Künstliche Intelligenz (KI) ist ein Bereich der Informatik, in dem die Schaffung intelligenter Maschinen im Vordergrund steht, die wie Menschen funktionieren und reagieren. Einige der Übungen, für die PCs mit künstlicher Intelligenz vorgesehen sind, umfassen:
- Spracherkennung
- Lernen
- Planung
- Fehlerbehebung
Das menschliche Bewusstsein ist Teil der Softwareentwicklung, bei der es darum geht, knifflige Maschinen herzustellen. Es ist zu einem grundlegenden Bestandteil des Innovationsgeschäfts geworden.
Die Forschung zum menschlichen Denken ist tief spezialisiert und konzentriert. Zu den zentralen Themen der künstlichen Denkkraft gehören beispielsweise das Programmieren von PCs für bestimmte Qualitäten,
- Wissen
- Argumentation
- Fehlerbehebung
- Wahrnehmung
- Lernen
- Planung
- Fähigkeit, Objekte zu steuern und zu bewegen
Informationsdesign ist ein wichtiger Bestandteil der KI-Erforschung. Maschinen können sich regelmäßig wie Menschen verhalten, nur wenn sie über großzügige Daten verfügen, die sich mit der Welt identifizieren. Das menschliche Bewusstsein muss sich Objekten, Klassen, Eigenschaften und Beziehungen zwischen ihnen nähern, um das Informationsdesign durchzuführen. Die Präsenz des Geistes, des Denkens und der kritischen Denkkraft in Maschinen zu beginnen, ist ein kniffliges und langweiliges Unterfangen.
Darüber hinaus ist KI das Zentrum der KI. Lernen ohne Aufsicht erfordert die Fähigkeit, Entwürfe in Überschwemmungen aus Datenquellen zu erkennen, obwohl Lernen mit ausreichender Aufsicht auch Ordnung und numerische Rückschläge beinhaltet.
Techopedia klärt künstliche Intelligenz (KI)
Das automatisierte Denken ist Teil des Software-Engineerings, mit dem intelligente Maschinen erstellt werden sollen. Es ist zu einem grundlegenden Bestandteil der Innovationsbranche geworden.
Die Forschung zum automatisierten Denken ist tief spezialisiert und konzentriert. Zu den zentralen Themen der vom Menschen geschaffenen Gehirnleistung gehören beispielsweise die Programmierung von PCs für bestimmte Merkmale,
Design lernen ist ein wichtiger Teil der KI-Erforschung. Maschinen können oft wie Menschen handeln und reagieren, nur wenn sie reichlich Daten haben, die sich mit der Welt identifizieren. Vom Menschen geschaffenes Bewusstsein muss sich Objekten, Klassifikationen, Eigenschaften und Beziehungen zwischen jedem von ihnen nähern, um Lerndesign durchzuführen. Ein gesundes Urteilsvermögen, Denken und kritisches Denken in Maschinen zu beginnen, ist eine schwierige und langweilige Aufgabe.
KI ist auch ein zentraler Bestandteil der KI. Das Lernen ohne Aufsicht erfordert die Fähigkeit, Entwürfe in Datenquellenspitzen zu erkennen, obwohl das Lernen mit ausreichender Aufsicht auch Gruppierungen und numerische Fehler umfasst.
Das Schema entscheidet, in welcher Klasse ein Artikel seinen Platz hat, und es gelingt dem Rückfall, viele numerische Informationen oder Ertragsmodelle zu erhalten. Auf diese Weise werden Empowerment-Fähigkeiten ab dem Alter angemessener Erträge aus bestimmten Informationsquellen ermittelt. Die wissenschaftliche Erforschung von KI-Berechnungen und ihrer Ausstellung ist ein gut charakterisierter Teil des hypothetischen Software-Engineerings, der häufig als rechnergestützte Lernhypothese angedeutet wird.
Machine Discernment verwaltet die Fähigkeit, greifbare Beiträge zu verwenden, um verschiedene Teile der Welt abzuschließen, während PC Vision die Fähigkeit ist, visuelle Beiträge mit einer Reihe von Unterthemen zu untersuchen, z. B. Gesichts-, Objekt- und Signalerkennung.
Mechanische Autonomie ist auch ein wichtiger Bereich, der mit KI identifiziert wird. Roboter erwarten, dass das Wissen Nachrichten verarbeitet, z. B. Objektsteuerung und Route, sowie Unterprobleme wie Beschränkung, Anordnung von Bewegungen und Zuordnung.
Da die Kosten für Ausrüstung, Programmierung und Personal für KI kostspielig sein können, nehmen zahlreiche Verkäufer KI-Teile in ihre Standardbeiträge auf, ebenso wie der Zugang zu AIaaS-Stufen (Artificial Intelligence as a Service). Computergestützte Intelligenz als Service ermöglicht es Menschen und Organisationen, verschiedene Dinge mit KI für verschiedene Geschäftszwecke auszuprobieren und zahlreiche Phasen zu testen, bevor sie eine Verantwortung übernehmen. Zu den vorherrschenden AI-Cloud-Beiträgen gehören Amazon AI-Administrationen, IBM Watson Assistant, Microsoft Cognitive Services und Google AI-Administrationen.
Während KI-Instrumente für Organisationen einen neuen Nutzen bieten, wirft die Nutzung künstlicher Intelligenz moralische Fragen auf. Dies liegt daran, dass fundierte Lernberechnungen, die eine beträchtliche Anzahl der außergewöhnlichsten KI-Geräte unterstützen, genauso brillant sind wie die Informationen, die sie bei der Vorbereitung erhalten. Da ein Mensch wählt, welche Informationen zur Vorbereitung eines KI-Programms verwendet werden sollen, ist das Potenzial für menschliche Neigung angeboren und muss sorgfältig geprüft werden.
Einige Branchenspezialisten akzeptieren, dass der Begriff künstliche Intelligenz übermäßig fest mit der Mainstream-Kultur verbunden ist, was dazu führt, dass die Gesamtbevölkerung ein unangemessenes Gefühl der Besorgnis über das Bewusstsein für künstliche Intelligenz und unplausible Annahmen darüber hat, wie es das Arbeitsumfeld und das Leben verändern wird, wenn alles erledigt ist. Spezialisten und Werbetreibende vertrauen darauf, dass der erweiterte Name, der einen zunehmend unparteiischen Unterton hat, Einzelpersonen dabei hilft, zu verstehen, dass KI nur Elemente und Verwaltungen verbessert und nicht die Personen ersetzt, die sie nutzen.
Arten künstlicher Intelligenz
Arend Hintze, Assistenzprofessor für integrative Biologie sowie Informatik und Ingenieurwesen an der Michigan State University, unterteilt KI in vier Typen, von der Art der heute existierenden KI-Systeme bis zu noch nicht existierenden empfindungsfähigen Systemen. Seine Kategorien sind wie folgt:
Typ 1: Reaktive Maschinen. Ein Beispiel ist Deep Blue, das IBM-Schachprogramm, das Garry Kasparov in den 1990er Jahren besiegte. Deep Blue kann Figuren auf dem Schachbrett identifizieren und Vorhersagen treffen, hat jedoch kein Gedächtnis und kann vergangene Erfahrungen nicht nutzen, um zukünftige zu informieren. Es analysiert mögliche Züge – es ist sein eigener und sein Gegner – und wählt den strategischsten Zug. Deep Blue und Googles AlphaGO wurden für enge Zwecke entwickelt und können nicht einfach auf eine andere Situation angewendet werden.
Typ 2: Begrenzter Speicher. Diese KI-Systeme können vergangene Erfahrungen nutzen, um zukünftige Entscheidungen zu treffen. Einige der Entscheidungsfunktionen in selbstfahrenden Autos sind auf diese Weise ausgelegt. Beobachtungen informieren über Aktionen, die in nicht allzu ferner Zukunft stattfinden, wie z. B. ein Spurwechsel. Diese Beobachtungen werden nicht dauerhaft gespeichert.
Typ 3: Theorie des Geistes. Dieser psychologische Begriff bezieht sich auf das Verständnis, dass andere ihre eigenen Überzeugungen, Wünsche und Absichten haben, die sich auf die Entscheidungen auswirken, die sie treffen. Diese Art von KI gibt es noch nicht.
Typ 4: Selbstbewusstsein. In dieser Kategorie haben KI-Systeme ein Selbstbewusstsein und ein Bewusstsein. Maschinen mit Selbstbewusstsein verstehen ihren aktuellen Zustand und können anhand der Informationen ableiten, was andere fühlen. Diese Art von KI existiert noch nicht.
Anwendungen der KI-Technologie
KI ist in eine Vielzahl verschiedener Technologietypen integriert. Hier sind sieben Beispiele.
- Automatisierung: Was bewirkt, dass ein Framework oder eine Prozedur konsequent funktioniert? Beispielsweise kann die Computerisierung mechanischer Verfahren (RPA) modifiziert werden, um hochvolumige, wiederholbare Vorgänge auszuführen, die von Personen regelmäßig ausgeführt werden. RPA ist nicht dasselbe wie IT-Computerisierung, da es sich an sich ändernde Bedingungen anpassen kann.
- AI: Die Studie, wie man einen PC dazu bringt, ohne Programmierung zu handeln. Tiefgreifendes Lernen ist eine Teilmenge der KI, die im Grunde genommen als Computerisierung vorausschauender Untersuchungen betrachtet werden kann. Es gibt drei Arten von KI-Berechnungen:
- Computer Vision: Die Studie, wie PCs sehen können. Diese Innovation erfasst und zerlegt visuelle Daten mithilfe einer Kamera, einfacher Änderungen am Computer und fortschrittlicher Schilderhandhabung. Es wird häufig der visuellen Wahrnehmung des Menschen gegenübergestellt, jedoch ist das Computerbild nicht an die Wissenschaft gebunden und kann angepasst werden, um beispielsweise durch Trennwände zu sehen. Es wird im Rahmen der Verwendung von der Marken-ID bis zur medizinischen Bilduntersuchung verwendet. PC Vision, das sich auf maschinenbasiertes Bildhandling konzentriert, wird regelmäßig mit Computer Vision in Verbindung gebracht.
- Verarbeitung natürlicher Sprache (NLP): Die Verarbeitung menschlicher – und nicht einer Computersprache – durch ein Computerprogramm. Eine der etablierteren und bekanntesten Instanzen von NLP ist die Spam-Identifizierung, bei der der Titel und der Inhalt einer E-Mail genauer untersucht werden und ausgewählt wird, ob es sich um Müll handelt. Aktuelle Möglichkeiten, mit NLP umzugehen, hängen von der KI ab. NLP-Aufgaben umfassen die Interpretation von Inhalten, die Prüfung von Bewertungen und die Anerkennung von Diskursen.
- Robotik: Ein Bereich der Technik, der sich auf die Konstruktion und Herstellung von Robotern konzentriert. Roboter werden regelmäßig verwendet, um Aufgaben auszuführen, die für Menschen schwierig oder zuverlässig sind. Sie werden in sequentiellen Konstruktionssystemen für die Fahrzeugerstellung oder von der NASA verwendet, um enorme Gegenstände im Weltraum zu bewegen. Analysten verwenden ebenfalls KI, um Roboter zu konstruieren, die in sozialen Umgebungen miteinander kommunizieren können.
- Selbstfahrende Autos: Diese nutzen eine Mischung aus PC-Vision, Bildbestätigung und tiefgreifendem Herausfinden, wie man eine computergesteuerte Fähigkeit zum Lenken eines Fahrzeugs konstruiert, während man auf einem bestimmten Weg bleibt und unvorhergesehenen Hindernissen, beispielsweise Menschen zu Fuß, ausweicht.
You may also like
2021 Data Science Trends
2020 was een uitdagend jaar voor zowat iedereen. Hoewel het vol zat met onverwachte gebeurtenissen, maakte het de implementatie van nieuwe ontwikkelingen in de digitale wereld mogelijk. De wereld zag de opkomst van verschillende technologische trends toen mensen zich aanpasten aan het nieuwe normaal. Tal van detailhandelszaken konden overschakelen op e-commerce. Doordat populaire sociale-mediaplatforms zoals […]
De eenvoudige uitleg van het concept van backpropagatie
Backpropagatie is een noodzakelijk hulpmiddel of algoritme om verbeteringen aan te brengen wanneer u slechte resultaten ondervindt van machinaal leren en datamining. Wanneer u veel gegevens aan het systeem levert en de juiste oplossingen door een model zoals kunstmatige neurale netwerken, zal het systeem de gegevens veralgemenen en beginnen met het vinden van de gegevens. […]
Inleiding tot t-SNE
Dimensievermindering In de wetenschap dat je al eerder met een dataset met veel hoogtepunten hebt gewerkt, kun je begrijpen dat het zo moeilijk is om de verbanden tussen de hoogtepunten te begrijpen of te onderzoeken. Het maakt de EDA-procedure lastig en beïnvloedt de presentatie van het AI-model, omdat de kans bestaat dat u uw model […]
