人工知能 (AI) は、人間の知性をシミュレートするシステムまたはマシンを指します。 これにより、これらのマシンは自分で学習して考えることができるようになり、人間の支援なしで決定を下すこともできます。
AI が何をしようとしているのかを理解するには、その最終的な目標を確認することが重要です。 この目的は、完全に独立した方法でデータを処理および同化できるマシンを作成すると同時に、その存在を自己認識できるようにすることです。
現時点では、AI は自己認識型のマシンを大量生産するにはほど遠いものです。 しかし、一般的なシステムやマシンが補助なしで動作し、独自にデータを評価し、独自に決定を下せるように十分に進化しています。
AI にはさまざまな種類があり、そのうちのいくつかは多くのシステムやマシンに見られます。 これらの AI のサブセットについて学習することで、AI とその動作について詳しく知ることができます。
キーポイント
- AI は、システムと機械に、自ら学習し、考え、決定を下す能力を与えます。
- AIにはさまざまな種類があり、それぞれが独立して動作する能力に応じて分類されています。
- AIは、人間のような自己認識を持ちながら、完全に自律的に動作できるシステムを進化させることを目指しています。
- 最も単純な形では、AI はプログラムされたタスクしか実行できません。 高度な形の AI は、独立した思想家および意思決定者になることができます。
AI とは: AI はどのように機能し、何を達成しようとしているのか?
AI は、人間の知性を模倣するように設計されたシステムと機械を通じて機能します。 これには、知覚する人間の能力が含まれます。formatデータを分析し、その評価に従って決定を下します。 AI システムは、一連の事前定義されたタスクと、プログラマーが装備する高度なアルゴリズムを通じて、これらのインテリジェントなプロセスをエミュレートします。
人間は AI を通じて、ロボットなどのシステムや機械の創造を目指しており、formatイオン。 この探求の最終的な目標は、自己認識、自己進化、および自己依存の AI システムを開発することです。
AI には、このメカニズムを通じて動作するシステムとマシンの機能を定義するさまざまなカテゴリがあります。 これらのカテゴリにより、データ サイエンティスト、AI プログラマー、およびその他のユーザーは、アプリケーションで使用する必要がある人工知能アプローチの種類を簡単に判断できます。
AI は通常、次の XNUMX つのグループに分類されます。
1.リアクティブ
反応型人工知能は、最も古い形式の AI と見なされています。 このカテゴリは、一連のデータとアクションに対して事前定義された反応があるため、その名前が付けられています。 そのため、これらのタイプの AI システムは、環境での取り扱いの経験から学習しません。formatイオン。 代わりに、事前に設定されたプログラミングに従ってデータを処理および分析し、それに反応することしかできません。
これにより、これらの AI システムが装備されているパラメーターの範囲外で独自の意見を形成する能力が制限されます。 しかし、データのさまざまな解釈を念頭に置いてトレーニングした場合、リアクティブ AI システムとマシンは、人間の生活を楽にするために、驚異的でしばしば冗長なタスクを独自に実行できます。
AI とは何かを学んでいると、話題のリアクティブ AI の例が伝説の Deep Blue スーパーコンピューター チェスをするようにプログラムされ、1996 年から 1997 年に世界チャンピオンとの試合に勝った IBM によるものです。 一方、リアクティブ AI の一般的な例としては、さまざまなストリーミング サービスのコンテンツ提案システムが挙げられます。このシステムは、ユーザーが消費するコンテンツの種類を分析し、タグやその他の識別可能なものに従って同様の提案を提供します。formatイオン。
2.限られたメモリ
限られたメモリの AI は、現在の意思決定を行うために以前の経験から引き出す能力を持つシステムとマシンを指します。 これにより、それらはリアクティブ AI の混合になりますが、ML の機能が組み込まれています。 これはまた、最新の AI が複雑なデータ セットを処理しながら、より高度なアプローチで達成できる目標を強調しています。
データを処理する以前の経験を使用して新しいアクションを実行するという分類により、すべての最新の AI システムとマシン 限定メモリ モデルを使用する. これにより、限られたメモリは、データサイエンティストとプログラマーの両方が求めていると考えられている AI の最もユビキタスな形式の XNUMX つになります。
限られたメモリ AI がさまざまな最新システムの基盤として機能することを考えると、いくつかのアプリケーションで AI を見つけることができます。 これらのアプローチの中で、自動運転車は最も人気のあるデモンストレーションの XNUMX つとして際立っています。 これにより、限られたメモリは、近い将来人気の新たな高みに到達するように設定されている AI タイプの XNUMX つになります。
3. 心の理論
AIとは何かを学びながら、心のシステムの理論にも注意を払う必要があります。 これらの AI システムとマシンは、まだ完全に形成されておらず、具体的な消費者向けアプリケーションで利用できるようになっていません。 しかし、彼らのコンセプトは明確に定義されており、AI が機械と人類のために将来達成できる驚異の種類への新しい扉を開きます。
一言で言えば、心のAIの理論は、人間の知性をエミュレートすることを超えて、他の人の思考、ニーズ、および感情を理解することを目指しています. 次に、この AI の進化は、システムや機械が人間の感情を複製できるだけでなく理解できるようにする方法で、合成感情知能を向上させることを目指しています。
そうは言っても、心のAIの理論は、チェス盤で避けられないターンを予測するほど簡単には再現できません。 代わりに、このアプローチでトレーニングされている AI システムとマシンが、対話している人物を真に分析および評価する必要があります。 これは、現在の AI 空間に大きな進歩をもたらすだけでなく、AI のエキサイティングな未来を約束します。
4.自己認識
刺激的な XNUMX 種類の AI のうち、自己認識型 AI は、おそらく最も革新的でありながら論争の的となっているトピックです。 セオリー オブ マインド AI と同様に、自己認識 AI は、そのアプリケーションがシームレスで、より大規模な商業的および公共の使用に対応できるレベルに到達する前に、開発が続けられています。 しかし、その名前が示すように、自己認識型の AI システムやロボットなどの機械は感覚を持つことができるようになります。
この自己認識の認識は、リアクティブで限られたメモリ AI を含む、現在使用されている AI システムをさらに進化させることから得られます。 AI は急速に進化し、新しいシステムを導入し続ける分野であるため、この進化には時間がかかるとはいえ、検討の余地はありません。
これは、科学者や専門家が AI が合成感情知能で何ができるかを理解するにはしばらく時間がかかるものの、人間と同じように考え、感じ、行動する AI を持つ可能性が AI テクノロジーの頂点になることを意味します。 この進歩は、自分の種と同じ感情レベルで人間と対話できるロボットやアプリの形で紹介できます。
さまざまな種類の AI アプリケーション
上記の XNUMX 種類の AI とは別に、人工知能の分野には、その名前の下にさまざまなサブセットもあります。 これらには、次のアプローチが含まれます。
機械学習
人工知能と同じ意味で使用されることが多い機械学習 (ML) は、AI のサブカテゴリです。 ML を使用する AI マシンは、処理するデータから積極的に学習し、 以前に学んだ洞察とパターンを適用して、新しいセットを処理するformatexpression CMS 将来。 これらの AI システムは、事前に設定された指示に従わなくても、新しいプロセスに適応できます。 これにより、限られたメモリ AI が ML の一部になります。
深層学習
ディープ ラーニングは ML の一部であり、ML 自体のより高度なバージョンとして機能します。 ML と比較して、ディープ ラーニングは、画像、音声、ビデオなど、分類されていないさまざまなメディアを構成できる、より複雑で大規模なデータ セットを処理します。 これは、人間が元の状態で処理するには圧倒的な量またはレイヤーのデータに対しても機能します。 これにより、ディープラーニングは、より高度なニーズを持つ限られたメモリ AI の一般的なアプローチになります。
自然言語処理（NLP）
自然言語処理は、AI、特に機械学習を使用するための一般的なアプローチになりました。 これは、人間の音声を識別、理解、および処理するシステムまたはマシンの能力を指します。 このアプローチの目標は、AI マシンが人間の支援を必要としないような方法で人間の音声をエミュレートすることです。
また、AI とは何かを学ぶための調査中に、次の用語に出くわすこともあります。
ニューラルネットワーク
またとして知られています 人工ニューラル ネットワーク (ANN) またはシミュレートされたニューラル ネットワーク (SNN) では、ニューラル ネットワークは人間の脳をモデルとして使用し、レイヤーを介して複雑なデータのさまざまなブランチを接続します。 ニューラル ネットワークは、機械学習のサブカテゴリと見なされ、ディープ ラーニング アプローチと連携する AI を強化するために重要な役割を果たします。
ロボット工学
おそらく最も人気のある AI の反復は、ロボット工学における AI の表現です。 これらのマシンは、物理プロセスの処理と管理に重点を置いています。 そのため、製造工場や軍事作戦など、さまざまな場面で人気があります。 これらの AI システムは主にプリセット データで動作しますが、さまざまな AI サブセットを使用してより高度になることもできます。
人工知能（AGI）
汎用人工知能 (AGI) は、心の理論と自己認識 AI モデルの解釈です。 これらの AGI システムとマシンは完全に構築されておらず、現在のところ開発プロセスに大きく依存しています。 しかし、それらが開発されると、現在のタイプの AI がすべて単独で実行できるアクションが再定義されます。
AI は定着しつつありますが、その真の可能性はまだ達成されていません
音声アシスタント、自動運転車、さまざまな管理ツールにより、AI はすでに私たちの生活の一部になっています。 しかし、心の理論と自己認識の面での真の驚異はまだ達成されていません. AI がさらに進化するにつれて、これらの進歩も将来解き放たれ、さまざまなシステムや機械における人間のような知性の真の力が明らかになる可能性があります。
