Nosov N.Yu., Sokolov M.D. Yapay zekanın gelişimindeki eğilimler. Yapay zeka uygulamaları Yapay zeka uygulama örnekleri

Bilişim teknolojilerinin gelişim alanlarından biri de yapay zekadır (AI). Analistler, 2011 yılında teknoloji alanında gelişen şirketlerle 67 anlaşma yapıldığını bildiriyor. yapay zeka 2016 yılı istatistikleri hakkında konuşmak için henüz çok erken ancak yalnızca bu yılın ilk çeyreğinde gerçekleşen 140 adetlik rekor işlem, bu sektöre olan talebin arttığını gösteriyor. Bu haklı çünkü teknoloji hayatın birçok alanında kullanılabilir.

Diyagram - Geliştiricilerle anlaşma sayısının dinamikleri yapay zeka, birimler.

Tarımda, işleme ve hasat ekipmanlarında yapay zeka kullanılıyor. Bu alandaki çalışmalar hem yabancı hem de Rus mühendisler tarafından yürütülmektedir.

Örneğin Otonom Traktör Kooperatifi, insansız Spirit traktörünü 2012 yılında piyasaya sürdü. Donanımı, radyo navigasyonu ve lazer jiroskopun bir simbiyozu olan AutoDrive sistemini içerir. Bu sistem, daha önce sürücü ile birlikte seyahat ettiği rota boyunca traktörün bağımsız hareket etmesini sağlar.

Bu yıl, Rus üretici Cognitive Technologies, bilgisayar görüşü ile donatılmış insansız bir traktörün testini düzenledi. Bu çözüm, çünkü tarım makinelerinin zarar görmesini önlemeye yardımcı olur. ekili alanlardaki yabancı cisimleri önceden algılar. Cihazı tarafından sağlanan video kameralar ve navigasyon sensörleri, tehlikeli nesnelerin konumu hakkında gerçek zamanlı olarak bilgi toplar.

CNH Industrial tarafından bağımsız bir traktör geliştirildi. Benzersizliği, ışığın yansıması ve saçılması olgusuna dayanan bir lidar sistemi kullanarak bilgi toplamasında yatmaktadır.

Blue River Technology, PlantVillage gibi geliştiriciler, vektörü yabani otlarla mücadele eden teknolojilerin geliştirilmesine götürdü. Akıllı makineler istenmeyen bitkileri tanır ve yok eder.

İnsansız ulaşım çözümlerinin tarımsal verimliliği önemli ölçüde artırması bekleniyor. Belki gelecekte bu sektör insan müdahalesi olmadan tam olarak çalışabilecektir. Bilim adamları, yapay zekanın nişini sözde dikey çiftliklerde bulacağına inanıyor, yani. tamamen seracılık. Cihazlar, nem, ışık ve sıcaklık gibi mahsul için önemli göstergeleri takip edebilecek ve dalgalanmalarına hızlı bir şekilde yanıt verebilecek.

Yapay zeka gr olarakkamu sektörü

Yapay zeka batıda kolluk kuvvetleri ve itfaiye hizmetlerinde birkaç yıldır kullanılmaktadır.

Series Finder yazılımının geliştiricileri, dokuz hırsızlık senaryosu belirledi. Teknolojinin altında yatan algoritmalar, bir eve girme kolaylığı, günün saati, haftanın günü vb. dahil olmak üzere birçok faktörü analiz eder ve bir suçlunun olası davranışını yeniden üretir. Bu, yalnızca hazır bir şablona göre bir suçun hızlı bir şekilde ifşa edilmesine katkıda bulunmakla kalmaz, aynı zamanda tehlikenin tahmin edilmesini ve önlenmesini de mümkün kılar.

Rochester Üniversitesi'nden uzmanlar, Instagram'da kullanıcı davranışları üzerine akıllı sistemler yardımıyla uyuşturucu satıcılarının tespit edilebileceğini söylüyor.

Bu arada NASA, itfaiyeciler için, amacı itfaiye ekibinin koordineli etkileşimini organize etmek ve ayrıca yangın mahallindeki her uzmanı durumun durumu hakkında derhal bilgilendirmek olan bir "demir" asistan tasarlıyor.

Araştırmacılar, yakın gelecekte akıllı güvenlik teknolojilerine olan güvenin yalnızca özel ortam da dahil olmak üzere artacağına inanıyor. Yapay zekanın avantajı, bir kişinin gözden kaçırdıklarını yakalayabilmesi, büyük miktarda veriyi toplayıp analiz edebilmesi, şablon durumlar oluşturabilmesi ve her durumda tarafsız ve kayıtsız kalabilmesidir. Ancak bilim adamları, bir kişiyi nüfusun güvenliğini düzenleyen devlet yapılarından tamamen dışlamanın işe yaramayacağını açıklıyor. Sadece "canlı" uzmanlara tabi olan psikolojik analiz gerektiren süreçler ve kararlar vardır. Aynı zamanda, akıllı makineler tehlikeli işlevler üstlenebilir. Örneğin yanan bir binayı incelemek, kurşunlardan korumak vb.

Teknoloji insanın en iyi dostudur. VE yapay zeka evde ve günlük yaşamda

Bir yılı aşkın süredir onlarca mühendis akıllı ev projesi üzerinde çalışıyor. Odadaki sıcaklığı ayarlama, aydınlatmayı otomatik olarak ayarlama, giriş kapısını açma / kapama, temizlik ve düzeni sağlama ve daha birçok sorumluluğu yapay zekaya emanet etmek istiyorlar. Yaratıcılar, son derece akıllı bir evle kontrol ve "iletişim" sürecini mümkün olduğunca basitleştirmeyi hedefliyor, böylece algoritmalar bir uzaktan kumanda veya başka bir uzaktan kumanda cihazından başlatılmıyor, ancak ses ve hareketleri tanıyor.

"Akıllı" bir evin gelişimine paralel olarak bilim adamları, bir kişi için mükemmel bir yaşam yaratmak üzere tasarlanmış akıllı yardımcıları test ediyorlar. Çeşitli sosyal robot modelleri, belirli bir kişi için rahat olan ortam sıcaklığını belirleyebilir ve bunu bir odada düzenleyebilir, sohbeti sürdürebilir, yüzleri hatırlayabilir ve talimatları takip edebilir.

Ev robotlarının 2030 yılına kadar norm haline gelmesi bekleniyor. Bir kişiyi ev işlerinden tamamen kurtaramayacaklar, ancak en uygun yaşam koşullarını sağlayabilirler, bir dizi temel süreci otomatikleştirebilirler, konut ve toplumsal kazaları tahmin edip önleyebilirler, mülkün güvenliğinden sorumlu olabilirler vb. . Bazı çözümler engelli insanlar için faydalı olabilir.

Eğitim sektöründe yapay zeka

Modern teknolojiler, eğitim sistemini aktif olarak modernize ediyor. Örneğin, Rusya'da bazı büyükşehir okulları, ebeveynlere bir çocuğun ilerlemesi ve devamı hakkında çevrimiçi bilgi sağlayan ve öğretmenler için "kağıt" işini basitleştiren elektronik günlükleri test ediyor. Bu yıl Öğretmenler Günü'nde robot, ülkemiz için benzersiz bir etkinlik olan Kazan liselerinden birinde bir öğretmenle birlikte bilişim dersi verdi.

Öğrencinin bilgi düzeyini belirleyen, cevapların doğruluğunu değerlendiren ve kişiye özel öğrenme programı geliştiren akıllı eğitim sistemlerine dünya zaten aşinadır. Örnek olarak bu tür çözümleri AutoTutor, Knewton, SHERLOCK olarak adlandırabiliriz. İkincisi, ABD Hava Kuvvetleri tarafından pilot eğitimi için kullanılır. Bir dizi çevrimiçi öğrenme platformu iyi geliştirilmiştir. Bilhassa, Rusya da dahil olmak üzere bilinen Coursera ve Duolingo hizmetleri.

Eğitimde, yapay zeka gelecek. Her öğrenci için, öğrencinin yeteneklerini ve ilgi alanlarını dikkate alan ve dolayısıyla potansiyelini en etkili şekilde gerçekleştiren benzersiz bir gelişim planı oluşturabilmesi açısından çekicidir. Ayrıca yapay zeka bilgiyi değerlendirirken veya ödevleri kontrol ederken tarafsız. Robotlar sadece öğretmenden özerk bir şekilde öğretmekle kalmaz, aynı zamanda ona yardımcı olur.

University College London'daki Bilgi Laboratuvarındaki bilim adamları, gelecekte her kişinin kendi eğitim danışmanına sahip olacağını tahmin ediyor. Makine öğrenimi, bir mobil cihazdaki uygulama aracılığıyla her zaman "el altında" olarak insan yeteneklerini belirleyecek ve eğitim için önerilerde bulunacaktır.

f'de yapay zekaFinans sektörü

Bankacılık sisteminde ve finans sektöründe yapay zeka hem yardımcı hem de tehdit olabiliyor. Örneğin, otomatik sistemler finansal dolandırıcılık ve şüpheli işlemlerin izini sürmeyi kolaylaştırır. Benzer bir çözüm, National Savings Bank'ın desteğiyle MasterCard tarafından test ediliyor.

Bankalar ayrıca müşterilerle çalışırken robotik çalışanları kullanmayı planlıyor. VE yapay zeka müşteri isteklerini işleyebilir, hizmet ve fırsatlar hakkında bilgi verebilir, teknik destek sağlayabilir. İsveç bankası Swedbank yapay asistanı 2014 yılında test etti. Swedbank temsilcilerine göre, lansmanından bir yıl sonra, robot banka tarafından alınan tüm aramaların %80'ine izin verdi.

Finans kurumları uygulama buldu yapay zeka ve personel yönetim sisteminde. Akıllı teknolojiler, çalışanların kararlarını kontrol ederek, kendi açılarından yasa dışı eylemlere anında yanıt verir ve böylece bankanın hatası nedeniyle yasal normların ihlal edilmesini önler.

2016 yazında, finans kuruluşlarının Goldman Sachs, Morgan Stanley Citigroup ve UBS Group'un kalkınmaya yatırım yaptığı bilgisi ortaya çıktı. yapay zeka personel alımı için. Böyle bir çözümün olasılıkları arasında kabul edilebilir özgeçmişlerin seçimi, başvuranların mesleki niteliklerinin değerlendirilmesi ve video görüşmelerinin düzenlenmesi yer alır. Şirketler, akıllı teknolojilerin yalnızca işe alım sürecini otomatikleştirmekle kalmayıp aynı zamanda çalışan devir hızını da azaltacağını umuyor.

Uygulama geliştiricileri Pefin ve Wallet.ai, kişisel finansman sağlayan güvenilir çevrimiçi platformlara sahiptir. Enflasyon ve vergiler gibi ekonomik göstergeleri dikkate alan hizmetler, bir kişinin ne kadar harcayabileceğini veya yatırım yapabileceğini hesaplayarak bireysel bir finansal sistem oluşturur.

Bu yıl, hukuk firması Baker & McKenzie'nin analitik hizmetleri, önümüzdeki üç yıl içinde yapılacak olan çalışmalarının sonuçlarını yayınladı. yapay zeka finans alanında yaygın olarak kullanılacaktır. Ankete katılan 424 banka yöneticisinin yarısı, %39'u yasadışı para transferlerini önlemek ve %26'sı bankanın eylemlerinin yasallığını izlemek için olmak üzere, kurumun çalışmalarına akıllı sistemler getirmeyi planladığını açıkladı.

Ulaşım sisteminde yapay zeka

Ulaşım altyapısında yapay zekanın gelişiminin ana yönü, insansız araçların yaratılmasıdır. Google, Tesla, General Motors ve diğerleri bu tür sistemleri aktif olarak test ediyor. Otomotiv endişeleri, Ford ve BMW'nin de 2021 yılına kadar bağımsız otomobil üretme planlarını dile getirdiğini ifade ediyor.

Şu anda insansız araçlar, çevreyi analiz edebilen, yoldaki bir kişinin varlığını algılayabilen ve acil durumlarda kontrolü sürücüye devreden algoritmalar sağlıyor.

Ayrıca yapay zeka araçların rota üzerindeki hareketini izleyen ve yaklaşık varış zamanını hesaplayan "akıllı" toplu taşıma duraklarında kullanılır.

Dört yıl önce, Carnegie Üniversitesi'ndeki mühendisler akıllı trafik ışıklarını başlattı. Yoldaki durumu değerlendiriyorlar ve çok sayıda araba olduğunda otomatik olarak yeşil rengi yakıyorlar. Geliştiricilere göre, otokontrollü kavşaklar etkili olduklarını gösterdi: sürücüler, izin sinyali için bekleme süresini %40 azaltarak seyahat süresinden %21 tasarruf sağlıyor.

Uzmanlar, yapay zekanın yeteneklerinin trafik organizasyonunda yaygın olarak kullanılacağına inanıyor. 2020 yılına kadar, uçan araçlar da dahil olmak üzere yollarda yaklaşık 10 milyon insansız araç olacak. "Akıllı" ulaşım sadece özel sektörde popüler olmayacak. Örneğin, Fransa'da kendi kendine giden bir otobüs piyasaya sürüldü. Bilim adamları, bu tür cihazların trafiği koruyacağına, birçok kazanın önlenmesine yardımcı olacağına ve yoldaki durumu çevrimiçi olarak izleyeceğine inanıyor.

p yapay zekaendüstri

Birçok Avrupa fabrikası, üretim süreçlerini otomatikleştirmek için halihazırda robotik çözümler kullanıyor. Bu, çalışanları ağır ve tehlikeli üretim işlerinden kurtarır. VE yapay zekaüretim hatalarının önlenmesine yardımcı olur, bu sayede ürün kalitesini artırır ve üretimi için zaman ve malzeme maliyetlerini düşürür ve ayrıca kesintisiz üretimi organize etmenizi sağlar.

Uygulayan ticari işletmelerin bir kitap örneği yapay zekaüretim sürecinde, Hamburg limanı ve Harley-Davidson yer almaktadır. Birincisi, en son teknolojilerin yardımıyla verimi 2,5 kattan fazla artırmayı başardı. İkincisi ise motosikletin montaj süresinin 21 günden 6 saate düşürülmesi.

2014 yılında Cisco, AT&T, IBM ve Intel, IIoT teknolojilerini ve projelerini teşvik etmeyi amaçlayan Endüstriyel İnternet Konsorsiyumu IIC'de birleşti.Çalışma ortamlarında akıllı sistemler kullanan yerli fabrika örnekleri yoktur. Bu yılın Ağustos ayında kurulan Ulusal Endüstriyel İnternet Konsorsiyumu, durumu değiştirmeye yardım etmeye çağrıldı.

Sağlıkta yapay zeka

IBM, Watson çözümünü tanıttı. Teşhis koymak için tıbbi verileri ve hatta görüntüleri analiz edebilen bir süper bilgisayardır. IBM, teknolojiyi geliştirmeye devam ederken, Watson da çocuklarda nadir görülen hastalıkların ince belirtilerini saptamak üzere eğitiliyor. Şirket, teknolojinin sağlık tesislerinde yaygın olarak benimsenmesini hızlandırması gereken yaklaşık iki düzine tıp merkeziyle işbirliği yapıyor.

Kullanarak yapay zeka kanseri erken bir aşamada teşhis etmeyi planlıyor. Behold.ai'nin geliştiricileri, bu hastalığın çaresinin olağan ilaç biçimine sahip olmayacağını bildiriyor. Amaçları, yapay zekaya kötü huylu tümörleri x-ışınlarından mümkün olduğunca erken tespit etmeyi öğretmektir, bu tedavi etmek değil, hastalığın gelişimini önlemektir.

Partners Bay Labs ve Arterys, kalp hastalığını benzer şekilde teşhis etmeyi planlıyor. Teknoloji, ultrason analizine dayanmaktadır, bu nedenle "akıllı" ekipman, doktor için neyin mevcut olmadığını görebilir.

Bilim adamları, gelecekte insan sağlığının akıllı telefonlar tarafından taranacağını söylüyor. Aktivite, uyku, sosyallik analizine dayanarak, hatta depresyon gibi zihinsel bozuklukları teşhis eder. Ayrıca yapay zeka yeni ilaçların araştırılmasında rol oynar. Algoritmalar, virüs açıklarını tespit edecek ve bunları ortadan kaldırmak için etkili moleküler yapı kombinasyonlarını seçecektir.

Üstün akıldan fethedilen yaratıcıya

Bilim adamlarının "akıllı" dünya, dijitalleşen yaşam, mahalledeki robotlar ve nesnelerin interneti medeniyeti hakkındaki pek çok öngörüsü bugün fantastik görünüyor. Ancak sınırsız olasılıklara olan inanç veya şüphe ne olursa olsun yapay zeka Teknoloji, etrafımızdaki her şeyi dinamik bir şekilde değiştiriyor. Keşif üstüne keşif, küçük icatlar ve devrim niteliğindeki fikirlerle, geliştiriciler gezegeni son derece akıllı bir makine gerçekliğine yönlendiriyor.

Bilim kurgu yazarlarının hayal gücünün meyvelerinin fiziksel bir bedene bürüneceği tarihleri ​​kesin olarak adlandırmak zordur. Sadece teknolojilerin değil, insanların da ilerlemesi gerekiyor. Toplum, "demir" dünyayı ve cihazların akıllı ulusunu kabul etmeye hazır olmalıdır. Uyum sağlamak zaman alır. İnsanların robotik polislere, doktorlara ve şoförlere güvenmeye başlaması için yapay zekalarının insan zekasına eşit olması gerekiyor. Aynı zamanda kusurlu bir insan mükemmel bir sistem yaratabilir mi? Çizgiyi takip edebilecek mi? yapay zeka arkadaş, tehlike değil mi? Ve teknik bağımlılıktan kaçınabilecek mi?

Buna paralel olarak, altyapının "yapay" bir gelecek için hazır olup olmadığı sorusu ortaya çıkıyor. Yeterli enerji kapasitesi var mı? Belli ki çalışmak yapay zeka, Nesnelerin İnterneti ve bulut, kesintisiz güç kaynakları ve geniş bantlı bir küresel mobil ağ gerektirir.

Mevcut ve yeni nesillerin yenilikçi mobil iletişim çözümleri ile bugünün ve geleceğin hizmetleri hakkında daha fazla bilgi edinmek için " kitabında bulabilirsiniz.

Yapay zekanın bilimsel bir yön olarak kabul edildiği andan itibaren ve bu geçen yüzyılın 50'li yıllarının ortalarında gerçekleşti, akıllı sistemlerin geliştiricileri birçok sorunu çözmek zorunda kaldı. Geleneksel olarak, tüm görevler birkaç sınıfa ayrılabilir: insan dilini tanıma ve çevirme, otomatik teorem kanıtlama, oyun programlarının oluşturulması, görüntü tanıma ve makine yaratıcılığı. Her bir problem sınıfının özünü kısaca ele alalım.

Teoremlerin kanıtı.

Otomatik teorem ispatı, yapay zekanın en eski uygulamasıdır. Bu alanda, bir mantıksal programlama dili olan PROLOG ve yüklem hesabı gibi resmileştirilmiş arama algoritmalarının ve resmi temsil dillerinin ortaya çıkmasına neden olan birçok araştırma yapılmıştır.

Teoremlerin otomatik ispatları, mantığın genelliğine ve kesinliğine dayandıkları için çekicidir. Resmi bir sistemdeki mantık, otomasyon olasılığını ima eder; bu, sorunu ve onunla ilgili ek bilgileri bir dizi mantıksal aksiyom olarak ve sorunun özel durumlarını kanıt gerektiren teoremler olarak temsil ederseniz, bir çözüm elde edebileceğiniz anlamına gelir. birçok soruna. Matematiksel gerekçelendirme sistemleri ve teoremlerin otomatik ispatları bu prensibe dayanmaktadır. Geçmiş yıllarda, teoremlerin otomatik ispatları için bir program yazmak için defalarca girişimlerde bulunuldu, ancak problemlerin tek bir yöntemle çözülmesine izin veren bir sistem oluşturmak mümkün olmadı. Nispeten karmaşık herhangi bir buluşsal sistem, pek çok ilgisiz kanıtlanabilir teorem üretebilir ve bunun sonucunda, programların doğru teorem keşfedilene kadar bunları kanıtlaması gerekirdi. Bu nedenle, geniş alanların yalnızca belirli durumlar için özel olarak tasarlanmış gayri resmi stratejilerin yardımıyla ele alınabileceği görüşü ortaya çıktı. Uygulamada, bu yaklaşımın oldukça verimli olduğu ortaya çıktı ve diğerleriyle birlikte uzman sistemlerin temeli oldu.

Aynı zamanda biçimsel mantığa dayalı muhakeme göz ardı edilemez. Resmileştirilmiş bir yaklaşım, birçok sorunun çözülmesine izin verir. Özellikle onu kullanarak karmaşık sistemleri yönetebilir, bilgisayar programlarının doğruluğunu kontrol edebilir, mantıksal devreler tasarlayabilir ve test edebilirsiniz. Buna ek olarak, otomatik teorem kanıtlayan araştırmacılar, mantıksal ifadelerin sözdizimsel biçiminin değerlendirilmesine dayalı güçlü buluşsal yöntemler geliştirmiştir. Sonuç olarak, özel stratejiler geliştirmeye başvurmadan arama uzayının karmaşıklık seviyesini azaltmak mümkün hale geldi.

Teoremlerin otomatik ispatı, özellikle karmaşık problemler için insan müdahalesi olmadan olmasa da sistemin kullanılmasının mümkün olması nedeniyle bilim adamlarının da ilgisini çekmektedir. Şu anda, programlar genellikle asistan görevi görür. Uzmanlar, görevi birkaç alt göreve ayırır, ardından olası nedenleri sıralamak için buluşsal yöntemler düşünülür. Ardından, program önermeleri ispatlar, daha az önemli varsayımları kontrol eder ve kişi tarafından özetlenen ispatların biçimsel yönlerine eklemeler yapar.

Desen tanıma.

Örüntü tanıma, toplam özellik kümesinden ilk verileri karakterize eden temel özelliklerin seçilmesi ve alınan bilgilere dayanarak verilerin belirli bir sınıfa atanmasıdır.

Örüntü tanıma teorisi, görevi, her biri belirli bir dizi ile donatılmış nesneleri (nesneler, süreçler, fenomenler, durumlar, sinyaller vb.) Tanımlamak ve sınıflandırmak için temeller ve yöntemler geliştirmek olan bir bilgisayar bilimi dalıdır. özellikler ve özellikler. Uygulamada, nesneleri oldukça sık tanımlamak gerekir. Tipik bir durum, bir trafik ışığının rengini tanımak ve o anda karşıdan karşıya geçip geçmemeye karar vermektir. Nesne tanımanın vazgeçilemeyeceği başka alanlar da var, örneğin analog sinyallerin sayısallaştırılması, askeri işler, güvenlik sistemleri vb.

Çalışma iki ana yönde gerçekleştirilir:

• · Canlıların doğasında bulunan tanıma yeteneklerinin araştırılması, açıklanması ve modellenmesi.
• · Bireysel problemlerin uygulamalı amaçlarla çözülmesine izin verecek cihazların yaratılması için teorik ve metodolojik temellerin geliştirilmesi.

Tanıma problemlerinin formülasyonu matematiksel bir dil kullanılarak gerçekleştirilir. Yapay sinir ağlarının teorisi deneyler yoluyla sonuç elde etmeye dayanırken, örüntü tanıma problemlerinin formülasyonu deneye değil, matematiksel kanıtlara ve mantıksal akıl yürütmeye dayanmaktadır.

Böyle bir problemin klasik formülasyonunu düşünün. Sınıflandırılması gereken birçok nesne vardır. Bir küme, alt kümelerden veya sınıflardan oluşur. Belirtilen: Kümeyi açıklayan bilgiler, sınıflar hakkında bilgiler ve belirli bir sınıfa ait olduğunu belirtmeden tek bir nesnenin açıklaması. Görev: mevcut verilere göre, bir nesnenin hangi sınıfa ait olduğunu belirleyin.

Problemlerde monokrom görüntüler varsa, bunlar bir düzlemdeki fonksiyonlar olarak düşünülebilir. İşlev, görüntünün resmi bir kaydı olacak ve her noktada bu görüntünün belirli bir özelliğini ifade edecek - optik yoğunluk, şeffaflık, parlaklık, vb. Bu durumda, görüntü kümesinin modeli, düzlemdeki işlevler kümesi olacaktır. . Tanıma probleminin formülasyonu, tanımayı takip eden aşamaların ne olması gerektiğine bağlıdır.

Örüntü tanıma yöntemleri, beyin modeli kavramını tanıtan F. Rosenblatt'ın deneylerini içerir. Deneyin görevi, bilinen işlevsel özellikleri ve yapısı olan bir fiziksel sistemde psikolojik olguların nasıl ortaya çıktığını göstermektir. Bilim adamı, tanıma üzerine en basit deneyleri tanımladı, ancak bunların özelliği, deterministik olmayan bir çözüm algoritmasıdır.

Sistem hakkında psikolojik olarak önemli bilgilerin elde edilebileceği en basit deney şu şekildedir: algılayıcıya, her birine bir şekilde tepki vermesi gereken ve farklı uyaranlar için iki farklı uyaran dizisi sunulur. reaksiyon farklı olmalıdır. Böyle bir deneyin amacı farklı olabilir. Deneyci, sunulan uyaranların sistemi tarafından dış müdahale olmaksızın kendiliğinden ayrımcılık olasılığını inceleme veya tersine, zorla tanıma olasılığını inceleme göreviyle karşı karşıya kalabilir. İkinci durumda, deneyci sisteme ikiden fazla olabilen çeşitli nesneleri sınıflandırmayı öğretir. Öğrenme deneyimi şu şekildedir: algılayıcıya, aralarında tanınması gereken tüm sınıfların temsilcilerinin bulunduğu resimler sunulur. Doğru yanıt, bellek değiştirme kurallarına göre pekiştirilir. Bundan sonra, deneyci algılayıcıya bir kontrol uyaranı sunar ve bu sınıftaki görüntüler için belirli bir yanıt alma olasılığını belirler. Kontrol uyaranı, eğitim dizisinde sunulan nesnelerden biriyle eşleşebilir veya sunulan tüm nesnelerden farklı olabilir. Buna bağlı olarak aşağıdaki sonuçlar elde edilir:

• · Kontrol uyaranı daha önce sunulan tüm eğitim uyaranlarından farklıysa, o zaman saf ayrımcılığa ek olarak, deney genelleme unsurlarını araştırır.
• · Kontrol uyaranı, daha önce sunulan aynı sınıfa ait uyaranların etkisi altında etkinleştirilen öğelerin hiçbiriyle örtüşmeyen belirli bir duyusal öğe grubunun aktivasyonuna neden oluyorsa, o zaman deney saf bir genelleme araştırır ve yapmaz. tanıma çalışmasını içerir.

Algılayıcıların saf genelleme yapma yeteneğine sahip olmamasına rağmen, özellikle algılayıcının zaten bir miktar deneyime sahip olduğu görüntülerin gösterildiği durumlarda, tanıma görevleriyle tatmin edici bir şekilde başa çıkarlar.

İnsan konuşma tanıma ve makine çevirisi.

Yapay zekanın uzun vadeli hedefleri, insan dilini tanıyabilen ve onu anlamlı ifadeler oluşturmak için kullanabilen programlar oluşturmaktır. Doğal dili anlama ve uygulama yeteneği, insan zekasının temel bir özelliğidir. Bu yeteneğin başarılı bir şekilde otomatikleştirilmesi, bilgisayarları çok daha verimli hale getirecektir. Bugüne kadar doğal dili anlayabilen birçok program yazıldı ve bunlar sınırlı bağlamlarda başarıyla uygulandı, ancak şu ana kadar doğal dilleri bir kişinin yaptığı genellik ve esneklikle uygulayabilen hiçbir sistem yok. Gerçek şu ki, doğal dili anlama süreci, yalnızca cümleleri bileşenlere ayırmak ve sözlüklerde tek tek kelimelerin anlamlarını aramak değildir. Bu tam olarak programların iyi yaptığı şeydir. İnsan konuşmasının kullanımı, konuşmanın konusu, onunla ilgili deyimler hakkında kapsamlı bilgi gerektirir, ayrıca belirsizlikleri, atlamaları, profesyonelliği, jargonu, günlük konuşma ifadelerini ve normal insan konuşmasının doğasında bulunan diğer birçok şeyi anlama becerisini gerektirir. .

Bir örnek, "forvet", "pas", "transfer", "penaltı", "defans", "forvet", "kaptan" gibi kelimelerin kullanıldığı futbolla ilgili bir konuşmadır. Bu kelimelerin her biri bir dizi anlamla karakterize edilir ve tek tek kelimeler oldukça anlaşılırdır, ancak bunlardan oluşan bir cümle, futboldan hoşlanmayan ve bunun tarihi, kuralları ve ilkeleri hakkında hiçbir şey bilmeyen herkes için anlaşılmaz olacaktır. oyun. Bu nedenle, insan dilini anlamak ve uygulamak için, bir arka plan bilgisine ihtiyaç vardır ve doğal insan dilinin anlaşılmasını ve uygulanmasını otomatikleştirmedeki ana sorunlardan biri, bu tür bilgilerin toplanması ve sistematik hale getirilmesidir.

Yapay zekada semantik anlamlar bu kadar yaygın kullanıldığından, bilim adamları bunların bir dereceye kadar yapılandırılmasına izin veren bir dizi yöntem geliştirdiler. Yine de işin çoğu, iyi anlaşılmış ve uzmanlaşmış sorunlu alanlarda yapılır. Bir örnek, "mikro dünya" tekniğidir. İlk kullanıldığı programlardan biri insan konuşmasını anlamaya yönelik sistemlerden biri olan Terry Winograd tarafından geliştirilen SHRDLU programıdır. Programın olanakları oldukça sınırlıydı ve en basit eylemleri planlamanın yanı sıra farklı renk ve şekillerdeki blokların konumu hakkında bir “sohbet” e indirgendi. Program, "Çubuğun üzerindeki piramit ne renk?" gibi sorulara yanıt verdi. ve "Kırmızı olanın üzerine mavi bir blok koyun" gibi talimatlar verebilir. Bu tür problemlere yapay zeka araştırmacıları sıklıkla değindi ve daha sonra “bloklar dünyası” olarak anıldı.

SHRDLU programı, blokların konumu hakkında başarılı bir şekilde "konuşmuş" olmasına rağmen, bu "mikro kozmostan" soyutlama yeteneğine sahip değildi. Daha yüksek karmaşıklığa sahip konu alanlarının anlamsal organizasyonunu iletmek için çok basit olan yöntemler kullandı.

Doğal dilleri anlama ve uygulama alanındaki mevcut çalışmalar, esas olarak, belirli alanların belirli yapılarına uyarlanabilecek ve geniş bir uygulama yelpazesinde uygulanabilecek, yeterince genel temsili biçimcilik arayışına yöneliktir. Göstergebilimsel ağların modifikasyonları olan mevcut yöntemlerin çoğu, dar konu alanlarında doğal dili tanıyabilen yazma programlarında incelenir ve uygulanır. Aynı zamanda, modern olanaklar, insan konuşmasını tüm çeşitliliğiyle anlayabilecek evrensel bir program oluşturmaya izin vermiyor.

Örüntü tanıma problemlerinin çeşitliliği arasında aşağıdakiler ayırt edilebilir:

• Belgelerin sınıflandırılması
• Maden yataklarının belirlenmesi
• görüntü tanıma
• · Barkod tanıma
• karakter tanıma
• · Konuşma tanıma
• yüz tanıma
• · Plaka tanıma

Oyun programlarında yapay zeka.

Oyun yapay zekası, yalnızca geleneksel yapay zeka yöntemlerini değil, aynı zamanda genel olarak bilgisayar bilimi, bilgisayar grafikleri, robotik ve kontrol teorisi algoritmalarını da içerir. Yalnızca sistem gereksinimleri değil, aynı zamanda oyunun bütçesi de AI'nın nasıl uygulandığına bağlıdır, bu nedenle geliştiriciler, oyunun yapay zekasının minimum maliyetle oluşturulmasını sağlamaya çalışırken aynı zamanda dengelemek zorundadır. ilginç ve kaynaklar için iddiasız. Geleneksel yapay zeka durumundan tamamen farklı bir yaklaşım kullanır. Özellikle öykünmeler, aldatmalar ve çeşitli basitleştirmeler yaygın olarak kullanılmaktadır. Örnek: birinci şahıs nişancıların bir özelliği, botların doğru hareket etme ve anında nişan alma yeteneğidir, ancak aynı zamanda bir kişinin tek bir şansı yoktur, bu nedenle botların yetenekleri yapay olarak hafife alınır. Aynı zamanda botların ekip olarak hareket edebilmesi, pusu kurabilmesi vb. yapay zeka görüntüsü için seviyeye kontrol noktaları yerleştirilmiştir.

Oyun yapay zekası tarafından kontrol edilen bilgisayar oyunlarında, aşağıdaki karakter kategorileri mevcuttur:

• çeteler - düşük zeka seviyesine sahip, insan oyuncuya düşman olan karakterler. Oyuncular bölgeyi geçmek, eserler ve deneyim puanları almak için çeteleri yok eder.
• · oyuncu olmayan karakterler - genellikle bu karakterler oyuncuya karşı arkadaş canlısı veya tarafsızdır.
• · botlar - oyunculara düşman olan, programlanması en zor karakterler. Yetenekleri oyun karakterlerininkine yaklaşıyor. Herhangi bir zamanda, belirli sayıda bot oyuncuya karşı çıkar.

Bir bilgisayar oyununda, çok çeşitli yapay oyun zekası sezgisel algoritmalarının kullanıldığı birçok alan vardır. En yaygın kullanılan oyun yapay zekası, oyuncu olmayan karakterleri kontrol etmenin yollarından biridir. Eşit derecede yaygın olan başka bir kontrol yöntemi de komut dosyası oluşturmadır. Oyun yapay zekasının, özellikle gerçek zamanlı strateji oyunlarında bir başka belirgin kullanımı, yol bulma veya bir NPC'nin haritadaki bir noktadan diğerine nasıl gidebileceğini belirleme yöntemidir. Aynı zamanda engeller, arazi ve olası bir "savaş sisi" de dikkate alınmalıdır. Yapay zeka kullanılmadan çetelerin dinamik dengelenmesi de tamamlanmış sayılmaz. Pek çok oyun öngörülemeyen zeka kavramını denedi. Bunlar Nintendogs, Black & White, Creatures ve ünlü Tamagotchi oyuncağı gibi oyunlardır. Bu oyunlarda karakterler, oyuncunun hareketlerine göre davranışları değişen evcil hayvanlardır. Karakterler, aslında eylemleri sınırlı bir dizi seçenek arasından seçim yapmanın sonucuyken, öğrenebiliyor gibi görünüyor.

Birçok oyun programcısı, zeka yanılsaması yaratan herhangi bir tekniği oyun yapay zekasının bir parçası olarak kabul eder. Bununla birlikte, aynı teknikler yalnızca oyun yapay zeka motorlarında kullanılamadığından, bu yaklaşım tamamen doğru değildir. Örneğin, botlar oluşturulurken, gelecekteki olası çarpışmalar hakkında girilen bilgilerle algoritmalar kullanılır ve bunun sonucunda botlar bu çarpışmalardan kaçınma "yeteneği" kazanır. Ancak bu aynı teknikler, bir fizik motorunun önemli ve gerekli bir bileşenidir. Başka bir örnek: Bir botun nişan alma sisteminin önemli bir bileşeni su verileridir ve aynı veriler, işleme sırasında grafik motorunda yaygın olarak kullanılır. Son örnek komut dosyasıdır. Bu araç, oyun geliştirmenin tüm yönlerinde başarıyla kullanılabilir, ancak çoğu zaman NPC'lerin eylemlerini kontrol etmenin yollarından biri olarak kabul edilir.

Püristlere göre, "yapay zeka oyunu" ifadesinin var olma hakkı yoktur, çünkü bu bir abartıdır. Ana argüman olarak, klasik yapay zeka ile ilgili bilimin sadece bazı alanlarının oyun yapay zekasında kullanıldığını öne sürüyorlar. Ayrıca, AI'nın hedeflerinin kendi kendine öğrenen sistemlerin yaratılması ve hatta akıl yürütme yeteneğine sahip yapay zekanın yaratılması olduğu da dikkate alınmalıdır, ancak genellikle buluşsal yöntemler ve oluşturmak için yeterli olan bir dizi pratik kuralla sınırlıdır. iyi oyun ve oyuncuya oyundan canlı izlenimler ve hisler sağlar.

Şu anda, bilgisayar oyunu geliştiricileri akademik AI'ya ilgi gösteriyor ve akademik topluluk da bilgisayar oyunlarına ilgi duymaya başlıyor. Bu, oyunun ve klasik yapay zekanın birbirinden ne ölçüde farklı olduğu sorusunu gündeme getiriyor. Aynı zamanda oyun yapay zekası, halen klasik olanın alt dallarından biri olarak kabul edilmektedir. Bunun nedeni yapay zekanın birbirinden farklı çeşitli uygulama alanlarına sahip olmasıdır. Oyun zekasından bahsedecek olursak, burada önemli bir fark, bazı sorunları "meşru" yollarla çözmek için hile yapma olasılığıdır. Bir yandan aldatmanın dezavantajı, genellikle gerçekçi olmayan karakter davranışlarına yol açması ve bu nedenle her zaman kullanılamamasıdır. Öte yandan, böyle bir aldatma olasılığı, oyun yapay zekası arasındaki önemli bir farktır.

Yapay zekanın bir başka ilginç görevi de bilgisayara satranç oynamayı öğretmektir. Dünyanın her yerinden bilim adamları çözümüne katıldılar. Bu görevin özelliği, bilgisayarın mantıksal yeteneklerinin gösterilmesinin yalnızca gerçek bir rakibin varlığında mümkün olmasıdır. Bu tür ilk gösteri, satranç programları arasında Dünya Satranç Şampiyonası'nın düzenlendiği Stockholm'de 1974'te gerçekleşti. Bu yarışma, Moskova'da bulunan SSCB Bilimler Akademisi Yönetim Sorunları Enstitüsü'nden Sovyet bilim adamları tarafından oluşturulan Kaissa programı tarafından kazanıldı.

Makine yaratıcılığında yapay zeka.

İnsan zekasının doğası henüz yeterince incelenmemiştir ve insan yaratıcılığının doğasına ilişkin çalışma derecesi daha da azdır. Ancak yapay zekanın alanlarından biri de makine yaratıcılığıdır. Modern bilgisayarlar müzikal, edebi ve resimsel eserler yaratır ve bilgisayar oyunu ve film endüstrileri uzun zamandır makineler tarafından yaratılan gerçekçi görüntüleri kullanır. Mevcut programlar, bir kişinin kolayca algılayabileceği ve anlayabileceği çeşitli görüntüler oluşturur. Bu, özellikle sezgisel bilgi söz konusu olduğunda, resmileştirilmiş doğrulama için önemli zihinsel çaba sarf etmek zorunda kalacağınız zaman önemlidir. Böylece müzikal görevler, biri CSound dili olan bir programlama dili kullanılarak başarıyla çözülür. Müzik eserlerinin yaratıldığı özel yazılımlar, algoritmik beste programları, etkileşimli beste sistemleri, ses sentezleme ve işleme sistemleri ile temsil edilir.

Uzman sistemler.

Modern uzman sistemlerin geliştirilmesi 1970'li yılların başından itibaren araştırmacılar tarafından yürütülmekte olup, 1980'li yılların başlarında ise ticari olarak uzman sistemler geliştirilmeye başlanmıştır. 1832'de Rus bilim adamı S. N. Korsakov tarafından önerilen uzman sistemlerin prototipleri, belirli koşullara dayalı bir çözüm bulmayı mümkün kılan "akıllı makineler" adı verilen mekanik cihazlardı. Örneğin hastada görülen hastalığın belirtileri analiz edildi ve bu analiz sonuçlarına göre en uygun ilaçlar önerildi.

Bilgisayar bilimi, uzman sistemleri bilgi tabanlarıyla birlikte ele alır. Sistemler, karar verme prosedürlerinin ve mantıksal sonuçların uygulanmasına dayanan uzman davranış modelleridir. Bilgi tabanları, seçilen faaliyet alanıyla doğrudan ilgili olan bir dizi çıkarım kuralı ve olgusu olarak kabul edilir.

Geçen yüzyılın sonunda, o zamanlar genel olarak kabul edilen metinsel bir insan-makine arayüzüne derinlemesine odaklanan belirli bir uzman sistem kavramı geliştirildi. Şu anda, bu kavram, görünüşe göre kullanıcı uygulamalarında metin tabanlı arayüzün yerini grafiksel bir arayüze bırakması nedeniyle ciddi bir kriz geçirdi. Ek olarak, ilişkisel veri modeli ve uzman sistemlerin inşasına ilişkin "klasik" görüş birbiriyle pek tutarlı değildir. Sonuç olarak, uzman sistemlerin bilgi tabanlarının organizasyonu, en azından modern endüstriyel veri tabanı yönetim sistemlerinin kullanımıyla verimli bir şekilde gerçekleştirilemez. Literatürde ve çevrimiçi kaynaklarda "yaygın" veya "yaygın olarak bilinen" olarak adlandırılan çok sayıda uzman sistem örneği verilmektedir. Aslında, tüm bu uzman sistemler geçen yüzyılın 80'lerinde yaratıldı ve şimdiye kadar ya sona erdi ya da umutsuzca modası geçmiş ve birkaç meraklı sayesinde var. Öte yandan, modern yazılım ürünlerinin geliştiricileri, yarattıklarına genellikle uzman sistemler olarak atıfta bulunurlar. Bu tür beyanlar bir pazarlama hilesinden başka bir şey değildir, çünkü gerçekte bu ürünler uzman sistemler değildir (bilgisayar yasal referans sistemlerinden herhangi biri örnek teşkil edebilir). Meraklılar, bir kullanıcı arayüzü oluşturmaya yönelik yaklaşımları, uzman sistemler oluşturmaya yönelik "klasik" yaklaşımlarla birleştirmeye çalışıyorlar. Bu girişimler CLIPS.NET, CLIPS Java Native Interface ve diğerleri gibi projelere yansımıştır, ancak büyük yazılım şirketleri bu tür projeleri finanse etmek için acele etmemektedir ve bu nedenle geliştirme, deneysel aşamanın ötesine geçmemektedir.

Bilgiye dayalı sistemlerin uygulanabileceği tüm alanlar sınıflara ayrılabilir: tıbbi teşhis, planlama, tahmin, kontrol ve yönetim, eğitim, yorumlama, elektrikli ve mekanik ekipmanlarda arıza teşhisi, eğitim. Bu sınıfların her birine daha ayrıntılı olarak bakalım.

a) Tıbbi teşhis sistemleri.

Bu tür sistemlerin yardımıyla vücudun faaliyetindeki çeşitli rahatsızlıkların ve bunların olası nedenlerinin birbirine nasıl bağlı olduğu belirlenir. En ünlü teşhis sistemi MYCIN'dir. Menenjit ve bakteriyel enfeksiyonları teşhis etmek ve bu hastalıklara sahip hastaların durumunu izlemek için kullanılır. Sistemin ilk versiyonu 70'lerde geliştirildi. Bugüne kadar, yetenekleri önemli ölçüde genişletildi: sistem, uzman bir doktorla aynı profesyonel düzeyde tanı koyuyor ve tıbbın çeşitli alanlarında kullanılabiliyor.

b) Öngörü sistemleri.

Sistemler, mevcut durumu veya bir nesnenin durumunu karakterize eden mevcut verilere dayalı olarak olayları veya olayların sonuçlarını tahmin etmek için tasarlanmıştır. Böylece çalışmalarında algoritmaların istatistiksel yöntemlerini kullanan Wall Street Conquest programı, piyasa koşullarını analiz edebilmekte ve bir yatırım planı geliştirebilmektedir. Program, geleneksel programlamanın algoritmalarını ve prosedürlerini kullanır, bu nedenle bilgiye dayalı bir sistem olarak sınıflandırılamaz. Bugün bile, mevcut verileri analiz ederek yolcu akışını, mahsul verimini ve hava durumunu tahmin edebilen programlar var. Bu tür programlar oldukça basittir ve bazıları sıradan kişisel bilgisayarlarda kullanılabilir. Bununla birlikte, piyasa verilerine dayalı olarak sermayenin nasıl artırılacağını önerebilecek hiçbir uzman sistem bulunmamaktadır.

c) Planlama.

Planlama sistemleri, belirli sonuçlara ulaşmak için çok sayıda değişken içeren sorunları çözmek için tasarlanmıştır. Ticari alanda ilk kez bu tür sistemler Şam firması Informat tarafından kullanıldı. Şirket yönetimi, bilgisayar satın almak isteyen alıcılar için ücretsiz danışmanlık sağlayan ofis lobisine 13 istasyonun kurulmasını emretti. Makineler, alıcının bütçesine ve isteklerine en uygun seçimi yapmasına yardımcı oldu. Uzman sistemler, Boeing tarafından helikopterlerin tamiri, uçak motorlarının arıza nedenlerinin tespiti ve uzay istasyonlarının tasarımı gibi amaçlarla da kullanılmaktadır. DEC, müşteri gereksinimlerini karşılamak için VAX bilgisayar sistemlerini belirleyip yeniden yapılandırabilen XCON uzman sistemini oluşturmuştur. DEC şu anda XCON bilgi tabanını içeren daha güçlü bir XSEL sistemi geliştiriyor. Sistemi oluşturmanın amacı, tüketicilere gerekli konfigürasyona sahip bir bilgi işlem sistemi seçiminde yardımcı olmaktır. XSEL ve XCON arasındaki fark etkileşimli olmasıdır.

d) Yorumlama.

Yorumlayıcı sistemler, gözlem sonuçlarına dayalı olarak sonuçlar çıkarabilir. En ünlü yorumlama sistemlerinden biri PROSPECTOR sistemidir. Dokuz uzmanın bilgisine dayalı verileri kullanarak çalışır. Sistemin etkinliği bir örnekle değerlendirilebilir: Dokuz farklı inceleme yöntemi kullanan sistem, hiçbir uzmanın beklemeyeceği bir cevher yatağı keşfetti. Bilinen başka bir yorumlama tipi sistem, HASP/SIAP'dir. Akustik izleme sistemlerinden gelen verileri kullanır ve bunlara dayanarak Pasifik Okyanusu'ndaki gemilerin konumunu ve türlerini belirler.

e) Akıllı kontrol ve yönetim sistemleri.

Kontrol ve yönetim için uzman sistemler başarıyla kullanılmaktadır. Çeşitli kaynaklardan alınan verileri analiz edebilir ve analiz sonuçlarına göre kararlar alabilirler. Bu tür sistemler tıbbi izleme yapabilir ve uçakların hareketini kontrol edebilir, ayrıca nükleer santrallerde kullanılırlar. Ayrıca onların yardımıyla işletmenin finansal faaliyetleri düzenlenir ve kritik durumlarda çözümler geliştirilir.

f) Elektrikli ve mekanik ekipmanın teşhisi ve sorun giderme.

Bilgi tabanlı sistemler aşağıdaki gibi durumlarda kullanılır:

dizel lokomotiflerin, otomobillerin ve diğer elektrikli ve mekanik cihazların onarımı;

bilgisayarların yazılım ve donanımlarındaki hataların ve arızaların teşhisi ve ortadan kaldırılması.

g) Eğitimin bilgisayar sistemleri.

Bilgi tabanlı sistemlerin eğitim amaçlı kullanımı oldukça etkilidir. Sistem, nesnenin davranışını ve etkinliğini analiz eder ve alınan bilgilere göre bilgi tabanını değiştirir. Bu tür öğrenmenin en basit örneği, oyuncunun becerisi arttıkça bölümlerin zorlaştığı bir bilgisayar oyunudur. D. Lenat tarafından ilginç bir eğitim sistemi olan EURISCO geliştirildi. Basit buluşsal yöntemler kullanır. Sistem, savaş operasyonlarını simüle eden bir oyunda uygulandı. Oyunun özü, birçok kurala uyarak yenilgiye yol açabilecek filonun en uygun bileşimini belirlemektir. Sistem, filonun bileşiminde bir küçük gemi ve bir saldırı gerçekleştirebilecek birkaç gemi de dahil olmak üzere bu görevle başarılı bir şekilde başa çıktı. Oyunun kuralları her yıl değişti, ancak EURISCO sistemi sürekli olarak üç yılda kazandı.

Bilginin içeriğine göre aynı anda birkaç türe atfedilebilen birçok uzman sistem vardır. Örneğin planlama yapan bir sistem aynı zamanda öğrenen bir sistem olabilir. Öğrencinin bilgi düzeyini belirleyebilir ve bu bilgilere dayanarak bir müfredat hazırlayabilir. Kontrol sistemleri planlama, tahmin, teşhis ve kontrol için kullanılır. Bir evi veya daireyi korumak için tasarlanan sistemler, ortamdaki değişiklikleri izleyebilir, durumun gelişimini tahmin edebilir ve daha fazla eylem için bir plan hazırlayabilir. Örneğin, bir pencere açılmıştır ve bir hırsız bu pencereden odaya girmeye çalışmaktadır, bu nedenle polisi aramak gerekir.

Uzman sistemlerin yaygın kullanımı 1980'lerde ticari olarak kullanılmaya başlandığı yıllarda başlamıştır. ES, iyi tanımlanmış bir konu alanı ile karakterize edilen iş, bilim, teknoloji, imalat ve diğer endüstriler dahil olmak üzere birçok alanda kullanılmaktadır. Bu bağlamda “iyi tanımlanmış”, bir kişinin muhakeme sürecini ayrı aşamalara ayırabilmesi ve böylece bu alanın kapsamına giren herhangi bir sorunun çözülebilmesi anlamına gelir. Bu nedenle, bir bilgisayar programı benzer eylemleri gerçekleştirebilir. Yapay zeka kullanımının insanlık için sonsuz olasılıklar açtığını söylemek güvenlidir.

İyi çalışmalarınızı bilgi bankasına göndermek basittir. Aşağıdaki formu kullanın

Bilgi tabanını çalışmalarında ve işlerinde kullanan öğrenciler, lisansüstü öğrenciler, genç bilim adamları size çok minnettar olacaklar.

http://www.allbest.ru/ adresinde barındırılmaktadır

"Bilgi Teknolojisi" disiplinindeki kurslar

"Yapay zekanın uygulama alanları" konulu

Timoşenko Alexander Viktorovich tarafından gerçekleştirilen

giriiş

3. Yapay zekanın ana uygulama alanları

3.2 Orduda AI

Çözüm

Sözlük

giriiş

Yapay zeka kavramı çok belirsizdir. Son 40 yılda söylenen her şeyi bir araya getirirsek, zaman ve enerji maliyetini azaltmak için bir kişinin belirli eylemleri gerçekleştirmek için kendi türünü yaratmak istediği ortaya çıkıyor.

1950'lerin başından bu yana, sayısı giderek artan araştırma laboratuvarlarındaki bilim adamları tek bir amaca doğru koşturuyorlar: çalışmalarının sonuçlarına göre insan zihninden ayırt edilemeyecek şekilde çalışan bilgisayarlar yapmak. Son zamanlarda, artan gereksinimler ve bilgi sistemleri nedeniyle yapay zekaya büyük bir ilgi var. İnsanlık, ölçek olarak internetin gelişmesiyle karşılaştırılabilecek yeni bir bilgi devrimine doğru hızla ilerliyor, bu devrimin adı yapay zeka.

Yapay zeka artık çok aktif bir şekilde incelenmekte ve geliştirilmektedir. Dilbilimcilerin, filozofların, psikologların, matematikçilerin, mühendislerin ve sibernetiğin en büyük çabaları bu alanda yoğunlaşmıştır. Burada, bilgisayar teknolojisi ve robotik gibi alanlardaki başarıların gelecek nesil insanların yaşamları üzerindeki etkisiyle bilimsel düşüncenin gelişimi ile ilgili belirli sorunlar çözülmektedir. Burada yeni çeşitli bilimsel araştırma yöntemleri ortaya çıkıyor. Burada belirli bilimsel sonuçlara ilişkin yeni bir görüş oluşur ve elde edilen sonuçlara ilişkin felsefi bir anlayış da ortaya çıkar. İleriye dönük olarak, AI alanında çalışan araştırmacılar, geleneksel bilgisayar biliminin sınırlarını aşan çok kafa karıştırıcı problemlerle karşılaştılar. Her şeyden önce öğrenme sürecinin mekanizmalarını, duyusal algıyı ve dilin doğasını anlamanın gerekli olduğu ortaya çıktı. Bilim adamları, insan beyninin çalışmasını taklit etmek için milyarlarca birbirine bağlı nöronun etki mekanizmasını anlamanın gerekli olduğunu bulmuşlardır. Modern bilim araştırmacılarının karşılaştığı en zor sorunun, sadece bir işin taklidi değil, insan zihninin işleyiş sürecinin bilgisi olduğu ortaya çıktı. Bu, psikolojik bilimin teorik sorunlarına değindi. Bilim adamları, araştırmalarının konusu olan akıl nedeniyle bir fikir birliğine varamazlar. Bazıları için zeka, karmaşık sorunları çözme yeteneğidir; diğerleri bunu öğrenme, genelleme, analiz etme yeteneği olarak değerlendirirken; üçüncüsü - algılananın algısı, iletişimi ve farkındalığı yoluyla dış dünyayla etkileşim kurma fırsatı olarak.

Pek çok yapay zeka araştırmacısı, 40'ların sonunda ünlü İngiliz BT uzmanı Alan Turing tarafından önerilen makine zekası testini kabul etmeye hazır. Turing, "Eğer bizi bir makineyle değil, bir insanla uğraştığımıza inandırabiliyorsa, bir bilgisayar zeki kabul edilebilir" diyordu.

Bu ders çalışmasında çalışmanın amacı yapay zekadır. Araştırmanın konusu yapay zekanın iyileştirme ve geliştirme yollarıdır.

Bu çalışmanın amacı, yapay zekanın uygulama alanlarını belirlemektir.

Bu çalışmada çözülmesi gereken ana görevler:

1) Yapay zekanın kökenini düşünün;

2) Yapay zekanın neden yaratıldığını anlayın;

3) Yapay zekanın modern uygulaması;

4) Gelecek vaat eden yapay zeka alanlarını keşfedin;

5) AI'nın askeri amaçlar için nasıl kullanıldığını anlayın;

6) Yapay zekanın geleceğini ortaya çıkarın;

7) Sinir ağlarını keşfedin;

1. "Yapay Zeka" Kavramı

Akıllı bir sistem, bilgi girişlerinin durumuna bağlı olarak, yalnızca işleyiş parametrelerini değil, aynı zamanda davranış biçimini de değiştirme yeteneğine sahip bir sistemdir (Şekil 1) ve davranış biçimi yalnızca bilgi girişlerinin mevcut durumu, aynı zamanda sistemin önceki durumları hakkında.

Şekil 1 "Entelektüel sistem"

Birkaç örnek verelim.

Herhangi bir canlı organizma akıllı bir sistemdir. Uzun süreli bir hafızası ve kendi kendine öğrenme yeteneği var. Sıcak sobaya dokunan bir çocuk hatayı tekrarlamayacaktır. İlk kez bir kediyi kovalayan bir köpek yavrusu ciddi bir ders alacak ve onunla tekrar oynamaya karar vermesi pek olası değil. Bir dahaki sefere karşılaştıklarında, büyük ihtimalle kaçacak, dişlerini gösterecek ya da bin olası tepkiden birini daha gösterecek.

Öte yandan, teknik sistemler çoğunlukla akıllı değildir; aynı olaya tepkileri büyük ölçüde değişemez. Borudaki otomatik gaz basınç kontrol sistemi, damperi açıp kapatabilir (kontrol parametreleri), ancak damperi borudan tamamen sökmeye karar veremez. Bir gaz boru hattı arızasından önce basınçta bir değişiklik varsa (örneğin, önce keskin bir artış ve ardından keskin bir düşüş), o zaman otomatik sistem bunu normal bir durum olarak algılar ve damperi hareket ettirerek "ayarlamaya" çalışır. Her kazadan sonra, önceki durumun parametrelerini doğru bir şekilde sabitleyerek kontrol sistemine yeni bir blok eklesek bile hiçbir şey değişmeyecektir. Basitçe veri biriktirmek sistemi "eğitmez".

Gerçek şu ki, kediden bir ders alan köpek yavrusu, yalnızca durumun parametrelerini (pençelerin uzunluğu ve reaksiyon hızı) değil, aynı zamanda davranış kurallarını da (yaklaşma, yaklaşma) hatırladı. burnunu çevir, havlarsan kaçar).

Bir entelektüel sistem, bir bilgisayarda insan düşüncesini simüle eden bir sistemdir.

İkinci tanım, insan beyninin bir bilgisayarda modellenebileceğine inanıldığı 60'lı yıllarda ortaya çıktı. Beyin hücresi - nöronlar, özel matematiksel yöntemlerle programlı olarak tanımlandı. Böylece bilgisayar programı adeta insan beyninin bir parçasını temsil ediyordu. Programın girişine bazı veriler beslendi (canlı bir organizmada bir beyin hücresinin girişine bir elektrik sinyali verilir), çıkışta sonuçlar alındı ​​ve bunlar standartla karşılaştırıldı. Sonuçların standarttan nasıl saptığına bağlı olarak, hesaplanan katsayılarda değişiklikler yapılmıştır. Bu tür bir "öğrenme" döngü sayısına bağlı olarak, çok küçük bir insan beyninin çalışmasının sonuçları ortaya çıkar.

80'li yıllara gelindiğinde beyni bir bilgisayarda kopyalayabilme fikri. 20. yüzyıl Tamamen başarısız oldu, ancak sinir ağları teorisi, sinir ağı yaklaşımının bir dizi pratik uygulamada yararlı olduğu kanıtlandı. Öncelikle parametre değerlerini tahmin etme ve örüntü tanıma problemlerinde iyi sonuçlar alınmıştır.

Entelektüel sistem, bir kişinin entelektüel aktivitesini onunla anlamlı bir diyalog yoluyla geliştirmenize izin veren bir sistemdir.

80'lerin sonunda. evrensel bir yapay zeka yaratmanın imkansız olduğu oldukça açık hale geldi. Üstelik bunun kesinlikle gereksiz olduğu ortaya çıktı, bir kişinin yerini almayacak, onu tamamlayacak son derece uzmanlaşmış akıllı sistemler yaratılmalıdır. Bir kişinin bir dizi benzersiz özelliği vardır, ancak eksikliklerden arınmış değildir. Kimsede kedi tepkisi yok. Hiçbirimiz L.N.'nin romanını okuyamıyoruz. Tolstoy'un bir dakikada "Savaş ve Barış" ı, nadiren herkesin ansiklopedik bir hafızası vardır. Bilgisayarın ansiklopedik bir belleği vardır, bilgisayar saniyede milyonlarca işlem gerçekleştirir, bilgisayar anında tepki verir. Ama bilgisayar "aptal bir demirdir", düşünemez, kendi eylemlerinden sorumlu olamaz.

İnsan ve makinenin ortak faaliyetinin önemini vurgulayalım. Bilgisayarın bir kişiye danışman olarak hizmet etmesi, durumu hızlı bir şekilde analiz etmesi, büyük bir hafızaya dayalı eylem seçenekleri oluşturması ve bir kişiye sunması ve bir kişinin önerilen seçenekleri dikkate alması ve bunun veya bu seçeneğin neden kötü olduğunu açıklaması gerekir. Bilgisayar, alınan açıklamaları dikkate alarak, tüm eylem seçeneklerini tekrar analiz edecek ve yenilerini verecek ve kişi uygun seçeneği seçecek ve uygulanmasından sorumlu olacaktır.

Örnek: otomatik bir füze yönlendirme sistemi bir hedef tespit etti. Hedef tespit edildi. Hedef neredeyse anında tespit edildi, kişinin bunu fark edecek zamanı bile yoktu. Füze otomatik olarak hedefe nişan aldı. İstek, "dost veya düşman" hedefine gönderildi. Operatörün önündeki kontrol panelinde hedef belirdi, kişi yenilgiye karar verdi, silah tipini seçti ve “yok et” butonuna bastı. Tam otomatik hedef izleme durumunda, uçağınızı yok etme gibi gerçek bir tehlike olacaktır. Tersi durumda, bir kişi istek göndererek hedefe nişan almakla meşgulse, zaman kaybedilebilir.

Bu nedenle, günümüzde yapay zeka, karar verme ve üretmede insan faaliyetini geliştiren kendi kendine öğrenen bir araçtır.

1.1 Yapay zekadaki mevcut araştırma alanları

Geçen yüzyılın son on yılında, akıllı sistemlerin geliştirilmesinde aşağıdaki önemli yönler açıkça belirtilmiştir. [D.V. Smolin - "Yapay zekaya giriş" -23 s. 2]

1 Yaratıcı süreçleri simüle eden sistemler. Müzik eserlerinin yaratılması, oyun problemlerinin çözülmesi (satranç, dama, domino), otomatik çeviri, teoremlerin ispatı, örüntü tanıma, düşünce taklidi vb.

Bir bilgisayarda oyun programlama girişimleri, başlangıcından bu yana modern yapay zekanın özelliği olmuştur. [ E. Hunt Yapay zeka. Mir Yayınevi 1978-25c. 3]

2 Bilgiye dayalı bilgi sistemleri (uzman sistemler), yani deneyimsiz kullanıcılara danışmanlık, ekipman kurulumu, eğitim vb.

3 Akıllı bilgi sistemleri - matematiksel ve algoritmik modellere dayalı olarak konu alanındaki sorunları çözmek için tasarlanmış ve yönetimi basitleştirmek, insan işi miktarını azaltmak, iyileştirmek için kullanıcıyla anlamlı bir diyalog yürütme yeteneğine sahip büyük ve çok büyük programlar. kalite vb.

4 Robotik. "Zeka" açısından bakıldığında, birkaç nesil robot vardır. Birinci nesil - önceden onaylanmış ve değişmeyen bir programa göre çalışan robotik manipülatörler (örneğin, iş parçalarını makineye besleme). Çalışma sırasında herhangi bir nedenle iş parçasına olan mesafe değişirse, robot bunu kaybeder. İkinci nesil - uyarlanabilir robotlar. Bu tür robotların üyeleri çok sayıda sensörle donatılmıştır: gonyometreler, gerinim ölçerler, gaz analizörleri, vb. Bu tür robotlar, örneğin araba gövdelerini kaynaklamak için kullanılır. Gerçek şu ki, oldukça büyük teknik ürünler, hatta seri üretilenler bile, hala benzersiz çıkıyor. Aynı marka iki arabanın uzunluğu farklıdır. Uyarlanabilir robot, dikişi mutlak koordinatlarda değil, araba gövdesinde bulduğu raporun başlangıcındaki belirli bir noktaya göre kaynak yapar. Gerekirse, kişi - kaynakçı kontrolü ele alır ve robot, yeni bir durumda eylemlerini hatırlayarak "öğrenir". İlk iki robot türü, önceden belirlenmiş bir ortamda - fabrika atölyelerinde - çalışmak üzere tasarlanmış endüstriyel robotlardır. Uzayda yönlendirme ve hassas konumlandırma için çok sayıda kontrol noktası vardır - koordinatları değişmeyen sensörler. Gerçek dünyada olan bir robotun örneğin batık bir gemiyi incelemesi çok daha zordur. “Neredeyim?”, “Önümde ne var?”, “Gidebilir miyim?” sorularına cevap vermeliyiz. vb. Akıllı robotlar, sensörlerinin verilerini ve insan komutlarını gerçek zamanlı olarak işlemelidir ve eğer bir olay tahmini de sağlanıyorsa, o zaman “süper-sanal” bir şekilde (örneğin, araçları kontrol etmek için kullanılır). Arama motorlarının çalışmasını sağlayan, küresel İnternet'teki belgeleri indekslemek için tasarlanmış özel bir program sınıfı olan arama robotları için de benzer sorunlar ortaya çıkıyor.

5 Teşhis. Olasılık analizine dayalı tıbbi teşhis programları, tıbbın birçok alanında deneyimli bir hekim düzeyine ulaşmayı başarmıştır. Heckerman, lenf nodu patolojisinde önde gelen bir uzmanın, özellikle zor bir vakada programın teşhisine katılmadığı bir vakayı tanımladı. Programın yaratıcıları, bu doktorun bilgisayardan bu teşhis hakkında açıklama istemesini önerdi. Makine, kararını etkileyen ana faktörlere dikkat çekti ve bu vakada gözlemlenen çeşitli semptomların etkileşimindeki nüansları açıkladı. Sonuçta, uzman programın kararına katıldı.

6 Tedarik planlaması. 1991'deki Körfez krizi sırasında ABD Ordusu, otomatik tedarik planlaması ve nakliye planlaması sağlamak için DART (Dinamik Analiz ve Yeniden Planlama) sistemini konuşlandırdı. Bu sistemin işletilmesi eş zamanlı olarak 50.000'e yakın araç, kargo birimi ve insanı kapsıyordu; çıkış ve varış noktalarını, rotaları dikkate almalı ve ayrıca tüm parametreler arasındaki çelişkileri ortadan kaldırmalıdır. Yapay zeka tabanlı planlama yöntemleri, eski yöntemlerle hazırlanması haftalar alacak olan planların saatler içinde geliştirilmesini mümkün kıldı. Savunma İleri Araştırma Projesi Ajansı (DARPA) yetkilileri, bu uygulamanın tek başına kurumun yapay zekaya yaptığı 30 yıllık yatırımını geri ödediğini söyledi.

7 Otonom planlama ve çizelgeleme. Dünyadan yüz milyonlarca kilometre uzakta çalışan NASA'nın Remote Agent'ı, uzay aracı planlama operasyonlarını yönetmek için tasarlanmış ilk yerleşik, otonom planlama programıydı. Remote Agent programı, Dünya'dan belirlenen üst düzey hedeflere dayalı planlar geliştirdi ve ayrıca planların uygulanması sırasında uzay aracının çalışmasını kontrol etti: sorunları ortaya çıktıkça tespit etti, teşhis etti ve düzeltti.

2. Yapay zeka uygulamaları

Son zamanlarda, sinir ağlarının teknoloji, jeoloji, fizik, iş, vb. gibi çeşitli alanlarda çok aktif bir kullanımı ve uygulaması olmuştur. Şekil 2 bir sinir ağını göstermektedir.

Pirinç. 2 "Sinir ağı"

Sinir ağları, yönetim, tahmin ve sınıflandırma ile ilgili sorunları çözmek için gerekli olan her yerde kullanılır. Bu tür aktif kullanım aşağıdaki nedenlerden kaynaklanmaktadır:

Geniş olanaklar. Çok karmaşık bağımlılıkları yeniden oluşturmak için sinir ağları kullanılarak uygulanan güçlü modelleme yöntemleri kullanılır. Çok uzun bir süre boyunca çoğu alanda doğrusal modelleme kullanıldı, bunun için iyi optimize edilmiş çeşitli prosedürler geliştirildiğinden ana yöntem buydu. Problemlerdeki lineer modeller, lineer yaklaşımın çok iyi performans göstermediği durumlarda kötü çalışır. Ayrıca sinir ağları, "boyutsallığın laneti"nin önlenmesi nedeniyle çok sayıda değişken olması durumunda çalışmasına izin vermemektedir.

Kullanımı kolay. Sinir ağları örneklerden öğrenebilir. Bir sinir ağı kullanan bir kişi gerekli verileri seçer, ardından kendisine verileri otomatik olarak kabul edecek bir öğrenme algoritması çalıştırma fırsatı verilir. Elbette kullanıcıdan, verilerin nasıl seçileceği ve hazırlanacağı, gerekli ağ mimarisinin nasıl seçileceği ve sonuçların nasıl işleneceği hakkında bazı buluşsal bilgiler gereklidir. Sinir ağlarını kullanmak için, geleneksel istatistiksel yöntemleri kullanmaktan çok daha düşük bir bilgi düzeyine ihtiyaç vardır.

Sinir ağları çok çekici çünkü basit bir sinir sistemi modeline dayanıyorlar. Yakın gelecekte, bu tür modellerin geliştirilmesi gerçekten de düşünen makineler (bilgisayarlar) yaratmaya hizmet edebilir. Uygulamalı istatistikçiler için bir nimet olan basit sinir ağları oluşturabilen bir ST Sinir Ağları sistemi var.

2.1 Sinir ağlarının uygulanması

Sinir ağlarının çözdüğü görevler, ağın nasıl çalıştığına ve öğrendiğine göre belirlenir. Belirli problemleri çözen sinir ağı, değerler üretir ve kabul eder. Ağ, mevcut, bilinen bilgilerden bazı bilinmeyen bilgiler elde etmek için kullanılır. Benzer görev örnekleri:

Borsada tahmin.

Geçen haftaki hisse senedi fiyatlarını bilerek yarın için bir hisse senedinin fiyatını tahmin edebilirsiniz.

Kredi sağlamak.

Özel bir kişi bankaya başvurdu. Kredi vermenin risk derecesinin yüksek olup olmadığını belirlemek gerekir.

Kontrol . Üzerine kurulan kamera sayesinde robotun amacına ulaşabilmesi için yaptığı hareketlerin belirlenmesi gerekmektedir.

Tüm problemler sinir ağları kullanılarak çözülemez. Piyangonun sonucunu boyunuzu bilerek belirlemeye karar verirseniz, o zaman hiçbir şey işe yaramaz çünkü bunların birbiriyle hiçbir ilgisi yoktur. Çekiliş hile yapılmadan yapılırsa, oyunun sonucunu kesin olarak tahmin edebilecek böyle bir bilgi yoktur.

Yapay sinir ağlarının kullanımı için eşit derecede önemli bir diğer koşul: Bilinen girdi değerleri ile bilinmeyen çıktı değerleri arasında bir ilişki olduğunun kesin olarak bilinmesi gerekir. Bu bağlantı gürültü ile bozulabilir, ancak mevcut olması gerekir.

Bir sinir ağı genellikle, çıktılar ve girdiler arasındaki kesin bağlantı türleri bilinmediğinde kullanılır - eğer biliniyorsa, bağlantı doğrudan modellenebilir. Sinir ağlarının eşit derecede önemli bir başka özelliği de ağ eğitimidir. Sinir ağlarını eğitmek için iki tür algoritma kullanılır: kontrollü ve kontrolsüz. Çoğu zaman, denetimli öğrenme kullanılır.

Rehberli eğitim için kullanıcıların önceden bir eğitim veri paketi hazırlaması gerekir. Bunlar girdi ve çıktı örnekleridir. Ağlar aralarında bağlantı kurmayı öğrenirler. Bu tür eğitim verileri genellikle geçmişten alınır. Yukarıda tartışılan örneklerde, bu tür veriler önceki hisse fiyatları, geçmişte borç alanlar hakkında bilgiler - bankaya karşı yükümlülüklerini nasıl yerine getirdikleri olabilir.

Ardından, sinir ağı, tahmin hatasını sıfıra indirmek için belirli bir denetimli öğrenme algoritması kullanılarak eğitilir. Ağın öğrenme düzeyi yüksekse, girdi ve çıktı değişkenlerini ilişkilendiren bilinmeyen bir işlevi modelleyebilir. Gelecekte, böyle bir ağ, bilinmeyen çıktı değerlerine sahip çeşitli durumları tahmin etmek için kullanılabilir.

3. Yapay zeka uygulaması

3.1 Olası AI stratejisi ve planı

Deney olmadan bilim olmaz, seçilen yolun doğruluğunu belirlemek imkansızdır, bu nedenle gereklidir:

1) Birçok sensörle mekanik bir mucize oluşturmak çok daha zor ve pahalı olduğu için sanal bir prototip yaşam alanı oluşturmak.

2) işitme, sanal görme ("vizyon" - sanal alan, video kamera ve "INET" şeklinde), sanal kollar ve bacaklar gibi çok basitleştirilmiş bir şekilde gerçekleştirilebilen sensörleri simüle edin, asıl mesele şu IR'ye konuşmayı öğretmek için tuşlara basın, sanal kollar, bacaklar ve fare imleci gibi diğer sanal parçalar için hareketler yapın.

4) bir IR prototipi oluşturun - örn. hücrelerin çalışması ve büyümesi için algoritmalar, bağlantılar kurmak için algoritmalar vb. bunlar, bir dereceye kadar birçok nöronal hücre ve yapı çeşidinin çalışmasını taklit edeceklerdir.

5) yapay zekayı sanal ortamında "beslemeye" başlayın, onunla ve sanal ortamla etkileşime girerek, yol boyunca algoritmaları ve yapıyı değiştirerek, "düşünme" sürecini mükemmelliğe getirin.

Uyarlamanın kritik olduğu ve basit algoritmaların çalışmadığı yerlerde AI uygulamak en yararlı olacaktır. Her şeyden önce, bunların tümü, araba, asansör ve ev aletlerinin kullanılmasından eğlenceye, insan benzeri yardıma ve genel olarak bir kişinin boşa harcamak istemediği tüm küçük sorunları çözmeye kadar uzanan, kişiyle ilgili alanlardır. zamanı geldi.

Genel olarak, böyle bir sistem çok daha yaygın olarak uygulanabilir - örneğin, önünde yalnızca ortak bir hedefin belirlendiği ve uygulanması zaten sistemin omuzlarına düşen kendi kendini organize eden bir sistem olarak. Madencilik için bir taş ocağı kazın. Onlar. genellikle insanları işten çıkararak kar elde edebileceğiniz her yerde.

3.2 Orduda AI

yapay zeka sinir ağı

Askeri sanayi, en son bilimsel gelişmeleri kullanarak her zaman özellikle hızlı bir şekilde gelişmektedir. Bilgisayar ve robotiğin gelişimi ordunun görüşlerinden uzak kalmadı ve dünyanın birçok ordusunda zaten tamamen robotik savaş birimleri var - avcılar, insansız hava araçları, keşif robotları, savaş robotları küçük miktarlarda ortaya çıkmaya başladı. Hala oldukça ilkel olmalarına ve "Terminatör" filminin kahramanlarına benzeyen android robotlardan uzak olmalarına rağmen, bu tür savaş birimlerinin ortaya çıkması sadece an meselesidir. Belki bir gün çelik iskelete ek olarak, yeteneklerinde insan beyninden hiçbir şekilde aşağı olmayan yapay zeka da alacaklar.

Şu anda, çoğu modern robot teknolojisi birçok karmaşık görevi yerine getirebilmektedir, ancak yine de insan kontrolüne ihtiyaç duymaktadır. İnsan her zaman ölümsüzlük, dokunulmazlık için çabalamıştır, bunları henüz kendisine veremez, ancak zaten güçlü bir metal çerçeve iskeletine sahip (insan standartlarına göre, neredeyse ölümsüz) android robotlar yaratma yeteneğine sahiptir. Ancak kendisine eşit bir makine yaratmak için ona kendi kendine düşünmeyi öğretmek gerekir. Ordu uzun zamandır dikkatini yapay zeka (AI) yaratma girişimlerine çevirdi, bu gelişmeler onların incelemesi altında. İnsan müdahalesi olmadan tamamen otonom hareket edebilen robotların savaş alanında ne zaman ortaya çıkacağını söylemek imkansız, ancak bunun olma olasılığı oldukça yüksek.

Şu anda, yapay zekanın temelleri havacılıkta oldukça uzun bir süredir kullanılmaktadır. Modern bir otopilot, bir uçuşu kalkıştan inişe kadar tamamen insan yardımı olmadan tamamlayabilir. Geleneksel AI destekli arabalar, insan yardımı olmadan önemli mesafeleri kat edebilir. Fransa ve Japonya'da demiryolları, yolculuk sırasında yolculara maksimum konfor ve rahatlık sağlayabilen, yapay zeka tarafından kontrol edilen otomatik trenler çalıştırıyor. Bugün, yapay zekanın geliştirilmesine yönelik teknoloji, aşağıdakiler de dahil olmak üzere çeşitli yaklaşımlar içermektedir:

1) İnsan beyninin çalışmasına benzer prensiplerle çalışan sinir devreleri. El yazısı ve konuşma tanıma, finansal programlarda, teşhis koyma vb. için kullanılırlar.

2) Evrimsel algoritmalar, bir robot programları mutasyona uğratarak, çaprazlayarak (programların parçalarını değiştirerek) ve bazı hedef görevleri yerine getirmek için test ederek programlar oluşturduğunda. Bu durumda, en iyi etkiyi elde eden programlar, evrimin etkisini sağlayan birçok deneme çalışmasından sonra hayatta kalır.

3) Bulanık mantık - bilgisayarın gerçek dünyadaki terimleri ve nesneleri kullanmasına ve bunlarla etkileşime girmesine izin verir. Bununla birlikte bilgisayar, daha sıcak, daha yakın, neredeyse gibi "insan" terimlerinin anlamını anlamalıdır. Bulanık mantık, çamaşır makineleri, klimalar gibi ev aletlerinde uygulama bulmaktadır.

Aynı zamanda, son zamanlarda psikofizyolojiye ve onun yardımıyla elde edilen insan beyninin gözlemlerine giderek daha fazla ilgi gösteriliyor. Bir kişi, aklımızın ve bilincimizin nasıl düzenlendiğini zaten kabaca anlıyor. Beyin taramaları ve birçok deney, tüm düşüncelerimizin ve duygularımızın çok gerçek bir fiziksel bedene sahip olduğunu göstermiştir. Herhangi bir düşünce, esasen beynimizdeki bir nöron zincirinin aktivasyon dizisidir. Bu, bilgisayar simülasyonları yapmak için bu sürecin incelenebileceği ve onu yönetmeyi öğrenebileceği anlamına gelir. Şu anda, insan ve hayvan nöronlarının modellerini simüle eden bilgisayar modelleri zaten var. Bilim adamları, en basit hayvan olan kalamarın işini tam olarak tanımlamayı başardılar. Sinir sistemlerini ve silikon elektroniği birleştiren ilk modeller ortaya çıktı.

Tüm bunlar, bilim adamlarına, 2030 yılına kadar bilgisayarların, yeteneklerinde insan beynine eşit olacak kadar bilgi işlem gücüne ulaşabileceklerine inanmaları için sebep veriyor. Aslında bu, insan bilincinin bir bilgisayara indirilmesini mümkün kılacaktır. 2020'de tamamen makine zihninin bilincinin teorik temellerinin yaratılmış olması daha da muhtemeldir. Her halükarda, 2025 ile 2035 arasında yapay zeka, yeteneklerinde insan yeteneklerine eşit ve onu aşabilecek.

3.3 Yapay zekanın geleceği

Bilgi teknolojisi endüstrisi, hayatın en dinamik gelişen alanlarından biridir. Moore yasasına göre 2020 yılında bilgisayarlar insan beyninin gücüne ulaşacak çünkü. saniyede 20 katrilyon (yani 20.000.000 milyar) işlem gerçekleştirebilecek ve bazı fütüristlere göre 2060 yılında bilgisayar tüm insanlığın zihin gücüne eşit olacak. Bununla birlikte, 1994 yılında, Intel Pentium işlemci tabanlı bir bilgisayar, günümüzün gülünç 90 MHz frekansıyla bir dizi satranç turnuvasında, gezegenin hüküm süren şampiyonu Garry Kasparov da dahil olmak üzere, dünyanın en güçlü büyükustalarından birkaçını yendi. .

90'lı yılların ortalarında aynı Gordon Moore, mikroişlemci teknolojilerinin gelişme hızını ve otomotiv endüstrisini şu şekilde karşılaştırdı: “Otomotiv endüstrisi, yarı iletken endüstrisi ile aynı hızda gelişseydi, o zaman Rolls-Royce bugün yarım milyon mil x bir galon benzin ve her seferinde onu atmak, park etmekten daha ucuza gelir."

Bugünün bilgi teknolojisi zaten çok şey yapabilir. Son zamanlarda, arabalar için telematik terminallerin (yerleşik kontrol sistemleri) geliştirilmesi aktif olarak gelişmektedir. Analitik şirket Forrester Research'e göre, 2006 yılına kadar toplam yeni makine sayısının yaklaşık %80'i bilgi işlemek ve iletmek için telematik terminallerle donatılacak.

Bugün bile bu tür bir teknolojiyi hemen hemen her arabaya uygulamak için gerçek fırsatlar var. Örneğin, Johnson Controls'un Intel PXA250 ve Intel PXA210 işlemcilere dayanan entegre bir eller serbest araç modülü olan BlueConnect ahizesi, sürücünün bir cep telefonu ve Bluetooth teknolojisi kullanarak sesle etkinleştirilen çeşitli eylemleri gerçekleştirmesine olanak tanır.

Yeni işlemcileri kullanan başka bir cihaz, yolcuların Media Oriented System Transport (MOST) ağı üzerinden yayınlanan DVD video ve MP3 ses gibi kaynaklara çevrimdışı erişimini sağlayan araç içi multimedya platformudur.

Otomotiv endüstrisi, mikroişlemcilerin giderek daha fazla yer kazandığı birçok yaşam alanından sadece biridir. Her yıl artan sayıda farklı ev cihazında daha güçlü mikroişlemcilerin kullanılacağı açıktır. Son zamanlarda Intel uzmanları, hızı Pentium 4'ün hızını neredeyse %1000 aşan transistörler geliştirdiler. Böylece mikroişlemcilerin Moore yasasına göre gelişiminin içinde bulunduğumuz on yılın sonuna kadar sürdürülmesinin önünde hiçbir temel engelin olmadığı kanıtlanmış oldu.

Boyutları yalnızca 20 nanometre olan bu transistörler, Intel'in 2007 yılına kadar yaklaşık 1 voltluk bir besleme voltajında ​​20 GHz'e kadar frekanslarda çalışan bir milyar transistörlü işlemciler yaratmasına olanak tanıyacak. Ve şirketin yönetimi şimdiden 30 GHz'e kadar saat hızlarına sahip yaklaşan işlemcilerden bahsediyor. Intel'de bu tür mikroişlemcilerin üretimi için ön koşullar zaten oluşturulmuştur.

Bugün, örneğin, Psikharpax projesi, farelerde uzamsal navigasyondan sorumlu bazı adaptif mekanizmaların ve nöral yapıların bir robotta sentezlendiği Animat Lab'da geliştirilmektedir. Bu robot farenin yetenekleri "denetimsiz öğrenme" yoluyla gelişecek, yani animatör, ortamın bilişsel bir haritasını oluşturacak ve fare beyni tarafından kullanılanlara benzer mekanizmalar kullanarak uyarlanabilir davranış stratejileri geliştirecek. MIT'deki Yapay Zeka Laboratuvarı'nın İnsansı Robotik Grubu, şu anda ilk böcek benzeri robotlardan çok daha karmaşık davranış repertuarına sahip maymun benzeri ve mobil robotlar (Kismet, Soso) geliştiriyor. etkileşimler ve duygusal duygusal tepkiler.

Ek olarak, bu tür robotlarla yapılan deneyler, uyarlanabilir davranış ilkelerine ışık tutan yeni fikirlerin ortaya çıkmasını teşvik edebilir. En azından, bu tür deneyler, açıkça gerçekçi olmayan teorileri devre dışı bırakmayı mümkün kılar. Hataları ortadan kaldırmanın bir yolu olarak modelleme, beynin nasıl çalıştığını anlamada güçlü bir araçtır. Bu nedenle, birçok sinirbilimci, simülasyona izin vermek için beynin nasıl çalıştığına dair teorilerin algoritmik olarak formüle edilmesi gerektiğinde ısrar ediyor. Önde gelen teorik sinirbilimcilerden biri olan Nobel ödüllü Gerald Edelman, aynı zamanda robotlar için evrimsel öğrenmenin öncülerinden biriydi. Beynin temel teorisini ve bilincin biyolojik temellerini oluşturan Edelman, Kaliforniya Enstitüsünde (Neuroscience Institute) bir dizi NOMAD robotu geliştiriyor. Bu robotların jenerik adı da "Darwin"dir. Her yeni "Darwin" dünyaya pratik olarak eğitimsiz gelir, ancak dış dünyanın nesneleriyle karşı karşıya kaldığında ve bir tür doğuştan tercihe sahip olduğunda, kendi soyut kategorilerini geliştirmeye başlar. Robot, diğer görevlerde kullanabileceği bilgileri kazanır. Yani, görünüşe göre zeka mekanizmalarının evriminin ilerlediği ilkelerden biri çalışmaya başlar.

Çözüm

Şu anda, yapay zeka yaratma olasılığı sorunu hakkında aktif tartışmalar var. Birçoğu yapay zekanın yaratılmasının insan onurunu zedeleyeceğine inanıyor. AI'nın olanakları, insan zihninin iyileştirilmesi ve geliştirilmesi ile ilgili sorularla karıştırılmamalıdır.

Modern dünyada yapay zeka hemen hemen her yerde kullanılıyor, bu da ilerleme için yeni bir itici güç için ön koşulları yaratıyor. Yapay zeka, üretimi ve dolayısıyla emeğin üretkenliğini otomatikleştirmenize olanak tanır. Ancak çok sayıda avantajı olan sibernetiğin, insanlığın çok yakından ilgilenmesini gerektiren dezavantajları da vardır. Bu dezavantajlar, yapay zeka ile çalışırken ortaya çıkan tehlike ile ilişkilidir.

Sorunlardan biri, insanların yaratıcı çalışmaya yönelik teşviklerini kaybetme olasılığıyla ilgilidir. Genel bilgisayarlaşmanın ve sanatta makine kullanımının tüm suçu. Ancak yine de, insanların kendileri için çekici olduğu için, insanların en nitelikli yaratıcı işten gönüllü olarak vazgeçmeyecekleri ortaya çıktı.

İkinci sorun grubu daha ciddidir ve aşağıdakilerden oluşur. Zaten şu anda, çalışmaları sırasında öğrenebilen, yani dış etkenlere uyum sağlayabilen programlar ve makineler var. Yakın gelecekte, bir kişinin sürece müdahale etmesine gerek kalmayacak kadar güvenilirlik ve uyarlanabilirliğe sahip makineler olabilir. Bu durumda, kişi işlevini yerine getirmeyi bırakacaktır - çözüm bulma işlevi.

Belki bir kişi, dış koşullardaki değişikliklere yeterince tepki veremez hale gelecek ve ayrıca acil bir durumda kendi kontrolünü ele almayı bırakabilir. Ciddi acil durumlarla ilişkili süreçlerin otomasyonunda bazı sınırlamalar getirilmesi gerekecek, o zaman kontrol makinesini denetleyen kişi her zaman yeterli tepkiye sahip olacak ve öngörülemeyen bir durumda doğru hareket etme becerisine sahip olacaktır.

Nükleer enerji ve ulaşımda da benzer durumlar mümkündür. Bir hatanın korkunç sonuçları olabileceğinden, özellikle füze kuvvetlerinde böyle bir tehlikeye dikkat çekmeye değer.

Birçok kez tekrar kontrol edildiğinde ve kopyalandığında bile hata olasılığının çok yüksek olduğu ortaya çıktı. Kontrol eden bir operatörün olmaması ölümcül bir hataya yol açabilir.

AI sorunları her zaman insanlar tarafından çözülecektir. Giderek daha fazla sorun ortaya çıkacak ve bu süreç sonsuz gibi görünüyor.

Bu yazıda yapay zekanın bazı sorunları, yapay zekanın görevleri, yapay zekanın ortaya çıkışının kısa bir tarihi, yapay zekanın uygulama alanları, yapay zekanın silahlı kuvvetlerde kullanımı ve sinir ağları ele alınmıştır. Bu ders çalışmasının materyali, yapay zeka alanındaki modern teknolojilerle ilgilenen kişilerin ilgisini çekecektir. Kurs çalışması için belirlenen hedeflere ulaşıldı.

Sözlük

Kullanılan kaynakların listesi

1Dmitrovich A.I. Akıllı bilgi sistemleri./ Dmitrovich A.I. - Minsk, - 1997. -125 s. -ISBN: 5-86534-576-6

2Brushlinsky A.V. Yapay zeka mümkün mü?/. -263 s. -ISBN: 5-86425-523-1

3IA Bessmertny. Yapay Zeka - St. Petersburg: St. Petersburg Eyalet Üniversitesi ITMO, 2010. -168 s.

4Wiener N. Science, elektronik versiyon, / Viner N. - M. Sibernetik - 1998. -211 s. -ISBN: 5-15248-325-3

5Venda V.F. Hibrit zeka sistemleri/Venda V.F. - M.: Mashinostroenie, - 1990. -232 s. -ISBN: 5-86475-354-8

6Volgin L.I. Sinir ağlarının tamamlayıcı cebiri / Volgin L.I. - Tallinn JSC "KLTK", - 2003. -123 s. -ISBN: 5-86452-276-4

7Notkin L.I. Yapay zeka ve öğrenme sorunları / Notkin L.I. -132 s. -ISBN: 5-83334-336-9

8 Sokolov E.N., Vaitkyavichus G.G. Neurointellect: Bir nörondan bir nörobilgisayara: Nauka - 1989. -455 s. -ISBN: 5-83652-526-4

9Fedyukovich N. I. Anatomi ve fizyoloji: Proc. Ödenek. / Fedyukovich N.I. - Minsk: LLC "Polifact-Alpha" Yayınevi, - 1999. -115 s. -ISBN: 5-86324-476-8

10Tsygankov V.D. Nörobilgisayar ve uygulaması / Tsygankov V.D. - M .: SolSystem, - 1993. -223 s. -ISBN: 5-84534-376-3

11 Chernukhin Yu.V. Nöroişlemciler / Chernukhin Yu.V. - Taganrog - 2000. -212 s. -ISBN: 5-86224-176-1

12Andrew A. Yapay zeka / Andrew A. - M. Mir, - 1985. -187 s. -ISBN: 5-26552-745-1

Allbest.ru'da barındırılıyor

Benzer Belgeler

Yapay zeka kavramı, insan zekasının bireysel işlevlerini üstlenecek otomatik sistemlerin özellikleridir. Tıp alanında uzman sistemler. Yapay zeka sistemleri oluşturmaya yönelik farklı yaklaşımlar. Sinir ağlarının oluşturulması.

sunum, 05/28/2015 eklendi


Yaradılışın tarihi ve yapay zekanın modellenmesindeki ana yönler. Görsel algı ve tanıma öğretiminin sorunları. Robot zekası unsurlarının geliştirilmesi. Sinir ağları alanında araştırma. Wiener geri bildirim ilkesi.

özet, 20.11.2009 eklendi


Yapay zekayı tanımlamanın özü ve sorunları, ana görevleri ve işlevleri. Bir robotla çalışırken yapay zeka yaratmanın ve insan güvenliğini sağlamanın felsefi sorunları. Yapay zeka yaratmanın yolunun seçimi.

kontrol çalışması, 12/07/2009 eklendi


Yapay zekanın uygulanabileceği insan faaliyeti alanları. Bilgi tabanları ve uzman sistemlerin tasarımını kullanarak bilgisayar bilimlerinde yapay zeka problemlerini çözme. Otomatik teorem ispatı.

dönem ödevi, 08/29/2013 eklendi


Yapay zeka alanında öğretmen eğitiminin eğitim standartlarının gözden geçirilmesi. Anlamsal ağlar biçiminde bir etki alanı modeli oluşturma. Probleme dayalı öğrenmenin özellikleri. Prolog programlama dilinin ana araçları.

tez, 01.10.2013 eklendi


Yapay zeka, insan entelektüel işlevlerinin makine modellemesiyle ilişkili bilimsel bir yöndür. Yapay zekanın özellikleri Yapay zekanın geliştirilmesi, araştırma ve modellemesinde umut verici yönler.

özet, 11/18/2010 eklendi


Yapay zekanın özü, yaygın olduğu insan faaliyet alanları. Bu fenomenin tarihçesi ve gelişim aşamaları. İlk fikirler ve bunların uygulanması. Robotik kanunları. Yapay zekanın ticari amaçlarla kullanılması.

özet, 17.08.2015 tarihinde eklendi


Yapay zeka alanındaki çalışmaların gelişimine tarihsel bakış. Entelektüel problemlerin bir kişiden daha kötü çözülmesine izin vermeyen bilgisayarlar için algoritmik ve yazılımların oluşturulması. Mantık oyunlarından tıbbi teşhislere.

özet, 26.10.2009 tarihinde eklendi


Bu teknoloji ve teknoloji geliştirme düzeyindeki yapay zeka, insan zekasını geçebilir mi? Temas halindeki bir kişi yapay zekayı tanıyabilir mi? Yapay zekanın pratik uygulaması için ana fırsatlar.

sunum, 03/04/2013 eklendi


Yapay zeka sistemlerinin evrimi. Yapay zeka sistemlerinin geliştirilmesi için yönergeler. Bilgi temsili, yapay zeka sistemlerinin temel sorunudur. Üyelik fonksiyonu nedir ve nerede kullanılır?

Yapay zeka (AI) insanlığa galip gelecek mi? Tesla'nın kurucusu Elon Musk ise bu varsayımı reddediyor. Ünlü mucit, bundan emin olmak için 37 farklı bilimsel projeye 10 milyon ABD doları yatırım yaptı.

Elon Musk ve onun gibi düşünen insanların, aralarında Bill Gates ve Stephen Hawking'in de bulunduğu kategorikliğine rağmen, çoğu bilim insanı yapay zekanın insanlar tarafından benimseneceğini tahmin ediyor. MindMeld'e (ses ve sohbet asistanları aracılığıyla doğal dil işleme) veya VIV'ye (“akıllı” asistanların geliştirilmesi) bakmak yeterlidir. Önümüzdeki 10-15 yılın dünya nüfusu için bir dönüm noktası olacağına inanılıyor. Üstelik tanıtım sadece bilgi teknolojileri düzeyinde değil, kamuoyu, yasalar ve günlük alışkanlıklar düzeyinde de yer alacak.

Bu iki faktörden kaynaklanmaktadır.

İlk olarak, bir yapay zeka robotu, insan müdahalesi gerektiren süreçleri otomatik hale getirebilir. İkincisi, büyük miktarda bilgiyi işleyebilir ve analiz edebilir. Bir bilgisayarın avantajı, çalışma yeteneğinin, ister kişisel sorunlar ister kötü bir ruh hali olsun, insan faktörü ile ilgili olmamasıdır.

Bu nedenle, yapay zekanın geniş bir uygulaması vardır: tıpta, endüstride, eğitimde, tarımda, trafikte ve günlük hayatta her yerde bulunur.

İlaç

AI belleği, büyük miktarda bilgi üretme ve karşılaştırma yeteneğinin yanı sıra bu alanda değerlidir.
Birkaç yıldır herkes, yalnızca doktorlara tavsiye vermekle kalmayan, aynı zamanda patolojilere genetik yatkınlığı da bulan akıllı asistanlar olan DeepMind Health'i (Google tarafından geliştirildi) duyuyor. Bu nedenle, IBM Watson halihazırda 13 tip habis neoplazma için bir tedavi planı tanımlıyor ve geliştiriyor: rahim ağzı kanserinden kalın bağırsağa.

Yapay zeka hastaların imdadına yetişiyor. Fitness bileziklerinden ve diğer sensörlerden veri toplayan teletıp uygulamaları ve hastaların kesin semptomlarını ve hastalıklarını belirleyen "anketler" giderek daha popüler hale geliyor. Böylece AI, tüberkülozu ve iç organların bozulmasını tanıyabilir. beyin.

Uygulamalardan bazıları insan konuşmasını ayrıştırır ve sözlü olarak yanıt verirken, diğerleri yazılı iletişimi tercih eder. Başvurular gerekli bilgileri alır ve ardından hangi eylemlerin gerçekleştirileceğine dair önerilerde bulunur veya verileri terapiste gönderir. En popüler akıllı asistanlar, App Store veya Google Play'den indirilebilen Your.MD ve Ada'dır.

Yeni ilaç geliştirebilen sistemlere özel önem verilmektedir. Pfizer'in üst düzey yöneticisi Judy Sewards'a göre yeni bir ilacı geliştirip piyasaya sürmek ortalama 12 yıl sürüyor. AI, kalitesini artıracak ve yeni ilaçların piyasaya sürülmesi için gereken süreyi azaltacak moleküler bir yapı oluşturmayı ve bir ilacı modellemeyi mümkün kılacak. Bu sorunu çözen süper bilgisayarlar yaratmanın öncüleri Atomwise ve Berg Health'dir.

Sanayi

Japonya, Çin, ABD, Almanya ve İsviçre gibi ülkelerdeki büyük sanayi şirketleri yeni teknolojilere yatırım yapıyor. Günümüzde entelektüel çalışmayla ilgili işleri azaltma ve bilgisayar sayısında artış eğilimi var.

Aşağıdaki meslekler önümüzdeki yıllarda zarar görecek:

1. Ayrıntıların toplanması. Her geçen gün daha fazla personel kesintisi yaşanıyor. Eylem sırasını hatırlayan robot, parçaların bağlantısıyla kendi başına başa çıkıyor.
2. Muhasebe hesaplamaları. Bir kişiye kıyasla, bir makine verileri doğru bir şekilde hesaplar ve devlet için çok faydalı olan "siyah" ve "beyaz" defter tutmaz. Süper bilgisayarlar öğrenir ve mantıklı kararlar verir.
3. Danışmanların değiştirilmesi. Robot, bir insanla eşit düzeyde, alıcıyla üst düzeyde diyalog kurabilir ve standart sorulara yanıt verebilir. İletişim algoritması, makinenin öğrenme ve deneyim biriktirme yeteneği nedeniyle daha karmaşık hale gelir.

Yakın gelecekte robotlaşma, sekreterler, kasiyerler, kamyon şoförleri ve garsonlar gibi meslekleri de etkileyecektir.Yapay zekanın başarılı bir şekilde uygulanmasına bir örnek, H&H hat fabrikasıydı. Göz izleme teknolojisi, 1 yılda 400 saatlik kursiyer eğitimi tasarrufuna ve kaza olasılığının azaltılmasına yardımcı oldu.

MIT Technology Review, robotik ve makine öğrenimi araştırmacısı Andrew Ng'nin Landing.AI adlı yeni bir proje geliştirdiğini bildirdi. Fabrikalarda ve tesislerde üretim için bir mekanizma oluşturmak üzere tasarlanmıştır. İlk ortağı, Apple aygıtlarını üreten Foxconn'dur.

Eğitim

Yakın gelecekte, eğitim alanı hızla iki yönde gelişecektir - uyarlanabilir öğrenme ve gözetmenlik.
Uyarlanabilir öğrenme, öğrencilerin ve öğrencilerin farklı akademik performansları sorununu çözmek için tasarlanmıştır. Gerçek şu ki, bir kişi materyali diğerinden çok daha hızlı ve daha başarılı bir şekilde öğrenir. Bu nedenle yapay zeka, öğrencinin bilgi düzeyini takip edecek ve ders bloklarının sırasını onun yeteneklerine göre uyarlayacak veya öğrencinin materyali ne kadar iyi öğrendiğini öğretmene bildirecektir. Böyle bir sistemin bir örneği, şu anda geliştirme aşamasında olan Third Space Learning platformudur.

Gözetim, kontrol ve sınav sınavlarının geçişi sırasında öğrencilerin ve öğrencilerin kontrolüdür. Geçmişte öğrenciler web kamerasının "silah zoruyla" idiyse, şimdi yapay zeka kurtarmaya geliyor. Öğrencinin bilgisayar ekranından ne kadar uzağa baktığını, tarayıcıdaki sekmeyi değiştirip değiştirmediğini, odada fazladan ses olup olmadığını takip eder. AI herhangi bir ihlali fark eder etmez, bunu insan gözetmene hemen bildirir.

Ama bir makine sıradan bir öğretmenin yerini alabilir mi? University College London'da profesör olan Rosa Lukin bunu reddediyor. Ona göre, bir uzlaşma bulmaya değer. Sonuçta amaç, öğretmenleri makinelerle değiştirmek değil, eğitim sürecini iyileştirmektir. Bu kesinlikle bir insan öğretmen olmadan olmaz.

Tarım

Tarım ve hayvancılığın geri kaldığı ve modası geçmiş endüstriler olduğu fikri geçmişte kaldı. Bugün, tarım endüstrisindeki küresel AI pazarının yoğun büyümesi şu faktörlerden kaynaklanmaktadır: bir veri yönetim sisteminin getirilmesi, sulama otomasyonu, eğitim yöntemlerinin getirilmesi yoluyla tarımsal ürünlerin verimliliğinin arttırılması ve sayının artması. gezegendeki insanların sayısı. Aynı zamanda, AI pazarının büyümesi, tarım arazileri hakkında bilgi toplamanın yüksek maliyeti ile sınırlıdır.

Tarımda robot teknolojisinin yaygın olarak kullanılmaya başlanması şu gelişmelerle temsil edilmektedir:

• İnsansız hava araçları. Radar ve GPS izleme ile donatılmış dronlar, tehlikeli kimyasalların ve havadan fotoğrafçılığın güvenilir bir şekilde dağıtımını sağlayarak ekinleri püskürtüyor.
• Hasat için robotlar. Tahıl hasat makineleri uzun süredir varsa, yakın zamanda çilek toplayan bir robot yaratılmıştır.
• AI otları yok ediyor. Danimarka'daki Aarhus Üniversitesi (Aarhus Universitet) tarafından geliştirilen Hortibot, yabani otları iki şekilde tanır ve ortadan kaldırır: mekanik olarak ve herbisitlerle noktasal püskürtme yoluyla. Bu robot gerçek bir atılımdı, çünkü yararlı bitkilerden yabani otların tanınması, tarımda modern robotların büyük bir başarısıdır. Ek olarak, tarımsal mahsullerin zararlılarını ve hastalıklarını tanıyan makineler yaratılmaktadır.

Energias Market Research tahminlerine göre, tarım sektöründeki AI pazarı 2024 yılına kadar %24,3 büyüyecek. ABD ve Asya-Pasifik bölgesinde aktif olarak geliştirilecektir. Agworld, Farmlogs, Cropx, Microsoft, AGCO ve diğerleri, akıllı tarım ticareti pazarındaki merkezi oyuncular listesine dahil edildi.

yol trafiği

Bu alanda yapay zekayı tanıtmanın amacı, trafik sıkışıklığıyla mücadele etmektir. Bu tür sistemler halihazırda Avrupa, Kuzey Amerika ve Asya'daki büyük şehirlerde başarıyla çalışmaktadır.

Trafik ışıklarından bilgi toplama, trafik yoğunluğunun analizi, trafik kazaları, hava durumu verileri ve trafik sıkışıklığına neden olan diğer faktörler - bilgisayarın işlevi budur. Sonuç olarak, akıllı sistem çevrimiçi olarak yolları izliyor, trafiğin nasıl olacağını tahmin ediyor ve trafik ışıklarını buna göre değiştiriyor.

Sadece yoldaki trafiği izlemekle kalmaz, aynı zamanda sürücülere de yardımcı olur. Örneğin sistem gerekirse çekici çağırır. Bu çözümün trafik sıkışıklığını tamamen ortadan kaldırmayacağı açıktır, ancak zaman zaman hareketi hızlandırmak oldukça mümkündür.
İnsan müdahalesi olmadan hareket edebilen araçlar olan insansız araçlar yaygın olarak kullanılırsa ilerlemenin fark edilmesi muhtemeldir. Google, AKTIV, Tesla Motors ve diğerleri tarafından geliştirilmiştir.

Hayat

Elbette herkes, gelecekte yapay zekanın tipik bir örneği haline gelecek olan "" (akıllı ev)'e aşinadır. En büyük üreticiler Yamaha, Siemens, Abb, Beckhoff ve Legrand'dır.

Bu tür gelişmeler, bir kişinin hayatını büyük ölçüde kolaylaştırır. Örneğin böyle bir sistem sabah perdeleri açar, ev sahiplerini uyandırır ve kahve yapar. Gelecekte, "akıllı evin" işlevselliği, dolabın giysileri otomatik olarak buharlayacağı ve buzdolabının yiyecek sipariş edeceği noktaya kadar genişletilecek. Bu çözüm, enerji temini, havalandırma, ısıtma ve uygun bir programa göre ayarlama ile ilgili maliyetleri optimize eder.

Ayrıca, yalnızca temizleyebilen, aynı zamanda nesneleri hareket ettirebilen ve kendi kendini şarj edebilen elektrikli süpürgeler de popülerdir.
AI'nın günlük kullanımına bir başka örnek de otomatik çevirmenlerdir. Daha önce "makine çevirisi" arzulanan çok şey bıraktıysa, bugün durum önemli ölçüde değişti. Bu, Google Çeviri tarafından gösterilmiştir: Algoritma, bilgisayarın tek tek kelimeleri değil, tüm cümleyi algılamasına dayanmaktadır. Yüksek kaliteli bir metin elde etmenizi sağlar, bu nedenle yakın gelecekte bu yöntem otomatik çevirinin temeli olacaktır.

İnsansı androidler sadece ev işleri için değil aynı zamanda iletişim için de kullanılıyor. Demir bir "arkadaş" can sıkıntısından ölmenize izin vermez ve bazen ailenin tam bir üyesi olur. Böylece Çin'de şanslı bir adam bir robotla evlenmeyi başardı. Kendi gelinini yapan mühendis Zheng Jiajia olduğu ortaya çıktı.

Kuşkusuz insanlığın geleceği robotlarla iç içe geçiyor çünkü her yıl yapay zekanın yeni uygulama alanları gelişiyor. Büyük olasılıkla, bir kişinin yeteneklerini aşacak, ancak aynı zamanda yaşam kalitesini de önemli ölçüde artıracaktır. Buradaki en önemli şey, AI kendini yeniden üretmeyi öğrenene kadar makul bir çerçeve bulmaktır. Elon Musk'a göre, proaktif bir duruş sergilemeye ve yapay zeka kullanımını şimdi en azından askeri endüstride sınırlamaya değer.

İşgücü otomasyonu nedeniyle işlerini kaybedebileceklerini. Ancak çok az insan bu teknolojilerin insan işini nasıl geliştirebileceğini ve kolaylaştırabileceğini düşünüyor. İşte bazı örnekler.

Daha hızlı ve daha iyi iş arayabilecek ve çalışanları işe alabileceksiniz.

Celonis'in kurucu ortağı ve CEO'su Alexander Rinke, yapay zekanın aday bulma sürecini önemli ölçüde değiştirebileceğini söylüyor. Celonis yapay zekası, çalışan devrini ve bir çalışanı işe almanın maliyetini belirlemenize olanak tanır ve ayrıca hangi pozisyonlarda çalışan aramanın en uzun sürdüğünü hesaplar. Örneğin, bir Celonis müşterisi işe alım sorunlarını tespit edebildi, işe alım maliyetlerini %30 azalttı ve yeni işe alımlar için işe alım sürecini hızlandırdı.

AI, özgeçmiş yazmayı ve görüşme davetleri almayı kolaylaştırır. Örneğin, iCIMS, Google ile birlikte, makine öğrenimi ve Google'ın yapay zekası sayesinde doğrudan bir arama motorunda iş aramanıza olanak tanıyan bir teknoloji geliştirdi.

iCIMS pazarlama direktörü Susan Whiteil'e göre, teknoloji eskimiş iş ilanlarının sayısını azaltmayı başardı. Ayrıca Cloud Jobs Discovery kapalı beta programının da merkezinde yer alır. Bu program boş pozisyonları yalnızca tam anahtar kelimelere göre aramaz - örneğin, bir kişi bir CTO pozisyonu arıyorsa, ona yalnızca "teknik direktör" boş pozisyonlarını değil, aynı zamanda "teknoloji direktörü" pozisyonlarını da gösterir. Modeli, kavramsal aramayı kullanır ve ilgili tüm meslekleri gösterir (örneğin, yalnızca bir kasiyer değil, aynı zamanda bir satış asistanı ve bir mağaza müdürü).

Daha üretken olacaksın

Hive'ın CEO'su ve kurucu ortağı John Farno, tahmine dayalı analitiklerin nasıl çalıştığımızı daha iyi anlamamıza yardımcı olacağına inanıyor. "Örneğin, akşamları kimin daha aktif çalıştığını söyleyebiliyor - erkek mi kadın mı, yoksa yazın insanların Cuma günleri daha kötü çalıştığı doğru mu?" İkincisi, bu arada, bir efsanedir. Yılın hangi döneminde olursa olsun, Cuma günleri verimlilik her zaman daha düşüktür.

Şirket, Hive ortak çalışma alanlarında gerçekleştirilen 30.000'den fazla faaliyetten elde edilen verileri kullanarak, üretkenlik değişikliklerinde bazı kalıplar belirleyebildi. Örneğin, erkekler sabahları çok daha üretkendir ve öğle yemeğinden sonra verimlilikleri keskin bir şekilde düşer. Kadınlar için bunun tersi doğrudur - çalışma günleri yavaş başlar, ancak sonlara doğru daha verimli çalışırlar. Ayrıca sohbetlerin analizi, kadınların yazışma sırasında daha fazla görev yapabildiğini gösterdi.

Jensen, "Yapay zeka, özellikle erkekler ve kadınlar ile yönetim ve sıradan çalışanlar arasındaki ücret farkı sorununu çözmeye yardımcı olacak" dedi. “İstatistiklere göre Fortune 500 listesinin üst sıralarında yer alan şirketlerde bu fark neredeyse 5 binde 1'e ulaşabiliyor.” Ayrıca adil ücreti belirleyen teknolojinin kullanılması, çalışanların işten ayrılma riskini azaltacak ve yeni bir çalışan bulma maliyetinin düşürülmesine yardımcı olacaktır.

Toplantılarınızın kalitesini artırın

Artırılmış gerçeklik (AR) hala gelişiyor, ancak yapay zeka ve makine öğrenimi sayesinde çalışıyor. Deloitte Consulting Bersin Başkan Yardımcısı Christa Manning, AR'nin önemli iş kararları vermeniz için doğru bilgiyi, yeri ve zamanı bulmanıza yardımcı olabileceğine inanıyor.

Örneğin bu teknoloji görüntülü toplantılarda kullanılabilir. Manning, "Bir video konferansa katıldığınızı ve artırılmış gerçeklikte bir meslektaşınızın iletişim tarzı hakkında bilgiler, yararlı ipuçları ve onunla nelerin tartışılması gerektiğine dair bir hatırlatma gördüğünüzü hayal edin" dedi.

Daha iyi liderler ortaya çıkacak

Indiggo platformu, 15 yıllık çalışma boyunca şirketin tüm bilgisine sahip bir tür beyin görevi gören indi adlı kendi yapay zekasını kullanır. Algoritması, bir firmanın yönetim ekibinin büyüklüğüne bakar ve ne kadar zaman kaybettiğini tahmin eder. Program, zamanını neye harcadığını anlamak için her patronun takvimini inceler. AI daha sonra, önceliklerinin ne olduğunu ve şirkete nasıl uyduklarını öğrenmek için bazı yöneticiler arasında özel bir anket yürütür.

Celonis CEO'su Alexander Rinke, "Paradoksal olarak, tüm bu teknolojik yenilikler yalnızca insan emeğinin vazgeçilmezliğini vurguluyor" dedi. "Sonuçta, insanlar nedensellik, değerlendirme ve diğer insanlarla etkileşimi içeren görevlerde çok daha iyi."