hva er kunstig intelligens?

Kunstig intelligens er simulering av menneskelige intelligensprosesser av maskiner, spesielt datasystemer. Spesifikke applikasjoner AV AI inkluderer ekspertsystemer, naturlig språkbehandling, talegjenkjenning og maskinsyn.

HVORDAN FUNGERER AI?

som hype rundt AI har akselerert, leverandører har blitt desperat å fremme hvordan deres produkter og tjenester bruker AI. OFTE er DET DE refererer TIL SOM AI, bare en komponent AV AI, for eksempel maskinlæring. AI krever et fundament av spesialisert maskinvare og programvare for skriving og opplæring av maskinlæringsalgoritmer. Ingen programmeringsspråk er synonymt MED AI, men noen Få, inkludert Python, R og Java, er populære.

GENERELT FUNGERER AI-systemer ved å innta store mengder merkede treningsdata, analysere dataene for korrelasjoner og mønstre, og bruke disse mønstrene for å gjøre spådommer om fremtidige tilstander. På denne måten kan en chatbot som er matet eksempler på tekstchatter, lære å produsere naturtro utvekslinger med mennesker, eller et bildegjenkjenningsverktøy kan lære å identifisere og beskrive objekter i bilder ved å gjennomgå millioner av eksempler.

AI programmering fokuserer på tre kognitive ferdigheter: læring, resonnement og selvkorrigering.

Læringsprosesser. DETTE aspektet av AI programmering fokuserer på å skaffe data og lage regler for hvordan du gjør dataene til praktisk informasjon. Reglene, som kalles algoritmer, gir databehandlingsenheter trinnvise instruksjoner for hvordan du fullfører en bestemt oppgave.

Resonnement prosesser. DETTE aspektet av AI programmering fokuserer på å velge riktig algoritme for å nå et ønsket resultat.

Selvkorrigeringsprosesser. DETTE aspektet AV AI programmering er utviklet for å kontinuerlig finjustere algoritmer og sikre at de gir de mest nøyaktige resultatene mulig.

hvorfor er kunstig intelligens viktig?

AI er viktig fordi DET kan gi bedrifter innsikt i deres operasjoner som de kanskje ikke har vært klar over tidligere, og fordi I NOEN tilfeller KAN AI utføre oppgaver bedre enn mennesker. SPESIELT når DET gjelder repeterende, detaljorienterte oppgaver som å analysere et stort antall juridiske dokumenter for å sikre at relevante felt fylles ut riktig, FULLFØRER AI-verktøy ofte jobber raskt og med relativt få feil.

Dette har bidratt til en eksplosjon i effektivitet og åpnet døren for helt nye forretningsmuligheter for noen større bedrifter. Før den NÅVÆRENDE bølgen AV AI, ville Det vært vanskelig å forestille seg å bruke dataprogramvare for å koble ryttere til drosjer, Men I dag Har Uber blitt et av de største selskapene i verden ved å gjøre nettopp det. Den bruker sofistikerte maskinlæringsalgoritmer for å forutsi når folk sannsynligvis trenger rides i visse områder, noe som hjelper proaktivt med å få drivere på veien før de trengs. Som Et annet eksempel Har Google blitt en av de største aktørene for en rekke elektroniske tjenester ved å bruke maskinlæring for å forstå hvordan folk bruker sine tjenester og deretter forbedre dem. I 2017 uttalte Selskapets ADMINISTRERENDE DIREKTØR, Sundar Pichai, At Google ville operere Som Et “AI first” – selskap.

dagens største og mest vellykkede bedrifter har brukt AI til å forbedre sin virksomhet og få fordel på sine konkurrenter.

hva er fordelene og ulempene med kunstig intelligens?

Kunstige nevrale nettverk og dyp læring kunstig intelligens teknologier utvikler seg raskt, først og fremst fordi AI behandler store mengder data mye raskere og gjør spådommer mer nøyaktig enn menneskelig mulig.

mens det store volumet av data som opprettes daglig, ville begrave en menneskelig forsker, KAN AI-applikasjoner som bruker maskinlæring ta disse dataene og raskt gjøre det til praktisk informasjon. Når dette skrives, er den primære ulempen ved Å bruke AI at det er dyrt å behandle de store mengdene data SOM AI programmering krever.

Fordeler

• god på detaljorienterte jobber;
• Redusert tid for datatunge oppgaver;
• Leverer konsistente resultater; og
• ai-drevne virtuelle agenter er alltid tilgjengelige.

Ulemper

• Dyrt;
• Krever dyp teknisk ekspertise;
• Begrenset tilgang på kvalifiserte arbeidere til å bygge AI-verktøy;
• Vet Bare hva DET har blitt vist; og
• Manglende evne til å generalisere fra en oppgave til en annen.

Sterk AI vs svak AI

AI kan kategoriseres som enten svak eller sterk.

• Svak AI, også kjent som smal AI, er ET AI-system som er designet og trent til å fullføre en bestemt oppgave. Industriroboter og virtuelle personlige assistenter, Som Apples Siri, bruker svak AI.
• Sterk AI, også kjent som kunstig generell intelligens (AGI), beskriver programmering som kan replikere kognitive evner i den menneskelige hjerne. Når det presenteres med en ukjent oppgave, kan et sterkt AI-system bruke fuzzy logic til å bruke kunnskap fra ett domene til et annet og finne en løsning autonomt. I teorien bør et sterkt AI-program kunne bestå Både En Turing-Test og Den Kinesiske romprøven.

hva er de 4 typene kunstig intelligens?

Arend Hintze, en assisterende professor i integrativ biologi og datavitenskap og ingeniørfag ved Michigan State University, forklarte i En artikkel fra 2016 at AI kan kategoriseres i fire typer, som begynner med de oppgavespesifikke intelligente systemene i bred bruk i dag og utvikler seg til sentiente systemer, som ennå ikke eksisterer. Kategoriene er som følger:

• Type 1: Reaktive maskiner. DISSE AI-systemene har ikke noe minne og er oppgavespesifikke. Et eksempel er Deep Blue, IBM chess-programmet som slo Garry Kasparov på 1990-tallet. Deep Blue kan identifisere brikker på sjakkbrettet og gjøre spådommer, men fordi det ikke har noe minne, kan det ikke bruke tidligere erfaringer til å informere fremtidige.
• Type 2: Begrenset minne. DISSE AI-systemene har minne, slik at de kan bruke tidligere erfaringer til å informere fremtidige beslutninger. Noen av beslutningsfunksjonene i selvkjørende biler er utformet på denne måten.
• Type 3: Sinnsteori. Theory of mind er et psykologisk begrep. NÅR DET brukes PÅ AI, betyr det at systemet vil ha sosial intelligens for å forstå følelser. DENNE TYPEN AI vil kunne utlede menneskelige intensjoner og forutsi atferd, en nødvendig ferdighet for AI-systemer for å bli integrerte medlemmer av menneskelige lag.
• Type 4: selvbevissthet. I DENNE kategorien HAR AI-systemer en følelse av selvtillit, noe som gir dem bevissthet. Maskiner med selvbevissthet forstår sin egen nåværende tilstand. DENNE TYPEN AI eksisterer ikke ennå.

hva er eksempler PÅ AI-teknologi og hvordan brukes DEN i dag?

AI er innlemmet i en rekke forskjellige typer teknologi. Her er seks eksempler:

• Automatisering. Når parret MED AI-teknologier, kan automatiseringsverktøy utvide volumet og typer oppgaver som utføres. ET eksempel er ROBOTIC process automation (RPA), en type programvare som automatiserer repeterende, regelbaserte databehandlingsoppgaver som tradisjonelt utføres av mennesker. NÅR det kombineres med maskinlæring og nye AI-verktøy, kan RPA automatisere større deler av bedriftsjobber, slik AT RPAS taktiske bots kan overføre intelligens fra AI og reagere på prosessendringer.
• Maskinlæring. Dette er vitenskapen om å få en datamaskin til å handle uten programmering. Dyp læring er en delmengde av maskinlæring som på svært enkle vilkår kan betraktes som automatisering av prediktiv analyse. Det finnes tre typer maskinlæringsalgoritmer:
  • Overvåket læring. Datasett er merket slik at mønstre kan oppdages og brukes til å merke nye datasett.
  • Læring Uten Tilsyn. Datasett er ikke merket og sorteres etter likheter eller forskjeller.
  • Forsterkningslæring. Datasett er ikke merket, men ETTER å ha utført en handling eller flere handlinger, FÅR AI-systemet tilbakemelding.
• Maskin visjon. Denne teknologien gir en maskin muligheten til å se. Maskinsyn fanger opp og analyserer visuell informasjon ved hjelp av et kamera, analog-til-digital konvertering og digital signalbehandling. Det sammenlignes ofte med menneskelig syn, men maskinsyn er ikke bundet av biologi og kan programmeres til å se gjennom vegger, for eksempel. Den brukes i en rekke applikasjoner fra signaturidentifikasjon til medisinsk bildeanalyse. Datasyn, som er fokusert på maskinbasert bildebehandling, blir ofte sammenflettet med maskinvisjon.
• naturlig språkbehandling (NLP). Dette er behandling av menneskelig språk ved et dataprogram. ET av de eldre og mest kjente eksemplene PÅ NLP er spam-deteksjon, som ser på emnelinjen og teksten til en e-post og bestemmer om det er søppel. Nåværende tilnærminger TIL NLP er basert på maskinlæring. Nlp-oppgaver inkluderer tekstoversettelse, sentimentanalyse og talegjenkjenning.
• Robotikk. Dette feltet av engineering fokuserer på design og produksjon av roboter. Roboter brukes ofte til å utføre oppgaver som er vanskelige for mennesker å utføre eller utføre konsekvent. For eksempel brukes roboter i samlebånd for bilproduksjon eller AV NASA for å flytte store gjenstander i rommet. Forskere bruker også maskinlæring til å bygge roboter som kan samhandle i sosiale omgivelser.
• selvkjørende biler. Autonome kjøretøy bruker en kombinasjon av datasyn, bildegjenkjenning og dyp læring for å bygge automatisert ferdighet ved å styre et kjøretøy mens du bor i et gitt kjørefelt og unngår uventede hindringer, for eksempel fotgjengere.

Hva er applikasjonene TIL AI?

Kunstig intelligens har gjort sin vei inn i et bredt spekter av markeder. Her er ni eksempler.

AI i helsevesenet. De største innsatsene er å forbedre pasientresultatene og redusere kostnadene. Bedrifter bruker maskinlæring for å gjøre bedre og raskere diagnoser enn mennesker. EN av DE mest kjente helseteknologiene ER IBM Watson. Den forstår naturlig språk og kan svare på spørsmål om det. Systemet miner pasientdata og andre tilgjengelige datakilder for å danne en hypotese, som den deretter presenterer med et konfidensskåringsskjema. ANDRE AI-applikasjoner inkluderer bruk av virtuelle helseassistenter og chatbots for å hjelpe pasienter og helsekunder med å finne medisinsk informasjon, planlegge avtaler, forstå faktureringsprosessen og fullføre andre administrative prosesser. EN rekke AI-teknologier brukes også til å forutsi, bekjempe og forstå pandemier som COVID-19.

AI i virksomheten. Maskinlæringsalgoritmer blir integrert i analytics og customer relationship management (CRM) plattformer for å avdekke informasjon om hvordan man bedre kan betjene kunder. Chatbots har blitt innlemmet i nettsteder for å gi umiddelbar service til kundene. Automatisering av stillinger har også blitt et snakkepunkt blant akademikere og IT-analytikere.

AI i utdanning. AI kan automatisere gradering, noe som gir lærere mer tid. Det kan vurdere studenter og tilpasse seg deres behov, og hjelpe dem med å jobbe i sitt eget tempo. AI-veiledere kan gi ekstra støtte til studenter, slik at de holder seg på sporet. Og det kan endre hvor og hvordan elevene lærer, kanskje til og med erstatte noen lærere.

AI i finans. AI i personlig økonomi applikasjoner, Som Intuit Mint eller TurboTax, forstyrrer finansinstitusjoner. Applikasjoner som disse samler inn personopplysninger og gir økonomisk rådgivning. ANDRE programmer, SOM IBM Watson, har blitt brukt til prosessen med å kjøpe et hjem. I Dag utfører kunstig intelligens programvare mye av handelen På Wall Street.

AI i lov. Oppdagelsesprosessen-sikting gjennom dokumenter-i loven er ofte overveldende for mennesker. Å bruke AI til å automatisere den juridiske bransjens arbeidskrevende prosesser sparer tid og forbedrer kundeservicen. Advokatfirmaer bruker maskinlæring for å beskrive data og forutsi utfall, datasyn for å klassifisere og trekke ut informasjon fra dokumenter og naturlig språkbehandling for å tolke forespørsler om informasjon.

AI i produksjon. Produksjon har vært i forkant med å inkorporere roboter i arbeidsflyten. For eksempel, industriroboter som på en gang var programmert til å utføre enkeltoppgaver og skilt fra menneskelige arbeidere, fungerer i økende grad som cobots: Mindre, multitasking roboter som samarbeider med mennesker og tar ansvar for flere deler av jobben i varehus, fabrikkgulv og andre arbeidsområder.

AI i bank. Banker benytter med hell chatbots for å gjøre kundene oppmerksomme på tjenester og tilbud og å håndtere transaksjoner som ikke krever menneskelig inngrep. AI virtuelle assistenter blir brukt til å forbedre og kutte kostnadene ved overholdelse av bankforskrifter. Bankorganisasjoner bruker OGSÅ AI til å forbedre sine beslutninger om lån, og å sette kredittgrenser og identifisere investeringsmuligheter.

AI i transport. I TILLEGG TIL AIS grunnleggende rolle i drift av autonome kjøretøy, BRUKES AI-teknologier i transport for å håndtere trafikk, forutsi flyforsinkelser og gjøre havtransport tryggere og mer effektiv.

Sikkerhet. AI og maskinlæring er øverst på buzzword-listen sikkerhetsleverandører bruker i dag for å skille mellom tilbudene sine. Disse begrepene representerer også virkelig levedyktige teknologier. Organisasjoner bruker maskinlæring i PROGRAMVARE for sikkerhetsinformasjon og hendelseshåndtering (SIEM) og relaterte områder for å oppdage avvik og identifisere mistenkelige aktiviteter som indikerer trusler. VED å analysere data og bruke logikk for å identifisere likheter med kjent ondsinnet kode, KAN AI gi varsler til nye og nye angrep mye raskere enn menneskelige ansatte og tidligere teknologiske gjentakelser. Modningsteknologien spiller en stor rolle i å hjelpe organisasjoner med å bekjempe cyberangrep.

Utvidet intelligens vs. kunstig intelligens

noen bransjeeksperter mener at begrepet kunstig intelligens er for nært knyttet til populærkulturen, og dette har ført til at allmennheten har usannsynlige forventninger om HVORDAN AI vil forandre arbeidsplassen og livet generelt.

• Utvidet intelligens. Noen forskere og markedsførere håper etiketten augmented intelligence, som har en mer nøytral konnotasjon, vil hjelpe folk å forstå at de fleste implementeringer AV AI vil være svake og bare forbedre produkter og tjenester. Eksempler inkluderer automatisk å vise viktig informasjon i business intelligence-rapporter eller fremheve viktig informasjon i juridiske registreringer.
• Kunstig intelligens. Sann AI, eller kunstig generell intelligens, er nært knyttet til begrepet teknologisk singularitet – en fremtid styrt av en kunstig superintelligens som langt overgår den menneskelige hjernens evne til å forstå det eller hvordan det former vår virkelighet. Dette forblir innenfor riket av science fiction, selv om noen utviklere jobber med problemet. Mange tror at teknologier som kvantemåling kan spille en viktig rolle i Å gjøre AGI til virkelighet, og at VI bør reservere bruken AV begrepet AI for denne typen generell intelligens.

Etisk bruk av kunstig intelligens

MENS AI-verktøy presenterer en rekke nye funksjoner for bedrifter, reiser bruken av kunstig intelligens også etiske spørsmål fordi ET AI-system for bedre eller verre vil styrke det det allerede har lært.

dette kan være problematisk fordi maskinlæringsalgoritmer, som underbygger mange av DE mest avanserte ai-verktøyene, bare er like smarte som dataene de får i opplæringen. Fordi et menneske velger hvilke data som brukes til å trene ET AI-program, er potensialet for maskinlæringsskjevhet iboende og må overvåkes nøye.

Alle som ønsker å bruke maskinlæring som en del av den virkelige verden, må i produksjonssystemer faktor etikk i SINE AI treningsprosesser og streber etter å unngå skjevhet. Dette gjelder spesielt når DU bruker AI-algoritmer som iboende er uforklarlige i deep learning og generative adversarial network (GAN) applikasjoner.

Forklarlighet er en potensiell hindring for BRUK AV AI i bransjer som opererer under strenge krav til overholdelse av regelverk. For eksempel opererer finansinstitusjoner i Usa under forskrifter som krever at de forklarer sine kredittutstedende beslutninger. NÅR EN beslutning om å nekte kreditt er laget AV AI programmering, kan det imidlertid være vanskelig å forklare hvordan beslutningen ble ankommet fordi AI-verktøyene som brukes til å ta slike beslutninger, virker ved å plage ut subtile korrelasjoner mellom tusenvis av variabler. Når beslutningsprosessen ikke kan forklares, kan programmet bli referert til som svart boks AI.

Til tross for potensielle risikoer, er det for tiden få forskrifter som regulerer bruken AV AI-verktøy, og hvor lover eksisterer, gjelder de vanligvis ai indirekte. For eksempel, Som tidligere nevnt, Krever Usas Rettferdige Utlånsregler finansinstitusjoner å forklare kredittbeslutninger til potensielle kunder. Dette begrenser i hvilken grad långivere kan bruke dype læringsalgoritmer, som i sin natur er ugjennomsiktige og mangler forklarlighet.

Eus Generelle Databeskyttelsesforordning (GDPR) setter strenge grenser for hvordan bedrifter kan bruke forbrukerdata, noe som hindrer opplæring og funksjonalitet i mange forbrukerrettede AI-applikasjoner.

I oktober 2016 utstedte National Science And Technology Council en rapport som undersøkte den potensielle rollen statlig regulering kan spille I AI-utvikling, men det anbefalte ikke spesifikk lovgivning vurderes.

Å lage lover for å regulere AI vil ikke være lett, delvis fordi AI består av en rekke teknologier som bedrifter bruker til forskjellige formål, og delvis fordi forskrifter kan komme på bekostning AV AI-fremgang og utvikling. Den raske utviklingen AV AI-teknologier er et annet hinder for å danne meningsfylt regulering AV AI. Teknologiske gjennombrudd og nye applikasjoner kan gjøre eksisterende lover umiddelbart foreldet. For eksempel dekker eksisterende lover som regulerer personvernet til samtaler og innspilte samtaler ikke utfordringen fra stemmeassistenter som Amazons Alexa og Apples Siri som samler, men ikke distribuerer samtale-unntatt til selskapenes teknologiteam som bruker den til å forbedre maskinlæringsalgoritmer. Og selvfølgelig, lovene som regjeringer klarer å lage for å regulere AI, stopper ikke kriminelle fra å bruke teknologien med ondsinnet hensikt.

Kognitiv databehandling og AI

begrepene AI og kognitiv databehandling brukes noen ganger om hverandre, men generelt sett brukes etiketten AI i referanse til maskiner som erstatter menneskelig intelligens ved å simulere hvordan vi sanser, lærer, behandler og reagerer på informasjon i miljøet.

etiketten kognitiv databehandling brukes i referanse til produkter og tjenester som etterligner og forsterker menneskelige tankeprosesser.

HVA er HISTORIEN TIL AI?

begrepet livløse objekter utstyrt med intelligens har eksistert siden antikken. Den greske guden Hephaestus ble avbildet i myter som smiing robotlignende tjenere ut av gull. Ingeniører i Det gamle Egypt bygget statuer av guder animert av prester. Gjennom århundrene, tenkere Fra Aristoteles til det 13. århundre spansk teolog Ramon Llull Til René Descartes og Thomas Bayes brukte verktøy Og logikk i sin tid for å beskrive menneskelige tankeprosesser som symboler, legge grunnlaget FOR AI begreper som generell kunnskap representasjon.

slutten av det 19.og første halvdel av det 20. århundre brakte frem det grunnleggende arbeidet som ville gi opphav til den moderne datamaskinen. I 1836, Cambridge university matematiker Charles Babbage og Augusta Ada Byron, Grevinne Av Lovelace, oppfant den første design for en programmerbar maskin.

1940-tallet. Princeton matematiker John Von Neumann oppfattet arkitekturen for den lagrede programdatamaskinen-ideen om at datamaskinens program og dataene den behandler kan holdes i datamaskinens minne. Warren McCulloch og Walter Pitts la grunnlaget for nevrale nettverk.

1950-tallet. med bruk av moderne datamaskiner, forskere kan teste sine ideer om maskin intelligens. En metode for å avgjøre om en datamaskin har intelligens ble utviklet Av Den Britiske matematikeren Og andre Verdenskrigs Kodeknekker Alan Turing. Turing-Testen fokuserte på en datamaskins evne til å lure interrogators til å tro at svarene på spørsmålene deres ble gjort av et menneske.

1956. Den moderne innen kunstig intelligens er mye sitert som starter i år under en sommerkonferanse På Dartmouth College. Sponset Av Defense Advanced Research Projects Agency (DARPA), ble konferansen deltatt av 10 armaturer i feltet, inkludert AI-pionerer Marvin Minsky, Oliver Selfridge og John McCarthy, som er kreditert med å skape begrepet kunstig intelligens. Også til stede Var Allen Newell, en datavitenskapsmann, Og Herbert A. Simon, en økonom, statsviter og kognitiv psykolog, som presenterte sin banebrytende Logikk Teoretiker, et dataprogram i stand til å bevise visse matematiske teoremer og referert til som den første AI program.

1950s og 1960s. I kjølvannet Av Dartmouth College conference, ledere i fledgling FELTET AV AI spådd at en menneskeskapt intelligens tilsvarende den menneskelige hjerne var rundt hjørnet, tiltrekke stor regjering og industri støtte. Faktisk, nesten 20 år med godt finansiert grunnforskning generert betydelige fremskritt I AI: For eksempel, på slutten av 1950-tallet, publiserte Newell Og Simon den generelle Problemløser (GPS) algoritmen, som ikke klarte å løse komplekse problemer, men la grunnlaget for å utvikle mer sofistikerte kognitive arkitekturer; McCarthy utviklet Lisp, et SPRÅK FOR AI programmering som fortsatt brukes i dag. På midten av 1960-tallet UTVIKLET Professor Joseph Weizenbaum ELIZA, et tidlig naturlig språkbehandlingsprogram som la grunnlaget for dagens chatbots.

1970-og 1980-tallet. Men oppnåelsen av kunstig generell intelligens viste seg å være unnvikende, ikke nært forestående, hindret av begrensninger i databehandling og minne og av problemets kompleksitet. Regjeringen og selskaper støttet seg bort fra sin støtte TIL AI-forskning, noe som førte til en brakkperiode som varer fra 1974 til 1980 og kjent som den første “AI-Vinteren”.”På 1980-tallet utløste forskning på dype læringsteknikker og industriens adopsjon Av Edward Feigenbaums ekspertsystemer en ny bølge AV ai-entusiasme, bare for å bli etterfulgt av en annen sammenbrudd av statlig finansiering og industristøtte. DEN ANDRE AI-vinteren varte til midten av 1990-tallet.

1990-tallet gjennom i dag. Økninger i beregningskraft og en eksplosjon av data utløste EN ai-renessanse i slutten av 1990-tallet som har fortsatt å presentere tider. DET siste fokuset PÅ AI har gitt opphav til gjennombrudd i naturlig språkbehandling, datasyn, robotikk, maskinlæring, dyp læring og mer. VIDERE BLIR AI stadig mer håndgripelig, driver biler, diagnostiserer sykdom og sementerer sin rolle i populærkulturen. I 1997 slo Ibms Deep Blue den russiske sjakkmesteren Garry Kasparov, og ble det første dataprogrammet som slo en verdensmester i sjakk. Fjorten år senere fanget Ibms Watson publikum da det beseiret to tidligere mestere på game show Jeopardy!. Mer nylig, den historiske nederlag 18-tiden World Go mester Lee Sedol Av Google DeepMind AlphaGo lamslått Go samfunnet og markerte en viktig milepæl i utviklingen av intelligente maskiner.

AI som en tjeneste

fordi maskinvare, programvare og bemanningskostnader FOR AI kan være dyre, inkluderer mange leverandører AI-komponenter i deres standardtilbud eller gir tilgang til artificial intelligence as a service (aiaas) plattformer. AIaaS lar enkeltpersoner og bedrifter eksperimentere MED AI for ulike forretningsformål og prøve flere plattformer før de forplikter seg.

Populære AI cloud-tilbud inkluderer følgende:

• Amazon AI
• IBMAT Atson-Assistent
• Microsoft Cognitive Services
• Google AI