AI to technologia obejmująca wiele dziedzin, w tym informatykę, biologię, psychologię, socjologię, filozofię, matematykę i naukę o neuronach. Do utworzenia systemu AI może być wymagany jeden lub więcej obszarów. Z interdyscyplinarnego punktu widzenia domeny AI obejmują wiedzę jawną, język uzdolnień, rozumowania werbalnego i liczbowego, kreatywnego i krytycznego myślenia, a także pamięci roboczej.
Sztuczna inteligencja jest dziś jedną z rozwijających się technologii w informatyce lub nauce o danych, która stworzyła globalną rewolucję, rozwijając inteligentne maszyny i narzędzia. Sztuczna inteligencja rozwija się w sposób podobny do działania ludzkiego mózgu, a konkretnie sposobu, w jaki człowiek uczy się, decyduje i działa, próbując rozwiązać problem, a następnie wykorzystując ten wynik do opracowania inteligentnych maszyn i oprogramowania. AI obejmuje wykorzystanie systemów eksperckich, uczenia maszynowego (ML), uczenia głębokiego (DL), przetwarzania języka naturalnego (NLP), sieci neuronowej i logiki rozmytej.
ML polega na instruowaniu komputera poprzez dostarczanie mu danych, aby sam nauczył się kilku rzeczy, nawet jeśli nie został wyraźnie zaprogramowany. Jest częścią rosnącej kolekcji narzędzi AI, które pomagają ludziom podejmować mądrzejsze, bardziej logiczne decyzje. Ostatecznym celem ML jest umożliwienie niezależnego podejmowania decyzji przez maszyny. Sztuczna inteligencja oparta na ML ma kilka zastosowań w edukacji, medycynie, wynikach wyszukiwania, marketingu cyfrowym i nie tylko. Takie AI mają duże zapotrzebowanie w firmach, ponieważ wykorzystują ML, aby poprawić wrażenia użytkowników, tak jak w przypadku Amazon i Flipkart. Techniki ML poczyniły znaczne postępy w przeszłości, a powszechnie stosowane są: (i) uczenie nadzorowane, (ii) uczenie się nienadzorowane oraz (iii) uczenie się ze wzmocnieniem. Robotyka, podzbiór sztucznej inteligencji, obejmuje różne dziedziny inżynierii i nauki, które obejmują projektowanie i produkcję robotów oraz ich zastosowania. Często wykorzystywane są do podejmowania trudnych zadań, które nie są możliwe dla człowieka, czy do wykonywania powtarzalnej pracy. Roboty oparte na sztucznej inteligencji pracują, badając obiekty w ich otoczeniu i podejmując odpowiednie działania. Narzędzia automatyzacji z technologiami AI mogą być wykorzystywane do powtarzalnej pracy, a także do zadań przetwarzania danych opartych na regułach, które zwykle wykonują ludzie. Na przykład roboty mogą być używane do produkcji towarów lub do przenoszenia, natryskiwania, malowania, kontroli precyzyjnej, wiercenia, czyszczenia, powlekania, rzeźbienia, chirurgii, pielęgnacji itp. Aplikacje AI oparte na ML mogą szybko i szybko pobierać duże ilości danych przekształcić je w przydatne informacje. Roboty w połączeniu z ML mogą zautomatyzować większe zadania i reagować na proces dotyczący zmian. ML jest również używany do opracowywania robotów używanych do interakcji w sytuacjach społecznych. Popularność zyskują również sztuczne sieci neuronowe (ANN) i technologie DL, ponieważ sztuczna inteligencja może szybciej przetwarzać ogromne ilości danych i dokonywać dokładniejszych prognoz niż ludzie. Niektóre aplikacje oparte na sieciach neuronowych obejmują rozpoznawanie wzorów, twarzy, znaków i pisma ręcznego. Mogą być używane do zarządzania rzeczywistymi problemami i szybkiego opracowywania ich rozwiązań. System ekspercki może naśladować zdolność podejmowania decyzji przez ludzi. Systemy eksperckie integrują oprogramowanie, maszynę, wnioskowanie, wyjaśnienia i działania z użytkownikami. Tabela przedstawia scenariusz porównujący programowanie bez AI i programowanie z AI.
Nr. : Programowanie bez AI : Programowanie za pomocą AI
1: Bez sztucznej inteligencji każdy program komputerowy może odpowiadać tylko na konkretne pytania. : Dzięki sztucznej inteligencji każdy program komputerowy może być w stanie odpowiedzieć na ogólne pytania.
2: Modyfikacje w programie wymagałyby zmian w jego podstawowej strukturze. : Programy AI mogą łatwo dostosowywać nowe zmiany, posiadając niezależne moduły razem, dzięki czemu każdy moduł może być modyfikowany bez zmiany jego podstawowej struktury.
3: Zmiany w programie są czasochłonne i mogą całkowicie wpłynąć na program. : Modyfikacja w programie jest szybka i łatwa.
Przykłady systemów eksperckich obejmują systemy śledzenia lotu, systemy prognozowania, systemy kliniczne itp. Podejście oparte na logice rozmytej może być stosowane do obliczeń opartych na „stopniach prawdy” zamiast „prawda czy fałsz” (1 lub 0) logika logiczna, na których oparte są współczesne komputery. Logika binarna nie jest w stanie rozwiązać złożonych problemów. Większość procesów ma charakter nieliniowy i żaden konkretny model nie byłby odpowiedni dla każdej sytuacji. Kontrolery logiki rozmytej są popularne na całym świecie, zwłaszcza w przypadku informacji nieustrukturyzowanych. Przykłady obejmują m.in. elektronikę użytkową i samochody. NLP wymaga metod sztucznej inteligencji, które analizują naturalne języki ludzkie, aby uzyskać przydatne spostrzeżenia do rozwiązywania problemów. Istniejące podejścia do NLP wykorzystują ML. NLP może obejmować analizę sentymentu, rozpoznawanie mowy i tłumaczenie tekst. Dobrze znanym przykładem NLP jest wykrywanie spamu, które może interpretować tytuł i treść wiadomości e-mail w celu określenia obecności „śmieciowej” zawartości. Wirtualni asystenci, tacy jak Alexa i Siri, są dobrymi przykładami aplikacji komputerowych pomagających ludziom w codziennych zadaniach. Tacy asystenci mogą zadać użytkownikowi kilka pytań, aby wiedzieć, czego chce, zamiast analizować ogromne ilości danych w celu zrozumienia żądania, co drastycznie skraca czas na uzyskanie żądanej odpowiedzi.
Szerokie różnice podano w tabeli.
Główna różnica między AI, ML, ANN i DL
AI : ML : ANN : DL
Powstał około lat pięćdziesiątych : około sześćdziesiątych : około pięćdziesiątych : około siedemdziesiątych
Jest to podzbiór nauki o danych: Jest to podzbiór nauki o danych i sztucznej inteligencji: Jest to podzbiór nauki o danych, AI i ML: Jest to podzbiór nauki o danych, AI i ML
Reprezentuje symulowaną inteligencję w maszynach, a jej celem jest budowanie maszyn, które potrafią myśleć jak ludzie. : – Komputer może działać/działać bez programowania. Jego celem jest sprawienie, aby maszyny uczyły się za pomocą danych, aby mogły rozwiązywać problemy
– Wyszukiwarka Google służy do rozpoznawania mowy, wyszukiwania obrazów, tłumaczenia itp. Na przykład Amazon i Flipkart zapewniają spersonalizowane usługi dla osób fizycznych na podstawie ich upodobań i niechęci. : Jest to zestaw algorytmów, modelowanych tak jak ludzki mózg Ich celem jest rozwiązywać złożone problemy: – Jest to proces automatyzacji analityki predykcyjnej. Wykorzystuje sieci neuronowe do automatycznej identyfikacji wzorców wyodrębniania cech.
– Niektóre przykłady uczenia głębokiego obejmują pojazdy autonomiczne, rozpoznawanie twarzy w telefonie, widzenie komputerowe i tagowanie na Facebooku.