Aðgerð Tölur - Comic, Military Sports & More Awesome Val af öllum gerðum af myndum aðgerð. Anime, Comic, Hönnuður, Military, Íþróttir, Transformers, TV & Movie Star Wars, Super Mario, & More!

Vélmenni Heroes Setja

Gervigreind

Gervigreind (AI) er upplýsingaöflun af vélum og útibú tölvunarfræði sem miðar að því að skapa það. Kennslubækur define sviði sem "rannsókn og hönnun greindur lyf" þar sem greindur umboðsmaður er kerfi sem skynjar umhverfi sitt og tekur aðgerðir sem hámarka líkur þess að ná árangri. John McCarthy, sem myntsláttumaður hugtakið árið 1956, útskýra það sem "vísindin og verkfræði gera greindur véla."

Svæðið var stofnað á kröfu á því að miðlægur eign manna, njósna-the sapience af Homo sapiens-geta vera svo nákvæmlega lýst að hægt sé að herma eftir með vél. Þetta vekur upp heimspekilegar málefni um eðli hugans og takmarkanir á vísindalegum hubris, málefni sem hafa verið beint af goðsögn, skáldskap og heimspeki frá fornöld. Gervigreind hefur verið háð af stórkostlegu bjartsýni, hefur orðið fyrir töfrandi áföllum og í dag, er orðin ómissandi hluti af tækni iðnaði, providing that the þungur lyfting fyrir margar af erfiðustu vandamál í tölvunarfræði.

AI rannsóknir eru mjög tæknilega og sérhæfð, innilega skipt subfields sem oft tekst að hafa samskipti við hvert annað. Subfields hafa vaxið upp í kring einkum stofnanir, verk einstakra vísindamanna, að lausn á sérstökum vandamálum, langvarandi ágreining um skoðun um hvernig AI ætti að gera og almennt mismunandi verkfæri. Aðal vandamál AI telja þau einkenni sem rökstuðningur, þekkingu, skipuleggja nám, samskipti, skynjun og getu til að flytja og vinna hluti. Almennar njósna (eða "sterkt AI") er enn lengri tíma markmið (sumir) rannsóknir.

Saga

Hugsun vél og tilbúinn verur birtast á grísku goðsögn, eins og Talos Krít, gullnu vélmenni af Hephaestus og Pygmalion's Galatea. Manna likenesses talin hafa greind voru byggð í öllum helstu siðmenningar: líflegur styttur voru, tilbáðu í Egyptalandi og Grikklandi og hefur skýr einkenni manns automatons voru byggð eftir Yan Shi, Hero í Alexandríu, Al-Jazari og Wolfgang von Kempelen. Það var einnig víða talið að gervi verur hafði verið búin til af J? Bir ibn Hayy? N, Júda Loew og Paracelsus. Við 19. og 20. öld, gervi verur höfðu orðið sameiginlegt í skáldskap, eins og í Mary Shelley's Frankenstein eða Karel? Apek's RUR (Rossum's Universal Robots). Pamela McCorduck færir rök fyrir því að öll þessi dæmi um forn hvöt, eins og hún lýsir því, "að ryðja guðum. Sögur af þessum skepnum og fates þeirra ræða margar af sömu vonir, ótta og siðferðilegum er það svo fram af gervigreind.

Vélrænni eða "formlega" rökstuðningur hefur verið þróaður af heimspekinga og stærðfræðinga þar fornöld. Rannsóknin rökfræði leiddi beint til uppfinningu sem forritanlegur stafræna rafræn tölva, byggt á verkum stærðfræðingur Alan Turing og annarra. Kenning Turing um útreikning og bent á vél, með uppstokkun tákn eins einfalt og "0" og "1", gæti líkja einhverju hugsanlegt athöfn af stærðfræði frádráttar. Þetta, ásamt nýlegum uppgötvunum í neurology, upplýsingar og skriflegu cybernetics, innblástur lítill hópur af rannsóknarmaður að byrja að alvarlega íhuga að byggja upp rafrænt heilans.

Sviði AI rannsóknir var stofnað á ráðstefnu um háskólasvæðið í Dartmouth College í sumarið 1956. The mæta, þar á meðal John McCarthy, Marvin Minsky, Allen Newell og Herbert Simon varð leiðtogum AI rannsóknir um margra áratuga skeið. Þeir og nemendur þeirra skrifaði forrit sem voru að mestu fólk, einfaldlega undraverður: tölvur voru að leysa orðið vandamál í algebru, sem sanna rökrétt theorems og tala ensku. Við miðju 1960, rannsóknir í Bandaríkjunum var mikið styrkt af Department of Defense og rannsóknastofur hafði verið komið um allan heim. Stofnendur AI voru djúpstæð bjartsýnn um framtíð reit: Herbert Simon spáð því að "véla verður fær, innan tuttugu árum, að gera ekkert verk vinna og maður getur gert" og Marvin Minsky samkomulagi, að skrifa um að "innan kynslóð ... þann vanda að búa til 'gervigreind' verður verulega að leysa ".

Þeir höfðu ekki að viðurkenna að erfitt er að sum þau vandamál sem þeir standa frammi fyrir. Árið 1974, sem svar við gagnrýni á Englands Sir James Lighthill og áframhaldandi þrýstingi frá þing til að fjármagna fleiri afkastamikill verkefnum, í Bandaríkjunum og Bretar ríkisstjórn skera burt alla undirected, exploratory rannsóknir í gervigreind. Næstu árum, þegar fjárveitingar til verkefna var erfitt að finna, vildi seinna vera kallað "AI vetur".

Í upphafi 1980 voru AI rannsóknir endurvakin af viðskiptalegum árangri kerfa sérfræðingur, a form AI forrit sem herma eftir þeirri þekkingu og greiningaraðferðir hæfni eins eða fleiri manna sérfræðinga. Eftir 1985 er markaður fyrir AI hafði náð yfir milljarð dollara. Á sama tíma, fimmta kynslóð Japana tölva verkefni innblástur í Bandaríkjunum og Bretar stjórnvöld til að endurheimta styrk fræðilegum rannsóknum á því sviði. Hins vegar, sem hefst með fall Lisp Machine markaði árið 1987, AI aftur féll í disrepute, og í öðru lagi lengur varanleg AI vetur hófst.

Í 1990 og snemma á 21. öld, AI náð mestu velgengni sína, enda þótt nokkuð á bak við tjöldin. Gervigreind er notað til flutninga, gögn námuvinnslu, læknisfræði greiningu og mörgum öðrum sviðum í gegn um tækni geiranum. Árangur var vegna nokkurra þátta: the ótrúlegur kraftur tölvur í dag (sjá lögmál Moore's), meiri áherslu á að leysa ákveðin subproblems, stofnun nýrra tengsla milli AI og önnur svið að vinna að svipuðum vandræðum, og umfram allt nýtt skuldbinding vísindamenn að solid stærðfræði aðferðum og ströngum vísindalegum stöðlum.

Vandamál

Vandamálið sem líkjast (eða stofna) upplýsingaöflun hefur verið skipt niður í nokkrar sérstakar undir-vandamál. Þessir teljast einkum eiginleiki eða hæfileiki að vísindamenn myndu eins greindur kerfi til að sýna. The eiginleiki sem lýst er hér að neðan hafa fengið mest athygli.

Frádráttur, rökhugsun, lausn vandamála

Snemma AI vísindamenn þróað reiknirit sem imitated skref-fyrir-skref rökstuðningur sem menn nota þegar þeir leysa þrautir, spila borð leiki eða gera rökrétt frádráttar. Í lok 1980 og '90s, AI rannsóknir höfðu einnig þróað mjög árangursrík aðferð til að fást við óvissu eða ófullnægjandi upplýsingum, að ráða hugtök úr líkindafræði og hagfræði.

Fyrir erfiðum vandamálum, sem flest þessara reiknirit getur gert kröfu um gríðarlega computational auðlindir - Flestir upplifa "combinatorial sprengingu": magn af minni eða tölva tími sem verður stjarnfræðilegur þegar vandamálið fer yfir ákveðna stærð. Leitin að skilvirkari lausn vandamála reiknirit er a hár forgangur fyrir AI rannsóknir.

Manneskjur leysa flest vandamál sín með því að nota fastar, leiðandi dómar frekar en meðvitaða, skref-fyrir-skref frádrátt að skjót AI rannsóknir var fær til grundvallar. AI hefur náð nokkrum árangri á líkja þessu tagi "í staðinn fyrir einhvern-táknræn" lausn vandamála: lýði leiðir leggja áherslu á mikilvægi þess að færni sensorimotor að æðri skynsemi, tauga-net rannsóknir tilraunir til að líkja eftir stofnunum innan manna og dýra gáfur sem gefur tilefni til þessarar kunnáttu.

Þekking framsetning

Framsetning þekkingar og þekkingu verkfræðinga eru miðpunktur AI rannsóknir. Margir þeirra vandamála vél er gert ráð fyrir að leysa þarf mikla þekkingu um heiminn. Meðal þess sem AI þarf að koma fram fyrir hönd eru: hlutir, eiginleikar, flokka og tengslin á milli hluta; aðstæður, atburður, ríki og tíma; orsakir og áhrif; þekkingu um þekkingu (hvað vitum við um hvað annað fólk veit) og mörgum öðrum, minna vel rannsökuð lén. A heill framsetning á "hvað er" er Verufræði (lántökur orð frá hefðbundinni heimspeki), en flest almennt eru kallaðir efri ontologies.

Meðal erfiðustu vandamál í þekkingu fyrirsvari eru:

Default reasoning og hæfi problemMany af því sem fólk veit að taka mynd af "vinna forsendum." Til dæmis ef fugl kemur upp í samræðum, mynd fólk yfirleitt dýr sem er hnefa stærð, syngur og flýgur. Ekkert af þessu er satt um alla fugla. John McCarthy er að þessi vandamál árið 1969 og hæfi vandamál, því að allir commonsense reglu að AI vísindamenn standa til að tákna, það hafa tilhneigingu til að vera gríðarlegur fjöldi undantekninga. Næstum ekkert er einfaldlega satt eða rangt í því hvernig þessi ágrip rökfræði krefst. AI rannsóknir hafa kannað ýmsar lausnir á þessu vandamáli. The breidd commonsense knowledgeThe fjölda lotukerfinu staðreyndir að meðaltali manneskja þekkir er stjarnfræðilegur. Rannsóknarverkefni sem tilraun til þess að byggja upp fullkomið þekkingargrunn commonsense þekkingu (td Cyc) þurfa gríðarlegt magn af laborious verufræðileg verkfræði - verða að vera þau byggð, við hönd, einn flókinn hugtak í einu. Mikil Markmiðið er að hafa tölvuna skil nóg hugmyndir að vera fær um að læra með því að lesa frá aðilum eins og internetið, og þannig að geta bætt við eigin Verufræði hans. The subsymbolic formi sum commonsense knowledgeMuch hvað fólk veit að er ekki koma fram sem "staðreyndir" eða "staðhæfingar" að þeir gætu í raun að segja upphátt. Til dæmis skák húsbóndi vilja koma í veg fyrir ákveðna skák stöðu vegna þess að það "líður of áhrifum" eða list gagnrýnandi getur tekið einn líta á styttu og þegar í stað grein fyrir því að það er falsa. Þetta eru intuitions eða tilhneiging að eiga fulltrúa í heilanum ekki meðvitað og í staðinn fyrir einhvern-táknrænt. Þekking svona upplýsir, styður og veitir samhengi táknræn, meðvitaða þekkingu. Eins og við sem vandamál í staðinn fyrir einhvern-táknræn rökhugsun, það er vonast til að sem staðsett er AI eða computational upplýsingaöflun gefur leiðir til að tákna þessa tegund af þekkingu.

Skipulags-

Greindur lyf verður að setja sér markmið og ná þeim. Þeir þurfa að leiðin til sjón í framtíðinni (sem þeir verða að hafa framsetning af the ástand af the veröld og vera fær um að gera spár um hvernig gjörðir þeirra munu breyta því) og vera fær um að gera ákvarðanir sem hámarka notagildi (eða "gildi") tiltækt val.

Í klassískum vandamálum áætlanagerð, umboðsmanni má ráð fyrir að það er það eina sem starfa á alþjóðavettvangi og það getur verið viss um hvað afleiðingar af aðgerðum sínum kunna að vera. Hins vegar, ef þetta er ekki satt, verður það að leita reglulega þótt heimurinn samsvörun spádóma hennar og það verður að breyta áætlun sinni þar sem það verður þörf krefur, krefjast þess að umboðsmaður til þess undir óvissu.

Multi-agent áætlanagerð notar samvinnu og samkeppni á mörgum lyfjum til að ná ákveðnu markmiði. Fljótandi hegðun eins og þessa er notaður við þróun reiknirita og kvik upplýsingaöflun.

Nám

Vél nám hefur verið miðpunktur AI rannsókn frá upphafi. Unsupervised nám er hæfni til að finna mynstur í straumi inntak. Umsjón náms felst bæði flokkun og tölulegar aðhvarfsgreiningu. Flokkun er notað til að ákvarða hvaða flokki eitthvað tilheyrir í, eftir að hafa séð nokkur dæmi um það frá ýmsum flokkum. Afturför tekur mengi tölulega inntak og úttak dæmi og tilraunir til að finna samfellt fall sem myndi búa til framleiðsla frá aðföngum. Í eflingar námi umboðsmanni er verðlaun fyrir gott svar og refsað fyrir slæmur sjálfur. Þetta er hægt að meta í skilmálar af kenningu ákvörðun, með því að nota hugtök eins og gagnsemi. Stærðfræðilegu greiningu á vél læra reiknirit og árangur þeirra er grein um fræðilega tölvunarfræði þekktur sem computational læra kenning.

Náttúruleg tungumál vinnslu

Náttúruleg tungumál vinnsla gefa vélum getu til að lesa og skilja tungumál sem menn tala. Margir vísindamenn vonast til þess að nægilega öflug náttúruleg tungumál vinnslu kerfi myndi vera fær um að afla sér þekkingar á eigin spýtur, með því að lesa það sem texta í boði í gegnum netið. Sum einföld forrit af náttúrulegum tungumálum vinnslu upplýsingar sókn (eða texta námuvinnslu) og vél þýðing.

Hreyfing og meðferð

ASIMO notar skynjara og greindur algrím til að forðast hindranir og sigla stigann.

Sviði vélfærafræði er nátengd gervigreind. Intelligence er nauðsynlegt til vélmenni til að vera fær um að sinna slíkum verkefnum sem meðferð mótmæla og siglingar með undir-vandamál localization (að vita hvar þú ert), kortlagning (nám hvað er í kringum þig) og hreyfing áætlanagerð (vangaveltur út hvernig á að komast þangað) .

Skilningur

Vél skynjun er að geta notað inntak frá skynjara (eins og myndavél, hljóðnemum, sonar og aðrir meira framandi) til deduce þáttum í heiminum. Computer framtíðarsýn er möguleiki að greina sjónrænt inntak. Nokkrar valdar subproblems eru mál orðstír, andliti viðurkenningu og mótmæla viðurkenningu.

Félagslegum upplýsingum

Örlög, sem vélmenni með rudimentary félagslega færni

Tilfinningar og félagslega færni leika tveimur hlutverkum fyrir greindur umboðsmanni. Í fyrsta lagi verður það að vera fær um að spá fyrir um aðgerðir annarra, með því að skilja tilganginn og tilfinningalega ríkja. (Þetta felur í sér þætti leikjafræði, ákvörðun kenningu, sem og hæfni til líkan manna tilfinningar og skynjun færni til að uppgötva tilfinningar.) Einnig, góðu manna-tölva á milliverkunum, sem er greindur vél einnig þarf að sýna tilfinningar. Minnsta kosti verður það að birtast kurteis og viðkvæm fyrir mönnum það í samskiptum við. Í besta falli ætti það að hafa eðlilegan tilfinningar sig.

Sköpunargáfu

TOPIO, er vélmenni sem geta spilað borðtennis, verktaki við TOSY.

Undir-sviði AI heimilisföng sköpunargáfu bæði fræðilega (frá heimspekilegu og sálfræðilegu sjónarhorni) og næstum því (um sérstaka gerð af kerfi sem framkalla framleiðsla sem koma til greina skapandi).

Almennar upplýsinga

Flestir fræðimenn vona að starf þeirra mun að lokum vera inn í vél með almennum upplýsingum (þekkt sem öflugir AI), að sameina alla þá kunnáttu sem fyrir ofan og umfram mannlega getu hjá flestum eða öllum af þeim. Nokkrir telja að manngervandi eiginleika eins og gervi meðvitund eða gervi heila kann að vera þörf fyrir slíka verkefnið.

Margir þeirra vandamála hér að ofan eru talin AI-lokið: að leysa eitt vandamál, verður þú að leysa úr þeim öllum. Til dæmis, jafnvel einföld og sértæk verkefni eins og þýðingar vél þarf að vél fylgja röksemdafærslu höfundar (ástæðu), ég veit hvað er verið að tala um (þekking), og einlæglega endurskapa ætlun höfundar (Social njósna). Vélrænar þýðingar, því er talið að AI-lokið: það getur þurft sterk AI að vera eins og menn geta gert það.

Aðferðir

Það er ekki komið sameina kenningar eða hugmyndafræði sem fylgja AI rannsóknir. Vísindamenn ósammála um mörg málefni. Nokkrar af lengi standandi spurningum sem hafa verið ósvarað eru þessar: að gervigreind líkja náttúru njósnir, með því að rannsaka sálfræði eða neurology? Eða er mannlegur líffræði eins og óviðkomandi AI rannsóknir sem fugla líffræði er til annarra verkfræði? Get greindur hegðun að lýsa með einföldu, glæsilegur meginreglur (svo sem rökfræði eða hagræðingu)? Eða er það þurfa endilega að leysa mörg algjörlega ótengd vandamál? Get njósna Óleyfilegt er að afrita með háttsettum táknum, svipað og orð og hugmyndir? Eða er það þurfa "í staðinn fyrir einhvern-táknræn" vinnsla?

Cybernetics og heilinn uppgerð

Það er engin samstaða um hversu vel heila ætti að vera tilbúnar.

Í kringum 1940 og 1950, sem er fjöldi vísindamanna kannaði tengsl milli neurology, upplýsingar kenning og cybernetics. Sumir þeirra byggð vél sem notuð rafræn net til að sýna rudimentary upplýsingaöflun, svo sem eins og skjaldbökur W. Grey Walter's og Johns Hopkins Beast. Margar af þessum vísindamönnum saman fyrir fundi Teleological Samfélag við Princeton-háskóla og Hlutfall Club í Englandi. Eftir 1960 var þessi nálgun að mestu yfirgefin, þó þætti það yrði endurvakin í 1980.

Táknræn

Þegar aðgangur að stafrænu tölvum varð mögulegt er í miðju 1950, AI rannsóknir tóku að kanna þann möguleika að mannleg greind væri hægt að minnka tákn meðferð. Rannsóknin var með miðju í þremur stofnunum: CMU, Stanford og MIT, og hver og einn þróað eigin stíl við rannsóknir. John Haugeland nefndi þessar aðferðir til að AI "góða gamaldags AI" eða "GOFAI".

Hugræn simulationEconomist Herbert Simon og Alan Newell rannsakað manna til að leysa vandamál færni og reyndi að formlega þá og verk þeirra lagði grunn að á sviði gervigreindar, auk andlegrar vísindi, starfsemi rannsókna-og stjórnun vísinda. rannsókn lið þeirra gerðar sálfræðileg tilraun til að sýna fram á líkindi milli manna til að leysa vandamál og verkefni (svo sem þeirra "General Problem leysa") sem þeir voru að koma fram. Þessi hefð miðjuðá Carnegie Mellon University myndi að lokum leiða til þróunar svífa arkitektúr í Mið-80s. Logic basedUnlike Newell og Simon, John McCarthy fannst vél þarf ekki að líkja mönnum fannst, en ætti í staðinn að reyna að finna kjarna ágrip rökhugsun og leysa vandamál, hvort sem fólk notar sama reiknirit. rannsóknarstofu hans á Stanford (sigla) áherslu á að nota formlega rökfræði til að leysa margvísleg vandamál, þar á meðal framsetning þekkingar, áætlanagerð og kennslu. Logic var líka leggja áherslu á vinnu við Háskólann í Edinborg og víðar í Evrópu, sem leiddu til þróunar á forritunarmál Prolog og vísindi af forritun rökfræði. "Anti-rökfræði" eða "scruffy" Vísindamenn á MIT (eins og Marvin Minsky og Seymour Papert) komist að því að leysa erfitt vandamál í framtíðarsýn og náttúruleg tungumál vinnslu þurfa Ad-hoc lausnir - þeir héldu því fram að það var ekki einfalt og reglu (eins og rökfræði), sem myndi handtaka alla þá þætti sem greindur hegðun. Roger Schank lýst "gegn þeirra rökfræði" aðvífandi "scruffy" (eins og öfugt við "snyrtilegur" málin á CMU og Stanford). Commonsense þekking byggir (eins og Doug Lenat's Cyc) eru dæmi um "scruffy" AI, þar sem þeir verða að vera smíðað af hendi, einn flókinn hugtak í einu. Þekking basedWhen tölvur með stór minnisvarði varð laus í kringum 1970, vísindamenn frá öllum þremur hefðir byrjaði að byggja upp þekkingu í AI forrit. Þessi "þekking byltingin" leiddi til þróunar og dreifing af sérfræðingi kerfum (innfluttra eftir Edward Feigenbaum), fyrsta raunverulega árangursrík formi AI hugbúnaður. Sú þekking bylting var einnig knúin áfram af þeirri vitneskju að gríðarlegt magn af þekkingu væri nauðsynlegt af mörgum einföldum AI forrit.

Sub-táknræn

Á 1960, táknræn nálgun hafði náð miklum árangri við að líkja háttsettum að hugsa í litlum forritum sýnikennslu. Aðferðir byggjast á cybernetics eða tauga-net voru lögð til hliðar eða ýtt í bakgrunninn. Eftir 1980 er hins vegar framfarir í táknrænum AI virtist tefja og margir trúðu því að táknkerfum myndi aldrei vera fær um að herma eftir öllum þeim ferlum manna skilvitlegri, sérstaklega skynjun, vélfærafræði, nám og mynstur viðurkenningu. Fjölmargir fræðimenn tóku að líta inn í "í staðinn fyrir einhvern-táknræn" aðferðir til sérstakur AI vandamál.

Botn-upp, sem felast og staðsett, atferli sem byggir eða Nouvelle AIResearchers frá viðkomandi sviði vélfærafræði, svo sem eins og Rodney Brooks, hafnaði táknræn AI og lagt áherslu á helstu vandamálum verkfræði sem myndi gera vélmenni til að færa og lifa af. Starf þeirra endurvakin the non-táknræn sjónarmið snemma cybernetics rannsóknarmaður af the 50s og reintroduced notkun kenningar stjórna í gervigreind. Þessar aðferðir eru einnig conceptually tengjast felst huga ritgerð. Computational IntelligenceInterest í tauga-net og "connectionism" var endurvakin af David Rumelhart og aðrir í miðju 1980. Þessar og aðrar í staðinn fyrir einhvern-táknræn aðferðum, ss loðnu-kerfi og þróunar útreikningur, eru nú nám saman við koma aga á computational upplýsingaöflun.

Tölfræðilegar

Í 1990, AI vísindamenn þróað háþróaðri stærðfræði verkfæri til að leysa ákveðin subproblems. Þessi verkfæri eru sannarlega vísindum í þeim skilningi að úrslit eru bæði mælanleg og sannprófa, og þeir hafa verið ábyrg fyrir mörgum undanförnum heppnast AI's. Samnýtta stærðfræði tungumál hefur einnig heimilt að víðtækri samvinnu við fleiri komið reiti (eins og stærðfræði, hagfræði eða starfsemi rannsóknir). Stuart Russell og Peter Norvig lýsa þessari hreyfingu sem ekkert minna en bylting "og" sigur af neats. "

Samþætta nálgun

Greindur umboðsmanni paradigmAn greindur umboðsmaður er kerfi sem skynjar umhverfi sitt og tekur aðgerðir sem hámarkar líkurnar þess að ná árangri. Einfaldasta greindur lyf eru forrit sem leysa tiltekin vandamál. The flókinn greindur lyf eru skynsamlegar, hugsun manna. The fyrirmynd gefur vísindamönnum leyfi til að stunda nám einstök vandamál og finna lausnir sem eru bæði að sannprófa og gagnlegur, án þess að samþykkja á einni aðferð. Óákveðinn greinir í ensku umboðsmaður að leysa ákveðið vandamál geta notað hvaða aðferð sem virkar - sum lyf eru táknræn og rökrétt, sumir undir-táknræn tauga netkerfi og aðrir mega nota nýja nálgun. The fyrirmynd gefur einnig vísindamenn sem sameiginlegt tungumál í samskiptum við önnur svið til dæmis ákvörðun kenningum og hagfræði-sem einnig nota hugtök af abstrakt lyfjum. The greindur umboðsmanni hugmyndafræði varð almennt viðurkennt á 1990. Umboðsmaður arkitektúr og andlegrar architecturesResearchers hafa hannað kerfi til að byggja greindur kerfi út af víxlverkun greindur lyfjum í multi-agent kerfi. A kerfi með bæði táknræn og í staðinn fyrir einhvern-táknræn hluti er blendingur greindur kerfi, og við rannsóknir á slíkum kerfum er gervigreind kerfi sameining. A hierarchic eftirlitskerfi veitir brú milli undir-táknræn AI lægst, viðbrögð stigum og hefðbundnum táknrænum AI mesta magn þess, þar sem slakað tími þvingun leyfi skipulags-og heimsins sitja. subsumption arkitektúr Rodney Brooks var snemma tillögu um slíka hierarchic kerfi.

Verkfæri

Í the rás af 50 ára rannsóknir, AI hefur þróað fjölda verkfæri til að leysa erfiðustu vandamál í tölvunarfræði. Nokkrar af almennum þessara aðferða eru rædd hér á eftir.

Leitaðu og hagræðingu

Mörg vandamál í gervigreind hægt er að leysa í kenningu um greindur að leita í gegnum margar hugsanlegar lausnir: rökstuðningur getur minnkað til framkvæma a leita. Til dæmis getur rökrétt sönnun að skoða sem leit á braut sem leiðir af húsnæði til niðurstöður, þar sem hvert skref er að beita ályktun reglu. Skipulags-reiknirit leitað í tré markmið og subgoals, að reyna að finna leið til að miða markmið, en það ferli kallast leið-endum greiningu. Robotics reiknirit fyrir áhrifamikill útlimi og grasping mótmæla nota staðbundna leit í rúm stillingu. Margir læra reiknirit nota leit reiknirit byggjast á hagræðingu.

Einföld tæmandi leitir eru sjaldan fullnægjandi fyrir flesta alvöru vandamál heimsins: Leitin rúm (fjölda staðir til að leita) fljótt vex að stjarnfræðilegur númer. Niðurstaðan er að leita að er of hægur eða aldrei lýkur. Lausnin fyrir mörg vandamál, er að nota "leitandi" eða "reglur um þumalfingur" að útrýma val sem eru líklegar til þess að leiða til þess að markmið (sem kallast "pruning leit tré"). Leitandi framboð áætluninni með "besta giska á" fyrir hvaða slóð lausnin liggur á.

Mjög öðruvísi leit kom áberandi í 1990, byggt á stærðfræðilegri kenningar um fínstillingu. Fyrir mörg vandamál, það er hægt að hefja leitina með einhvers konar a giska og þá betrumbættu giska incrementally þar ekki fleiri betrumbætur er hægt að hringja. Þetta reiknirit er hægt að visualized eins blindur hæð klifra: við að hefja leit að handahófi punkt á landslagi, og þá með því stökk eða stíga, höldum að færa giska okkar upp í móti, þar til við höfum náð á toppinn. Önnur algrím hagræðingu eru tilbúnar annealing, geisla leit og handahófi fínstillingu.

Þróunar útreikningur notar mynd af leit fínstillingu. Til dæmis geta þeir byrja á íbúa lífverur (sem er giska) og síðan að leyfa þeim að mutate og recombine, val aðeins fittest að lifa hvern kynslóð (fínpússa giska). Eyðublöð þróunar útreikningur eru kvik reiknirit njósna (eins og nýlenda maur eða ögn kvik bestun) og þróun reiknirita (eins og erfða algrím [103] og erfðafræðilega forritun [104] [105]).

Rökfræði

Logic var innleidd í AI rannsókn John McCarthy árið 1958 Ráð Taker hans tillögu. Logic er notað um fulltrúa þekkingar og til að leysa vandamál, en það getur líka átt við um önnur vandamál eins og heilbrigður. For example, the satplan algorithm uses logic for planning and inductive logic programming is a method for learning.

Nokkrar mismunandi gerðir af rökfræði eru notuð í AI rannsóknir. Íbyggið eða sentential rökfræði er röksemdafærsla yfirlýsingar sem getur verið satt eða ósatt. Fyrsta röð rökfræði einnig leyfa notkun quantifiers og predicates, og geta tjáð staðreyndir um hluti, eiginleika þeirra, og samskipti þeirra við hvert annað. Loðinn rökfræði er ný útgáfa af fyrstu röð rökfræði sem leyfa sannleika yfirlýsingu að eiga fulltrúa sem gildi á milli 0 og 1, frekar en einfaldlega True (1) eða ósatt (0). Fuzzy kerfi geta vera notaður fyrir víst rökhugsun og hafa verið mikið notaðir í nútíma iðnaðar-og neytandi vara eftirlitskerfi. Default rökfræði, non-monotonic rökfræði og circumscription eru gerðir rökfræði sem ætlað er að hjálpa með rökum vanræksla og hæfi vandamál. Nokkrar viðbætur rökfræði hafa verið hannaðar til að sinna tilteknum lénum á þekkingu, svo sem: lýsing rökfræði; ástandið stærðfræðigreiningu, atburður stærðfræðigreiningu og reiprennandi stærðfræðigreiningu (fyrir hönd viðburðir og tími); orsakatengsl stærðfræðigreiningu; trú stærðfræðigreiningu og formlegur rökfræði.

Árið 1963, J. Alan Robinson uppgötvaði einföld, heill og alveg lausnarleiðar aðferð rökrétta frádrátt sem geta hæglega flutt af stafrænum tölvum. Hins vegar barnaleg framkvæmd algrím leiða fljótlega til combinatorial sprengingu eða óendanlegur lykkja. Árið 1974, Robert Kowalski leiðbeinandi hönd rökrétt tjáning og Horn ákvæði (yfirlýsingar í formi reglna: "ef p þá q"), sem minnkar rökrétt frádráttur til afturábak chaining eða framsenda chaining. Þetta mjög alleviated (en ekki útrýma) vandamálið.

Probabilistic aðferðir við óviss reasoning

Mörg vandamál í gervigreind (í rökhugsun, áætlanagerð, fræðslu, skynjun og vélfærafræði) krefjast þess að umboðsmaður til að starfa með ófullnægjandi eða ótryggt upplýsingar. Byrjað seint á 80s og snemma 90s, Júdeu Perlur og aðrir championed notkun aðferða dregið úr líkindafræði og hagfræði til að móta ýmis öflug tól til að leysa þessi vandamál.

Bayesian net eru mjög almenn tól þessi geta vera notaður fyrir a stór tala af vandamál: reasoning (með Bayesian ályktun algrím), nám (með von-Hámörkun algrím), áætlanagerð (með ákvörðun net) og skynjun (using dynamic Bayesian net ). Probabilistic algrím geta einnig vera notaður fyrir síun, spá, refur og finna skýringar á vatnsföll af gögnum, skammtur skynjun kerfi til að greina ferla sem eiga sér stað yfir tíma (td falin Markov líkön eða Kalman síur).

A lykill hugtak frá vísindin um hagfræði er "gagnsemi": mælikvarði á hversu dýrmætur eitthvað er til greindur umboðsmanni. Nákvæm stærðfræði verkfæri hafa verið þróuð að greina hvernig umboðsmaður getur val og áætlun, með ákvörðun kenning, ákvörðun greiningu upplýsinga gildi kenningar. Þessi verkfæri eru líkan svo sem eins og Markov ákvörðun ferli, dynamic net ákvörðun, leikur kenningum og vélbúnaður hönnun.

Classifiers og tölfræðilegra læra aðferðir

The simplest AI applications can be divided into two types: classifiers ("if shiny then diamond") and controllers ("if shiny then pick up"). Controllers do however also classify conditions before inferring actions, and therefore classification forms a central part of many AI systems. Classifiers are functions that use pattern matching to determine a closest match. They can be tuned according to examples, making them very attractive for use in AI. These examples are known as observations or patterns. In supervised learning, each pattern belongs to a certain predefined class. A class can be seen as a decision that has to be made. All the observations combined with their class labels are known as a data set. When a new observation is received, that observation is classified based on previous experience.

A classifier can be trained in various ways; there are many statistical and machine learning approaches. The most widely used classifiers are the neural network, kernel methods such as the support vector machine, k-nearest neighbor algorithm, Gaussian mixture model, naive Bayes classifier, and decision tree. The performance of these classifiers have been compared over a wide range of tasks. Classifier performance depends greatly on the characteristics of the data to be classified. There is no single classifier that works best on all given problems; this is also referred to as the "no free lunch" theorem. Determining a suitable classifier for a given problem is still more an art than science.

Neural networks

A neural network is an interconnected group of nodes, akin to the vast network of neurons in the human brain.

The study of artificial neural networks began in the decade before the field AI research was founded, in the work of Walter Pitts and Warren McCullough. Other important early researchers were Frank Rosenblatt, who invented the perceptron and Paul Werbos who developed the backpropagation algorithm.

The main categories of networks are acyclic or feedforward neural networks (where the signal passes in only one direction) and recurrent neural networks (which allow feedback). Among the most popular feedforward networks are perceptrons, multi-layer perceptrons and radial basis networks. Among recurrent networks, the most famous is the Hopfield net, a form of attractor network, which was first described by John Hopfield in 1982. Neural networks can be applied to the problem of intelligent control (for robotics) or learning, using such techniques as Hebbian learning and competitive learning.

Jeff Hawkins argues that research in neural networks has stalled because it has failed to model the essential properties of the neocortex, and has suggested a model (Hierarchical Temporal Memory) that is based on neurological research.

Control theory

Control theory, the grandchild of cybernetics, has many important applications, especially in robotics.

Tungumál

AI vísindamenn hafa þróað nokkrar sérhæfðar tungumálum AI rannsóknir, þar á meðal Lisp og Prolog.

Mat á árangri

Hvernig getur maður ákvarðað hvort sem umboðsmaður er greindur? Árið 1950, Alan Turing tillaga almenna aðferð til próf the vitsmunir af umboðsmanni nú kallað Turing prófið. Þessi aðferð gerir nánast öll helstu vandamál sem gervigreind til að prófa. Hins vegar er það mjög erfitt verkefni og nú öllum lyfjum mistakast.

Gervigreind er einnig hægt að meta á sérstökum vandamálum á borð við lítil vandamál í efnafræði, hönd-skriftir orðstír og leikur-leika. Slíkar prófanir hafa verið nefnt efni sérfræðingur Turing próf. Smærri vandamál veita frekari náð markmiðum og það eru sífellt að auka fjölda jákvæðra niðurstaðna.

Hið mikla bekkjum um niðurstöðu fyrir AI próf eru:

• Ákjósanlegur: það er ekki hægt að skila betri árangri
• Strong frábær-mannlegur: framkvæma betri en allir menn
• Super-manna: framkvæma betri en flestir menn
• Sub-manna: framkvæma verri en flestir menn

Til dæmis, flutningur á drög er ákjósanlegur, flutningur á skák er frábær-mannlegur og nálgast sterkt frábær-mannlegur og árangri á mörgum algengum verkefnum sem mönnum er undir-mönnum.

A quite different approach measures machine intelligence through tests which are developed from mathematical definitions of intelligence. Examples of these kinds of tests start in the late nineties devising intelligence tests using notions from Kolmogorov Complexity and data compression  . Similar definitions of machine intelligence have been put forward by Marcus Hutter in his book Universal Artificial Intelligence (Springer 2005), an idea further developed by Legg and Hutter . Two major advantages of mathematical definitions are their applicability to nonhuman intelligences and their absence of a requirement for human testers.

Umsóknir

Artificial intelligence has successfully been used in a wide range of fields including medical diagnosis, stock trading, robot control, law, scientific discovery, video games, toys, and Web search engines. Frequently, when a technique reaches mainstream use, it is no longer considered artificial intelligence, sometimes described as the AI effect. It may also become integrated into artificial life.

Competitions and prizes

There are a number of competitions and prizes to promote research in artificial intelligence. The main areas promoted are: general machine intelligence, conversational behavior, data-mining, driverless cars, robot soccer and games.

Palla

A vettvangur (eða "computing pallur") er skilgreint í Wikipedia sem "einhvers konar arkitektúr vélbúnaði eða hugbúnaði ramma (þ.mt umsókn ramma), sem gerir hugbúnað til að keyra." Eins og Rodney Brooks bent á mörgum árum, það er ekki bara gervigreind hugbúnað sem skilgreinir AI lögun af the pallur, heldur í raun vettvangur sig sem hefur áhrif á AI sem afleiðing, þ.e. við þurfum að vinna úr AI vandamál á alvöru pallur heiminum fremur en í einangrun.

Mjög fjölbreyttar palla hefur leyft ýmsum þáttum AI að þróa, allt frá kerfi sérfræðingur, enda þótt PC-byggð, en samt heilt raunverulegur-veröld kerfi til ýmsar útgáfur vélmenni eins og víða eru Roomba með opinn tengi.

Heimspeki

Gervigreind, við krafa til vera fær til endurskapa getu manna huga, er bæði ögrandi og innblástur fyrir heimspeki. Eru takmörk fyrir hversu greindur vélar geta verið? Er það mikilvægur munur á milli manna leyniþjónustu og gervigreind? Getur vél með huga og vitund? Nokkur af áhrifamestu svör við þessum spurningum er að finna hér að neðan.

"Turing's kurteis samningurinn"
If a machine acts as intelligently as a human being, then it is as intelligent as a human being.
Alan Turing theorized that, ultimately, we can only judge the intelligence of a machine based on its behavior. This theory forms the basis of the Turing test.The Dartmouth proposal
"Every aspect of learning or any other feature of intelligence can be so precisely described that a machine can be made to simulate it."
This assertion was printed in the proposal for the Dartmouth Conference of 1956, and represents the position of most working AI researchers.Newell and Simon's physical symbol system hypothesis
"A physical symbol system has the necessary and sufficient means of general intelligent action."
Newell and Simon argue that intelligences consists of formal operations on symbols. Hubert Dreyfus argued that, on the contrary, human expertise depends on unconscious instinct rather than conscious symbol manipulation and on having a "feel" for the situation rather than explicit symbolic knowledge. (See Dreyfus' critique of AI.)Gödel's incompleteness theorem
A formal system (such as a computer program) can not prove all true statements.
Roger Penrose is among those who claim that Gödel's theorem limits what machines can do. (See
The Emperor's New Mind
.)Searle's strong AI hypothesis
"The appropriately programmed computer with the right inputs and outputs would thereby have a mind in exactly the same sense human beings have minds."
Searle counters this assertion with his Chinese room argument, which asks us to look
inside
the computer and try to find where the "mind" might be.The artificial brain argument
The brain can be simulated.
Hans Moravec, Ray Kurzweil and others have argued that it is technologically feasible to copy the brain directly into hardware and software, and that such a simulation will be essentially identical to the original.

Speculation and fiction

AI is a common topic in both science fiction and in projections about the future of technology and society. The existence of an artificial intelligence that rivals human intelligence raises difficult ethical issues and the potential power of the technology inspires both hopes and fears.

Mary Shelley's Frankenstein considers a key issue in the ethics of artificial intelligence: if a machine can be created that has intelligence, could it also feel ? If it can feel, does it have the same rights as a human? The idea also appears in modern science fiction: the film Artificial Intelligence: AI considers a machine in the form of a small boy which has been given the ability to feel human emotions, including, tragically, the capacity to suffer. This issue, now known as "robot rights", is currently being considered by, for example, California's Institute for the Future, although many critics believe that the discussion is premature.

Another issue explored by both science fiction writers and futurists is the impact of artificial intelligence on society. In fiction, AI has appeared fulfilling many roles including;

• Sem þjónn (R2D2 í Star Wars)
• Eins og lög enforcer (Kitt "Knight Rider")
• Sem félagi (Lt Commander Data í Star Trek)
• Sem sigurvegara / overlord (The Matrix)
• Sem einræðisherra (Með brotinn Hands)
• Sem morðingja (Ljúka)
• Sem sentiant kapp Orrustuskip Vetrarbrautar)
• Eins og í framhaldi manna hæfileika (Draugur í Shell)
• Eins og frelsari mannkynsins (R. Daneel Olivaw í Foundation Series).

Fræðilegar heimildir hafa talið slíkt afleiðingar sem: a minnkaði eftirspurn eftir mönnum vinnuafli er aukning um mannlega getu eða reynslu, og að þörf sé fyrir endurskilgreiningu manna kenni og grundvallargildi.

Several futurists argue that artificial intelligence will transcend the limits of progress and fundamentally transform humanity. Ray Kurzweil has used Moore's law (which describes the relentless exponential improvement in digital technology with uncanny accuracy) to calculate that desktop computers will have the same processing power as human brains by the year 2029, and that by 2045 artificial intelligence will reach a point where it is able to improve itself at a rate that far exceeds anything conceivable in the past, a scenario that science fiction writer Vernor Vinge named the "technological singularity". Edward Fredkin argues that "artificial intelligence is the next stage in evolution," an idea first proposed by Samuel Butler's "Darwin among the Machines" (1863), and expanded upon by George Dyson in his book of the same name in 1998. Several futurists and science fiction writers have predicted that humans and machines will merge in the future into cyborgs that are more capable and powerful than either. This idea, called transhumanism, which has roots in Aldous Huxley and Robert Ettinger, is now associated with robot designer Hans Moravec, cyberneticist Kevin Warwick and inventor Ray Kurzweil. Transhumanism has been illustrated in fiction as well, for example in the manga Ghost in the Shell and the science fiction series Dune . Pamela McCorduck writes that these scenarios are expressions of the ancient human desire to, as she calls it, "forge the gods."

Um höfundinn

S. Rajkumar belongs to Madurai, Tamil nadu, India. He is a post graduate in Computer Science and Information Technology. Now he is working as a web designer and PHP programmer in AJ Square Inc. Vilacherry, Madurai.

Engar tengdar færslur.

Tags: bookmarks , gaming , heroes , news , robot , social , source article , training