Tinatayang oras ng pagbabasa: 10 minuto
Ang lumalaking pamumuhunan sa mga aplikasyon ng AI at ang lumalagong paggamit ng AI sa espasyo ng negosyo ay nagpapahiwatig kung paano umuunlad ang market ng trabaho, para sa mga eksperto sa AI.
Ang artificial intelligence ay marahil ang isa sa mga pinakakapana-panabik na pagsulong na nararanasan natin bilang mga tao. Ito ay isang sangay ng computer science na nakatuon sa paglikha ng mga matatalinong makina na gumagana at tumutugon tulad ng mga tao.
Mayroong apat na pangunahing uri ng AI. Ako ay:
Ang ganitong uri ng AI ay puro reaktibo at walang kakayahang bumuo ng "mga alaala" o gumamit ng "mga nakaraang karanasan" upang gumawa ng mga desisyon. Ang mga makinang ito ay idinisenyo upang magsagawa ng mga partikular na gawain. Halimbawa, ang mga programmable coffee maker o washing machine ay idinisenyo upang magsagawa ng mga partikular na function, ngunit wala silang memorya.
Ang ganitong uri ng AI ay gumagamit ng mga nakaraang karanasan at kasalukuyang data upang makagawa ng desisyon. Ang limitadong memorya ay nangangahulugan na ang mga makina ay hindi gumagawa ng mga bagong ideya. Mayroon silang built-in na programa na namamahala sa memorya. Ang reprogramming ay ginagawa upang gumawa ng mga pagbabago sa naturang mga makina. Ang mga self-driving na kotse ay mga halimbawa ng artificial intelligence na may limitadong memorya.
Ang mga AI machine na ito ay maaaring makihalubilo at maunawaan ang mga emosyon ng tao at magkakaroon ng kakayahang maunawaan ang isang tao batay sa kanilang kapaligiran, mga tampok ng mukha, atbp. Ang mga makina na may ganitong mga kakayahan ay hindi pa nabubuo. Mayroong maraming pananaliksik na nangyayari sa ganitong uri ng artificial intelligence.
Ito ang kinabukasan ng artificial intelligence. Ang mga makinang ito ay magiging sobrang talino, masigla at may kamalayan. Ang mga ito ay may kakayahang tumugon nang halos kapareho sa isang tao, bagama't malamang na sila ay may sariling mga katangian.
Tuklasin natin ang mga sumusunod na paraan na nagpapaliwanag kung paano natin maipapatupad ang artificial intelligence:
Ito ay angawtomatikong pag-aaral na nagbibigay sa AI ng kakayahang matuto. Ginagawa ito sa pamamagitan ng paggamit ng mga algorithm upang tumuklas ng mga pattern at makabuo ng mga insight mula sa data na nalantad sa kanila.
L 'malalim na pag-aaral, na isang subcategory ng machine learning, ay nagbibigay ng artificial intelligence na may kakayahang gayahin ang neural network ng utak ng tao. Maaari itong magkaroon ng kahulugan ng mga pattern, ingay, at pinagmumulan ng pagkalito sa iyong data.
Subukan nating maunawaan kung paano ito gumagana deep learning.
Isaalang-alang ang isang larawang ipinapakita sa ibaba:
Ang larawan sa itaas ay nagpapakita ng tatlong pangunahing layer ng a neural network:
Ang mga imahe na gusto naming paghiwalayin ay napupunta sa input layer. Ang mga arrow ay iginuhit mula sa larawan papunta sa mga indibidwal na punto sa input layer. Ang bawat isa sa mga puting tuldok sa dilaw na layer (input layer) ay kumakatawan sa isang pixel sa larawan. Pinupuno ng mga larawang ito ang mga puting spot sa input layer.
Dapat tayong magkaroon ng malinaw na ideya tungkol sa tatlong antas na ito habang sinusunod natin ang AI tutorial na ito.
Ang mga nakatagong layer ay responsable para sa anumang mathematical na kalkulasyon o feature extraction sa aming mga input. Sa larawan sa itaas, ang mga layer na ipinapakita sa orange ay kumakatawan sa mga nakatagong layer. Ang mga nakikitang linya sa pagitan ng mga layer na ito ay tinatawag na "mga timbang". Ang bawat isa sa kanila ay karaniwang kumakatawan sa isang float number, o decimal na numero, na pinarami ng halaga sa input layer. Lahat ng mga timbang ay sum sa nakatagong layer. Ang mga punto sa nakatagong layer ay kumakatawan sa isang halaga batay sa kabuuan ng mga timbang. Ang mga halagang ito ay ipinapasa sa susunod na nakatagong layer.
Maaaring nagtataka ka kung bakit mayroong maraming antas. Ang mga nakatagong layer ay gumaganap bilang mga alternatibo sa ilang lawak. Ang mas maraming nakatagong mga layer, mas kumplikado ang data na pumapasok at kung ano ang maaaring gawin. Ang katumpakan ng inaasahang output sa pangkalahatan ay nakasalalay sa bilang ng mga nakatagong layer na naroroon at ang pagiging kumplikado ng data ng input.
Ang output layer ay nagbibigay sa amin ng hiwalay na mga larawan. Kapag naidagdag na ng layer ang lahat ng mga bigat na ito, matutukoy nito kung portrait o landscape ang larawan.
Halimbawa: paghula ng mga gastos sa tiket sa eroplano
Ang hula na ito ay batay sa iba't ibang mga kadahilanan, kabilang ang:
Magsimula tayo sa ilang makasaysayang data ng presyo ng tiket para sanayin ang makina. Kapag nasanay na ang aming makina, nagbabahagi kami ng bagong data na makakatulong sa paghula ng mga gastos. Dati, nang malaman natin ang tungkol sa apat na uri ng makina, tinalakay natin ang mga makinang may memorya. Dito lang natin pinag-uusapan ang memorya at kung paano nito nauunawaan ang isang pattern sa data at ginagamit ito upang gumawa ng mga hula para sa mga bagong presyo.
Susunod sa tutorial na ito, titingnan natin kung paano gumagana ang AI at ilang application ng AI.
Ang isang karaniwang aplikasyon ng artificial intelligence na nakikita natin ngayon ay ang awtomatikong pagpapalit ng mga appliances sa bahay.
Kapag pumasok ka sa isang madilim na kwarto, nade-detect ng mga sensor sa kwarto ang iyong presensya at bubuksan ang mga ilaw. Ito ay isang halimbawa ng mga makina na walang memorya. Nagagawa pa nga ng ilan sa mga mas advanced na AI program na mahulaan ang mga pattern ng paggamit at i-on ang mga appliances bago ka magbigay ng mga tahasang tagubilin.
Ilang mga programa at mga aplikasyon ng artificial intelligence nagagawa nilang kilalanin ang iyong boses at magsagawa ng aksyon nang naaayon. Kung sasabihin mong "i-on ang TV," makikita ng mga audio sensor sa TV ang iyong boses at i-on ito.
Sa Google Home Mini magagawa mo ito araw-araw.
Ang huling seksyon ng AI tutorial na ito ay naglalarawan ng kaso ng paggamit ng AI sa pangangalagang pangkalusugan.
L 'artipisyal na katalinuhan nagtatampok ng ilang mahusay na kaso ng paggamit, at ang seksyong ito ng tutorial ay makakatulong sa iyong maunawaan ang mga ito nang mas mahusay, simula sa mga aplikasyon ng AI sa pangangalagang pangkalusugan. Ang pahayag ng problema ay upang mahulaan kung ang isang tao ay may diabetes o wala. Ang partikular na impormasyon ng pasyente ay ginagamit bilang input para sa kasong ito. Kasama sa impormasyong ito ang:
Panoorin ang video na "Artificial Intelligence Tutorial" ng Simplilearn upang makita kung paano nilikha ang isang modelo para sa pahayag ng problemang ito. Ang modelo ay ipinatupad sa Sawa paggamit TensorFlow.
Ang mga aplikasyon ng artificial intelligence ay mulingdefisa kung paano isinasagawa ang mga proseso ng negosyo sa iba't ibang larangan, tulad ng marketing, pangangalagang pangkalusugan, serbisyong pinansyal at higit pa. Ang mga kumpanya ay patuloy na nagsasaliksik ng mga paraan kung paano sila makikinabang sa teknolohiyang ito. Habang patuloy na lumalaki ang pagsisikap na pahusayin ang mga kasalukuyang proseso, makatuwiran para sa mga propesyonal na magkaroon ng kadalubhasaan sa AI.
L 'Artificial Intelligence of Things (AIoT) ito ay ang kumbinasyon ng Artificial Intelligence (AI) sa loob ng mga solusyon sa Internet of things (IoT). Ang Internet of Things (o Internet of Things) ay batay sa ideya ng "matalinong" na mga bagay ng pang-araw-araw na buhay na magkakaugnay sa isa't isa (salamat sa internet) at may kakayahang makipagpalitan ng impormasyong taglay, nakolekta at/o naproseso. .
Salamat sa pagsasamang ito, ang Artipisyal na Katalinuhan ay makakakonekta sa network upang magproseso ng data at makipagpalitan ng impormasyon sa iba pang mga bagay, pagpapabuti ng pamamahala at pagsusuri ng napakalaking dami ng data. Ang mga application na may kakayahang pagsamahin ang IoT at AI ay magkakaroon ng a radikal na epekto sa mga kumpanya at mga mamimili. Ilan sa maraming halimbawa? Mga autonomous na sasakyan, malayong pangangalagang pangkalusugan, matalinong mga gusali ng opisina, predictive maintenance.
Kapag pinag-uusapan natin Natural Language Processing tinutukoy namin ang mga algorithm ng Artificial Intelligence (AI) na may kakayahang magsuri at maunawaan ang natural na wika, ibig sabihin, ang wikang ginagamit namin araw-araw.
Binibigyang-daan ng NLP ang komunikasyon sa pagitan ng tao at ng makina at nakikitungo sa mga teksto o pagkakasunud-sunod ng mga salita (mga web page, mga post sa social media...), ngunit din sa pag-unawa sa sinasalitang wika pati na rin sa mga teksto (pagkilala sa boses). Ang mga layunin ay maaaring mag-iba mula sa simpleng pag-unawa sa nilalaman, sa pagsasalin, hanggang sa paggawa ng teksto nang nakapag-iisa simula sa data o mga dokumentong ibinigay bilang input.
Bagama't ang mga wika ay patuloy na nagbabago at nailalarawan sa pamamagitan ng mga idyoma o expression na mahirap isalin, ang NLP ay nakakahanap ng maraming mga lugar ng aplikasyon tulad ng mga spell checker o mga awtomatikong sistema ng pagsasalin para sa mga nakasulat na teksto, chatbots at voice assistant para sa pasalitang wika.
Lo Pagkilala sa Pananalita ay isang kakayahan na nagpapahintulot sa isang computer na maunawaan at maiproseso ang wika ng tao sa nakasulat o iba pang mga format ng data. Salamat sa paggamit ng Artipisyal na Katalinuhan, ang teknolohiyang ito ay nakikilala na hindi lamang ang natural na wika, kundi pati na rin ang iba pang mga nuances tulad ng mga accent, dialect o mga wika.
Ang ganitong uri ng voice recognition ay nagbibigay-daan sa iyo na magsagawa ng mga manu-manong gawain na karaniwang nangangailangan ng paulit-ulit na mga utos, halimbawa sa mga chatbot na may voice automation, upang iruta ang mga tawag sa mga contact center, sa mga solusyon sa pagdidikta at voice transcription, o sa mga kontrol ng PC user interface, mobile at on- mga sistema ng board.
L 'Pangkalahatang Artipisyal na Katalinuhan (sa English Artificial General Intelligence, o AGI) ay isang uri ng AI na may kakayahang umunawa, matuto at harapin ang mga kumplikadong gawain katulad ng mga tao.
Kung ikukumpara sa Artificial Intelligence Systems na dalubhasa sa mga partikular na gawain (Narrow Artificial Intelligence o ASI – Narrow AI), ipinapakita ng isang AGI cognitive versatility, pag-aaral mula sa iba't ibang karanasan, pag-unawa at kakayahang umangkop sa isang malawak na hanay ng mga sitwasyon nang hindi nangangailangan ng partikular na programming para sa bawat indibidwal na gawain.
Sa kabila ng kasalukuyang distansya, ang pangwakas na layunin ng isang AGI ay - bagaman tiyak na isang kumplikadong gawain - upang puntahan gayahin ang isip ng tao at mga kakayahan sa pag-iisip nang malapit hangga't maaari.
BlogInnovazione.it
Noong nakaraang Lunes, inihayag ng Financial Times ang isang deal sa OpenAI. Nilisensyahan ng FT ang world-class na pamamahayag nito...
Milyun-milyong tao ang nagbabayad para sa mga serbisyo ng streaming, na nagbabayad ng buwanang bayad sa subscription. Karaniwang opinyon na ikaw ay…
Ang Coveware ng Veeam ay patuloy na magbibigay ng mga serbisyo sa pagtugon sa insidente ng cyber extortion. Mag-aalok ang Coveware ng mga kakayahan sa forensics at remediation...
Binabago ng predictive maintenance ang sektor ng langis at gas, na may makabago at proactive na diskarte sa pamamahala ng halaman.…
