
Umjetna inteligencija (AI) omogućava mašinama da uče iz iskustva, prilagode se novim inputima i obavljaju zadatke poput ljudi. Većina primjera umjetne inteligencije o kojima danas čujete – od kompjutera za igranje šaha do samovozećih automobila – u velikoj se mjeri oslanja na duboko učenje i obradu prirodnog jezika . Koristeći ove tehnologije, računari se mogu osposobiti za izvršavanje specifičnih zadataka obradom velikih količina podataka i prepoznavanjem obrazaca u podacima.
Istorija umjetne inteligencije
Izraz umjetna inteligencija skovan je 1956. godine, ali AI je danas postao popularniji zahvaljujući povećanom volumenu podataka, naprednim algoritmima i poboljšanjima u računarskoj snazi i skladištenju.
Rano istraživanje umjetne inteligencije 1950-ih istraživalo je teme poput rješavanja problema i simboličkih metoda. Šezdesetih godina prošlog veka Ministarstvo odbrane SAD se zainteresovalo za ovu vrstu posla i počelo je da obučava računare da oponašaju osnovno ljudsko razmišljanje. Na primjer, Agencija za napredne istraživačke projekte odbrane (DARPA) završila je projekte mapiranja ulica 1970-ih. A DARPA je proizvela inteligentne lične asistente 2003. godine, mnogo prije nego što su Siri, Alexa ili Cortana postali poznata imena.
Ovaj rani rad utro je put automatizaciji i formalnom rasuđivanju koje danas vidimo u računarima, uključujući sisteme za podršku odlučivanju i pametne sisteme pretraživanja koji mogu biti dizajnirani da dopune i povećaju ljudske sposobnosti.
Dok holivudski filmovi i naučnofantastični romani prikazuju AI kao robote nalik ljudima koji preuzimaju svijet, trenutna evolucija AI tehnologija nije toliko zastrašujuća – niti toliko pametna. Umjesto toga, AI je evoluirao kako bi pružio mnoge specifične prednosti u svakoj industriji. Nastavite čitati za moderne primjere umjetne inteligencije u zdravstvu, maloprodaji i još mnogo toga.
1950-1970-ih
Neuralne mreže
Rani rad sa neuronskim mrežama izaziva uzbuđenje za „mašine koje misle“.
1980–2010
Mašinsko učenje
Mašinsko učenje postaje popularno.
2011–2020
Duboko učenje
Proboji dubokog učenja pokreću bum AI.
Danas
Generativni AI
Generativna AI, disruptivna tehnologija, raste u popularnosti.
Koja je uloga etike u budućnosti AI?
Koliko su važni veliki podaci?
Zašto je znanje iz domena ključno za uspjeh AI?
Ono što je najvažnije: „Zaista je ko ima podatke. To je ko će biti kralj,” kaže Harper Reid, tehnološki pionir.
Zašto je umjetna inteligencija važna?
ikona umjetne inteligencije
AI automatizira ponavljajuće učenje i otkrivanje putem podataka. Umjesto automatizacije ručnih zadataka, AI obavlja česte, obimne, kompjuterizirane zadatke. I to radi pouzdano i bez umora. Naravno, ljudi su i dalje neophodni za postavljanje sistema i postavljanje pravih pitanja.
AI dodaje inteligenciju postojećim proizvodima. Mnogi proizvodi koje već koristite bit će poboljšani s AI mogućnostima, slično kao što je Siri dodan kao karakteristika novoj generaciji Apple proizvoda. Automatizacija, konverzacijske platforme, botovi i pametne mašine mogu se kombinirati s velikim količinama podataka kako bi se poboljšale mnoge tehnologije. Nadogradnje kod kuće i na radnom mjestu, kreću se od sigurnosne inteligencije i pametnih kamera do analize ulaganja.
AI se prilagođava kroz algoritme progresivnog učenja kako bi omogućio podacima da programiraju. AI pronalazi strukturu i pravilnosti u podacima tako da algoritmi mogu steći vještine. Baš kao što algoritam može sam sebe naučiti igrati šah, može sam sebe naučiti koji proizvod preporučiti sljedeći na mreži. I modeli se prilagođavaju kada dobiju nove podatke.
AI analizira sve dublje podatke koristeći neuronske mreže koje imaju mnogo skrivenih slojeva. Nekada je bilo nemoguće izgraditi sistem za otkrivanje prevara sa pet skrivenih slojeva. Sve se to promijenilo s nevjerovatnom snagom kompjutera i velikim podacima . Potrebno vam je puno podataka za obuku modela dubokog učenja jer oni uče direktno iz podataka.
AI postiže nevjerovatnu preciznost kroz duboke neuronske mreže. Na primjer, vaša interakcija s Alexom i Google-om se zasniva na dubokom učenju. A ovi proizvodi postaju precizniji što ih više koristite. U medicinskom polju, AI tehnike iz dubokog učenja i prepoznavanja objekata sada se mogu koristiti za preciziranje raka na medicinskim slikama s poboljšanom preciznošću.
AI izvlači maksimum iz podataka. Kada algoritmi sami uče, sami podaci su prednost. Odgovori su u podacima – samo morate primijeniti AI da biste ih pronašli. Budući da je uloga podataka sada važnija nego ikad, oni mogu stvoriti konkurentsku prednost. Ako imate najbolje podatke u konkurentskoj industriji, čak i ako svi primjenjuju slične tehnike, najbolji podaci će pobijediti. Ali korištenje tih podataka za odgovorno inoviranje zahtijeva pouzdanu AI . A to znači da bi vaši sistemi umjetne inteligencije trebali biti etički, pravedni i održivi.
Izvor Sas.com