Sztuczna inteligencja to dziedzina nauki, która opracowuje maszyny, komputery i sprzęt o inteligencji od najprostszych po humanoidalne. Chociaż koncepcja inteligentnych maszyn wywodzi się ze starożytnej mitologii greckiej, współczesna historia sztucznej inteligencji rozpoczęła się wraz z rozwojem komputerów. Termin został ukuty w 1956 roku na pierwszej konferencji poświęconej sztucznej inteligencji.
Dziesięciolecia później naukowcy kontynuują badanie wciąż nieuchwytnych przejawów inteligencji maszynowej, chociaż pytanie „czy maszyna może myśleć?” wciąż wzbudzał szeroką debatę.
Warto zaznaczyć, że wbrew powszechnemu przekonaniu nie wszystkie nośniki sztucznej inteligencji to humanoidalne roboty lub fantastyczne systemy operacyjne z głosem Scarlett Johansson. Przyjrzyjmy się podstawowym umiejętnościom związanym z AI.
Rozwiązanie problemów
Jedną z podstawowych cech AI jest umiejętność rozwiązywania problemów. Aby maszyna mogła to zrobić, naukowcy wyposażyli ją w algorytmy naśladujące ludzkie myślenie i wykorzystujące pojęcia prawdopodobieństwa, ekonomii i statystyki.
Podejścia obejmują modele inspirowane sieciami neuronowymi w mózgu, możliwościami uczenia maszynowego i rozpoznawania wzorców oraz podejścia statystyczne, które wykorzystują narzędzia matematyczne i języki do rozwiązywania problemów.
Film promocyjny:
Nauczanie maszynowe
Kolejnym podstawowym punktem AI jest zdolność maszyny do uczenia się. Jak dotąd nie ma jednego podejścia, zgodnie z którym komputer można zaprogramować tak, aby odbierał informacje, zdobywał wiedzę i odpowiednio dostosowywał zachowanie - istnieje raczej szereg podejść opartych na algorytmach.
Jedną z ważnych metod uczenia maszynowego jest tzw. Głębokie uczenie się, technika sztucznej inteligencji oparta na teorii neuronowej i złożona ze skomplikowanych warstw połączonych ze sobą węzłów. Chociaż Siri firmy Apple jest jednym z przykładów głębokiego uczenia się w akcji, Google niedawno przejął DeepMind, startup specjalizujący się w zaawansowanych algorytmach uczenia się sztucznej inteligencji; Netflix inwestuje również w głębokie uczenie się.
Przetwarzanie języka
Przetwarzanie języka naturalnego (NLP) umożliwia maszynie odczytywanie i rozumienie języka ludzi, zapewniając połączenie między ludźmi a maszynami.
Takie systemy umożliwiają komputerom tłumaczenie i komunikację poprzez przetwarzanie sygnałów, analizę semantyczną i pragmatykę (język w kontekście).
Ruch i percepcja
Rodzaj inteligencji związany z ruchem i percepcją jest ściśle powiązany z robotyką, która nadaje maszynie nie tylko inteligencję poznawczą, ale także sensoryczną. Jest to możliwe dzięki nawigacji, technologii lokalizacyjnej i czujnikom, takim jak kamery, mikrofony, sonar i rozpoznawanie obiektów. W ostatnich latach widzieliśmy tę technologię w wielu robotach, łazikach oceanicznych i kosmicznych.
Inteligencja społeczna
Umiejętności emocjonalne i społeczne to kolejny zaawansowany poziom sztucznej inteligencji, który pozwala maszynom nabrać jeszcze bardziej ludzkich cech. Na przykład SEMAINE stara się nadać maszynom takie umiejętności społeczne poprzez coś, co nazywa SAL, czyli sztucznym słuchaczem sensorycznym. Ten zaawansowany system dialogowy, jeśli zostanie ukończony, będzie w stanie dostrzec mimikę, spojrzenie i głos osoby, odpowiednio dostosowując się.
kreacja
Zdolność do kreatywnego myślenia i działania jest charakterystyczną cechą ludzką, którą wielu uważa ponad zdolnościami komputerów. Jednak jako aspekt ludzkiej inteligencji kreatywność można również zastosować do sztucznej inteligencji.
Mówi się, że maszyny mogą być uprawnione do generowania wartościowych i innowacyjnych pomysłów poprzez trzy modele: połączenie, eksplorację i transformację. Jak dokładnie to zostanie wdrożone - zobaczymy w przyszłości. W końcu maszyna AARON już teraz produkuje sztukę muzealną.
Improwizacja jako forma działalności człowieka jest „prototypem twórczego zachowania” - mówi Shelley Carson, pracownik wydziału psychologii Uniwersytetu Harvarda. W swojej książce Your Creative Brain pisze, że na podstawowym poziomie każdy z nas improwizuje, ponieważ jest w życiu wiele sytuacji, które tego wymagają. Na przykład na drodze musisz natychmiast podjąć jedyną słuszną decyzję, aby uniknąć kolizji. W tym samym czasie osoba zwraca się do swojego doświadczenia. Ale kreatywna improwizacja to coś więcej, generuje nowe, nieoczekiwane pomysły.
Malowanie Aarona
Robot AARON, stworzony przez znanego artystę Goralda Cohena. Jego wynalazek na najniższym poziomie obliczał algorytmy do tworzenia linii i kształtów, z których wyprowadzono rysunki. Później powstał bardziej zaawansowany artysta robot o imieniu Action Jackson, który malował obrazy podobne do tych Jacksona Pollocka. I choć debata na temat wartości artystycznej takich prac do tej pory nie ustaje, pozostaje faktem, że roboty potrafią tworzyć.
Co więcej, wydaje się, że niektóre nowoczesne formy sztucznej inteligencji mogą odnieść wielki sukces. Na przykład Siri na iPhone'a nie tylko przetwarza naturalną ludzką mowę, ale także dostosowuje się indywidualnie do każdego użytkownika, badając jego charakter i nawyki; a superkomputer IBM Watson wygrał milion dolarów w swojej grze. Czy maszyny tak wyrafinowane nie są w stanie poradzić sobie z improwizacją?