Vodič za umjetnu inteligenciju: Što je AI? Osnove za početnike

Ovaj AI vodič za početnike osmišljen je za učenje osnova umjetne inteligencije. U ovom vodiču Umjetna inteligencija za početnike naučit ćete razne osnove umjetne inteligencije, poput onoga što je AI, povijest AI -a, vrste AI -a, primjene AI -a i više koncepata o AI -u.

Što je AI?

PREMA (Umjetna inteligencija) je sposobnost stroja da izvršava kognitivne funkcije kao i ljudi, poput opažanja, učenja, zaključivanja i rješavanja problema. Mjerilo umjetne inteligencije je ljudska razina koja se tiče timova zaključivanja, govora i vizije.

U ovom vodiču za umjetnu inteligenciju naučit ćete sljedeće osnove umjetne inteligencije-

Uvod u razine AI

  1. Uska AI : Kaže se da je umjetna inteligencija uska kada stroj može izvesti određeni zadatak bolje od čovjeka. Trenutno istraživanje AI -a sada je ovdje
  2. Opća AI : Umjetna inteligencija dostiže opće stanje kada može izvesti bilo koji intelektualni zadatak s istom razinom točnosti kao i čovjek
  3. Snažna AI : AI je jaka kad može pobijediti ljude u mnogim zadacima

Danas se umjetna inteligencija koristi u gotovo svim industrijama, dajući tehnološku prednost svim tvrtkama koje integriraju umjetnu inteligenciju u velikom opsegu. Prema McKinseyju, umjetna inteligencija ima potencijal stvoriti 600 milijardi dolara vrijednosti u maloprodaji, donijeti 50 posto veću inkrementalnu vrijednost u bankarstvu u usporedbi s drugim analitičkim tehnikama. U prometu i logistici potencijalni skok prihoda veći je za 89 posto.

Konkretno, ako organizacija koristi AI za svoj marketinški tim, može automatizirati svakodnevne i ponavljajuće se zadatke, dopuštajući prodajnom predstavniku da se usredotoči na zadatke poput izgradnje odnosa, njegovanja olova itd. Naziv tvrtke Gong pruža uslugu obavještavanja o razgovorima. Svaki put kada prodajni predstavnik obavi telefonski poziv, stroj snima prijepise i analizira chat. Potpredsjednik može koristiti analitiku i preporuke umjetne inteligencije za formuliranje pobjedničke strategije.

Ukratko, umjetna inteligencija pruža najnoviju tehnologiju za rješavanje složenih podataka s kojima ljudsko biće ne može rukovati. AI automatizira suvišne poslove dopuštajući radniku da se usredotoči na zadatke visoke razine s dodanom vrijednošću. Kada se umjetna inteligencija uvelike provodi, to dovodi do smanjenja troškova i povećanja prihoda.

Kratka povijest umjetne inteligencije

Umjetna inteligencija danas je popularna riječ, iako ovaj pojam nije nov. Godine 1956. skupina avangardnih stručnjaka iz različitih sredina odlučila je organizirati ljetni istraživački projekt o umjetnoj inteligenciji. Četiri bistra uma vodila su projekt; John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM) i Claude Shannon (Bell Telephone Laboratories).

Primarna svrha istraživačkog projekta bila je uhvatiti se u koštac s 'svakim aspektom učenja ili bilo kojom drugom značajkom inteligencije koja se u načelu može tako precizno opisati, da se može napraviti stroj za njezinu simulaciju.'

Prijedlog samita uključivao je

  1. Automatska računala
  2. Kako se računalo može programirati za korištenje jezika?
  3. Neuronske mreže
  4. Samopoboljšanje

To je dovelo do ideje da se mogu stvoriti inteligentna računala. Počelo je novo doba, puno nade - Umjetna inteligencija.

Vrsta umjetne inteligencije

Umjetna inteligencija može se podijeliti u tri potpolja:

  • Umjetna inteligencija
  • Strojno učenje
  • Duboko učenje

Vrste umjetne inteligencije



Strojno učenje

Strojno učenje umjetnost je s proučavanje algoritama da naučiti iz primjere i iskustva .

Strojno učenje temelji se na ideji da postoji postoje neki uzorcima u podacima koji su bili identificirano i rabljeno za budućnost predviđanja .

Razlika od pravila hardkodiranja je u tome što stroj sam uči pronaći takva pravila.

Duboko učenje

Duboko učenje je podpodručje strojnog učenja. Duboko učenje ne znači da stroj uči dublje znanje; to znači da stroj koristi različite slojeve za učenje iz podataka. Dubina modela predstavljena je brojem slojeva u modelu. Na primjer, Google LeNet model za prepoznavanje slika broji 22 sloja.

U dubokom učenju faza učenja se odvija putem neuronske mreže. Neuronska mreža je arhitektura u kojoj su slojevi složeni jedan na drugi.

AI protiv strojnog učenja

Većina naših pametnih telefona, svakodnevnih uređaja ili čak interneta koristi umjetnu inteligenciju. Vrlo često, AI i strojno učenje međusobno koriste velike tvrtke koje žele objaviti svoju najnoviju inovaciju. Međutim, Strojno učenje i umjetna inteligencija su na neki način različiti .

AI- umjetna inteligencija- znanost je o strojevima za vježbanje za izvršavanje ljudskih zadataka. Izraz je izumljen 1950 -ih godina kada su znanstvenici počeli istraživati ​​kako računala mogu sama riješiti probleme.

Umjetna inteligencija vs mašinsko učenje

Umjetna inteligencija je računalo koje ima ljudska svojstva. Uzmi nam mozak; bez napora i besprijekorno izračunava svijet oko nas. Umjetna inteligencija koncept je da računalo može učiniti isto. Može se reći da je AI velika znanost koja oponaša ljudske sposobnosti.

Strojno učenje poseban je podskup umjetne inteligencije koji uvježbava stroj kako učiti. Modeli strojnog učenja traže obrasce u podacima i pokušavaju zaključiti. Ukratko, stroj ne moraju eksplicitno programirati stroj. Programeri daju neke primjere, a računalo će naučiti što učiniti iz tih uzoraka.

Gdje se koristi AI? Primjeri

Sada ćemo u ovom vodiču AI za početnike naučiti različite primjene AI:

AI ima široku primjenu

  • Umjetna inteligencija koristi se za smanjenje ili izbjegavanje ponavljanja zadatka. Na primjer, umjetna inteligencija može ponavljati zadatak kontinuirano, bez umora. Zapravo, AI nikada ne miruje i ravnodušan je prema zadatku koji treba obaviti
  • Umjetna inteligencija poboljšava postojeći proizvod. Prije doba strojnog učenja, osnovni proizvodi su se gradili na pravilu tvrdog koda. Tvrtke su uvele umjetnu inteligenciju radi poboljšanja funkcionalnosti proizvoda, a ne od početka od osmišljavanja novih proizvoda. Možete smisliti sliku na Facebooku. Prije nekoliko godina morali ste ručno označiti svoje prijatelje. Danas vam uz pomoć umjetne inteligencije Facebook daje preporuku prijatelja.

AI se koristi u svim industrijama, od marketinga do lanca opskrbe, financija, prehrambenog sektora. Prema istraživanju McKinsey -a, financijske usluge i komunikacija visoke tehnologije vodeća su na području umjetne inteligencije.

Zašto AI sada cvjeta?

Sada u ovom vodiču za testiranje umjetne inteligencije naučimo zašto AI sada cvjeta. Shvatimo prema donjem dijagramu.

Neuronska mreža postoji od devedesetih s temeljnim radom Yanna LeCuna. No, postao je poznat oko 2012. godine. Tri kritična faktora za njegovu popularnost objašnjavaju:

  1. Hardver
  2. Podaci
  3. Algoritam

Strojno učenje eksperimentalno je područje, što znači da treba imati podatke za testiranje novih ideja ili pristupa. S procvatom interneta, podaci su postali lakše dostupni. Osim toga, divovske tvrtke poput NVIDIA-e i AMD-a razvile su grafičke čipove visokih performansi za tržište igara.

Hardver

U posljednjih dvadeset godina snaga CPU-a je eksplodirala, dopuštajući korisniku da trenira mali model dubokog učenja na bilo kojem prijenosnom računalu. Međutim, za obradu modela dubokog učenja za računalni vid ili duboko učenje potreban vam je snažniji stroj. Zahvaljujući ulaganju NVIDIA -e i AMD -a, dostupna je nova generacija GPU -a (grafičke procesorske jedinice). Ovi čipovi omogućuju paralelna izračunavanja. To znači da stroj može odvojiti proračune na nekoliko GPU -a kako bi ubrzao izračune.

Na primjer, s NVIDIA TITAN X -om potrebno je dva dana za obuku modela tzv ImageNet protiv tjedana za tradicionalni CPU. Osim toga, velike tvrtke koriste klastere GPU -a za obuku modela dubokog učenja s NVIDIA Teslom K80 jer pomaže smanjiti troškove podatkovnog centra i omogućiti bolje performanse.

Podaci

Duboko učenje struktura je modela, a podaci su fluid koji ga čini živim. Podaci pokreću umjetnu inteligenciju. Bez podataka ništa se ne može učiniti. Najnovije tehnologije pomaknule su granice pohrane podataka. Lakše je nego ikad pohraniti veliku količinu podataka u podatkovni centar.

Internet revolucija čini prikupljanje i distribuciju podataka dostupnim algoritmu strojnog učenja. Ako ste upoznati s Flickrom, Instagramom ili bilo kojom drugom aplikacijom sa slikama, možete pogoditi njihov AI potencijal. Na ovim su web stranicama dostupni milijuni slika s oznakama. Te se slike mogu koristiti za obučavanje modela neuronske mreže za prepoznavanje objekta na slici bez potrebe za ručnim prikupljanjem i označavanjem podataka.

Umjetna inteligencija u kombinaciji s podacima novo je zlato. Podaci su jedinstvena konkurentska prednost koju nijedna tvrtka ne smije zanemariti. AI pruža najbolje odgovore iz vaših podataka. Kad sve tvrtke mogu imati iste tehnologije, jedna s podacima imat će konkurentsku prednost nad drugom. Da bismo dali ideju, svijet stvara oko 2,2 eksabajta ili 2,2 milijarde gigabajta svaki dan.

Tvrtki su potrebni izuzetno različiti izvori podataka da bi mogli pronaći obrasce i naučiti u značajnom obimu.

Algoritam

Hardver je moćniji nego ikad, podaci su lako dostupni, ali jedna stvar koja čini neuronsku mrežu pouzdanijom je razvoj točnijih algoritama. Primarne neuronske mreže jednostavna su matrica množenja bez dubinskih statističkih svojstava. Od 2010. godine napravljena su izvanredna otkrića za poboljšanje neuronske mreže

Umjetna inteligencija koristi progresivni algoritam učenja kako bi podaci mogli programirati. To znači da se računalo može naučiti izvoditi različite zadatke, poput pronalaženja anomalija, postati chatbot.

Sažetak

Umjetna inteligencija i strojno učenje dva su zbunjujuća pojma. Umjetna inteligencija je znanost o stroju za vježbanje koji oponaša ili reproducira ljudski zadatak. Znanstvenici mogu koristiti različite metode za uvježbavanje stroja. Na početku doba umjetne inteligencije, programeri su pisali strogo kodirane programe, odnosno upisivali svaku logičku mogućnost s kojom se stroj može suočiti i kako reagirati. Kad sustav postane složen, postaje teško upravljati pravilima. Kako bi riješio ovaj problem, stroj može koristiti podatke kako bi naučio kako se pobrinuti za sve situacije iz zadanog okruženja.

Najvažnije značajke za snažnu AI je imati dovoljno podataka sa značajnom heterogenošću. Na primjer, stroj može učiti različite jezike sve dok ima dovoljno riječi za učenje.

AI je nova vrhunska tehnologija. Poduzetnički kapitalisti ulažu milijarde dolara u startupe ili AI projekte. McKinsey procjenjuje da umjetna inteligencija može potaknuti svaku industriju barem dvoznamenkastom stopom rasta.

Pogledajte naš video o umjetnoj inteligenciji na YouTubeu: Kliknite ovdje .