I förra artikeln försökte vi förstå vad exakt artificiell intelligens är. Eftersom artificiell intelligens är en teknik vars mål är att efterlikna mänskligt beteende kan vi lugnt säga att grenarna av artificiell intelligens kommer att bestå av de enheter som gör att vi skiljer oss från maskiner. Så låt oss kortfattat beskriva grenarna av artificiell intelligens och försöka korrelera dem med mänskliga aktiviteter!
1.Maskininlärning: Detta är en teknik som gör det möjligt för en dator att lära sig på egen hand genom att förse den med tillräckligt med data. Precis som människor tränar maskininlärning ett system att förutsäga ett resultat med hjälp av tidigare erfarenheter. En algoritm för maskininlärning känner igen mönster i de givna uppgifterna, tränar en modell och förutsäger utfallet utan att uttryckligen behöva programmera den för samma sak.
En av mina professorer gav ett anmärkningsvärt exempel för att bekräfta hur maskininlärning är precis som att träna ett barn att möta världen. Ett barn går nära ett ljus, bränner sig på fingret och är nu skadad! Han kunde inte bara resonera om vad som just hade hänt. Låt oss associera detta med att träna en algoritm. När ljuset bränner hans finger för andra gången är barnet nu förvarnat och vet vad som kan ha orsakat brännskadan. Detta kan fortsätta ett tag tills barnet till slut kommer på att lågan från ljuset är orsaken till att hans finger bränns. Nu när vår ”modell” är byggd kan vi testa den. Nästa gång en bebis kommer i närheten av ett ljus vet den att lågan kan skada den och undviker den helt och hållet. Man kan lugnt säga att vår modell är framgångsrikt tränad! Detta är exakt hur maskininlärning sker.
2.Neurala nätverk: Med tanke på att det har varit ett modeord ett tag nu kan ett neuralt nätverk tyckas vara en komplicerad term för vissa av oss. Lita på mig, om du tar bort matematiken ur ett neuralt nätverk är det ganska enkelt att förstå. Allt du behöver göra är att mata din modell med indata i det första lagret, ange de dolda lagren och utgången blir det sista lagret. De dolda lagrens uppgift är att extrahera viktig information från den tillförda informationen för att förutsäga resultatet. Vi kan välja hur många dolda lager vi vill, men vi måste vara försiktiga eftersom det kan leda till överanpassning och i sin tur försämra modellens noggrannhet.
Om du är bekant med neuronernas biologiska uppbyggnad kan det vara lättare för dig att förstå neurala nätverk. Ingångsskiktet, som dendriten, är receptorn som tar emot inmatningen, neuronen bearbetar informationen som de dolda skikten och axonet överför de bearbetade signalerna och fungerar som utgångsskiktet.
3.Robotik: Det som gör robotik intressant är att den är en sammanslagning av maskinteknik, elektroteknik, datavetenskap och flera andra vetenskapliga områden. Det handlar om utformning, produktion och drift av robotar, för att utföra de uppgifter som den är byggd för att göra.
Robotar är ett intelligent systems ”kropp”, den koordinerar sig med programmet och dess utfall för att utföra en specifik funktion, ganska likt skelett- och muskelsystemet i den mänskliga kroppen, eller hur? Det är fantastiskt att se hur robotar kan byggas för att bli så verklighetstrogna, ungefär som Sofia, dagen är inte långt borta när vi människor äntligen kan få en robot till vän!
4.Expertsystem: Vi vet nu hur vi kan programmera en maskin så att den lär sig som en människa, men har du någonsin undrat hur man kan få en maskin att tänka som en människa? Det är här som expertsystem kommer in i bilden. Expertsystemet är ett program som gör det möjligt för datorn att efterlikna människans förmåga att fatta beslut. De tre komponenterna i ett expertsystem är användargränssnitt, inferensmotor och kunskapsbas.
Likt våra ögon tar användargränssnittet emot användarens förfrågan och skickar den vidare till inferensmotorn. Inferensmotorn är som vår hjärna, den har en specifik sekvens av regler för att lösa ett problem och den hänvisar till kunskapsbasen för att tillhandahålla resonemanget. Kunskapsbasen är som vårt minne, det är ett enormt förråd av information som erhållits från experter inom området. Därför beror ett expertsystems framgång i hög grad på hur exakt dess kunskap är.
5.Fuzzy Logic: Vi människor är i hög grad utsatta för dilemman, så det vore bara rättvist om de system som vi utformar är tränade för att möta sådana situationer också. Fuzzy logic är en teknik som handlar om att lösa problem med osäkerhet. Föreställ dig att du tittar upp på himlen och ser några mörkgrå moln på en vacker solig dag. Förvirrande eller hur?
Kan du avgöra om det kommer att regna eller inte? Kan du säga ”definitivt ja” eller ”definitivt nej”? Här kan fuzzy logic hjälpa dig! Till skillnad från boolesk algebra kräver fuzzy logik inte de absoluta värdena ”sant” eller ”falskt”. Faktum är att du kan ha mellanvärden som ”delvis sant” eller ”delvis falskt” när du arbetar med fuzzy logik. En fuzzyarkitektur består av fyra komponenter – regelbas, fuzzification, inferensmotor och defuzzification. Regelbasen består av en uppsättning regler och om-då-villkor som experterna tillhandahåller för att styra beslutsfattandet. Fuzzification används för att omvandla krispiga indata (de värden som förs in i systemet för bearbetning) till fuzzy-uppsättningar. Inferenssystemet fastställer sedan matchningsgraden för varje regel och bestämmer vilka regler som ska tillämpas i enlighet med detta. De aktiverade inmatningarna kombineras sedan för att bilda kontrollåtgärder. Defuzzification omvandlar de fuzzy-mängder som erhålls från inferensmotorn till skarpa värden och skickar dem sedan vidare som utdata.
6.Natural Language Processing: Har du någonsin försökt kommunicera med någon som inte talade ditt språk och som inte kunde förstå dig? En utmaning, eller hur? Tänk dig nu att försöka kommunicera med en dator, är det inte ännu mer utmanande? Vad betyder ord och fraser för en dator som bara kan förstå nollor och ettor? Det kanske inte verkar vara en lätt uppgift att lära maskiner att förstå vår kommunikation. Tja, ja och nej.
Processen att få en maskin att läsa, dechiffrera, förstå och skapa mening i mänsklig interaktion kallas för behandling av naturligt språk. I ett nötskal fungerar systemet för naturligt språk på följande sätt- En person säger något till maskinen, maskinen spelar in ljudet och omvandlar ljudet till text. NLP-systemet analyserar sedan texten i komponenter, förstår kontexten för samtalet och personens avsikt. På grundval av resultaten bestämmer maskinen vilket kommando som ska utföras. Detta är precis hur människor kommunicerar, vi lyssnar på vad den andra personen säger, försöker förstå innebörden av deras tal och ger sedan ett lämpligt svar i samma sammanhang. Eller hur?
Jag tror att det är säkert att säga att artificiell intelligens är ännu roligare när vi försöker korrelera den med mänskliga aktiviteter. Håller du inte med? Nåväl, det var allt för den här artikeln. I nästa kommer jag att informera om några tillämpningar av artificiell intelligens, håll utkik!