kialakításában. A technológiai áttörések és az új alkalmazások a meglévő törvényeket azonnal elavulttá tehetik. Például a beszélgetések és a rögzített beszélgetések magánéletét szabályozó hatályos törvények nem fedik le az olyan hangsegédek által jelentett kihívást, mint az Amazon Alexa és az Apple Siri, amelyek összegyűjtik, de nem terjesztik a beszélgetést-kivéve a vállalatok technológiai csapatait, amelyek a gépi tanulási algoritmusok fejlesztésére használják. Természetesen a törvények, amelyeket a kormányoknak sikerül kidolgozniuk az AI szabályozására, nem akadályozzák meg a bűnözőket abban, hogy rosszindulatú szándékkal használják a technológiát.

kognitív számítástechnika és AI

az AI és a kognitív számítástechnika kifejezéseket néha felcserélhető módon használják, de általában véve az AI címkét olyan gépekre használják, amelyek az emberi intelligenciát helyettesítik azzal, hogy szimulálják, hogyan érzékeljük, tanuljuk, feldolgozzuk és reagálunk a környezetben lévő információkra.

a cognitive computing címkét olyan termékekre és szolgáltatásokra használják, amelyek utánozzák és fokozzák az emberi gondolkodási folyamatokat.

mi az AI története?

az intelligenciával felruházott élettelen tárgyak fogalma az ókor óta létezik. A görög istent, Hephaestust a mítoszokban úgy ábrázolták, hogy robotszerű szolgákat kovácsolt aranyból. Az ókori Egyiptom mérnökei papok által animált istenszobrokat építettek. Az évszázadok során a gondolkodók Arisztotelésztől a 13. századi spanyol teológusig, Ramon Llullig, Ren decision Descartesig és Thomas Bayesig használták koruk eszközeit és logikáját, hogy az emberi gondolkodási folyamatokat szimbólumként írják le, megalapozva az olyan MI fogalmakat, mint az Általános tudásábrázolás.

a 19.század vége és a 20. század első fele hozta létre azt az alapmunkát, amely a modern számítógépet megalapozta. 1836-ban Charles Babbage, a Cambridge-i Egyetem matematikusa és Augusta Ada Byron, Lovelace grófnője feltalálták a programozható gép első tervét.

1940s. Princeton matematikus Neumann János fogant az architektúra a tárolt program számítógép-az ötlet, hogy a számítógép programja és az adatok feldolgozása lehet tartani a számítógép memóriájában. Warren McCulloch és Walter Pitts megalapozta a neurális hálózatokat.

1950-es évek. a modern számítógépek megjelenésével a tudósok kipróbálhatták elképzeléseiket a gépi intelligenciáról. Az egyik módszert annak meghatározására, hogy egy számítógép rendelkezik-e intelligenciával, Alan Turing brit matematikus és második világháborús kódtörő találta ki. A Turing-teszt arra összpontosított, hogy a számítógép képes-e becsapni a kihallgatókat abban a hitben, hogy kérdéseikre adott válaszait egy ember készítette.

1956. A mesterséges intelligencia modern területét széles körben idézik, mivel ez az év kezdődik a Dartmouth College nyári konferenciáján. A Defense Advanced Research Projects Agency (DARPA) által szponzorált konferencián 10 világsztár vett részt, köztük az AI úttörői, Marvin Minsky, Oliver Selfridge és John McCarthy, akik a mesterséges intelligencia kifejezést hozták létre. Szintén jelen volt Allen Newell, egy számítógépes tudós, és Herbert A. Simon közgazdász, politológus és kognitív pszichológus, aki bemutatta úttörő logikai Teoretikusát, egy számítógépes programot, amely képes bizonyos matematikai tételek bizonyítására, és az első AI programnak nevezik.

1950-es és 1960-as évek. a Dartmouth College konferencia nyomán az AI új területének vezetői azt jósolták, hogy az emberi agynak megfelelő ember alkotta intelligencia a sarkon van, jelentős kormányzati és ipari támogatást vonzva. Valóban, közel 20 éves jól finanszírozott alapkutatás jelentős előrelépéseket hozott az AI-ben: Például az 1950-es évek végén Newell és Simon közzétette az Általános problémamegoldó (GPS) algoritmust, amely nem tudta megoldani az összetett problémákat, de megalapozta a kifinomultabb kognitív architektúrák fejlesztését; McCarthy kifejlesztette a Lisp-t, az AI programozás nyelvét, amelyet ma is használnak. Az 1960-as évek közepén az MIT professzora, Joseph Weizenbaum kifejlesztette az ELIZA-t, egy korai természetes nyelvfeldolgozó programot, amely megalapozta a mai chatbotokat.

1970-es és 1980-as évek. De a mesterséges általános intelligencia elérése megfoghatatlannak bizonyult, nem küszöbön álló, akadályozta a számítógépes feldolgozás és a memória korlátai, valamint a probléma összetettsége. A kormány és a vállalatok meghátráltak az AI-kutatás támogatásától, ami egy 1974-től 1980-ig tartó parlagon hagyott időszakhoz vezetett, amelyet az első “AI-télnek” neveztek.”Az 1980-as években a mély tanulási technikákkal kapcsolatos kutatások és Edward Feigenbaum szakértői rendszereinek az ipar általi elfogadása az AI lelkesedésének új hullámát váltotta ki, amelyet a kormányzati finanszírozás és az ipar támogatásának újabb összeomlása követett. A második AI tél az 1990-es évek közepéig tartott.

1990-es évek a mai napig. A számítási teljesítmény növekedése és az adatok robbanása az AI reneszánszát váltotta ki az 1990-es évek végén, amely a mai napig folytatódik. Az AI-re való legutóbbi összpontosítás áttörést hozott a természetes nyelvfeldolgozás, a számítógépes látás, a robotika, a gépi tanulás, a mély tanulás és így tovább. Sőt, az AI egyre kézzelfoghatóbbá válik, meghajtja az autókat, diagnosztizálja a betegségeket és megerősíti szerepét a populáris kultúrában. 1997-ben az IBM Deep Blue legyőzte az orosz sakknagymestert Garry Kasparov, az első számítógépes program, amely legyőzte a sakk világbajnokát. Tizennégy évvel később az IBM Watson elbűvölte a nyilvánosságot, amikor két korábbi bajnokot legyőzött a Jeopardy játékbemutatón!. Újabban a 18-szoros Go világbajnok Lee Sedol történelmi veresége a Google DeepMind AlphaGo által megdöbbentette a Go közösséget, és jelentős mérföldkövet jelentett az intelligens gépek fejlesztésében.

AI mint szolgáltatás

mivel az AI hardver -, szoftver-és személyzeti költségei drágák lehetnek, sok gyártó beépíti az AI komponenseket a szokásos kínálatába, vagy hozzáférést biztosít a mesterséges intelligencia mint szolgáltatás (aiaas) platformokhoz. Az AIaaS lehetővé teszi az egyének és a vállalatok számára, hogy különböző üzleti célokra kísérletezzenek az AI-vel, és több platformon is mintát vegyenek, mielőtt elköteleznék magukat.

a népszerű AI felhő ajánlatok a következőket tartalmazzák:

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