人工知能システムの種類

コンピューターの黎明期から、研究者は人間の知性を模倣するシステムを作ろうとしてきました。シリコンのアインシュタインはまだ遠い可能性があるかもしれませんが、人工知能 (AI) によって、人間の音声を認識する電話、自動運転する自動車、テレビのゲーム番組で競うエキスパート システムがもたらされました。長年にわたり、AI 研究はいくつかの進化を遂げ、各技術が成熟するにつれて、それらは私たちの日常の経験の一部になりました.

機械学習

初期の研究者は、限られた処理能力とコンピューター ストレージに苦労しましたが、LISP などのプログラミング言語と、意思決定ツリーや機械学習などの概念を使用して AI の基礎を築きました。 LISP で作成されたプログラムは、チェスなどのゲームを簡単に分析し、数ターンのすべての可能な動きをマッピングしてから、最適な選択肢を選択できます。これらのプログラムは、意思決定ロジックを変更し、以前の過ちから学び、時間の経過とともに「賢く」なる可能性もあります。より強力なコンピューターと安価な大容量ストレージを備えたこの AI の分野は、コンピューター ゲーム業界を生み出しただけでなく、さまざまなパーソナライズされた検索エンジンや、好みを記憶するだけでなく、ニーズを予測するオンライン ショッピング サイトを生み出しました。

エキスパート システム

AI 研究者の最初の波は人間の推論をシミュレートするためにコンピューティング サイクルに依存していましたが、次のアプローチは人間の経験を模倣するために事実とデータに依存していました。エキスパート システムは事実とルールをナレッジ ベースに収集し、コンピューター ベースの推論エンジンを使用して新しい事実を推測したり、質問に答えたりしました。ナレッジ エンジニアは、医学、自動車修理、工業デザイン、またはその他の専門職の専門家にインタビューし、これらの調査結果を機械で読み取り可能な事実とルールにまとめました。これらのナレッジ ベースは、問題の診断や質問への回答を支援するために他のユーザーによって使用されました。技術が成熟するにつれて、研究者は知識ベースの開発を自動化する方法、大量の技術文献をフィードする方法、またはソフトウェアが Web をクロールして関連情報を独自に検索する方法を見つけました。

ニューラル ネットワーク

別の研究グループは、ニューロンとシナプスの人工ネットワークを作成することで、人間の脳の働きを再現しようとしました。トレーニングにより、これらのニューラル ネットワークはランダム データのように見えるものからパターンを認識できるようになりました。画像または音声がネットワークの入力側に供給され、正解が出力側に供給されます。時間が経つにつれて、ネットワークは内部構造を再編成し、同様の入力が与えられたときにネットワークが正しい答えを返すようにします。ニューラル ネットワークは、人間の音声に応答するときや、スキャンした画像をテキストに変換するときにうまく機能します。この技術に依存するソフトウェアは、目の見えない人に本を読んだり、音声をある言語から別の言語に翻訳したりできます。

ビッグデータ

多くの場合「ビッグ データ」と呼ばれる大規模なデータ分析では、多くのコンピューターの能力を利用して、人間の頭では理解できないデータ内の事実と関係を発見します。何兆ものクレジット カード請求や何十億ものソーシャル ネットワーク関係をスキャンし、さまざまな統計手法を使用して関連付けることで、有用な情報を発見できます。クレジット カード会社は、カードが盗まれたこと、またはカード所有者が財政難に陥っていることを示す購入パターンを見つけることができます。小売業者は、顧客が妊娠していることに気付く前であっても、顧客が妊娠していることを示す購入パターンを見つけることがあります。ビッグデータにより、コンピューターは、私たち人間が自分では決して理解できなかった方法で世界を理解できるようになります。