Fahami masa lalu, sekarang dan masa depan kecerdasan buatan dalam satu artikel

Apakah sebenarnya kecerdasan buatan (AI)?

Kecerdasan Buatan (Artificial Intelligence) , singkatan bahasa Inggeris ialah AI. Ia adalah sains teknikal baharu yang mengkaji dan membangunkan teori, kaedah, teknologi dan sistem aplikasi untuk mensimulasikan, meluaskan dan mengembangkan kecerdasan manusia.

Tiruan proses intelek manusia oleh mesin, terutamanya sistem komputer, dipanggil sistem pakar, pemprosesan bahasa semula jadi, pengecaman pertuturan dan penglihatan mesin adalah beberapa aplikasi tipikal kecerdasan buatan.

Bagaimanakah kecerdasan buatan berfungsi?

Memandangkan keghairahan terhadap AI terus berkembang, syarikat telah berebut untuk menunjukkan cara barangan dan perkhidmatan mereka menggabungkan AI. Apa yang mereka panggil kecerdasan buatan biasanya hanya satu komponen kecerdasan buatan, seperti pembelajaran mesin. AI memerlukan perkakasan dan perisian khusus untuk menulis dan melatih algoritma pembelajaran mesin. Pada masa ini tiada bahasa pengaturcaraan tunggal yang sinonim dengan AI, tetapi terdapat beberapa yang menonjol, termasuk Python, R, dan Java.

Sistem AI biasanya menggunakan sejumlah besar data latihan berlabel, menilai data untuk korelasi dan corak, dan kemudian menggunakan corak ini untuk meramalkan keadaan masa hadapan. Dengan belajar daripada berjuta-juta kejadian, contoh sembang teks yang diberikan bot sembang boleh belajar mengadakan perbualan yang realistik dengan manusia. Sebaliknya, program pengecaman imej boleh belajar mengenali dan menerangkan item dalam foto.

Pembelajaran, penaakulan dan pembetulan diri ialah tiga fungsi kognitif yang memfokuskan pengaturcaraan kecerdasan buatan.

Proses Pembelajaran – Komponen pengaturcaraan AI ini melibatkan pengumpulan data dan membangunkan peraturan untuk menukar data kepada maklumat yang boleh digunakan. Peraturan ini dipanggil algoritma, dan algoritma mengajar peranti komputer cara melaksanakan tugas tertentu langkah demi langkah.

Proses Inferens – Bidang pengaturcaraan AI ini mementingkan pemilihan kaedah terbaik untuk mencapai hasil yang diberikan.

Pembetul Kendiri – Ciri pengaturcaraan AI ini direka untuk memperhalusi algoritma secara berterusan dan memastikan ia memberikan hasil yang paling tepat.

Memahami pelbagai jenis klasifikasi kecerdasan buatan

Memandangkan penyelidikan kecerdasan buatan bertujuan untuk menjadikan komputer meniru fungsi manusia, sejauh mana sistem kecerdasan buatan boleh meniru kemahiran manusia digunakan sebagai klasifikasi piawaian kecerdasan buatan. Oleh itu, kecerdasan buatan boleh diklasifikasikan kepada salah satu daripada beberapa kategori berdasarkan sejauh mana mesin itu dibandingkan dengan manusia dari segi kepelbagaian dan prestasi.

Dalam sistem sedemikian, kecerdasan buatan yang mampu melakukan lebih banyak fungsi seperti manusia dan mempunyai tahap kecekapan yang setanding dianggap lebih maju. Sebaliknya, AI dengan fungsi dan prestasi terhad dianggap lebih mudah dan kurang berkembang.

Berdasarkan kriteria ini, kecerdasan buatan biasanya dibahagikan kepada dua kategori. Satu klasifikasi adalah berdasarkan persamaan AI dan robot yang didayakan AI dengan minda manusia, dan keupayaan mereka untuk "berfikir" dan juga "berasa" seperti manusia. Menurut sistem pengelasan ini, terdapat empat kategori sistem berasaskan AI atau AI: mesin reaktif, mesin memori terhad, teori minda dan AI sedar diri.

Mesin reaktif tidak mempunyai ingatan dan khusus tugas. Seperti Deep Blue, perisian catur IBM yang mengalahkan Garry Kasparov pada 1990-an. Deep Blue boleh mengenal pasti kepingan pada papan catur dan membuat ramalan, tetapi disebabkan kekurangan ingatan, ia tidak boleh menggunakan pengalaman lalu untuk mempengaruhi pengalaman masa depan.

Memori Terhad – Oleh kerana sistem AI ini mempunyai ingatan, mereka mungkin menggunakan pengalaman terdahulu untuk membimbing pertimbangan masa depan. Beginilah cara beberapa mekanisme membuat keputusan untuk kereta pandu sendiri dicipta.

Teori minda ialah perkataan yang digunakan dalam psikologi. Apabila digunakan pada kecerdasan buatan, ini bermakna mesin mempunyai kecerdasan sosial untuk memahami emosi. Kepintaran buatan jenis ini boleh meramalkan tingkah laku manusia dan menyimpulkan niat manusia, yang merupakan keupayaan penting untuk sistem kecerdasan buatan untuk menjadi ahli penting dalam pasukan manusia.

Kesedaran Diri – Sistem AI dalam kategori ini mempunyai perasaan tentang diri mereka sendiri, yang memberi mereka kesedaran. Mesin sedar diri tahu keadaan semasa mereka. Pada masa ini, bentuk kecerdasan buatan ini tidak wujud.

Walau bagaimanapun, skim pengelasan alternatif yang lebih biasa digunakan dalam istilah teknikal adalah untuk mengklasifikasikan teknologi sebagai: Kecerdasan Sempit Buatan (ANI), Kepintaran Am Buatan (AGI) dan Kecerdasan Super Buatan (ASI).

Kecerdasan Buatan Sempit (ANI)

Bentuk AI ini merangkumi semua AI sedia ada, termasuk AI yang paling kompleks dan berkeupayaan dibina sehingga kini AI. Kepintaran buatan sempit bermaksud sistem kecerdasan buatan hanya boleh menyelesaikan satu kerja secara bebas sambil menunjukkan kemahiran yang serupa dengan manusia. Mesin ini hanya boleh mencapai apa yang mereka direka untuk lakukan, memberikan mereka julat keupayaan yang terhad atau sempit. Mengikut klasifikasi di atas, sistem ini melibatkan semua jenis kecerdasan buatan yang reaktif dan mempunyai ingatan terhad. ANI juga termasuk kecerdasan buatan yang canggih, yang menggunakan pembelajaran mesin dan pembelajaran mendalam untuk melatih dirinya sendiri.

Kecerdasan Am Buatan (AGI)

Keupayaan ejen kecerdasan buatan untuk belajar, memahami, memahami dan berfungsi persis seperti manusia dikenali sebagai buatan am kecerdasan. Dengan meniru kebolehan pelbagai fungsi kami, sistem AI akan mempunyai kebolehan yang sama seperti manusia. Sistem ini akan dapat membina sebilangan besar keupayaan secara bebas dan membuat sambungan dan generalisasi merentas domain, dengan ketara mengurangkan masa latihan.

Super Artificial Intelligence (ASI)

Kelahiran Artificial Super Intelligence (ASI) sudah pasti akan menandakan kemuncak penyelidikan kecerdasan buatan, kerana ASI akan menjadi yang paling berkuasa Bentuk daya saing pintar. Selain meniru kecerdasan manusia, ASI akan menjadi lebih baik dalam semua perkara yang mereka lakukan kerana peningkatan memori yang jauh, pemprosesan dan analisis data yang lebih pantas serta keupayaan membuat keputusan yang lebih besar. Kemajuan dalam AGI dan ASI akan membawa kepada senario yang dipanggil Singularity. Walaupun tergoda untuk mempunyai alat yang berkuasa seperti itu, peranti ini boleh menjejaskan kewujudan kita, atau sekurang-kurangnya cara hidup kita.

Apakah perbezaan antara pembelajaran mesin dan pembelajaran mendalam?

Pembelajaran mesin ialah subset atau aplikasi kecerdasan buatan (AI) yang membolehkan sistem belajar dan berkembang daripada pengalaman tanpa perlu dikodkan ke tahap itu. Pembelajaran mesin menggunakan data untuk belajar dan mendapatkan hasil yang betul. Pembelajaran mesin melibatkan penciptaan perisian komputer yang membaca data dan menggunakannya untuk belajar daripada dirinya sendiri.

Pembelajaran mendalam ialah subset pembelajaran mesin, termasuk rangkaian saraf tiruan dan rangkaian saraf berulang. Ia menggunakan algoritma dan kaedah mereka untuk menyelesaikan sebarang masalah yang kompleks. Algoritma dibina dengan cara yang sama seperti pembelajaran mesin. Walau bagaimanapun, terdapat lebih banyak lapisan algoritma. Rangkaian algoritma dipanggil rangkaian saraf tiruan. Dalam istilah yang lebih mudah, ia mensimulasikan mod kerja otak manusia kerana semua rangkaian saraf dalam otak disambungkan Ini adalah konsep pembelajaran mendalam.

Hubungan antara keupayaan dan volum data pembelajaran statistik mudah, pembelajaran mesin tradisional dan rangkaian saraf dengan pelbagai lapisan tersembunyi

Jadual di bawah membandingkan pembelajaran mesin dengan pembelajaran mendalam:

56

	Pembelajaran Mesin	Pembelajaran Mendalam
1	Pembelajaran mesin ialah superset pembelajaran mendalam	Pembelajaran mendalam Merupakan subset pembelajaran mesin
2	Data pembelajaran mesin sangat berbeza daripada data pembelajaran mendalam, Kerana ia menggunakan data berstruktur.	Format data untuk pembelajaran mendalam jauh berbeza kerana menggunakan rangkaian saraf (ANN).
3	Pembelajaran mesin ialah langkah seterusnya dalam pembangunan kecerdasan buatan	Pembelajaran mendalam ialah langkah seterusnya dalam pembangunan pembelajaran mesin. Pada asasnya, ia merujuk kepada kedalaman pembelajaran mesin
4 mata Data	Berjuta-juta titik data membentuk besar data
Output: nilai berangka, seperti pengelasan pecahan.	Apa-apa sahaja daripada nombor hingga ciri bentuk bebas seperti teks dan bunyi percuma boleh diterima.
Pelbagai algoritma automatik digunakan untuk menukar input kepada fungsi model dan meramalkan tindakan masa hadapan.	Untuk menganalisis ciri dan perhubungan data, rangkaian saraf digunakan yang menghantar data melalui lapisan pemprosesan.
7	Penganalisis data menemui algoritma untuk menilai pembolehubah tertentu dalam set data.	Setelah dilaksanakan, algoritma pada dasarnya menggambarkan diri mereka dalam analisis data.
8	Pembelajaran mesin sering digunakan untuk terus mendahului persaingan dan mempelajari kemahiran baharu.	Pembelajaran mendalam digunakan untuk menyelesaikan masalah pembelajaran mesin yang mencabar.

https://www.researchgate.net/figure/Relationship-between-the -keupayaan-dan-jumlah-data-pembelajaran-statistik-mudah_rajah1_340134117.

Saiz Pasaran Kecerdasan Buatan Global

Pada tahun 2021, pasaran kecerdasan buatan (AI) global bernilai AS$87.04 bilion dan dijangka mencecah AS$1,597.1 bilion pada tahun 2030 dan 2022 Kadar pertumbuhan tahunan kompaun hingga 2030 ialah 38.1%. Pandemik COVID-19 global adalah luar biasa dan membimbangkan, dengan permintaan yang lebih tinggi daripada jangkaan untuk teknologi ini merentas semua sektor berbanding tahap pra-pandemi. Dianggarkan pasaran global akan berkembang sebanyak 150% pada 2022 berbanding 2019.

​​https://www.php.cn/link/7439aebdba054f0d586d486ef2aff185​​

Faktor Pertumbuhan Inovasi teknologi sentiasa menjadi bahagian penting dalam kebanyakan industri. Dalam beberapa tahun kebelakangan ini, peningkatan populariti teknologi digital dan Internet telah banyak menggalakkan pembangunan industri kecerdasan buatan global. Perbelanjaan besar untuk R&D oleh gergasi teknologi sentiasa memacu kemajuan teknologi dalam pelbagai industri. Permintaan yang semakin meningkat untuk teknologi AI merentasi pelbagai sektor penggunaan akhir seperti automotif, penjagaan kesihatan, perbankan dan kewangan, pembuatan, makanan dan minuman, logistik dan runcit berkemungkinan memacu pasaran AI global pada tahun-tahun akan datang.

Peningkatan populariti pelbagai peranti perubatan dan keupayaan pemanduan autonomi kenderaan elektrik baharu memacu dengan ketara pertumbuhan pasaran kecerdasan buatan global. Trend pendigitalan global memberi kesan yang menggalakkan terhadap pertumbuhan pasaran. Gergasi IT terkemuka dunia, termasuk Google, Microsoft, IBM, Amazon dan Apple, meningkatkan usaha mereka untuk mempromosikan dan membangunkan aplikasi kecerdasan buatan yang berbeza. Usaha oleh gergasi teknologi untuk meningkatkan akses kepada kecerdasan buatan dijangka memacu pertumbuhan pasaran kecerdasan buatan global sepanjang tempoh ramalan.

Sejak lima tahun yang lalu, perubatan dan penjagaan kesihatan telah menarik jumlah terbesar pelaburan swasta dalam AI di seluruh dunia ($28.9 bilion).

Atas ialah kandungan terperinci Fahami masa lalu, sekarang dan masa depan kecerdasan buatan dalam satu artikel. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!