Τι είναι το AI; Ιστορία, ορισμοί και εφαρμογές

Ιστορία

Η τεχνητή νοημοσύνη παίζει ολοένα και μεγαλύτερο ρόλο στη ζωή μας και η τελευταία τάση είναι τα τσιπ AI και οι συνοδευτικές εφαρμογές smartphone. Αλλά αυτή η τεχνολογία άρχισε να αναπτύσσεται ήδη από τη δεκαετία του ’50 με το Dartmouth Summer Research Project on Artificial Intelligence στο Dartmouth College στις Η.Π.Α. Οι ρίζες της χρονολογούνται ακόμη πιο πίσω στο έργο του Alan Turing — στον οποίο μπορούμε να αποδώσουμε το περίφημο τεστ Turing —, Allen Newell και Herbert A. Simon, αλλά η τεχνητή νοημοσύνη δεν μπήκε στο προσκήνιο στην παγκόσμια σκηνή μέχρι την άφιξη του σκακιστικού υπερυπολογιστή Deep Blue από την IBM, η οποία ήταν η πρώτη μηχανή που νίκησε τον τότε υπερασπιστή παγκόσμιο πρωταθλητή στο σκάκι Garry Kasparov σε έναν αγώνα το 1996. Οι αλγόριθμοι τεχνητής νοημοσύνης έχουν χρησιμοποιηθεί σε κέντρα δεδομένων και σε μεγάλους υπολογιστές για πολλά χρόνια, αλλά είναι πιο πρόσφατα παρών στη σφαίρα των ηλεκτρονικών ειδών ευρείας κατανάλωσης.

Ορισμός τεχνητής νοημοσύνης

Ο ορισμός της τεχνητής νοημοσύνης την χαρακτηρίζει ως κλάδο της επιστήμης των υπολογιστών που ασχολείται με την αυτοματοποίηση της ευφυούς συμπεριφοράς. Εδώ είναι το δύσκολο μέρος: Εφόσον δεν μπορείτε να ορίσετε επακριβώς τη νοημοσύνη αυτή καθαυτή, η τεχνητή νοημοσύνη δεν μπορεί να οριστεί επακριβώς. Σε γενικές γραμμές, ο όρος χρησιμοποιείται για να περιγράψει συστήματα των οποίων ο στόχος είναι να χρησιμοποιούν μηχανές για να μιμηθούν και να προσομοιώσουν την ανθρώπινη νοημοσύνη και την αντίστοιχη συμπεριφορά. Αυτό μπορεί να επιτευχθεί με απλούς αλγόριθμους και προκαθορισμένα μοτίβα, αλλά μπορεί επίσης να γίνει πολύ πιο περίπλοκο.

Διάφορα είδη AI

Η συμβολική ή η τεχνητή νοημοσύνη χειρισμού συμβόλων λειτουργεί με αφηρημένα σύμβολα που χρησιμοποιούνται για να αναπαραστήσουν τη γνώση. Είναι η κλασική τεχνητή νοημοσύνη που επιδιώκει την ιδέα ότι η ανθρώπινη σκέψη μπορεί να ανακατασκευαστεί σε ένα ιεραρχικό, λογικό επίπεδο. Οι πληροφορίες επεξεργάζονται από πάνω, δουλεύοντας με σύμβολα αναγνώσιμα από τον άνθρωπο, αφηρημένες συνδέσεις και λογικά συμπεράσματα.

• Τα AI αναπτύσσονται στα βιντεοπαιχνίδια…όχι για να μας νικήσουν, αλλά για να ενωθούν μαζί μας

Το νευρωνικό AI έγινε δημοφιλές στην επιστήμη των υπολογιστών στα τέλη της δεκαετίας του ’80. Εδώ, η γνώση δεν αναπαρίσταται μέσω συμβόλων, αλλά μάλλον τεχνητών νευρώνων και των συνδέσεών τους—κάπως σαν έναν ανακατασκευασμένο εγκέφαλο. Η γνώση που συγκεντρώθηκε αναλύεται σε μικρά κομμάτια – τους νευρώνες – και στη συνέχεια συνδέονται και ενσωματώνονται σε ομάδες. Αυτή η προσέγγιση είναι γνωστή ως μέθοδος από κάτω προς τα πάνω που λειτουργεί από κάτω. Σε αντίθεση με τη συμβολική τεχνητή νοημοσύνη, ένα νευρωνικό σύστημα πρέπει να εκπαιδεύεται και να διεγείρεται έτσι ώστε τα νευρωνικά δίκτυα να μπορούν να συγκεντρώσουν εμπειρία και να αναπτυχθούν, συσσωρεύοντας επομένως μεγαλύτερη γνώση.

Τα νευρωνικά δίκτυα οργανώνονται σε επίπεδα που συνδέονται μεταξύ τους μέσω προσομοιωμένων γραμμών. Το ανώτερο επίπεδο είναι το επίπεδο εισόδου, το οποίο λειτουργεί σαν ένας αισθητήρας που δέχεται τις πληροφορίες προς επεξεργασία και τις μεταβιβάζει παρακάτω. Αυτό ακολουθείται τώρα από τουλάχιστον δύο -ή περισσότερα από είκοσι σε μεγάλα συστήματα- επίπεδα που βρίσκονται ιεραρχικά το ένα πάνω από το άλλο και που στέλνουν και ταξινομούν πληροφορίες μέσω των συνδέσεων. Στο κάτω μέρος βρίσκεται το στρώμα εξόδου, το οποίο γενικά έχει τον λιγότερο αριθμό τεχνητών νευρώνων. Παρέχει τα υπολογισμένα δεδομένα σε αναγνώσιμη από μηχανή μορφή, δηλαδή «εικόνα ενός σκύλου κατά τη διάρκεια της ημέρας με ένα κόκκινο αυτοκίνητο».

Μέθοδοι και εργαλεία

Υπάρχουν διάφορα εργαλεία και μέθοδοι για την εφαρμογή της τεχνητής νοημοσύνης σε σενάρια πραγματικού κόσμου, μερικά από τα οποία μπορούν να χρησιμοποιηθούν παράλληλα.

Το θεμέλιο όλων αυτών είναι η μηχανική μάθηση, η οποία ορίζεται ως ένα σύστημα που δημιουργεί γνώση από την εμπειρία. Αυτή η διαδικασία δίνει στο σύστημα τη δυνατότητα να ανιχνεύει μοτίβα και νόμους—και με ολοένα αυξανόμενη ταχύτητα και ακρίβεια. Στη μηχανική μάθηση, χρησιμοποιείται τόσο συμβολική όσο και νευρική τεχνητή νοημοσύνη.

Η βαθιά μάθηση είναι ένας υποτύπος μηχανικής μάθησης που γίνεται όλο και πιο σημαντικός. Μόνο νευρωνική τεχνητή νοημοσύνη, δηλαδή νευρωνικά δίκτυα χρησιμοποιούνται σε αυτή την περίπτωση. Η βαθιά εκμάθηση είναι το θεμέλιο για τις περισσότερες τρέχουσες εφαρμογές τεχνητής νοημοσύνης. Χάρη στη δυνατότητα ολοένα και μεγαλύτερης επέκτασης του σχεδιασμού των νευρωνικών δικτύων και να γίνουν πιο περίπλοκα και ισχυρά με νέα επίπεδα, η βαθιά εκμάθηση είναι εύκολα επεκτάσιμη και προσαρμόσιμη σε πολλές εφαρμογές.

Υπάρχουν τρεις διαδικασίες μάθησης για την εκπαίδευση νευρωνικών δικτύων: εποπτευόμενη, μη εποπτευόμενη και ενισχυτική μάθηση, παρέχοντας πολλούς διαφορετικούς τρόπους ρύθμισης του τρόπου με τον οποίο μια είσοδος γίνεται η επιθυμητή έξοδος. Ενώ οι τιμές και οι παράμετροι στόχοι καθορίζονται από έξω στην εποπτευόμενη μάθηση, στην μάθηση χωρίς επίβλεψη, το σύστημα επιχειρεί να αναγνωρίσει μοτίβα στην είσοδο που έχουν μια αναγνωρίσιμη δομή και μπορούν να αναπαραχθούν. Στην ενισχυτική μάθηση, η μηχανή λειτουργεί επίσης ανεξάρτητα, αλλά ανταμείβεται ή τιμωρείται ανάλογα με την επιτυχία ή την αποτυχία.

Εφαρμογές

Η τεχνητή νοημοσύνη χρησιμοποιείται ήδη σε πολλούς τομείς, αλλά σε καμία περίπτωση δεν είναι όλα ορατά με την πρώτη ματιά. Επομένως, η επιλογή σεναρίων που εκμεταλλεύονται τις δυνατότητες αυτής της τεχνολογίας δεν είναι σε καμία περίπτωση μια ολοκληρωμένη λίστα.

Οι μηχανισμοί της τεχνητής νοημοσύνης είναι εξαιρετικοί για τον εντοπισμό, την αναγνώριση και την ταξινόμηση αντικειμένων και προσώπων σε εικόνες και βίντεο. Για το σκοπό αυτό, χρησιμοποιείται απλός αλλά εντατικός σε CPU ανίχνευση προτύπων. Εάν οι πληροφορίες της εικόνας είναι αρχικά αποκρυπτογραφημένες και αναγνώσιμες από μηχανή, οι φωτογραφίες και τα βίντεο μπορούν εύκολα να χωριστούν σε κατηγορίες, να αναζητηθούν και να βρεθούν. Αυτή η αναγνώριση είναι επίσης δυνατή για δεδομένα ήχου.

Η εξυπηρέτηση πελατών χρησιμοποιεί όλο και περισσότερο chatbots. Αυτοί οι βοηθοί που βασίζονται σε κείμενο πραγματοποιούν αναγνώριση χρησιμοποιώντας λέξεις-κλειδιά που μπορεί να του πει ο πελάτης και ανταποκρίνονται ανάλογα. Ανάλογα με τη χρήση, αυτός ο βοηθός μπορεί να είναι περισσότερο ή λιγότερο περίπλοκος.

Η ανάλυση απόψεων δεν χρησιμοποιείται μόνο για την πρόβλεψη εκλογών στην πολιτική, αλλά και στο μάρκετινγκ και σε πολλούς άλλους τομείς. Η εξόρυξη γνώμης, γνωστή και ως ανάλυση συναισθήματος, χρησιμοποιείται για να αναζητήσει απόψεις και συναισθηματικές εκφράσεις στο Διαδίκτυο, επιτρέποντας τη δημιουργία μιας σε μεγάλο βαθμό ανωνυμοποιημένης έρευνας γνώμης.

Οι αλγόριθμοι αναζήτησης όπως αυτός της Google είναι φυσικά άκρως απόρρητοι. Ο τρόπος με τον οποίο υπολογίζονται, μετρώνται και εξάγονται τα αποτελέσματα αναζήτησης καθορίζεται σε μεγάλο βαθμό από μηχανισμούς που λειτουργούν με τη μηχανική μάθηση.

Η επεξεργασία κειμένου, ή ο έλεγχος της γραμματικής και της ορθογραφίας ενός κειμένου, είναι μια κλασική εφαρμογή συμβολικής τεχνητής νοημοσύνης που χρησιμοποιείται εδώ και πολύ καιρό. Η γλώσσα ορίζεται ως ένα πολύπλοκο δίκτυο κανόνων και οδηγιών που αναλύει τμήματα κειμένου σε μια πρόταση και, υπό ορισμένες συνθήκες, μπορεί να εντοπίσει και να διορθώσει λάθη.

Αυτές οι ικανότητες χρησιμοποιούνται επίσης στη σύνθεση ομιλίας, η οποία είναι επί του παρόντος η συζήτηση της πόλης με βοηθητικά συστήματα όπως Siri, Cortana, Alexa ή Google Assistant.

Σε νέα τσιπ smartphone όπως το Kirin 970, η τεχνητή νοημοσύνη είναι ενσωματωμένη στο δικό της στοιχείο, το NPU ή τη μονάδα νευρωνικής επεξεργασίας. Ο επεξεργαστής κάνει το ντεμπούτο του στο Huawei Mate 10. Θα μάθετε περισσότερα για αυτόν και τους ρόλους που θα κάνει η τεχνολογία παίξτε στο smartphone Huawei μόλις έχουμε την ευκαιρία να πειραματιστούμε μαζί του στο εγγύς μέλλον. Η Qualcomm εργάζεται ήδη σε έναν NPU, τον επεξεργαστή Zeroth, εδώ και δύο χρόνια, και το νέο τσιπ Apple A11 περιέχει ένα παρόμοιο στοιχείο.

Επιπλέον, υπάρχουν πολλά ερευνητικά έργα για την τεχνητή νοημοσύνη και το πιο σημαντικό από όλα μπορεί να είναι το Watson της IBM. Το πρόγραμμα υπολογιστή είχε ήδη κάνει το πρώτο του δημόσιο ντεμπούτο το 2011 στην εκπομπή κουίζ Jeopardy, όπου αντιμετώπισε δύο ανθρώπους υποψηφίους. Ο Γουάτσον κέρδισε, φυσικά, και στη συνέχεια έγιναν πρόσθετες εμφανίσεις δημοσιότητας. Μια ιαπωνική ασφαλιστική εταιρεία χρησιμοποιεί τη Watson από τον Ιανουάριο για να ελέγξει τους ασφαλισμένους πελάτες, το ιστορικό και τα ιατρικά τους δεδομένα και να αξιολογήσει τραυματισμούς και ασθένειες. Σύμφωνα με πληροφορίες της εταιρείας, ο Watson έχει αντικαταστήσει περίπου 30 υπαλλήλους. Η απώλεια θέσεων εργασίας μέσω της αυτοματοποίησης είναι μόνο ένα από τα ηθικά και κοινωνικά ζητήματα που αφορούν την τεχνητή νοημοσύνη που αποτελεί αντικείμενο εταιρικής και ακαδημαϊκής έρευνας.

Προβολή

Η τεχνητή νοημοσύνη δεν είναι κάτι που προέκυψε πρόσφατα από το πουθενά, αλλά πλησιάζει σε μια σημαντική ανακάλυψη στον κόσμο των ηλεκτρονικών ειδών ευρείας κατανάλωσης, κάτι που είναι περισσότερο από αρκετός λόγος για να είναι όλοι ενημερωμένοι με αυτό το θέμα στο μέλλον.

Ποιες πτυχές της τεχνητής νοημοσύνης βρίσκετε εξαιρετικά ενδιαφέρουσες; Ενημερώστε μας στα σχόλια παρακάτω!

Πηγή:
1&1, Qualcomm, Μάθηση Μηχανικής