Gervigreind (AI) er víðtæk grein tölvunarfræði sem snýr að smíði snjallvéla sem geta sinnt verkefnum sem venjulega krefjast mannlegrar greindar. Þó gervigreind séu þverfagleg vísindi með margar aðferðir, þá skapa framfarir í vélanámi og djúpnámi, sérstaklega, hugmyndafræðibreytingu í nánast öllum geirum tækniiðnaðarins.
Gervigreind gerir vélum kleift að móta, eða jafnvel bæta, getu mannshugans. Og allt frá þróun sjálfkeyrandi bíla til útbreiðslu snjallra aðstoðarmanna eins og Siri og Alexa, gervigreind er sífellt að verða meiri hluti af daglegu lífi og svæði sem fyrirtæki í öllum atvinnugreinum fjárfesta í.
Að skilja gervigreind
Í stórum dráttum geta gervigreindar kerfi framkvæmt verkefni sem almennt eru tengd vitrænum aðgerðum manna - eins og að túlka tal, spila leiki og bera kennsl á mynstur. Þau læra venjulega hvernig á að gera það með því að vinna gríðarlegt magn af gögnum, leita að mynstrum til að móta í eigin ákvarðanatöku. Í mörgum tilfellum munu menn hafa umsjón með námsferli gervigreindar, styrkja góðar ákvarðanir og letja slæmar. En sum gervigreind kerfi eru hönnuð til að læra án eftirlits - til dæmis með því að spila tölvuleik aftur og aftur þar til þau finna út reglurnar og hvernig á að vinna.
Sterk gervigreind andstætt veikri gervigreind
Það er erfitt að skilgreina greind og þess vegna gera gervigreindar sérfræðingar venjulega greinarmun á sterkri gervigreind og veikri gervigreind.
Sterk gervigreind
Sterk gervigreind, einnig þekkt sem gervi almenn greind, er vél sem getur leyst vandamál sem hún hefur aldrei verið þjálfuð til að vinna á - alveg eins og maður getur. Þetta er tegund gervigreindar sem við sjáum í kvikmyndum, eins og vélmennin frá Westworld eða persónuna Data úr Star Trek: The Next Generation. Þessi tegund gervigreindar er í raun ekki til ennþá.
Sköpun vélar með greind á mannlegu stigi sem hægt er að nota við hvaða verkefni sem er er heilagur kaleikur fyrir marga gervigreindarfræðinga, en leitin að gervi almennri greind hefur verið erfið. Og sumir telja að sterkar gervigreindarrannsóknir eigi að takmarka, vegna hugsanlegrar hættu á að búa til öflugt gervigreind án viðeigandi fyrirvara.
Öfugt við veika gervigreind, táknar sterk gervigreind vél með fullt sett af vitrænum hæfileikum - og jafn breitt úrval af notkunartilfellum - en tíminn hefur ekki auðveldað erfiðleikana við að ná slíku afreki.
Veik gervigreind
Veikt gervigreind, stundum nefnt þröngt gervigreind eða sérhæfð gervigreind, starfar í takmörkuðu samhengi og er eftirlíking af greind manna sem beitt er á þröngt skilgreint vandamál (eins og að keyra bíl, umrita mannlegt tal eða sjá um efni á vefsíðu).
Veik gervigreind er oft lögð áhersla á að framkvæma eitt verkefni einstaklega vel. Þó að þessar vélar kunni að virðast gáfulegar, starfa þær undir miklu fleiri takmörkunum en jafnvel grunngreind mannsins.
Dæmi um veika gervigreind eru:
Siri, Alexa og aðrir snjallir aðstoðarmenn
Sjálfkeyrandi bílar
Google leit
Samtal vélmenni
Sendinga ruslpóstsíur
Tilmæli Netflixa
Vélanám andstætt djúp nám
Þó hugtökin vélanám og djúpt nám komi oft upp í samtölum um gervigreind, ætti ekki að nota þau til skiptis. Djúpnám er form vélanáms og vélanám er undirsvið gervigreindar.
Vélar nám
Vélnámsreiknirit er gefið gögnum frá tölvu og notar tölfræðitækni til að hjálpa henni að læra hvernig á að verða smám saman betri í verkefni, án þess að hafa endilega verið sérstaklega forritað fyrir það verkefni. Þess í stað nota ML reiknirit söguleg gögn sem inntak til að spá fyrir um ný úttaksgildi. Í því skyni samanstendur ML af bæði umsjónuðu námi (þar sem væntanleg framleiðsla fyrir inntakið er þekkt þökk sé merktum gagnasöfnum) og námi án eftirlits (þar sem væntanleg framleiðsla er óþekkt vegna notkunar á ómerktum gagnasöfnum).
Djúp nám
Djúpnám er tegund vélanáms sem keyrir inntak í gegnum líffræðilega innblásinn taugakerfisarkitektúr. Tauganetin innihalda fjölda falinna laga þar sem gögnin eru unnin í gegnum, sem gerir vélinni kleift að fara djúpt í námi sínu, búa til tengingar og vega inntak til að ná sem bestum árangri.
Fjórar tegundir gervigreindar
Hægt er að skipta gervigreindum í fjóra flokka, byggt á gerð og flóknum verkefnum sem kerfi er fær um að sinna. Þeir eru:
Hvarfgjarnar vélar
Takmarkað minni
Hugarkenning
Sjálfsvitund
Viðbragðsvélar
Viðbragðsvél fylgir grundvallarreglum gervigreindar og er, eins og nafnið gefur til kynna, aðeins fær um að nota greind sína til að skynja og bregðast við heiminum fyrir framan hana. Viðbragðsvél getur ekki geymt minni og getur þar af leiðandi ekki reitt sig á fyrri reynslu til að upplýsa ákvarðanatöku í rauntíma.
Að skynja heiminn beint þýðir að viðbragðsvélar eru hannaðar til að sinna aðeins takmörkuðum fjölda sérhæfðra starfa. Að þrengja viljandi heimsmynd viðbragðs vélar hefur þó sína kosti: Þessi tegund gervigreindar verður áreiðanlegri og áreiðanlegri og hún bregst á sama hátt við sama áreiti í hvert skipti.
Dæmi um viðbragðs vél
Deep Blue var hannað af IBM á tíunda áratugnum sem ofurtölva í skák og sigraði alþjóðlega stórmeistarann Gary Kasparov í leik. Deep Blue var aðeins fær um að bera kennsl á stykkin á skákborði og vita hvernig hver hreyfist byggð á reglum skákarinnar, viðurkenna núverandi stöðu hvers stykkis og ákvarða hver rökréttasta hreyfingin væri á því augnabliki. Tölvan var ekki að sækjast eftir hugsanlegum hreyfingum andstæðingsins í framtíðinni eða að reyna að koma sínum eigin verkum í betri stöðu. Litið var á hverja beygju sem sinn eigin veruleika, aðskilinn frá hverri annarri hreyfingu sem var gerð áður.
AlphaGo frá Google er líka ófær um að meta framtíðarhreyfingar en treystir á eigin taugakerfi til að meta þróun núverandi leiks, sem gefur honum forskot á Deep Blue í flóknari leik. AlphaGo vann einnig heimsklassa keppendur leiksins, sigraði Go-meistarann Lee Sedol árið 2016.
Takmarkað minni
Gervigreind með takmörkuðu minni hefur getu til að geyma fyrri gögn og spár þegar verið er að safna upplýsingum og vega mögulegar ákvarðanir - í meginatriðum að leita í fortíðina til að fá vísbendingar um hvað gæti komið næst. Gervigreind með takmörkuðu minni er flóknari og býður upp á meiri möguleika en viðbragðs vélar.
Gervigreind með takmörkuðu minni verður til þegar teymi þjálfar stöðugt líkan í því hvernig á að greina og nýta ný gögn eða gervigreind umhverfi er byggt þannig að hægt sé að þjálfa og endurnýja líkan sjálfkrafa.
Þegar gervigreind með takmarkað minni er notað í ML verður að fylgja sex skrefum:
Koma á þjálfunargögnum
Búa til vélnámslíkanið
Ganga úr skugga um að líkanið geti spáð
Ganga úr skugga um að líkanið geti fengið endurgjöf frá mönnum eða umhverfi
Geyma endurgjöf manna og umhverfis sem gögn
Endurtaka skrefin hér að ofan sem hringrás.
Hugakenning
Hugarkenningin er einmitt það - fræðileg. Við höfum ekki enn náð þeim tæknilega og vísindalega getu sem nauðsynleg er til að ná þessu næsta stig gervigreindar.
Hugmyndin byggir á sálfræðilegri forsendu þess að skilja að aðrar lífverur hafa hugsanir og tilfinningar sem hafa áhrif á hegðun manns sjálfs. Hvað varðar gervigreindarvélar myndi þetta þýða að gervigreind gæti skilið hvernig mönnum, dýrum og öðrum vélum líður og tekið ákvarðanir með sjálfsígrundun og ákvörðun, og síðan notað þær upplýsingar til að taka eigin ákvarðanir. Í meginatriðum þyrftu vélar að geta skilið og unnið úr hugtakinu huga, sveiflur tilfinninga í ákvarðanatöku og línum af öðrum sálfræðilegum hugtökum í rauntíma, og skapa tvíhliða samband milli fólks og gervigreindar.
Sjálfsvitund
Þegar hægt er að koma á kenningu um huga, einhvern tíma langt fram í framtíð gervigreindar, verður lokaskrefið að gervigreind verði sjálfsmeðvituð. Þessi tegund gervigreindar býr yfir meðvitund á mannlegu stigi og skilur eigin tilvist í heiminum, sem og nærveru og tilfinningalegt ástand annarra. Það væri fær um að skilja hvað aðrir gætu þurft út frá því sem þeir miðla til þeirra heldur hvernig þeir miðla því.
Sjálfsvitund í gervigreindum byggir bæði á því að mannlegir vísindamenn skilji forsendur meðvitundar og læri síðan hvernig á að endurtaka hana svo hægt sé að byggja hana inn í vélar.
Heimild: Artificial Intelligence
Meginflokkur: Bloggar | Aukaflokkur: Tölvur og tækni | 1.4.2023 | 13:14 (breytt kl. 13:16) | Facebook
Færsluflokkar
- Bílar og akstur
- Bloggar
- Bækur
- Dægurmál
- Evrópumál
- Fjármál
- Heimspeki
- Íþróttir
- Kjaramál
- Löggæsla
- Menning og listir
- Menntun og skóli
- Saga
- Samfélagsmiðlar
- Samgöngur
- Sjónvarp
- Stjórnlagaþing
- Stjórnmál og samfélag
- Stríð
- Sveitarstjórnarkosningar
- Tónlist
- Trúmál
- Trúmál og siðferði
- Tölvur og tækni
- Umhverfismál
- Utanríkismál/alþjóðamál
- Útvarp
- Vefurinn
- Viðskipti og fjármál
- Vinir og fjölskylda
- Vísindi og fræði
Eldri færslur
- Nóvember 2024
- Október 2024
- September 2024
- Ágúst 2024
- Júlí 2024
- Júní 2024
- Maí 2024
- Apríl 2024
- Mars 2024
- Febrúar 2024
- Janúar 2024
- Desember 2023
- Nóvember 2023
- Október 2023
- September 2023
- Ágúst 2023
- Júlí 2023
- Júní 2023
- Maí 2023
- Apríl 2023
- Mars 2023
- Febrúar 2023
- Janúar 2023
- Desember 2022
- Nóvember 2022
- Október 2022
- September 2022
- Ágúst 2022
- Júlí 2022
- Júní 2022
- Maí 2022
- Apríl 2022
- Mars 2022
- Febrúar 2022
- Janúar 2022
- Desember 2021
- Nóvember 2021
- Október 2021
- September 2021
- Ágúst 2021
- Júlí 2021
- Júní 2021
- Maí 2021
- Apríl 2021
- Mars 2021
- Febrúar 2021
- Janúar 2021
- Desember 2020
- Nóvember 2020
Bæta við athugasemd [Innskráning]
Ekki er lengur hægt að skrifa athugasemdir við færsluna, þar sem tímamörk á athugasemdir eru liðin.