Τι είναι η τεχνητή νοημοσύνη;
Ο όρος τεχνητή νοημοσύνη (AI) αναφέρεται σε λειτουργίες νοημοσύνης που εκτελούνται από μηχανές που έχουν σχεδιαστεί για την αναπαραγωγή των δυνατοτήτων του ανθρώπινου εγκεφάλου μέσω συνδυασμών αλγορίθμων.
Πιο συγκεκριμένα, η τεχνητή νοημοσύνη είναι αυτή που επιτρέπει σε ορισμένες μηχανές να αντιλαμβάνονται το περιβάλλον που τους περιβάλλει και να ανταποκρίνονται σε αυτό με παρόμοιο τρόπο με τον ανθρώπινο εγκέφαλο. Αυτό συνεπάγεται την ικανότητα εκτέλεσης λειτουργιών όπως συλλογιστική, αντίληψη, μάθηση και επίλυση προβλημάτων.
Η επιστήμη των υπολογιστών, η λογική, η φιλοσοφία και η ρομποτική συνέβαλαν στη δημιουργία και το σχεδιασμό μηχανών ικανών να επιλύσουν προβλήματα χρησιμοποιώντας το μοντέλο τεχνητής νοημοσύνης.
Οι John MacCarthy, Marvin Minsky και Claude Shannon επινόησαν για πρώτη φορά τον όρο τεχνητή νοημοσύνη το 1956. Το όρισαν ως «επιστήμη και εφευρετικότητα της δημιουργίας έξυπνων μηχανών, ειδικά έξυπνων προγραμμάτων υπολογιστών».
Ωστόσο, οι πρώτες έρευνες επιστρέφουν στους Έλληνες. Ο Αριστοτέλης ήταν ο πρώτος, στην πραγματικότητα, που περιέγραψε τη λειτουργία της ανθρώπινης σκέψης και τους κανόνες με τους οποίους μπορεί να καταλήξει σε ορθολογικά συμπεράσματα.
Παραδείγματα τεχνητής νοημοσύνης
Η AI είναι παρούσα σε μεγάλο μέρος της σημερινής τεχνολογίας, ειδικά στο smartphone, tablet, υπολογιστές και όλα τα είδη συσκευών με ενσωματωμένα ηλεκτρονικά συστήματα.
Τι παράδειγμα τεχνητής νοημοσύνης στην καθημερινή ζωή μπορούμε να αναφέρουμε:
- οικιακός αυτοματισμός (έξυπνος κλιματισμός, προγραμματισμός φώτων και συσκευών εντός και εκτός λειτουργίας κ.λπ.).
- αυτόνομα οχήματα ·
- βοηθοί φωνής, όπως Βοηθός Google, Siri (Apple) ή Alexa (Amazon Echo), μεταξύ άλλων.
- Προγνωστικό λεξικό Google;
- λογισμικό αναγνώρισης εικόνας;
- λογισμικό ασφάλειας και ελέγχου απάτης ·
- λογισμικό ανάλυσης συνήθειας ·
- προβλέψεις για ψηφιακό μάρκετινγκ ·
- προβλέψεις και προτάσεις για την κατανάλωση ειδήσεων, μουσικής, ταινιών, σειρών κ.λπ.
Τύποι τεχνητής νοημοσύνης
Από θεωρητική άποψη, υπάρχουν τέσσερις διαφορετικοί τύποι τεχνητής νοημοσύνης σήμερα, σύμφωνα με τον ερευνητή Arend Hintze. Ας δούμε.
Αντιδραστικά μηχανήματα
Αναφέρεται σε αυτές τις μηχανές που έχουν σχεδιαστεί για την αξιολόγηση των διαθέσιμων πληροφοριών στο περιβάλλον και την επίλυση ενός άμεσου προβλήματος βάσει αυτών των πληροφοριών. Αυτός ο τύπος τεχνητής νοημοσύνης δεν αποθηκεύει ή απομνημονεύει και επομένως δεν μαθαίνει. Ο στόχος σας είναι να αναλύσετε τις πληροφορίες μιας συγκεκριμένης στιγμής, να δημιουργήσετε πιθανές λύσεις και να επιλέξετε την πιο αποτελεσματική.
Το 1990, η IBM δημιούργησε ένα σύστημα με αυτή την ικανότητα που ονομάζεται Deep Blue, υπεύθυνο για το ότι κέρδισε έναν αγώνα εναντίον του πρωταθλητή σκακιστή Garry Kasparov. Σήμερα, το αντιδραστικό AI χρησιμοποιείται σε αυτόνομα αυτοκίνητα, για παράδειγμα.
Μηχανές με περιορισμένη μνήμη
Αναφέρεται στην τεχνολογία που χρησιμοποιεί πληροφορίες που λαμβάνονται από μια βάση δεδομένων και ότι, επιπλέον, μπορεί να καταγράψει βασικές πληροφορίες για το περιβάλλον και να μάθει από αυτήν. Είναι η περίπτωση, για παράδειγμα, της τεχνολογίας GPS.
Μηχανές με θεωρία του νου
Είναι ένας τύπος τεχνητής νοημοσύνης που βρίσκεται ακόμη σε εξέλιξη. Αναμένεται ότι στο μέλλον ορισμένες μηχανές θα είναι σε θέση να κατανοήσουν τόσο την ανθρώπινη σκέψη όσο και τα συναισθήματα και να λάβουν αποφάσεις από αυτήν. Συνεπώς συνεπάγεται κοινωνική αλληλεπίδραση. ΕΝΑ παράδειγμα Η διερεύνηση αυτού του τύπου AI αποτελείται από το ρομπότ Sophia, που δημιουργήθηκε το 2016.
Μηχανές με αυτογνωσία
Οι μηχανές με αυτογνωσία θα μπορούσαν να είναι ικανές να έχουν αντιληπτές αντιλήψεις, σκέψεις και συμπεριφορές, δηλαδή μηχανές ικανές να αντιληφθούν, να κάνουν λόγοι και να ενεργήσουν σαν ανθρώπινα όντα.
Χαρακτηριστικά της τεχνητής νοημοσύνης
- Ικανότητα αντίδρασης στις διαθέσιμες πληροφορίες στο περιβάλλον.
- Μνήμη και μάθηση από συγκεκριμένες εμπειρίες.
- Ικανότητα επίλυσης συγκεκριμένων προβλημάτων.
- Ικανότητα προσαρμογής;
- Ικανότητα αισθητηριακής αντίληψης (ακουστική, οπτική, απτική)
- Δυνατότητα διαχείρισης, δηλαδή μιας συνεκτικής και σαφούς υποδομής για την εφαρμογή της.
- Ανθεκτικότητα, δηλαδή ικανότητα βελτιστοποίησης.
- Καλή απόδοση, δηλαδή η ικανότητα αποτελεσματικής διαχείρισης μεγάλων ποσοτήτων πληροφοριών.
- Μετρήσιμο για ποσοτικοποίηση της απόδοσης και μελλοντικές επενδύσεις.
