slownik-ai-podstawowe-pojecia-sztucznej-inteligencji

Sztuczna inteligencja – definicja

Podczas gdy wiele definicji sztucznej inteligencji (AI) pojawiło się w ciągu ostatnich kilku dekad, John McCarthy oferuje następującą definicję w tym artykule z 2004 roku:

„Jest to nauka i inżynieria tworzenia inteligentnych maszyn, zwłaszcza inteligentnych programów komputerowych. Jest to związane z podobnym zadaniem polegającym na wykorzystaniu komputerów do zrozumienia ludzkiej inteligencji, ale sztuczna inteligencja nie musi ograniczać się do metod, które można zaobserwować biologicznie”.

Jednak dziesiątki lat przed tą definicją narodziny rozmowy o sztucznej inteligencji zostały określone przez przełomową pracę Alana Turinga „Computing Machinery and Intelligence”, która została opublikowana w 1950 roku. W tym artykule Turing, często nazywany „ojcem informatyki”, zadaje następujące pytanie:

 

„Czy maszyny mogą myśleć?”.

Stamtąd proponuje test, obecnie znany jako „Test Turinga”, w którym ludzki przesłuchujący próbowałby odróżnić odpowiedź tekstową komputera od ludzkiej. Chociaż test ten przeszedł wiele analiz od czasu jego publikacji, pozostaje ważną częścią historii sztucznej inteligencji, a także stałą koncepcją w filozofii, ponieważ wykorzystuje idee związane z językoznawstwem.

Następnie Stuart Russell i Peter Norvig opublikowali Artificial Intelligence:

A Modern Approach, stając się jednym z wiodących podręczników do nauki o sztucznej inteligencji. Zagłębiają się w nim w cztery potencjalne cele lub definicje sztucznej inteligencji, które różnicują systemy komputerowe na podstawie racjonalności i myślenia vs. działania:

 

 

Podejście ludzkie:

  • Systemy, które myślą jak ludzie
  • Systemy, które działają jak ludzie

Podejście idealne:

  • Systemy, które myślą racjonalnie
  • Systemy działające racjonalnie

Definicja Alana Turinga mieściłaby się w kategorii „systemów, które działają jak ludzie”.

W swojej najprostszej formie sztuczna inteligencja jest dziedziną, która łączy informatykę i solidne zbiory danych, aby umożliwić rozwiązywanie problemów. Obejmuje ona również poddziedziny uczenia maszynowego i głębokiego uczenia, które są często wymieniane w połączeniu ze sztuczną inteligencją. Dyscypliny te składają się z algorytmów sztucznej inteligencji, które mają na celu tworzenie systemów eksperckich, które dokonują prognoz lub klasyfikacji na podstawie danych wejściowych.

Na przestrzeni lat sztuczna inteligencja przeszła przez wiele cykli szumu, ale nawet dla sceptyków wydanie ChatGPT OpenAI wydaje się oznaczać punkt zwrotny. Ostatnim razem, gdy generatywna sztuczna inteligencja zyskała tak dużą popularność, przełom nastąpił w wizji komputerowej, ale teraz skok naprzód nastąpił w przetwarzaniu języka naturalnego. I nie chodzi tylko o język: Modele generatywne mogą również uczyć się gramatyki kodu oprogramowania, cząsteczek, naturalnych obrazów i wielu innych typów danych.

 

Zastosowania tej technologii rosną z każdym dniem, a my dopiero zaczynamy odkrywać jej możliwości. odkrywać jej możliwości.