▷ Kunstmatige intelligentie: wat is het en huidige praktische voorbeelden?

Inhoudsopgave:

Artificial Intelligence: nieuwe programmering
AI's die denken als mensen
IAs die zich gedragen als mensen
IAs die rationeel denken
IAs die rationeel handelen
De wiskunde van het denken
Nieuwe systemen, nieuwe hardware
Kunstmatige intelligentie in het dagelijks leven
De koningin in de schaduw:
De basis: diep, machine learning
De toekomst van kunstmatige intelligentie

Bedrijven praten al een paar jaar continu met ons over kunstmatige intelligentie die ze introduceren in hun diensten, applicaties en processors. Maar hoewel ze dezelfde naam dragen, godzijdank, is de kunstmatige intelligentie van onze wasmachine (om redenen die ons ontgaan) en van onze smartphone niet zo ontwikkeld dat ze nadenken over hun bestaan en onze macht over hen. Voor nu…

Zoals we u al hebben verteld in het artikel over de AI-ontwikkeling USB Intel Movidius, is kunstmatige intelligentie een blijvertje en helpt het ons bij het oplossen van dagelijkse problemen. Maar wat is kunstmatige intelligentie precies?

Bron: Source Dexeter

De gif die je hierboven ziet, laat op een zeer vereenvoudigde manier zien hoe een diep neuraal netwerk werkt. Deze systemen vereisen harde training om later bijvoorbeeld beelden te kunnen herkennen, oplossingen te optimaliseren of gewoon meer te leren. In wezen is het een set algoritmen die we zouden kunnen categoriseren als AI's en die behoren tot het veld van Deep Learning.

Inhoudsindex

Artificial Intelligence: nieuwe programmering

Tegenwoordig vormt kunstmatige intelligentie geen ingewikkelde gemengde systemen van technologie met een geweten, zoals vaak wordt gezien in sciencefictionwerken. Degene die we maken, valt eerder op de definitie van complexe algoritmen die resultaten retourneren op basis van de invoer en de opdrachten die hen zijn geleerd. Hoewel dat slechts een van de betekenissen is die er is.

Er zijn verschillende manieren om kunstmatige intelligentie te begrijpen, maar we kunnen deze onderverdelen in vier hoofdgroepen:

AI's die denken als mensen

Boterrobot Rick en Morty

Complexe computersystemen met hun eigen geweten die denken en beslissen volgens hun wens en de kenmerken overschrijden waarvoor ze zijn geprogrammeerd ( Ghost in the Shell). Het is nog niet binnen ons bereik en we weten niet eens of het in de toekomst mogelijk zal zijn, dus er valt niet veel te zeggen.

IAs die zich gedragen als mensen

Denken als een mens is niet hetzelfde als doen alsof je je als mens gedraagt. Tegenwoordig creëren we een aantal van dit soort systemen waar willekeur en concrete functies worden geïntroduceerd om het gevoel te geven dat intelligentie denkt als een persoon.

Pepper slimme assistent

In videogames zien we dit continu, omdat machinegestuurde vijanden vaak proberen menselijk gedrag te simuleren. Gescheiden van videogames is bereikt dat een kunstmatige intelligentie kan schrijven met onvolkomenheden en onregelmatigheden zoals een persoon dat zou doen.

IAs die rationeel denken

Misschien wel de meest voorkomende versie van deze technologie van vandaag. We zeggen dat ze rationeel denken omdat we hen de tools geven om efficiënte en zinvolle resultaten te bieden. Ze kunnen zich gemakkelijk aanpassen aan de omgeving waarin ze zich bevinden, hoewel ze verre van voor zichzelf denken.

AlphaStar Learning

Een voorbeeld hiervan is Artificial Intelligence dat videogames zoals AlphaStar (StarCraft II) of AlphaZero (schaken, shogi en go) speelt. Deze machines zijn zelfs in staat om menselijke tegenstanders te bevechten en hebben de occasionele wereldkampioen al verslagen.

IAs die rationeel handelen

Omdat ze 'handelen' ontdekken we dat ze de gegevens die we aan hen doorgeven niet verwerken, ze lijken alleen rationeel te denken. Dit is de meest simplistische versie van deze technologie en het is een fase die we al grotendeels zijn gepasseerd. Sommige computersystemen maken gebruik van deze technologie, omdat het veel gemakkelijker te programmeren is en hun werk meestal eenvoudig is.

Slimme stofzuiger

Bijvoorbeeld de machines die oproepen ontvangen en u door hun opties leiden of de intelligente assistenten van webpagina's, die u gewoonlijk vragen om gerelateerde oplossingen aan te bevelen.

Nu we al een acceptabel beeld hebben van hoe de intelligentie wordt verdeeld op basis van hoe complex ze zijn, nemen we u mee naar de kern van de zaak.

De wiskunde van het denken

Een van de manieren om kunstmatige intelligentie te programmeren, is door de gegevens te behandelen als denkbeeldige eenheden die tensoren worden genoemd. Tensoren zijn een complexe algebraïsche eenheid (van scalairen, vectoren en matrices) die wiskundige kennis vereist om er goed mee te kunnen werken. Bijgevolg zullen de prestaties van AI-toepassingen net zo goed zijn als er wiskundige manipulaties van de gegevens zijn uitgevoerd.

Vereenvoudigde uitleg van spanschroeven

Om de ontwikkeling van dit type software uit te breiden, hebben veel groepen hun codebibliotheken gecreëerd en voor het publiek geopend om samen te werken en samen met de gemeenschap intelligentere systemen te creëren. TensorFlow van Google, CNTK van Microsoft, Theano, Caffe2 en Keras zijn enkele van de meest relevante voorbeelden. Elk van de bibliotheken richt zich vanuit verschillende invalshoeken op het probleem en dankzij dit hebben we de beschikking over de ontwikkeling van AI op verschillende abstractieniveaus.

Als je niet weet wat abstractieniveaus zijn, is het een systeem dat meet hoe dicht een computertaal is voor gesproken taal. Hoe hoger een abstractieniveau, hoe meer het lijkt op een menselijke taal en hoe lager, hoe meer machinecode, dat wil zeggen, die wereld die alleen werkt met nullen en enen.

Nieuwe systemen, nieuwe hardware

Het is duidelijk dat alle software binnen hardware draait, maar het is gemakkelijk om de illusie te krijgen dat de cloud alles aankan, maar de realiteit is niet zo lief. Afhankelijk van hoe de code is geoptimaliseerd, kan het zijn dat de AI lokaal werkt (op de smartphone, pc of Internet of Things-apparaat). Of de apparaten kunnen de berekeningen naar de servers verzenden, verwerken en deze retourneren het resultaat.

Clouddiensten

In veel gevallen probeert het "kleine" apparaat een groot deel van de berekeningen lokaal uit te voeren en stuurt slechts een deel van het probleem naar de server, waardoor veel servicemanagementkosten worden bespaard.

Kunstmatige intelligentie in het dagelijks leven

We weten dat nadenken over de toekomst hiervan iets heel interessants en voor sommigen zelfs opwindend is, maar je hoeft niet zo ver te gaan om de eerste vruchten te zien. Waar vinden we sporen van kunstmatige intelligentie in de huidige samenleving?

Kunstmatige intelligentie op mobiel

Het lijkt misschien onopgemerkt, maar het omringt ons aan alle kanten. Beginnend met apparaten voor thuis, hebben nieuwe mobiele telefoons vaak kleine ingebouwde systemen genaamd kunstmatige intelligentie waarmee u betere foto's kunt maken. Focus selectief op afbeeldingen na verwerking om ze er scherper, kleurrijker of contrastrijker uit te laten zien. Sommigen kunnen zelfs de objecten die we vastleggen herkennen en ons gerelateerde zoekopdrachten aanbieden.

Op dit gebied springt ook de collega weg die 'OK Google' is, die leert van alles wat we haar vertellen en in staat is om oneindig veel verzoeken te verwerken. Hoewel we u heel gemakkelijk 'machinaal bewerkt' kunnen vinden (zoals het niet kunnen voeren van een gesprek), kunnen we het harde werk waarvan we weten dat het erachter zit niet negeren.

Google Assistent

We moeten ook praten over het naderende autonome rijden. Auto's zoals Tesla bieden in sommige landen die AI-gestuurde alternatieven al aan. Deze systemen zijn in staat om de omgeving rond de auto vast te leggen, verboden, gevaren enzovoort te verwerken en dienovereenkomstig veilig te rijden.

Hoewel we in de autowereld niet naar zulke hoge niveaus van intelligentie hoeven te gaan. We kunnen zien dat sommige auto's al zulke interessante systemen hebben als noodstopdetectie of automatisch parkeren.

De koningin in de schaduw:

Inmiddels denk je misschien al dat AI overal is en dat ze op elk moment in opstand komen, maar wees gerust, je broodrooster zal je niet doden terwijl je slaapt. Wat we kunnen bevestigen, is dat deze technologie meer beheerst dan u denkt en verantwoordelijk is voor veel van de trends in de samenleving.

Youtube, Twitter, Google-advertenties… Dit alles wordt tot op zekere hoogte bepaald door de instellingen die je hebt aangegeven, maar ook door Artificial Intelligence die beslissen wat je te zien krijgt. Hoort u een bericht dat lijkt op: 'Ik wil mijn gegevens delen met Google, zodat ik advertenties krijg die me mogelijk interesseren' ?

Hoe werkt dit? Welnu, u zult zien, op basis van wat u op internet consumeert, wordt een profiel gemaakt met uw smaak en bent u gerelateerd aan vele andere mensen. Wanneer internetdiensten u iets moeten laten zien, gebruiken ze dit profiel dat uit miljoenen personen bestaat om te schatten wat u mogelijk interesseert.

Vereenvoudigde Big Data-uitleg

Deze manier om enorme hoeveelheden data (Big Data) te analyseren met behulp van AI's vergt veel kracht en er verschijnen carrières over de hele wereld die klaar zijn om de toekomst over dit onderwerp voor te bereiden. Zoals u zult begrijpen, worden de gegevens die gebruikers gebruiken elke seconde door TeraBytes geteld, dus een persoon kan ze niet allemaal analyseren. Dit is waar Artificial Intelligence met de data werkt en het zijn mensen die deze gebruiken om schattingen te maken enzovoort, bijvoorbeeld met behulp van statistieken.

WIJ RADEN U AAN Google Home Mini: wat het is en waarvoor het is, functies

De basis: diep, machine learning

We gaan een beetje navigeren in de videogamewereld om Deep Learning een beetje beter te begrijpen, aangezien AI het veld van videogames is binnengekomen als speler (zoals we eerder noemden), en als programmeur en ontwerper. Als u de vooruitgang van de industrie volgt, heeft NVIDIA bekendheid gekregen voor verschillende technologieën, waaronder het DLSS-systeem (Deep Learning Super Sampling), een kunstmatige intelligentie die afbeeldingen kan herschalen.

DLSS-vergelijking

De functie van DLSS is om een afbeelding te transformeren van FullHD (1080p) naar UltraHD (4k) om de meest veeleisende titels met betere framesnelheden te kunnen spelen. Aanvankelijk klaagden gebruikers dat de afbeeldingen er wazig en onscherp uitzagen, maar slechts een paar maanden later zijn de resultaten geweldig.

Dit is te danken aan Deep Learning, een systeem waarmee kunstmatige intelligentie leert met oefening en fouten. In het geval van DLSS analyseerde NVIDIA Intelligence voortdurend afbeeldingen in UltraHD-resolutie en probeerde ze ze opnieuw te creëren met een FullHD-afbeelding als basis. Met andere woorden, het is alsof ze je een kwart van een afbeelding gaven en je de hiaten moest invullen die je niet kent. Deep Learning is een type systeem dat behoort tot wat Machine Learning of Automatic Learning in het Spaans wordt genoemd.

Machine learning en deep learning

Machine Learning kan worden aangemerkt als de eerste steen van kunstmatige intelligentie. Dit zijn verschillende sets algoritmen die vaak worden gebruikt voor machines om onder andere taken te leren. Zo is het herkennen van een afbeelding, schaken of het detecteren van stemmingen uitdagingen die kunnen worden geleerd en worden verschillende soorten algoritmen gebruikt, afhankelijk van de uitdaging.

Machine learning zou de set algoritmen zijn waarmee een machine kan leren van de ervaring die hij opdoet. Aan de andere kant richt Deep Learning zich op leren met heterogene input. Beide disciplines worden met energie ontwikkeld en bestudeerd omdat de toekomst van Artificial Intelligence onzeker is.

De toekomst van kunstmatige intelligentie

Vanuit ons perspectief lijken de mogelijkheden van kunstmatige intelligentie eindeloos. We weten nog steeds niet wat onze limiet is en we werken al aan het creëren van een ander wezen dat op ons lijkt, maar wat kunnen we in de toekomst verwachten?

Niets dat we zullen opmerken kan als vanzelfsprekend worden beschouwd, maar het zijn verklaringen die zijn gebaseerd op bepaalde argumenten die voornamelijk zijn afgeleid van het observeren hoe deze machines zijn geëvolueerd.

Internet

Allereerst lijkt het onvermijdelijk dat we op weg zijn naar een wereld die wordt gedomineerd door internet, en daarom zullen AI's meer relevantie en macht krijgen over het medium. Het is niet iets dat ons bang zou moeten maken, omdat dit de enige manier is om het onderhoud van het platform te verzekeren. Hiermee konden we in een wat meer bewaakte ruimte op het web surfen, maar tegelijkertijd veel veiliger. Als eerste pioniers hiervan hebben we Facebook-bots die analyseren en inschatten of suïcidale gedachten door je heen gaan en als ze het detecteren, nemen ze contact met je op.

Evenzo zullen autonome en ondersteunde auto's in de fysieke wereld steeds dominanter worden tot het moment dat autorijden alleen recreatief is. Misschien gebeurt de verandering al honderd jaar niet, maar de verandering zal wel gebeuren.

Een andere verandering die ook wordt voorspeld, is de uitwisseling van hard werk voor machines. Het is een revolutie die velen vrezen, maar het lijkt onvermijdelijk, dus we zullen voorbereid moeten zijn.

Cyborg Neil Harbisson

En hoewel het iets typisch sciencefiction lijkt, is het zeer waarschijnlijk dat we in de toekomst manieren zullen moeten vinden om technologie en kunstmatige intelligentie in ons lichaam te integreren. In feite bestaat de eerste cyborg in de geschiedenis al en heet hij Neil Harbisson.

Voorbij deze kust is de zee van ideeën immens. Wie weet? Misschien werken de machines van een fabriek allemaal samen onder het bevel van een hoofdmachine met de primitieve machine-machinetalen. Misschien is op een dag de beste beursspeculant een kunstmatige intelligentie of zelfs de beste motoGP-fietser.