AI-wetenschap
Kunstmatige intelligentie is een verzameling van verschillende wetenschappen :
- Machinaal leren (ML)
- Neurale netwerken (NN)
- Diep leren (DL)
- Grote gegevens
AI-wetenschappers
AI-wetenschappers bouwen software met algoritmen die taken kunnen uitvoeren die normaal gesproken menselijke intelligentie vereisen.
AI-wetenschappers kunnen experts zijn in meerdere AI-disciplines:
- Toegepaste wiskunde
- Computerstatistieken
- Computertechnologie
- Machinaal leren
- Diep leren
Sommige AI-wetenschappers hebben ook veel ervaring met big data:
- Bedrijfsintelligentie
- Database ontwerp
- Ontwerp van datawarehouse
- Datamining
- SQL-query's
- SQL-rapportage
Zwakke AI
Zwakke kunstmatige intelligentie is beperkt tot specifieke of beperkte gebieden, zoals de meeste AI die we tegenwoordig om ons heen hebben:
- Zoekmachines
- Siri van Apple
- Cortana van Microsoft
- Alexa van Amazon
- IBM's Watson
Zwakke AI wordt ook wel Smalle AI genoemd.
Zwakke AI simuleert menselijke cognitie in tegenstelling tot Strong AI die menselijke cognitie heeft .
Sterke AI
Sterke kunstmatige intelligentie is het type AI dat menselijke intelligentie nabootst.
Sterke AI geeft het vermogen aan om te denken, plannen, leren en communiceren.
Sterke AI is het theoretische volgende niveau van AI: True Intelligence .
Sterke AI beweegt zich richting machines met zelfbewustzijn, bewustzijn en objectieve gedachten.
Machinaal leren (ML)
Klassiek programmeren gebruikt programma's om resultaten te creëren:
Traditioneel computergebruik
Gegevens + Computerprogramma = Resultaat
Machine Learning gebruikt resultaten om programma's (algoritmen) te maken:
Machinaal leren
Gegevens + Resultaat = Computerprogramma
"Machine Learning is een vakgebied dat computers de mogelijkheid geeft om te leren zonder te worden geprogrammeerd."
Arthur Samuël (1959)
Neurale netwerken (NN)
Een van de belangrijkste ontdekkingen in de geschiedenis is de kracht van Neural Networks (NN).
In neurale netwerken worden veel gegevenslagen, neuronen genaamd , bij elkaar opgeteld of op elkaar gestapeld om nieuwe gegevensniveaus te berekenen.
Veelgebruikte korte namen:
- DNN diep neuraal netwerk
- CNN convolutioneel neuraal netwerk
- RNN terugkerend neuraal netwerk
Diep leren (DL)
Deep Learning zijn algoritmen die neurale netwerken gebruiken om gegevens op een hoger niveau te extraheren.
Elke volgende laag gebruikt de voorgaande laag als invoer.
Optisch lezen gebruikt bijvoorbeeld lage lagen om randen te identificeren en hogere lagen om letters te identificeren.
Deep Learning kent twee fasen:
1. Training: Invoergegevens worden gebruikt om de parameters van het model te berekenen.
2. Inferentie: het "getrainde" model voert gegevens uit van elke gegeven invoer.
De diepe leerrevolutie
De deep learning-revolutie is hier!
De deep learning-revolutie begon rond 2010. Sindsdien wordt Deep Learning gebruikt om veel "onoplosbare" problemen op te lossen.
Voorbeelden
Convolutionele neurale netwerken (CNN's)
Deep CNN's zoals ResNeta en Inception hebben het foutenpercentage in de ImageNet- classificatie verlaagd van 25% in 2011 tot 5% in 2017.
ImageNet is een afbeeldingendatabase die is georganiseerd volgens de WordNet-hiërarchie, waarin elk knooppunt van de hiërarchie honderden en duizenden afbeeldingen bevat. ImageNet is een nuttige bron voor onderzoekers, docenten, studenten en iedereen met een passie voor foto's.
WordNet is een lexicale database van semantische relaties tussen woorden in meer dan 200 talen. Het is georganiseerd als een combinatie van een woordenboek en een thesaurus, waarbij woorden aan elkaar worden gekoppeld tot semantische relaties met behulp van synoniemen, hyponiemen en meroniemen.
Terugkerende neurale netwerken (RNN's)
RNN's helpen bij het creëren van partituren en nieuwe instrumentgeluiden:
https://magenta.tensorflow.org/demos .
Geschiedenis van AI
1950 | Alan Turing publiceert "Computing Machinery and Intelligence" |
1956 | AI voor het eerst genoemd door John McCarthy op een academische conferentie |
1957 | Eerste programmeertaal voor numeriek en wetenschappelijk computergebruik (FORTRAN) |
1958 | Eerste AI-programmeertaal (Lisp) |
1959 | Arthur Samuel gebruikte de term "Machine Learning" |
1961 | Eerste industriële robot (Unimate) aan de lopende band bij General Motors. |
1965 | ELIZA van Joseph Weizenbaum was het eerste interactieve programma dat over elk onderwerp kon communiceren |
1972 | Eerste logische programmeertaal (PROLOG) |
1997 | Deep Blue (IBM) verslaat wereldkampioen schaken |
2002 | De eerste robotreiniger (Roomba) |
2005 | Zelfrijdende auto (STANLEY) wint DARPA |
2008 | Doorbraak in spraakherkenning (Google) |
2011 | Een neuraal netwerk wint het van mensen bij het herkennen van verkeersborden (99,46% versus 99,22%) |
2011 | Apple Siri |
2011 | Watson (IBM) wint Jeopardy! |
2014 | Amazon Alexa |
2014 | Microsoft Cortana |
2014 | Zelfrijdende auto (Google) slaagt voor rijksexamen |
2015 | Google AlphaGo versloeg verschillende menselijke kampioenen in het bordspel Go |
2016 | De menselijke robot Sofia door Hanson Robotics |