În ultimul articol, am încercat să înțelegem ce anume este inteligența artificială. Având în vedere că IA este o tehnologie al cărei scop este de a imita comportamentul uman, putem spune cu siguranță că ramurile IA vor cuprinde acele entități care ne fac diferiți de mașini. Așadar, haideți să prezentăm pe scurt ramurile inteligenței artificiale și să încercăm să le corelăm cu activitățile umane!

1.Machine Learning: Aceasta este tehnica care permite unui calculator să învețe de unul singur, furnizându-i suficiente date. La fel ca oamenii, învățarea automată antrenează un sistem pentru a prezice un rezultat folosind experiențele anterioare. Un algoritm de învățare automată recunoaște tipare în datele date, antrenează un model și prezice rezultatul fără a fi nevoie să fie programat în mod explicit pentru același lucru.

Unul dintre profesorii mei a dat un exemplu remarcabil pentru a corobora modul în care învățarea automată este exact ca și cum ai antrena un bebeluș să înfrunte lumea. Un bebeluș se apropie de o lumânare, își arde degetul și acum este rănit! El nu putea pur și simplu să raționeze ceea ce tocmai s-a întâmplat. Să asociem acest lucru cu antrenarea unui algoritm. Atunci când lumânarea îi arde degetul pentru a doua oară, bebelușul este acum avertizat și știe ce ar fi putut cauza arsura. Acest lucru poate continua o vreme, până când bebelușul își dă seama, în cele din urmă, că flacăra lumânării este motivul pentru care îi arde degetul. Acum că „modelul” nostru este construit, haideți să îl testăm. Data viitoare când un bebeluș se apropie de o lumânare, acesta știe că flacăra îi poate face rău și o evită complet. Putem spune cu siguranță că modelul nostru a fost antrenat cu succes! Acesta este exact modul în care are loc învățarea automată.

2.Rețele neuronale: Dat fiind faptul că a fost un cuvânt la modă de ceva vreme, o rețea neuronală ar putea părea un termen complex pentru unii dintre noi. Credeți-mă, dacă faceți abstracție de matematica unei rețele neuronale, aceasta este destul de simplu de înțeles. Tot ce trebuie să faceți este să vă alimentați modelul cu intrări în primul strat, să specificați straturile ascunse, iar ieșirea ar fi ultimul strat. Sarcina straturilor ascunse este de a extrage informații importante din intrările furnizate, pentru a prezice rezultatul. Putem alege numărul de straturi ascunse să fie oricât de mare, dar trebuie să fim atenți, deoarece poate duce la supraadaptare și, în schimb, poate altera acuratețea modelului nostru.

Dacă sunteți familiarizați cu biologia unui neuron, rețelele neuronale ar putea fi mai ușor de înțeles pentru dumneavoastră. Stratul de intrare, cum ar fi dendrita, este receptorul care preia informația de intrare, neuronul procesează informația ca și straturile ascunse, iar axonul transferă semnalele procesate și acționează ca și stratul de ieșire.

3.Robotică: Ceea ce face ca robotica să fie interesantă este faptul că este un amalgam de inginerie mecanică, inginerie electrică, informatică și alte câteva domenii științifice. Se ocupă de proiectarea, producția și operarea roboților, pentru a îndeplini sarcinile pentru care a fost construit.

Robotul este „corpul” unui sistem inteligent, se coordonează cu programul și rezultatele acestuia pentru a îndeplini o funcție specifică, destul de asemănător cu sistemul scheletic și muscular al corpului uman, nu-i așa? Este uimitor să vezi cum roboții pot fi construiți pentru a fi atât de asemănători cu viața, la fel ca Sofia, nu este departe ziua în care noi, oamenii, am putea avea în sfârșit un robot ca prieten!

4.Expert System: Acum știm cum putem programa o mașină să învețe ca un om, dar ne-am întrebat vreodată cum să facem o mașină să gândească ca un om? Ei bine, aici intră în scenă sistemele expert. Sistemul expert este o aplicație care permite calculatorului să imite capacitatea de decizie a oamenilor. Cele trei componente ale unui sistem expert sunt interfața cu utilizatorul, motorul de inferență și baza de cunoștințe.

Ca și ochii noștri, interfața cu utilizatorul preia interogarea utilizatorului și o transmite motorului de inferență. Motorul de inferență este ca și creierul nostru, are o secvență specifică de reguli pentru a rezolva o problemă și se referă la baza de cunoștințe pentru a furniza raționamentul. Baza de cunoștințe este ca memoria noastră, fiind un depozit imens de informații obținute de la experți în domeniu. Prin urmare, succesul unui sistem expert depinde în mare măsură de acuratețea cunoștințelor sale.

5.Logica fuzzy: Noi, oamenii, suntem foarte supuși la a avea o dilemă, așa că ar fi corect ca și sistemele pe care le proiectăm să fie antrenate pentru a face față unor astfel de situații. Logica fuzzy este o tehnică care se ocupă cu rezolvarea problemelor care au incertitudine. Imaginați-vă că vă uitați pe cer și vedeți câțiva nori gri închis într-o zi frumoasă și însorită. Confuz, nu-i așa?

Ai putea determina dacă va ploua sau nu? Ați putea spune un „da categoric” sau un „nu categoric”? Iată unde vă va ajuta logica fuzzy! Spre deosebire de algebra booleană, logica fuzzy nu are nevoie de valorile absolute „Adevărat” sau „Fals”. De fapt, puteți avea valori intermediare precum „parțial adevărat” sau „parțial fals” atunci când aveți de-a face cu logica fuzzy. O arhitectură fuzzy cuprinde patru componente – baza de reguli, fuzzificarea, motorul de inferență și defuzzificarea. Baza de reguli constă într-un set de reguli și condiții „dacă-atunci” furnizate de experți pentru a guverna procesul de luare a deciziilor. Fuzzificarea este utilizată pentru a converti intrările clare (valorile transmise în sistem pentru procesare) în seturi fuzzy. Sistemul de inferență determină apoi gradul de potrivire pentru fiecare regulă și decide care reguli trebuie să fie activate în consecință. Intrările declanșate sunt apoi combinate pentru a forma acțiuni de control. Defuzzificarea convertește seturile fuzzy obținute de la motorul de inferență în valori clare și apoi le transmite ca ieșire.

6.Prelucrarea limbajului natural: Ați încercat vreodată să comunicați cu cineva care nu vorbește limba dumneavoastră și nu v-a putut înțelege? Destul de provocator, nu-i așa? Acum imaginați-vă că încercați să comunicați cu un computer, nu este chiar mai provocator? Ce înseamnă cuvintele și frazele pentru un computer care nu poate înțelege decât limbajul de zerouri și unu? S-ar putea să nu pară o sarcină ușoară să învățăm mașinile să ne înțeleagă comunicarea. Ei bine, da și nu.

Procesul de a face o mașină să citească, să descifreze, să înțeleagă și să dea sens interacțiunii umane se numește procesare a limbajului natural. Pe scurt, sistemul de prelucrare a limbajului natural funcționează în felul următor- O persoană spune ceva mașinii, mașina înregistrează sunetul și transformă sunetul în text. Sistemul NLP analizează apoi textul în componente, înțelege contextul conversației și intenția persoanei. Pe baza rezultatelor, mașina determină ce comandă trebuie executată. Acesta este exact modul în care comunică oamenii, ascultăm ceea ce spune cealaltă persoană, încercăm să înțelegem sensul discursului său și apoi dăm un răspuns adecvat în același context. Corect?

Cred că se poate spune că inteligența artificială este și mai amuzantă atunci când încercăm să o corelăm cu activitățile umane. Nu sunteți de acord? Ei bine, asta e tot pentru acest articol. În următorul, voi face un rezumat despre câteva aplicații ale inteligenței artificiale, stați pe fază!

.