AI z Pythonem - Primer Concept
Od czasu wynalezienia komputerów lub maszyn ich zdolność do wykonywania różnych zadań gwałtownie wzrosła. Ludzie rozwinęli moc systemów komputerowych pod względem ich różnorodnych dziedzin pracy, ich rosnącej szybkości i zmniejszania rozmiaru w stosunku do czasu.
Oddział informatyki o nazwie Sztuczna Inteligencja zajmuje się tworzeniem komputerów lub maszyn tak inteligentnych jak ludzie.
Podstawowe pojęcia sztucznej inteligencji (AI)
Według ojca Artificial Intelligence, Johna McCarthy'ego, jest to „Nauka i inżynieria tworzenia inteligentnych maszyn, zwłaszcza inteligentnych programów komputerowych”.
Sztuczna inteligencja to sposób na inteligentne myślenie komputera, robota sterowanego komputerowo lub oprogramowania, podobnie jak myślą inteligentni ludzie. Sztuczną inteligencję osiąga się poprzez badanie sposobu, w jaki myśli ludzki mózg oraz w jaki sposób ludzie uczą się, decydują i pracują, próbując rozwiązać problem, a następnie wykorzystując wyniki tego badania jako podstawę do tworzenia inteligentnego oprogramowania i systemów.
Wykorzystując moc systemów komputerowych, ciekawość człowieka, zastanawia się: „Czy maszyna może myśleć i zachowywać się tak, jak ludzie?”
Tak więc rozwój sztucznej inteligencji rozpoczął się z zamiarem stworzenia podobnej inteligencji w maszynach, które uważamy za wysoko u ludzi.
Konieczność uczenia się AI
Jak wiemy, sztuczna inteligencja dąży do tworzenia maszyn tak inteligentnych jak ludzie. Istnieje wiele powodów, dla których warto studiować sztuczną inteligencję. Powody są następujące -
AI może się uczyć poprzez dane
W naszym codziennym życiu mamy do czynienia z ogromną ilością danych, a ludzki mózg nie jest w stanie śledzić tak dużej ilości danych. Dlatego musimy zautomatyzować te rzeczy. Jeśli chodzi o automatyzację, musimy studiować sztuczną inteligencję, ponieważ może ona uczyć się na podstawie danych i wykonywać powtarzalne zadania z dokładnością i bez zmęczenia.
AI może się uczyć
System powinien sam się uczyć, ponieważ same dane ulegają ciągłym zmianom, a wiedza, która z nich pochodzi, musi być stale aktualizowana. Możemy wykorzystać sztuczną inteligencję do spełnienia tego celu, ponieważ system obsługujący sztuczną inteligencję może się uczyć.
AI może reagować w czasie rzeczywistym
Sztuczna inteligencja za pomocą sieci neuronowych może głębiej analizować dane. Dzięki tej zdolności sztuczna inteligencja może myśleć i reagować na sytuacje oparte na warunkach w czasie rzeczywistym.
AI osiąga dokładność
Z pomocą głębokich sieci neuronowych sztuczna inteligencja może osiągnąć ogromną dokładność. Sztuczna inteligencja pomaga w medycynie w diagnozowaniu chorób, takich jak rak, na podstawie rezonansu magnetycznego pacjentów.
Sztuczna inteligencja może organizować dane, aby jak najlepiej je wykorzystać
Dane stanowią własność intelektualną systemów, które używają algorytmów samouczących się. Potrzebujemy sztucznej inteligencji do indeksowania i organizowania danych w taki sposób, aby zawsze dawały najlepsze wyniki.
Zrozumieć inteligencję
Dzięki sztucznej inteligencji można budować inteligentne systemy. Musimy zrozumieć pojęcie inteligencji, aby nasz mózg mógł skonstruować inny system inteligencji podobny do siebie.
Co to jest inteligencja?
Zdolność systemu do obliczania, rozumowania, postrzegania relacji i analogii, uczenia się na podstawie doświadczenia, przechowywania i wyszukiwania informacji z pamięci, rozwiązywania problemów, rozumienia złożonych idei, płynnego posługiwania się językiem naturalnym, klasyfikowania, uogólniania i adaptowania nowych sytuacji.
Rodzaje inteligencji
Jak opisał Howard Gardner, amerykański psycholog rozwojowy, inteligencja występuje w wielu aspektach -
Sr.No | Inteligencja i opis | Przykład |
---|---|---|
1 | Linguistic intelligence Umiejętność mówienia, rozpoznawania i korzystania z mechanizmów fonologii (dźwięki mowy), składni (gramatyka) i semantyki (znaczenie). |
Narratorzy, mówcy |
2 | Musical intelligence Umiejętność tworzenia, komunikowania się i rozumienia znaczeń utworzonych z dźwięku, rozumienie wysokości dźwięku, rytmu. |
Muzycy, śpiewacy, kompozytorzy |
3 | Logical-mathematical intelligence Umiejętność używania i rozumienia relacji przy braku działań lub przedmiotów. To także umiejętność rozumienia złożonych i abstrakcyjnych idei. |
Matematycy, naukowcy |
4 | Spatial intelligence Zdolność do postrzegania informacji wizualnych lub przestrzennych, ich zmieniania i odtwarzania obrazów wizualnych bez odniesienia do obiektów, konstruowania obrazów 3D oraz ich przesuwania i obracania. |
Czytelnicy map, astronauci, fizycy |
5 | Bodily-Kinesthetic intelligence Umiejętność wykorzystania całości lub części ciała do rozwiązywania problemów lub produktów modowych, kontrolowania drobnych i grubych zdolności motorycznych oraz manipulowania przedmiotami. |
Gracze, tancerze |
6 | Intra-personal intelligence Umiejętność rozróżniania własnych uczuć, intencji i motywacji. |
Gautam Buddhha |
7 | Interpersonal intelligence Umiejętność rozpoznawania i rozróżniania uczuć, przekonań i intencji innych ludzi. |
Masowi komunikatorzy, ankieterzy |
Można powiedzieć, że maszyna lub system są sztucznie inteligentne, jeśli są wyposażone w co najmniej jedną lub wszystkie inteligencje.
Z czego składa się inteligencja?
Inteligencja jest nieuchwytna. Składa się z -
- Reasoning
- Learning
- Rozwiązywanie problemów
- Perception
- Inteligencja językowa
Przyjrzyjmy się pokrótce wszystkim komponentom -
Rozumowanie
Jest to zbiór procesów, które pozwalają nam zapewnić podstawę do osądu, podejmowania decyzji i przewidywania. Istnieją zasadniczo dwa typy -
Rozumowanie indukcyjne | Rozumowanie dedukcyjne |
---|---|
Prowadzi szczegółowe obserwacje, aby sformułować szerokie, ogólne stwierdzenia. | Rozpoczyna się od ogólnego stwierdzenia i bada możliwości dojścia do konkretnego, logicznego wniosku. |
Nawet jeśli wszystkie przesłanki są prawdziwe w stwierdzeniu, rozumowanie indukcyjne pozwala na fałszywy wniosek. | Jeśli coś jest prawdą w odniesieniu do jakiejś klasy rzeczy w ogóle, dotyczy to również wszystkich członków tej klasy. |
Example - „Nita jest nauczycielką. Nita jest pilna. Dlatego wszyscy nauczyciele są pilni”. | Example - "Wszystkie kobiety powyżej 60 roku życia są babciami. Shalini ma 65 lat. Dlatego Shalini jest babcią." |
Nauka - l
Umiejętność uczenia się posiadają ludzie, określone gatunki zwierząt oraz systemy z obsługą AI. Nauka jest podzielona na następujące kategorie -
Nauka słuchowa
To nauka poprzez słuchanie i słuchanie. Na przykład studenci słuchający nagranych wykładów audio.
Episodic Learning
Aby uczyć się poprzez zapamiętywanie sekwencji wydarzeń, których byłeś świadkiem lub którego doświadczyłeś. To jest liniowe i uporządkowane.
Uczenie się silnika
Jest to nauka poprzez precyzyjny ruch mięśni. Na przykład zbieranie przedmiotów, pisanie itp.
Uczenie przez obserwacje
Uczyć się, obserwując i naśladując innych. Na przykład dziecko próbuje się uczyć, naśladując swojego rodzica.
Uczenie się percepcyjne
To nauka rozpoznawania bodźców, które ktoś wcześniej widział. Na przykład identyfikowanie i klasyfikowanie obiektów i sytuacji.
Uczenie się relacyjne
Obejmuje naukę rozróżniania różnych bodźców na podstawie właściwości relacyjnych, a nie właściwości absolutnych. Na przykład dodanie „trochę mniej” soli podczas gotowania ziemniaków, które ostatnio były słone, np. Podczas gotowania z dodatkiem, powiedzmy łyżki soli.
Spatial Learning - Jest to uczenie się poprzez bodźce wizualne, takie jak obrazy, kolory, mapy itp. Na przykład, osoba może stworzyć mapę drogową w umyśle, zanim faktycznie podąży drogą.
Stimulus-Response Learning- Jest to nauka wykonywania określonego zachowania, gdy obecny jest określony bodziec. Na przykład pies podnosi ucho, słysząc dzwonek do drzwi.
Rozwiązywanie problemów
Jest to proces, w którym człowiek dostrzega i próbuje osiągnąć pożądane rozwiązanie z obecnej sytuacji, wybierając jakąś ścieżkę, którą blokują znane lub nieznane przeszkody.
Rozwiązywanie problemów obejmuje również decision making, który jest procesem wybierania najlepszej odpowiedniej alternatywy spośród wielu alternatyw, aby osiągnąć pożądany cel.
Postrzeganie
Jest to proces pozyskiwania, interpretowania, wybierania i organizowania informacji sensorycznych.
Percepcja zakłada sensing. U ludzi percepcja jest wspomagana przez narządy zmysłów. W dziedzinie sztucznej inteligencji mechanizm percepcji w znaczący sposób łączy dane zebrane przez czujniki.
Inteligencja językowa
Jest to umiejętność używania, rozumienia, mówienia i pisania w języku werbalnym i pisanym. Jest to ważne w komunikacji międzyludzkiej.
Co obejmuje sztuczna inteligencja
Sztuczna inteligencja to rozległy obszar badań. Ten kierunek studiów pomaga w znajdowaniu rozwiązań rzeczywistych problemów.
Przyjrzyjmy się teraz różnym dziedzinom nauki w ramach sztucznej inteligencji -
Nauczanie maszynowe
Jest to jedna z najpopularniejszych dziedzin sztucznej inteligencji. Podstawową koncepcją tego pola jest uczynienie maszynowego uczenia się na podstawie danych, tak jak ludzie mogą uczyć się na podstawie swoich doświadczeń. Zawiera modele uczące się, na podstawie których można prognozować nieznane dane.
Logika
Jest to kolejny ważny kierunek studiów, na którym do wykonywania programów komputerowych wykorzystuje się logikę matematyczną. Zawiera reguły i fakty potrzebne do dopasowania wzorców, analizy semantycznej itp.
Badawczy
Ten kierunek studiów jest zasadniczo używany w grach takich jak szachy, kółko i krzyżyk. Algorytmy wyszukiwania dają optymalne rozwiązanie po przeszukaniu całej przestrzeni poszukiwań.
Sztuczne sieci neuronowe
Jest to sieć wydajnych systemów obliczeniowych, której centralny temat zapożyczono z analogii biologicznych sieci neuronowych. SSN może być używany w robotyce, rozpoznawaniu mowy, przetwarzaniu mowy itp.
Algorytm genetyczny
Algorytmy genetyczne pomagają w rozwiązywaniu problemów przy pomocy więcej niż jednego programu. Wynik byłby oparty na wyborze najlepiej przystosowanych.
Reprezentacja wiedzy
Jest to dziedzina nauki, za pomocą której możemy przedstawić fakty w sposób zrozumiały dla maszyny. Im efektywniej reprezentowana jest wiedza; tym bardziej system byłby inteligentny.
Zastosowanie AI
W tej sekcji zobaczymy różne pola obsługiwane przez AI -
Hazard
AI odgrywa kluczową rolę w grach strategicznych, takich jak szachy, poker, kółko i krzyżyk itp., W których maszyna może wymyślić dużą liczbę możliwych pozycji w oparciu o wiedzę heurystyczną.
Przetwarzanie języka naturalnego
Możliwe jest współdziałanie z komputerem, który rozumie naturalny język używany przez ludzi.
Systemy eksperckie
Istnieją aplikacje, które integrują maszynę, oprogramowanie i specjalne informacje w celu przekazania rozumowania i doradztwa. Udzielają wyjaśnień i porad użytkownikom.
Systemy wizyjne
Systemy te rozumieją, interpretują i rozumieją wizualne dane wejściowe komputera. Na przykład,
Samolot szpiegowski wykonuje zdjęcia, które służą do uzyskania informacji przestrzennej lub mapy obszarów.
Do diagnozowania pacjenta lekarze wykorzystują system ekspercki klinicznej.
Policja korzysta z oprogramowania komputerowego, które potrafi rozpoznać twarz przestępcy na podstawie zapisanego portretu wykonanego przez kryminalistę.
Rozpoznawanie mowy
Niektóre inteligentne systemy są w stanie słyszeć i rozumieć język w kategoriach zdań i ich znaczenia, podczas gdy człowiek do niego mówi. Potrafi obsługiwać różne akcenty, slangowe słowa, hałas w tle, zmiany ludzkiego hałasu spowodowane zimnem itp.
Rozpoznawanie pisma odręcznego
Oprogramowanie do rozpoznawania pisma ręcznego odczytuje tekst zapisany na papierze piórem lub na ekranie za pomocą rysika. Potrafi rozpoznać kształty liter i przekształcić je w edytowalny tekst.
Inteligentne roboty
Roboty są w stanie wykonywać zadania powierzone przez człowieka. Posiadają czujniki do wykrywania fizycznych danych z rzeczywistego świata, takich jak światło, ciepło, temperatura, ruch, dźwięk, uderzenia i ciśnienie. Mają wydajne procesory, wiele czujników i ogromną pamięć, aby wykazywać inteligencję. Ponadto potrafią uczyć się na własnych błędach i przystosować się do nowego środowiska.
Modelowanie poznawcze: symulacja procedury ludzkiego myślenia
Modelowanie poznawcze jest w zasadzie dziedziną nauki w ramach informatyki, która zajmuje się badaniem i symulowaniem procesu myślenia ludzi. Głównym zadaniem sztucznej inteligencji jest sprawienie, by maszyna myślała jak człowiek. Najważniejszą cechą procesu myślenia człowieka jest rozwiązywanie problemów. Dlatego mniej lub bardziej modelowanie poznawcze stara się zrozumieć, w jaki sposób ludzie mogą rozwiązać problemy. Następnie model ten może być używany do różnych zastosowań sztucznej inteligencji, takich jak uczenie maszynowe, robotyka, przetwarzanie języka naturalnego itp. Poniżej przedstawiono diagram różnych poziomów myślenia ludzkiego mózgu -
Agent i środowisko
W tej sekcji skupimy się na agencie i środowisku oraz na tym, jak pomagają one w sztucznej inteligencji.
Agent
Agent to wszystko, co może dostrzec swoje otoczenie za pomocą czujników i działa na to środowisko za pośrednictwem efektorów.
ZA human agent ma narządy zmysłów, takie jak oczy, uszy, nos, język i skóra, równoległe do czujników i inne narządy, takie jak ręce, nogi, usta, dla efektorów.
ZA robotic agent zastępuje kamery i dalmierze na podczerwień do czujników oraz różne silniki i siłowniki do efektorów.
ZA software agent zakodował ciągi bitów jako swoje programy i akcje.
Środowisko
Niektóre programy działają w całości w artificial environment ogranicza się do wprowadzania danych z klawiatury, bazy danych, komputerowych systemów plików i wyprowadzania znaków na ekranie.
W przeciwieństwie do tego, niektóre agenty oprogramowania (roboty programowe lub softboty) istnieją w bogatych, nieograniczonych domenach softbotów. Symulator ma rozszerzenievery detailed, complex environment. Agent oprogramowania musi wybierać z szerokiej gamy działań w czasie rzeczywistym. Softbot jest przeznaczony do skanowania preferencji online klienta i pokazuje interesujące elementy klientowi pracującemu wreal jak również artificial środowisko.