Понимание 4 типов искусственного интеллекта (ИИ)

Знаете ли вы, что существует четыре различных типа искусственного интеллекта?

Эти четыре типа не созданы равными: некоторые из них намного сложнее, чем другие. Некоторые из этих типов ИИ сейчас даже невозможны с научной точки зрения.Согласно существующей системе классификации, существует четыре основных типа ИИ: реактивный, с ограниченной памятью, теория разума и самосознание.

Давайте рассмотрим каждый тип немного подробнее.

Реактивный ИИ

Самый простой тип искусственного интеллекта — это реактивный ИИ, который запрограммирован на предоставление предсказуемого результата на основе получаемого ввода. Реактивные машины всегда реагируют на одинаковые ситуации одинаково каждый раз, и они не способны учиться действиям или представлять себе прошлое или будущее.

Примеры реактивного ИИ включают:

● Deep Blue, суперкомпьютер IBM для игры в шахматы, обыгравший чемпиона мира Гарри Каспарова.

● Спам-фильтры для нашей электронной почты, которые предотвращают рекламные акции и попытки фишинга в наших почтовых ящиках.

● Система рекомендаций Netflix.

Реактивный ИИ стал огромным шагом вперед в истории развития искусственного интеллекта, но эти типы ИИ не могут функционировать за пределами задач, для которых они изначально были разработаны. Это делает их изначально ограниченными и созревшими для улучшения. Ученые разработали следующий тип ИИ на основе этого фундамента.

ИИ с ограниченной памятью

ИИ с ограниченной памятью учится на прошлом и накапливает эмпирические знания, наблюдая за действиями или данными. Этот тип ИИ использует исторические данные наблюдений в сочетании с предварительно запрограммированной информацией, чтобы делать прогнозы и выполнять сложные задачи классификации. Сегодня это наиболее широко используемый вид ИИ.

Статья в тему: Что такое самолет с искусственным интеллектом

Например, автономные транспортные средства используют искусственный интеллект с ограниченной памятью для наблюдения за скоростью и направлением других автомобилей, помогая им «читать дорогу» и корректировать ее по мере необходимости. Этот процесс понимания и интерпретации поступающих данных делает их более безопасными на дорогах.

Однако ИИ с ограниченной памятью, как следует из его названия, по-прежнему ограничен. Информация, с которой работают автономные автомобили, мимолетна и не сохраняется в долговременной памяти автомобиля.

Теория разума ИИ

Хотите провести содержательную беседу с эмоционально интеллектуальным роботом, который выглядит и говорит как настоящий человек? Это на горизонте с теорией разума ИИ.

С этим типом ИИ машины приобретут настоящие возможности принятия решений, подобные людям. Машины с теорией разума ИИ смогут понимать и запоминать эмоции, а затем корректировать поведение на основе этих эмоций при взаимодействии с людьми.

На пути к созданию теории искусственного интеллекта все еще существует ряд препятствий, потому что процесс изменения поведения, основанный на быстро меняющихся эмоциях, очень подвижен в человеческом общении. Трудно имитировать, поскольку мы пытаемся создавать все более и более эмоционально интеллектуальные машины.

Тем не менее, мы делаем успехи. Голова робота Kismet, разработанная профессором Синтией Бризил, может распознавать эмоциональные сигналы на человеческих лицах и воспроизводить эти эмоции на своем собственном лице. Робот-гуманоид София, разработанный компанией Hanson Robotics в Гонконге, может распознавать лица и реагировать на взаимодействие собственным выражением лица.

Статья в тему: Кто стоит за искусственным интеллектом

Самосознательный ИИ

Самый продвинутый тип искусственного интеллекта — это самосознающий ИИ. Когда машины смогут осознавать свои собственные эмоции, а также эмоции окружающих их людей, они будут иметь уровень сознания и интеллекта, аналогичный человеческому. У этого типа ИИ также будут желания, потребности и эмоции.

Машины с этим типом ИИ будут осознавать свои внутренние эмоции и психические состояния. Они смогут делать выводы (например, «Я злюсь, потому что кто-то подрезал меня в пробке»), которые невозможны с другими типами ИИ.

Мы еще не разработали этот тип сложного ИИ, и у нас нет оборудования или алгоритмов для его поддержки.

Идем дальше с искусственным интеллектом

Будем ли мы продолжать расширять границы ИИ и разрабатывать пятый тип? Насколько мы продвинемся в следующем десятилетии в сторону теории разума и самосознающего ИИ? Может быть, появится сверхинтеллектуальный ИИ, который даже превзойдет нынешний интеллект человека?

Только время покажет, но понимание различий между различными типами ИИ поможет вам понять достижения ИИ, поскольку наука продолжает раздвигать границы.

Как вы думаете, как далеко мы могли бы зайти с ИИ?

ИИ повлияет на предприятия всех форм и размеров во всех отраслях. Узнайте, как подготовить свою организацию к миру, управляемому ИИ, в моей новой книге Интеллектуальная революция: преобразование вашего бизнеса с помощью ИИ.

О Бернарде Марре

Статья в тему: Что такое алгоритм искусственного интеллекта

Бернард Марр всемирно известный футурист, влиятельный человек и идейный лидер в области бизнеса и технологий. Он является автором 18 бестселлеров, ведет регулярную колонку в Forbes, консультирует и тренирует многие из самых известных организаций мира. У него более 2 миллионов подписчиков в социальных сетях, и LinkedIn оценил его как одного из 5 лучших бизнес-инфлюенсеров в мире и № 1 в Великобритании.

Будущие технологические тенденции

709 889 отслеживающих

ИИ открывает новые возможности для переосмысления бизнес-процессов, улучшения и дополнения процесса принятия решений человеком. Это основной компонент цифровой трансформации и усилий, направленных на ее достижение. Дорожная карта на основе ИИ опирается на надежную инфраструктуру, стратегии масштабирования, управление и внедрение принципов ИИ. https://neuronics.io/services/искусственный интеллект/

Нравится Войдите, чтобы отметить этот комментарий как понравившийся
Ответить Войти, чтобы ответить на этот комментарий
8 мес.

Пожаловаться на этот комментарий

Сложный, но полезный
Нравится Войдите, чтобы отметить этот комментарий как понравившийся
Ответить Войти, чтобы ответить на этот комментарий
11 мес.

Пожаловаться на этот комментарий

Это была ошеломляющая информация, и за ней последовали очень важные озарения.
Нравится Войдите, чтобы отметить этот комментарий как понравившийся
Ответить Войти, чтобы ответить на этот комментарий

Пожаловаться на этот комментарий

мне любопытно
Нравится Войдите, чтобы отметить этот комментарий как понравившийся
Ответить Войти, чтобы ответить на этот комментарий

Пожаловаться на этот комментарий

Статья в тему: Как искусственный интеллект изменил производство

Сири Андерсон Дэвид Р. Новак, доктор философии
Нравится Войдите, чтобы отметить этот комментарий как понравившийся
Ответить Войти, чтобы ответить на этот комментарий

Пожаловаться на этот комментарий

Чувак, это как троглодитская версия ИИ… Четыре типа? Вы знакомы с концепцией сферической коровы в вакууме? Этот пост был упрощен за пределами применимости к реальности. Ни одно из этих понятий реально не существует. И их нельзя использовать для экстраполяции понимания лежащих в основе механизмов… почему? Потому что это на самом деле не распространяется на ИИ. Существует два типа ИИ. 1. Узкий искусственный интеллект. 2. Общий искусственный интеллект. До сих пор почти каждая форма развернутого ИИ была узкой. Узкий ИИ использует 20 или 30 различных методов машинного обучения, но его возможности чрезвычайно ограничены. Лучшие инструменты, которые у нас есть, — это дискриминаторы. Но дискриминаторы могут научить только узкому понятию того, что подвергается дискриминации. И дискриминатор различает примеры A или B. Пример A представляет собой необработанный вывод с использованием стандартных методов. B будет результатом машинного обучения. И дискриминатор настроен на определение того, что есть что. Дискриминатор будет постоянно настраивать состязательный компонент генеративной сети до тех пор, пока не сможет надежно различать исходные изображения и изображения, сгенерированные машиной. В этот момент он готов выполнить этот конкретный тип задачи. Скажем, в этом примере у нас есть естественное изображение, мы уменьшаем его до разрешения 1/4, а затем говорим модели увеличить масштаб в 4 раза. И затем вы позволяете этим двум парам работать до тех пор, пока дискриминатор не закончит обучение модели.Вы получаете модель, способную выполнять широкое 4-кратное масштабирование любого изображения. Но это все, что он может сделать. В 3-6 раз выше по шкале? Деградация производительности. Это узкая задача, и она терпит неудачу в ту же секунду, когда ее пытаются использовать в любом обобщенном качестве. В настоящее время с GAN, DCNN и т. д. узкий ИИ составляет более 99% развертываний ИИ. С другой стороны, общий ИИ — это нечто совершенно иное. Мы не взломали AGI, но могли бы взглянуть на что-то вроде GPT3 в качестве примера того, как это может выглядеть. С GPT-3 у вас есть массивная лингвистическая реляционная модель, которая как бы… обучается сама. Он запускает неконтролируемые процедуры обучения на огромных массивах данных и из этого изучает общие концепции, для обработки которых он не был специально разработан. Производительность снижается в зависимости от задачи, но в целом она все еще может поддерживаться. Перечисленные здесь категории вроде «теории разума ИИ» — сплошная научная фантастика. Я чувствую, что этот пост был написан кем-то, кто видел видео «как сделать так, чтобы это звучало так, будто вы знаете, о чем говорите, чтобы венчурные капиталисты покупали ваше дерьмо с ИИ».

Статья в тему: Реально насколько опасен искусственный интеллект

Нравится Войдите, чтобы отметить этот комментарий как понравившийся
Ответить Войти, чтобы ответить на этот комментарий
2 графика «Нравится»

Пожаловаться на этот комментарий

голоса

Рейтинг статьи