인공 지능이란 무엇입니까?

인공 지능은 기계,특히 컴퓨터 시스템에 의한 인간 지능 프로세스의 시뮬레이션입니다. 인공 지능의 특정 응용 프로그램에는 전문가 시스템,자연어 처리,음성 인식 및 머신 비전이 포함됩니다.

인공 지능은 어떻게 작동합니까?

인공지능에 대한 과대 광고가 가속화됨에 따라,공급업체들은 자신들의 제품과 서비스가 인공지능을 어떻게 사용하는지 홍보하기 위해 애쓰고 있다. 종종 그들이 인공 지능이라고 부르는 것은 단순히 기계 학습과 같은 인공 지능의 한 구성 요소입니다. 인공 지능은 기계 학습 알고리즘을 작성하고 훈련하기 위해 특수 하드웨어 및 소프트웨어의 기초를 필요로합니다. 아무도 프로그래밍 언어가 인공 지능과 동의어는 아니지만 파이썬,아르 자바와 자바를 포함한 몇 가지가 인기가 있습니다.

일반적으로 인공지능 시스템은 많은 양의 라벨이 붙은 훈련 데이터를 섭취하고,상관관계와 패턴에 대한 데이터를 분석하고,이러한 패턴을 사용하여 미래 상태에 대한 예측을 하는 방식으로 작동한다. 이러한 방식으로 텍스트 채팅의 예를 제공하는 챗봇은 사람들과 생생한 교류를 만드는 법을 배우거나 이미지 인식 도구는 수백만 개의 예제를 검토하여 이미지의 객체를 식별하고 설명하는 법을 배울 수 있습니다.

인공 지능 프로그래밍은 학습,추론 및 자기 교정의 세 가지인지 기술에 중점을 둡니다.

학습 과정. 인공 지능 프로그래밍의 이러한 측면은 데이터를 수집하고 데이터를 실행 가능한 정보로 전환하는 방법에 대한 규칙을 만드는 데 중점을 둡니다. 알고리즘이라고하는 규칙은 컴퓨팅 장치에 특정 작업을 완료하는 방법에 대한 단계별 지침을 제공합니다.

추론 과정. 인공 지능 프로그래밍의 이러한 측면은 원하는 결과에 도달 할 수있는 올바른 알고리즘을 선택하는 데 중점을 둡니다.

자기 교정 프로세스. 인공 지능 프로그래밍의 이러한 측면은 알고리즘을 지속적으로 미세 조정하고 가능한 가장 정확한 결과를 제공하도록 설계되었습니다.

인공 지능이 중요한 이유는 무엇입니까?

인공지능은 기업이 이전에 알지 못했던 운영에 대한 통찰력을 제공할 수 있고,어떤 경우에는 인공지능이 인간보다 업무를 더 잘 수행할 수 있기 때문에 중요하다. 특히 관련 분야가 제대로 채워지도록 많은 법률 문서를 분석하는 것과 같은 반복적이고 세부적인 작업의 경우 인공지능 도구는 종종 비교적 적은 오류로 작업을 신속하게 완료합니다.

이것은 효율성의 폭발에 연료를 공급하고 일부 대기업을위한 완전히 새로운 비즈니스 기회의 문을 열었습니다. 인공 지능의 현재 물결 이전에,그것은 택시에 라이더를 연결하는 컴퓨터 소프트웨어를 사용하여 상상하기 어려웠을 것이다,그러나 오늘 동네 짱은 바로 그 일을함으로써 세계에서 가장 큰 회사 중 하나가되고있다. 정교한 기계 학습 알고리즘을 사용하여 사람들이 특정 지역에서 라이드를 필요로 할 가능성이 언제인지 예측하여 운전자가 필요하기 전에 사전에 도로에서 운전자를 확보하는 데 도움이됩니다. 또 다른 예로,구글은 사람들이 서비스를 사용하는 방법을 이해하기 위해 기계 학습을 사용하여 다음을 개선함으로써 온라인 서비스의 범위에 대한 가장 큰 선수 중 하나가되고있다. 2017 년,이 회사의 최고경영자 순다르 피차이는 구글이”인공지능 최초의”회사로 운영될 것이라고 선언했다.

오늘날 가장 크고 성공적인 기업들은 인공지능을 이용하여 운영을 개선하고 경쟁사들에게 우위를 점하고 있다.

인공 지능의 장점과 단점은 무엇입니까?

인공신경망과 딥러닝 인공지능 기술은 빠르게 발전하고 있는데,이는 주로 인공지능이 많은 양의 데이터를 훨씬 빠르게 처리하고 인간적으로 가능한 것보다 더 정확하게 예측하기 때문이다.

매일 엄청난 양의 데이터가 생성되면 인간 연구원이 묻어 버릴 것이지만,기계 학습을 사용하는 인공 지능 응용 프로그램은 그 데이터를 취하여 신속하게 실행 가능한 정보로 전환 할 수 있습니다. 이 글을 쓰는 시점에서 인공 지능 사용의 주요 단점은 인공 지능 프로그래밍이 필요로하는 많은 양의 데이터를 처리하는 데 비용이 많이 든다는 것입니다.

장점

• 세부 지향 작업에 능숙;
• 데이터가 많은 작업의 시간 단축;
• 일관된 결과를 제공합니다.
• 인공지능 도구를 만들 수 있는 자격을 갖춘 근로자의 공급이 제한됨;
• 오직 그것이 보여진 것만을 알 수 있음;그리고
• 한 과제에서 다른 과제로 일반화할 능력이 부족함.

강한 인공 지능 대 약한 인공 지능

인공 지능은 약하거나 강한 것으로 분류 할 수 있습니다.

• 좁은 인공 지능이라고도하는 약한 인공 지능은 특정 작업을 완료하도록 설계되고 훈련 된 인공 지능 시스템입니다. 애플의 시리와 같은 산업용 로봇과 가상 개인 비서는 약한 인공 지능을 사용합니다.
• 강한 인공 지능,또한~으로 알려진 인공 일반 지능(아기),인간 두뇌의인지 능력을 복제 할 수있는 프로그래밍을 설명합니다. 익숙하지 않은 작업이 제시되면 강력한 인공 지능 시스템은 퍼지 논리를 사용하여 한 도메인에서 다른 도메인으로 지식을 적용하고 자율적으로 솔루션을 찾을 수 있습니다. 이론적으로 강력한 인공 지능 프로그램은 튜링 테스트와 중국 룸 테스트를 모두 통과 할 수 있어야합니다.

인공 지능의 4 가지 유형은 무엇입니까?

미시간주립대학교의 통합생물학과 컴퓨터공학부 조교수 아렌드 힌츠는 2016 년 기사에서 인공지능은 4 가지 유형으로 분류될 수 있다고 설명했다. 범주는 다음과 같습니다:

• 유형 1:반응성 기계. 이러한 인공 지능 시스템은 메모리가 없으며 특정 작업입니다. 예를 들어 딥 블루,1990 년대에 게리 카스파로프를 이길 아이비엠 체스 프로그램입니다. 딥 블루는 체스 판의 조각을 식별하고 예측을 할 수 있지만 기억이 없기 때문에 과거의 경험을 사용하여 미래의 경험을 알릴 수 없습니다.
• 유형 2:제한된 메모리. 이러한 인공 지능 시스템에는 메모리가 있으므로 과거의 경험을 사용하여 미래의 결정을 알릴 수 있습니다. 자율주행 자동차의 의사결정 기능 중 일부는 이러한 방식으로 설계되었습니다.
• 유형 3:마음 이론. 마음 이론은 심리학 용어입니다. 인공 지능에 적용 할 때,이 시스템은 감정을 이해하는 사회적 지능을 가질 것을 의미한다. 이 유형의 인공 지능은 인간의 의도를 추론하고 행동을 예측할 수 있으며,인공 지능 시스템이 인간 팀의 필수 구성원이되는 데 필요한 기술입니다.
• 유형 4:자기 인식. 이 범주에서,인공 지능 시스템은 그들에게 의식을 제공 자기의 감각을 가지고있다. 자기 인식을 가진 기계는 자신의 현재 상태를 이해합니다. 이 유형의 인공 지능은 아직 존재하지 않습니다.

인공 지능 기술의 예는 무엇이며 오늘날 어떻게 사용됩니까?

인공지능은 다양한 종류의 기술에 통합되어 있다. 여기에 여섯 가지 예가 있습니다:

• 자동화. 인공 지능 기술과 결합 할 때 자동화 도구는 수행 된 작업의 양과 유형을 확장 할 수 있습니다. 로봇 프로세스 자동화를 예로 들 수 있습니다.이 소프트웨어는 전통적으로 사람이 수행하는 반복적 인 규칙 기반 데이터 처리 작업을 자동화합니다. 기계 학습 및 새로운 인공지능 툴과 결합할 경우,인공지능의 전술적 봇이 인공지능의 인텔리전스를 전달하고 프로세스 변경에 대응할 수 있도록 엔터프라이즈 작업의 더 큰 부분을 자동화할 수 있습니다.
• 기계 학습. 이것은 프로그래밍 없이 행동 하는 컴퓨터를 얻기의 과학 이다. 딥러닝은 매우 간단한 용어로 예측 분석의 자동화로 생각할 수 있는 기계 학습의 하위 집합입니다. 기계 학습 알고리즘에는 세 가지 유형이 있습니다:
  • 감독 학습. 데이터 집합은 패턴을 감지하고 새 데이터 집합에 레이블을 지정하는 데 사용할 수 있도록 레이블이 지정됩니다.
  • 감독되지 않은 학습. 데이터 집합은 레이블이 지정되지 않으며 유사점 또는 차이점에 따라 정렬됩니다.
  • 강화 학습. 데이터 세트는 레이블이 지정되지 않지만 작업 또는 여러 작업을 수행 한 후에는 인공 지능 시스템에 피드백이 제공됩니다.
• 머신 비전. 이 기술은 기계를 볼 수있는 능력을 제공합니다. 머신 비전은 카메라,아날로그-디지털 변환 및 디지털 신호 처리를 사용하여 시각 정보를 캡처하고 분석합니다. 그것은 종종 인간의 시력과 비교되지만,머신 비전은 생물학에 의해 구속되지 않고,예를 들어,벽을 통해 볼 수 있도록 프로그래밍 할 수 있습니다. 그것은 의료 이미지 분석에 서명 식별에서 응용 프로그램의 범위에 사용됩니다. 컴퓨터 기반 이미지 처리에 초점을 맞춘 컴퓨터 비전은 종종 머신 비전과 결합됩니다.
• 자연어 처리. 이것은 컴퓨터 프로그램에 의한 인간 언어의 처리입니다. 전자 우편의 지배를 받는 선 그리고 원본을 보고 쓰레기 이으면 결정하는 스팸 탐지 이다. 내셔널 리그에 대한 현재의 접근 방식은 기계 학습을 기반으로합니다. 텍스트 번역,감정 분석 및 음성 인식이 포함됩니다.
• 로봇 공학. 이 엔지니어링 분야는 로봇의 설계 및 제조에 중점을 둡니다. 로봇은 종종 인간이 지속적으로 수행하거나 수행하기 어려운 작업을 수행하는 데 사용됩니다. 예를 들어,로봇은 자동차 생산을 위해 조립 라인에서 또는 우주 공간에서 큰 물체를 이동하는 데 사용됩니다. 연구원은 또한 사회 환경에서 상호 작용할 수있는 로봇을 구축하기 위해 기계 학습을 사용하고 있습니다.
• 자가 운전 자동차. 자율 차량은 컴퓨터 비전,이미지 인식 및 딥 러닝의 조합을 사용하여 주어진 차선에 머무르고 보행자와 같은 예기치 않은 장애물을 피하면서 차량을 조종하는 자동화 된 기술을 구축합니다.

인공 지능의 응용 프로그램은 무엇입니까?

인공 지능은 다양한 시장으로 진출했습니다. 여기 9 개의 보기는 있는다.

의료 분야의 인공 지능. 가장 큰 베팅은 환자 결과를 개선하고 비용을 줄이는 것입니다. 기업은 인간보다 더 빠르고 더 나은 진단을 내리기 위해 기계 학습을 적용하고 있습니다. 가장 잘 알려진 의료 기술 중 하나는 아이비엠 왓슨이다. 그것은 자연 언어를 이해하고 그것의 질문에 응답 할 수 있습니다. 이 시스템은 환자 데이터 및 기타 사용 가능한 데이터 소스를 광산하여 가설을 형성 한 다음 신뢰 점수 스키마를 제공합니다. 다른 인공 지능 애플리케이션에는 온라인 가상 건강 보조원 및 챗봇을 사용하여 환자 및 의료 고객이 의료 정보를 찾고,약속을 예약하고,청구 프로세스를 이해하고,기타 관리 프로세스를 완료하는 데 도움이됩니다. 또한 코로나 19 와 같은 전염병을 예측하고,싸우고,이해하기 위해 다양한 인공지능 기술이 사용되고 있습니다.

기계 학습 알고리즘은 분석 및 고객 관계 관리 플랫폼에 통합되어 고객에게 더 나은 서비스를 제공하는 방법에 대한 정보를 찾고 있습니다. 챗봇은 고객에게 즉각적인 서비스를 제공하기 위해 웹 사이트에 통합되었습니다. 직위의 자동화는 또한 학계 및 그것 분석가 중 대화 점이 되었다.

교육의 인공 지능. 인공 지능은 채점을 자동화하여 교육자에게 더 많은 시간을 제공 할 수 있습니다. 그것은 학생들을 평가하고 자신의 필요에 적응하여 자신의 속도로 일할 수 있도록 도와줍니다. 인공 지능 교사는 학생들에게 추가 지원을 제공 할 수 있습니다,그들은 궤도에 머물 보장. 그리고 학생들이 배우는 곳과 방법을 바꿀 수 있으며 심지어 일부 교사를 대체 할 수도 있습니다.

금융 분야의 인공 지능. 인튜이트 민트 또는 터보 택스와 같은 개인 금융 애플리케이션의 인공 지능은 금융 기관을 혼란스럽게하고 있습니다. 이와 같은 응용 프로그램은 개인 데이터를 수집하고 재정적 조언을 제공합니다. 아이비엠 왓슨과 같은 다른 프로그램들은 집을 사는 과정에 적용되었다. 오늘날 인공 지능 소프트웨어는 월스트리트에서 많은 거래를 수행합니다.

발견 과정-문서를 통해 선별-법률은 종종 인간에 대한 압도적이다. 인공지능을 사용하여 법률 산업의 노동 집약적인 프로세스를 자동화하는 것은 시간을 절약하고 고객 서비스를 개선하는 것입니다. 법률 회사는 분류하고 정보에 대한 요청을 해석하는 문서 및 자연 언어 처리에서 정보를 추출하기 위해 데이터를 설명하고 결과를 예측하는 기계 학습,컴퓨터 비전을 사용하고 있습니다.

제조 분야의 인공 지능. 제조는 로봇을 워크플로에 통합하는 데 앞장서 왔습니다. 예를 들어,한 번에 단일 작업을 수행하도록 프로그래밍되고 인간 작업자와 분리 된 산업용 로봇은 점점 더 코봇으로 기능합니다: 인간과 협력하고 창고,공장 바닥 및 기타 작업 공간에서 작업의 더 많은 부분에 대한 책임을 맡는 더 작은 멀티 태스킹 로봇.

은행의 인공 지능. 은행은 챗봇을 성공적으로 고용하여 고객이 서비스와 오퍼링을 인식하고 사람의 개입이 필요없는 거래를 처리합니다. 인공 지능 가상 조수는 은행 규정 준수 비용을 개선하고 삭감하는 데 사용되고 있습니다. 은행 조직은 또한 인공 지능을 사용하여 대출 의사 결정을 개선하고 신용 한도를 설정하고 투자 기회를 파악합니다.

수송에 있는 인공지능. 인공지능 기술은 자율주행 차량 운영에 있어서 인공지능의 기본적인 역할 외에도 교통수단을 관리하고,비행 지연을 예측하며,해상 운송을 더욱 안전하고 효율적으로 만들기 위해 교통수단에 사용된다.

보안. 인공지능과 기계 학습은 오늘날 보안 공급업체가 제공하는 제품을 차별화하기 위해 사용하는 화두 목록의 최상위에 있습니다. 이러한 용어는 또한 진정으로 실행 가능한 기술을 나타냅니다. 조직에서는 보안 정보 및 이벤트 관리 소프트웨어 및 관련 영역에서 기계 학습을 사용하여 이상을 탐지하고 위협을 나타내는 의심스러운 활동을 식별합니다. 데이터를 분석하고 논리를 사용하여 알려진 악성 코드와의 유사성을 식별함으로써 인공 지능은 직원 및 이전 기술 반복보다 훨씬 빨리 새롭고 새로운 공격에 대한 경고를 제공 할 수 있습니다. 성숙 기술은 조직이 사이버 공격을 격퇴하는 데 큰 역할을 담당하고 있습니다.

증강 지능 대. 인공 지능

일부 업계 전문가들은 인공 지능이라는 용어가 대중 문화와 너무 밀접하게 관련되어 있다고 믿고 있으며,이로 인해 일반 대중은 인공 지능이 일반적으로 직장과 삶을 어떻게 바꿀 것인지에 대해 예상 할 수없는 기대를 갖게되었습니다.

• 증강 지능. 일부 연구자와 마케터는 사람들이 인공 지능의 대부분의 구현이 약한 단순히 제품과 서비스를 개선 할 것을 이해하는 데 도움이 될 것입니다,더 중립적 인 의미를 가지고 증강 지능 레이블 바랍니다. 예를 들어 비즈니스 인텔리전스 보고서에 중요한 정보를 자동으로 표시하거나 법적 서류에 중요한 정보를 강조 표시합니다.
• 인공 지능. 진정한 인공 지능 또는 인공 일반 지능은 기술적 특이점의 개념과 밀접한 관련이 있습니다-인간의 두뇌가 그것을 이해하는 능력이나 그것이 우리의 현실을 어떻게 형성하고 있는지를 훨씬 능가하는 인공 초 지능에 의해 지배되는 미래. 일부 개발자는 문제에 노력하고 있지만 이것은 공상 과학 소설의 영역 내에 남아 있습니다. 많은 사람들은 양자 컴퓨팅과 같은 기술이 아기를 현실로 만드는 데 중요한 역할을 할 수 있으며 이러한 종류의 일반적인 지능에 인공 지능이라는 용어를 사용해야한다고 생각합니다.

인공지능의 윤리적 사용

인공지능 도구는 기업을 위한 다양한 새로운 기능을 제시하지만,인공지능의 사용은 또한 인공지능 시스템이 이미 배운 것을 더 좋든 나쁘 든 강화할 것이기 때문에 윤리적 문제를 제기한다.

이것은 가장 진보 된 인공 지능 도구 중 많은 것을 뒷받침하는 기계 학습 알고리즘이 훈련에서 주어진 데이터만큼 똑똑하기 때문에 문제가 될 수 있습니다. 인간이 인공지능 프로그램을 훈련시키는 데 사용되는 데이터를 선택하기 때문에 기계 학습 편향의 가능성은 내재적이며 면밀히 모니터링해야 합니다.

실제 생산 시스템의 일부로 기계 학습을 사용하려는 사람은 인공 지능 교육 프로세스에 윤리를 반영하고 편견을 피하기 위해 노력해야합니다. 이는 딥 러닝 및 생성 적 적대적 네트워크(웨이 코 뮤니시)응용 프로그램에서 본질적으로 설명 할 수없는 인공 지능 알고리즘을 사용할 때 특히 그렇습니다.

설명가능성은 엄격한 규정 준수 요건에 따라 운영되는 산업에서 인공지능을 사용하는 데 걸림돌이 될 수 있다. 예를 들어,미국의 금융 기관은 신용 발행 결정을 설명하도록 요구하는 규정에 따라 운영됩니다. 그러나 인공 지능 프로그래밍에 의해 신용을 거부하기로 한 결정이 내려지면 그러한 결정을 내리는 데 사용 된 인공 지능 도구가 수천 개의 변수 사이의 미묘한 상관 관계를 괴롭 히고 작동하기 때문에 결정이 어떻게 이루어 졌는지 설명하기가 어려울 수 있습니다. 의사 결정 과정을 설명 할 수없는 경우,이 프로그램은 블랙 박스 인공 지능이라고 할 수있다.

잠재적 위험에도 불구하고,현재 인공지능 도구의 사용에 관한 규정은 거의 없으며,법이 존재하는 곳에서는 일반적으로 인공지능과 간접적으로 관련된다. 예를 들어,앞서 언급 한 바와 같이,미국의 공정한 대출 규정은 금융 기관이 잠재 고객에게 신용 결정을 설명 할 것을 요구합니다. 이는 대출 기관이 딥 러닝 알고리즘을 사용할 수있는 정도를 제한하며,이는 본질적으로 불투명하고 설명 가능성이 부족합니다.

유럽연합의 일반 데이터 보호 규정은 기업이 소비자 데이터를 어떻게 사용할 수 있는지에 대해 엄격한 제한을 두고 있으며,이는 많은 소비자 대상 인공지능 애플리케이션의 교육 및 기능을 방해한다.

2016 년 10 월,국립 과학 기술위원회는 정부의 규제가 인공 지능 개발에서 할 수있는 잠재적 인 역할을 조사하는 보고서를 발표하지만,특정 법률을 고려하지하는 것이 좋습니다.

인공지능을 규제하는 법을 만드는 것은 쉽지 않을 것이다. 인공 지능 기술의 급속한 진화는 인공 지능의 의미있는 규제를 형성하는 또 다른 장애물입니다. 기술 혁신과 새로운 응용 프로그램은 기존 법률을 즉시 쓸모 없게 만들 수 있습니다. 예를 들어,대화 및 녹음 된 대화의 개인 정보를 규제하는 기존 법률은 아마존의 알렉사 및 애플의 시리와 같은 음성 비서가 수집하지만 대화를 배포하지 않는 문제를 다루지 않습니다. 물론 정부가 인공지능을 규제하기 위해 만드는 법은 범죄자들이 악의적인 의도로 이 기술을 사용하는 것을 막지는 못합니다.

인지 컴퓨팅과 인공지능

인공지능과 인지 컴퓨팅이라는 용어는 때때로 같은 의미로 사용되기도 하지만,일반적으로 말하자면,인공지능이라는 라벨은 우리가 환경에서 정보를 감지하고,배우고,처리하고,반응하는 방식을 시뮬레이션함으로써 인간의 지능을 대체하는 기계와 관련하여 사용된다.

인지 컴퓨팅이라는 라벨은 인간의 사고 과정을 모방하고 증대시키는 제품 및 서비스와 관련하여 사용된다.

인공지능의 역사는 무엇인가?

지능이 부여된 무생물의 개념은 고대부터 존재해 왔다. 그리스 신 헤파이스토스는 금에서 로봇 같은 종을 단조로 신화에 묘사되었다. 고대 이집트의 엔지니어들은 사제들에 의해 움직이는 신들의 동상을 만들었습니다. 수세기에 걸쳐 아리스토텔레스에서 13 세기 스페인 신학자 라몬 룰에서 렌 데카르트와 토마스 베이 즈에 이르기까지 사상가들은 시대의 도구와 논리를 사용하여 인간의 사고 과정을 상징으로 묘사하여 일반적인 지식 표현과 같은 인공 지능 개념의 토대를 마련했습니다.

20 세기 19 세기 후반과 전반기는 현대 컴퓨터를 탄생시킬 기초 작업을 가져왔다. 1836 년 캠브리지 대학의 수학자 찰스 배비지 과 오거스타 에이다 바이런,러브 레이스 백작 부인은 프로그래밍 가능한 기계의 첫 번째 디자인을 발명했습니다.

1940 년대 프린스턴의 수학자 존 폰 노이만은 저장된 프로그램 컴퓨터를 위한 아키텍처를 고안했다. 그리고 워렌 맥 컬록와 월터 피츠는 신경 네트워크의 토대를 마련했다.

1950 년대.현대 컴퓨터의 출현으로 과학자들은 기계 지능에 대한 아이디어를 테스트 할 수있었습니다. 컴퓨터가 지능을 가지고 있는지 여부를 결정하는 한 가지 방법은 영국의 수학자이자 제 2 차 세계 대전 코드 브레이커 앨런 튜링에 의해 고안되었습니다. 튜링 테스트는 심문자를 속여 질문에 대한 응답을 인간에 의해 만들어 졌다고 믿는 컴퓨터의 능력에 중점을 두었습니다.

1956. 인공 지능의 현대 분야는 다트머스 대학에서 여름 회의 중 올해 시작으로 널리 인용된다. 국방 고급 연구 프로젝트 기관(다르 파)후원,회의는 인공 지능이라는 용어를 화폐로 주조로 적립됩니다 인공 지능의 개척자 마빈 민스키,올리버 셀프 리지와 존 맥카시를 포함하여 분야에서 10 명,참석했다. 또한 참석 앨런 뉴웰했다,컴퓨터 과학자,허버트. 사이먼,경제학자,정치 과학자 및인지 심리학자,획기적인 논리 이론가,특정 수학적 정리를 입증 할 수있는 컴퓨터 프로그램을 제시하고 최초의 인공 지능 프로그램이라고합니다.

1950 년대와 1960 년대.다트머스 대학 컨퍼런스의 여파로 신생 인공 지능 분야의 지도자들은 인간의 두뇌와 동등한 인공 지능이 모퉁이를 돌면서 주요 정부 및 산업 지원을 받았다고 예측했습니다. 실제로,거의 20 년 동안 잘 투자 된 기초 연구는 인공 지능에서 상당한 발전을 이루었습니다: 예를 들어,1950 년대 후반에 뉴웰과 사이먼은 복잡한 문제를 해결하기에는 부족하지만 보다 정교한 인지 구조를 개발할 수 있는 토대를 마련한 일반적인 문제 해결 알고리즘을 발표했다. 1960 년대 중반에 조셉 바이젠바움 교수는 오늘날의 챗봇의 토대를 마련한 초기 자연어 처리 프로그램인 엘리자를 개발했습니다.

1970 년대와 1980 년대. 그러나 인공 일반 지능의 성취는 컴퓨터 처리 및 메모리의 제한과 문제의 복잡성에 의해 방해,임박하지,어려운 입증했다. 정부와 기업들은 인공지능 연구에 대한 지원을 철회하여 1974 년부터 1980 년까지 지속되었으며 최초의”인공지능 겨울”으로 알려져 있다.”1980 년대에,깊은 학습 기술과 에드워드 페이 겐 바움의 전문가 시스템의 업계의 채택에 대한 연구는 정부의 자금 및 산업 지원의 또 다른 붕괴 다음에,인공 지능 열정의 새로운 물결을 촉발. 두 번째 인공 지능 겨울은 1990 년대 중반까지 지속되었습니다.

1990 년대부터 오늘까지. 전산 능력의 증가와 데이터의 폭발은 1990 년대 후반에 인공 지능 르네상스를 촉발 시켰으며,이는 현재에도 계속되고 있습니다. 인공 지능에 대한 최신 초점은 자연 언어 처리,컴퓨터 비전,로봇 공학,기계 학습,딥 러닝 등의 돌파구를 마련했습니다. 더욱이 인공지능은 점점 더 가시화되고 있으며,자동차에 전력을 공급하고,질병을 진단하고,대중 문화에서 그 역할을 확고히하고 있습니다. 1997 년,아이비엠의 딥 블루는 러시아 체스 그랜드마스터 게리 카스파로프를 물리쳐 세계 체스 챔피언을 이긴 최초의 컴퓨터 프로그램이 되었다. 14 년 후,아이비엠의 왓슨은 게임 쇼 퍼디에서 두 명의 전 챔피언을 물리 쳤을 때 대중을 사로 잡았습니다!. 최근 구글 딥마인드 알파고의 18 회 세계 바둑 챔피언 이세돌의 역사적인 패배는 바둑 커뮤니티를 기절시키고 지능형 기계 개발에 중요한 이정표를 세웠다.인공지능 서비스로서의 인공지능

인공지능에 대한 하드웨어,소프트웨어 및 인력 비용이 비쌀 수 있기 때문에,많은 벤더들이 인공지능 컴포넌트를 표준 오퍼링에 포함시키거나 서비스 플랫폼으로서 인공지능에 대한 액세스를 제공하고 있다. 개인 및 기업은 다양한 비즈니스 목적을 위해 인공지능을 실험하고,약속하기 전에 여러 플랫폼을 샘플링할 수 있습니다.

인기있는 인공 지능 클라우드 제품은 다음과 같습니다: