Kunsmatige intelligensie

'n tak van rekenaarwetenskap en ingenieurswese wat handel oor intelligente gedrag, leer en aanpassing in masjiene en intelligente agente

Kunsmatige intelligensie (KI) is die intelligensie waarmee masjiene of sagteware vorendag sou kom, in teenstelling met die intelligensie van mense of diere. Dit is 'n akademiese studieveld waarin probeer word om menslike intelligensie kunsmatig te skep. KI-navorsers en -handboeke definieer dit as "die studie en ontwerp van intelligente agente",[1] waar 'n intelligente agent 'n stelsel is wat sy omgewing waarneem en aksies neem wat sy kanse op sukses vergroot. Voorbeeldtake waarin dit gedoen word, sluit in spraakherkenning, rekenaarvisie, vertaling tussen (natuurlike) tale, asook ander kartering van insette.

Voorstelling van KI geskep deur KI beeldskepper.

KI-toepassings sluit in gevorderde websoekenjins (bv. Google-soekenjin), aanbevelingstelsels (gebruik deur YouTube, Amazon en Netflix), verstaan van menslike spraak (soos Siri en Alexa), selfrymotors (bv. Waymo), generatiewe of kreatiewe gereedskap (ChatGPT en KI-kuns), outomatiese besluitneming, en meeding op die hoogste vlak in strategiese spelstelsels (soos skaak en Go).[2]

John McCarthy, wat die term in 1955 geskep het, definieer dit as "die wetenskap van die skep van intelligente masjiene".[3] Meer in detail, definieer Andreas Kaplan en Michael Haenlein kunsmatige intelligensie as "die vermoë van 'n stelsel om eksterne data korrek te interpreteer, om uit hierdie data te leer en om hierdie lesse te gebruik om spesifieke doelstellings en take te bereik deur buigsame aanpassing."[4][5]

KI-navorsing is hoogs tegnies en gespesialiseerd, en is diep in onderafdelings verdeel, wat dikwels nie met mekaar kommunikeer nie.[6] In sommige gevalle kan die verdeeldheid aan sosiale en kulturele faktore toegeskryf word, soos werk wat by 'n bepaalde instelling of deur individuele navorsers gedoen word. KI-navorsing word ook deur verskeie tegniese kwessies geraak. Sekere subvelde fokus op die oplos van spesifieke probleme. Ander fokus weer op een van verskeie moontlike benaderings, of die gebruik van 'n bepaalde hulpmiddel, of ter vervulling van spesifieke toepassings.

Die sentrale probleme (of doelwitte) van KI-navorsing sluit in: redenasie, kennis, beplanning, leer, natuurliketaalverwerking (kommunikasie), persepsie en die vermoë om te beweeg en voorwerpe te manipuleer.[7] algemene kunsmatige intelligensie word as een van die veld se langtermyn doelwitte beskou.[8]

'n Redelik algemeen aanvaarde toets vir kunsmatige intelligensie is die turingtoets, geformuleer deur die Engelse wiskundige Alan Turing, een van die vaders van rekenaarwetenskap. Dit kom daarop neer dat as 'n rekenaar iemand kan mislei en laat glo dat hy 'n mens is, die rekenaar intelligent moet wees.

Tegnieke soos neurale netwerke en genetiese algoritmes toon dat die KI ook inspirasie put uit die biologie. Baie takke van wetenskap hou verband met die KI. Kunsmatige intelligensie kan dus ook gesien word as 'n brug tussen verskillende dissiplines.

Geskiedenis van KI wysig

 
Silwer didrachma van Kreta wat Talos uitbeeld, 'n antieke mitiese outomaat met kunsmatige intelligensie (ongeveer 300 vC)

Kunsmatige wesens met intelligensie het in die oudheid as storieverteltoestelle verskyn,[9] en was algemeen in fiksie, soos in Mary Shelley se Frankenstein of Karel Čapek se R.U.R.[10] Hierdie karakters en hul lotgevalle het baie van dieselfde kwessies geopper wat nou in die etiek van kunsmatige intelligensie bespreek word.[11]

Kunsmatige Intelligensie, het 'n ryk geskiedenis wat oor 'n paar dekades strek. Die oorsprong van KI kan teruggevoer word na die 1950's toe navorsers die idee begin ondersoek het om masjiene te skep wat menslike intelligensie kan simuleer. In 1956 is die veld van KI amptelik gevestig met die Dartmouth-werkswinkel, waar pioniers in die veld bymekaargekom het om KI-navorsing te bespreek en te bevorder.[12][13][14]

Gedurende die vroeë jare het KI gefokus op simboliese of reëlgebaseerde benaderings, waar rekenaars met eksplisiete reëls en kennis geprogrammeer is om spesifieke take uit te voer. Vooruitgang was egter stadig, en KI het beduidende uitdagings in die gesig gestaar om komplekse werklike probleme te hanteer.

In die 1980's het 'n nuwe benadering genaamd masjienleer ontstaan, wat daarop gemik was om rekenaars in staat te stel om uit data te leer en hul werkverrigting te verbeter sonder om uitdruklik geprogrammeer te word. Hierdie benadering het momentum gekry en gelei tot vooruitgang op gebiede soos patroonherkenning, natuurlike taalverwerking en rekenaarvisie.

In die laat 1990's en vroeë 2000's het KI 'n herlewing van belangstelling en deurbrake gesien, grootliks as gevolg van die beskikbaarheid van groot datastelle en vooruitgang in rekenaarvermoë. Diepleer, 'n subveld van masjienleer wat op kunsmatige neurale netwerke fokus, het prominensie verwerf en merkwaardige sukses behaal in take soos beeld- en spraakherkenning.

In onlangse jare het KI aansienlike vordering gemaak in verskeie domeine. Dit is toegepas op gebiede soos gesondheidsorg, finansies, vervoer en kliëntediens, wat nywerhede rewolusie en doeltreffendheid verbeter. KI-aangedrewe tegnologieë, soos virtuele assistente en outonome voertuie, het meer algemeen in die daaglikse lewens geword.

Turingtoets wysig

Die Turingtoets beteken dat as 'n rekenaar iemand kan mislei en laat glo dat hy 'n mens is, die rekenaar intelligent moet wees. Vir so 'n toets moet die omstandighede sodanig gemaak word dat die proefpersoon nie kan sien met wie hy praat nie, byvoorbeeld deur met iemand in 'n ander vertrek via 'n toetsbord en netwerk te gesels. Volgens die John McCarthy-definisie van 1955 is dit "toelaat dat 'n masjien so optree dat ons intelligente gedrag sou noem as iemand sou optree" in sy "Proposal for the Dartmouth Summer Research Project On Artificial Intelligence" (1955), waarin die term kunsmatige intelligensie die eerste keer verskyn.

Die Chinese kamerargument wysig

Om 'n voorstelling te kan maak dat dit nie nodig is om 'n opdrag inhoudelik te begryp nie en tog so 'n taak wesenlik te kan uitvoer word deur John Searle en sy Chinese kamerdenkeksperiment voorgestel. Volgens die eksperiment moet jy jou voorstel dat jy in 'n afgeslote kamer is en dat jy volgens 'n formele instruksieprogram 'n uitset moet genereer aan die hand van 'n inset. Die feit dat jy nie die insette hiervoor hoef te verstaan nie, word bewys deur die feit dat hierdie insette en uitsette in die vorm van Chinese karakters plaasvind, sonder dat jy enige kennis van Chinees het. Die feit dat die uitset danksy die program nog steeds korrek is, word aangetoon deur die feit dat die Chinese sprekers die inhoud betekenisvol vind. In die eksperiment word vrae wat in Chinees geskryf is, aangebied vir insette. Die antwoorde wat verkry word deur die instruksies blindelings te volg, is so goed dat die onderwerp nie besef dat die antwoorde wat gegee word gegenereer is deur iemand wat glad nie Chinees verstaan nie.

Searle wil bewys dat dit nie intelligensie is nie: jy verstaan self niks van die uitset nie. Volgens Searle kan 'n rekenaar dus die turingstoets slaag, maar dit kan nog steeds nie intelligent wees nie.

'n Voor die hand liggende teenargument is dat dit in hierdie voorbeeld byna sielkundig onvermydelik is dat jy jouself identifiseer met die 'persoon' in die kamer wat nie Chinees verstaan nie, maar dat dit verkeerd is, getuig deur die feit dat die totale stelsel (die kamer plus inhoud, uitvoerende persoon plus program), wel Chinees verstaan.

Doelwitte wysig

Die algemene probleem om intelligensie te simuleer (of te skep) is in subprobleme opgedeel. Dit bestaan uit spesifieke eienskappe of vermoëns wat navorsers verwag dat 'n intelligente stelsel moet vertoon. Die eienskappe wat hieronder beskryf word, het die meeste aandag gekry en dek die omvang van KI-navorsing.[lower-alpha 1]

Redenering, probleemoplossing wysig

Vroeë navorsers het algoritmes ontwikkel wat stap-vir-stap redenasies nageboots het wat mense gebruik wanneer hulle raaisels oplos of logiese afleidings maak.[15] Teen die laat 1980's en 1990's is metodes ontwikkel vir die hantering van onseker of onvolledige inligting, deur konsepte uit waarskynlikheid en ekonomie te gebruik.[16]

Baie van hierdie algoritmes is onvoldoende om groot redenasieprobleme op te los omdat hulle 'n "kombinatoriese ontploffing" ervaar: hulle het eksponensieel stadiger geword namate die probleme groter geword het.[17]

Selfs mense gebruik selde die stap-vir-stap afleiding wat vroeë KI-navorsing kon modelleer. Hulle los die meeste van hul probleme op deur vinnige, intuïtiewe oordeel te gebruik.[18]

Akkurate en doeltreffende redenering is 'n onopgeloste probleem.

Kennisvoorstelling wysig

 
'n Ontologie verteenwoordig kennis as 'n stel konsepte binne 'n domein en die verwantskappe tussen daardie konsepte.

Kennisvoorstelling en kennis ingenieurswese[19] laat KI-programme toe om vrae intelligent te beantwoord en afleidings te maak oor werklike feite. Formele kennisvoorstellings word gebruik in inhoudgebaseerde indeksering en herwinning,[20] toneel interpretasie,[21] kliniese besluitondersteuning,[22] kennisontdekking (ontginning van "interessante" en uitvoerbare afleidings van groot databasisse),[23] en ander areas.[24]

Beplanning en besluitneming wysig

'n “Agent” is enigiets wat in die wêreld waarneem en aksies in die wêreld neem. 'n rasionele agent het doelwitte of voorkeure en neem aksies om dit te laat gebeur.[lower-alpha 2][25] In outomatiese beplanning het die agent 'n spesifieke doelwit.[26] In outomatiese besluitneming het die agent voorkeure – daar is sekere situasies waarin hy verkies om te wees, en sommige situasies wat hy probeer vermy. Die besluitnemingsagent ken 'n nommer aan elke situasie toe (genoem die "nut") wat meet hoeveel die agent dit verkies. Vir elke moontlike aksie kan dit die "verwagte nut" bereken: die nut van alle moontlike uitkomste van die aksie, geweeg deur die waarskynlikheid dat die uitkoms sal plaasvind. Dit kan dan die aksie kies met die maksimum verwagte nut.[27]

Leer wysig

Masjienleer is die studie van programme wat hul prestasie op 'n gegewe taak outomaties kan verbeter.[28] Dit was van die begin af deel van KI.[lower-alpha 3]

Natuurliketaalverwerking wysig

Natuurliketaalverwerking[31] laat programme toe om te lees, skryf en kommunikeer in menslike tale soos Engels. Spesifieke probleme sluit in spraakherkenning, spraaksintese, masjienvertaling, inligtingonttrekking, inligtingherwinning en vraagbeantwoording.[32]

Vroeë werk, gebaseer op Noam Chomsky se generatiewe grammatika en semantiese netwerke, het gesukkel met woord-sin ondubbelsinningheid[lower-alpha 4] tensy beperk tot klein domeine genaamd "mikro-wêrelde" (as gevolg van die gesonde verstand kennis probleem).[33]

Persepsie wysig

 
Kenmerkbespeuring (uitgebeeld: randbespeuring) help KI om insiggewende abstrakte strukture uit rou data saam te stel.

Masjienpersepsie is die vermoë om insette van sensors (soos kameras, mikrofone, draadlose seine, aktiewe lidar, sonar, radar en tasbare sensors) te gebruik om aspekte van die wêreld af te lei. Rekenaarvisie is die vermoë om visuele insette te analiseer.[34] Die veld sluit in spraakherkenning,[35]beeld klassifikasie,[36]gesigherkenning, voorwerpherkenning,[37] em robotiese persepsie.[38]

Robotika wysig

Robotika gebruik KI.[39]

Sosiale intelligensie wysig

 
Kismet, 'n robot met rudimentêre sosiale vaardighede[40]

Affektiewe berekening is 'n interdissiplinêre sambreel wat stelsels bevat wat menslike gevoel, emosie en bui herken, interpreteer, verwerk of simuleer.[41] Sommige virtuele assistente is byvoorbeeld geprogrammeer om meer gesellig te praat of selfs om humoristies te babbel; dit laat hulle meer sensitief lyk vir die emosionele dinamika van menslike interaksie, of om andersins mens-rekenaarinteraksie te fasiliteer. Dit is egter geneig om naïewe gebruikers 'n onrealistiese opvatting te gee van hoe intelligent bestaande rekenaaragente eintlik is.[42]

Algemene intelligensie wysig

'n Masjien met kunsmatige algemene intelligensie moet 'n wye verskeidenheid probleme kan oplos met breedte en veelsydigheid soortgelyk aan menslike intelligensie.[43]

Gevolge vir die klimaat wysig

Kunsmatige intelligensie vereis baie elektriese energie. Daar word geraam dat dit teen 2027 soveel energie as 'n land as Nederland gaan eis. Dit kan die klimaatprobleme baie vererger. [44]

Sien ook wysig

Notas wysig

  1. This list of intelligent traits is based on the topics covered by the major AI textbooks, including: (Russell & Norvig 2021), (Luger & Stubblefield 2004), (Poole, Mackworth & Goebel 1998) and (Nilsson 1998)
  2. "Rational agent" is general term used in economics, philosophy and theoretical artificial intelligence. It can refer to anything that directs its behavior to accomplish goals, such as a person, an animal, a corporation, a nation, or, in the case of AI, a computer program.
  3. Alan Turing het die sentraliteit van leer reeds in 1950 in sy klassieke artikel "Computing Machinery and Intelligence" bespreek.[29] In 1956, by die oorspronklike Dartmouth KI-somerkonferensie, het Ray Solomonoff 'n verslag geskryf oor sonder toesig probabilistiese masjienleer: "An Inductive Inference Machine".[30]
  4. See Kunsmatige intelligensie § Notes

Verwysings wysig

  1. Poole, David; Mackworth, Alan; Goebel, Randy (1998). Computational Intelligence: A Logical Approach. New York: Oxford University Press. ISBN 0-19-510270-3.
  2. Google (2016).
  3. Andreas Kaplan; Michael Haenlein (2019) Siri, Siri in my Hand, who's the Fairest in the Land? On the Interpretations, Illustrations and Implications of Artificial Intelligence, Business Horizons, 62(1), 15-25
  4. Kaplan Andreas; Michael Haenlein (2018) Siri, Siri in my Hand, who's the Fairest in the Land? On the Interpretations, Illustrations and Implications of Artificial Intelligence, Business Horizons, 62(1)
  5. Andreas Kaplan; Artificial Intelligence, Business and Civilization - Our Fate Made in Machines, 2022, Routledge
  6. McCorduck, Pamela (2004), Machines Who Think (2nd ed.), Natick, MA: A. K. Peters, Ltd., ISBN 1-56881-205-1.
  7. Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2.
  8. Kurzweil, Ray (1999). The Age of Spiritual Machines. Penguin Books. ISBN 0-670-88217-8.
  9. KI in mites:
  10. McCorduck (2004), pp. 17–25.
  11. McCorduck (2004), pp. 340–400.
  12. Solomonoff, R.J.The Time Scale of Artificial Intelligence; Reflections on Social Effects, Human Systems Management, Vol 5 1985, bl 149-153
  13. Moor, J., The Dartmouth College Artificial Intelligence Conference: The Next Fifty years, AI Magazine, Vol 27, No., 4, bl. 87-9, 2006
  14. Kline, Ronald R., Cybernetics, Automata Studies and the Dartmouth Conference on Artificial Intelligence, IEEE Annals of the History of Computing, Oktober–Desember, 2011, IEEE Computer Society
  15. Problem solving, puzzle solving, game playing and deduction:
  16. Uncertain reasoning:
  17. Intractability and efficiency and the combinatorial explosion: (Russell & Norvig 2021, pp. 21)
  18. Psychological evidence of the prevalence sub-symbolic reasoning and knowledge:
  19. Kennisvoorstelling en kennis ingenieurswese:
  20. Smoliar & Zhang (1994).
  21. Neumann & Möller (2008).
  22. Kuperman, Reichley & Bailey (2006).
  23. McGarry (2005).
  24. Bertini, Del Bimbo & Torniai (2006).
  25. Russell & Norvig (2021), p. 528.
  26. Automated planning:* (Russell & Norvig 2021, chpt. 11)
  27. Automated decision making, Decision theory:
  28. leer:
  29. Turing (1950).
  30. Solomonoff (1956).
  31. Natuurliketaalverwerking:
  32. Subprobleme van Natuurliketaalverwerking:
  33. Breadth of commonsense knowledge:
  34. Rekenaarvisie:
  35. Russell & Norvig (2021), pp. 849–850.
  36. Russell & Norvig (2021), pp. 895–899.
  37. Russell & Norvig (2021), pp. 899–901.
  38. Russell & Norvig (2021), pp. 931–938.
  39. Robotika:
  40. MIT AIL (2014).
  41. Affective computing:
  42. Waddell (2018).
  43. Kunsmatige algemene intelligensie: Proposal for the modern version: Warnings of overspecialization in AI from leading researchers:
  44. "AI slurpt energie". NOS.

Bronnelys wysig

  • DH Author, ‘Why Are There Still So Many Jobs? The History and Future of Workplace Automation’ (2015) 29(3) Journal of Economic Perspectives 3.
  • Boden, Margaret, Mind As Machine, Oxford University Press, 2006.
  • Cukier, Kenneth, "Ready for Robots? How to Think about the Future of AI", Foreign Affairs, vol. 98, no. 4 (July/August 2019), pp. 192–98.
  • Domingos, Pedro, "Our Digital Doubles: AI will serve our species, not control it", Scientific American, vol. 319, no. 3 (September 2018), bl. 88–93.
  • Gopnik, Alison, "Making AI More Human: Artificial intelligence has staged a revival by starting to incorporate what we know about how children learn", Scientific American, vol. 316, no. 6 (Junie 2017), bl. 60–65.
  • Johnston, John (2008) The Allure of Machinic Life: Cybernetics, Artificial Life, and the New AI, MIT Press.
  • Koch, Christof, "Proust among the Machines", Scientific American, vol. 321, no. 6 (Desember 2019), bl. 46–49.
  • Marcus, Gary, "Am I Human?: Researchers need new ways to distinguish artificial intelligence from the natural kind", Scientific American, vol. 316, no. 3 (Maart 2017), bl. 58–63.
  • E McGaughey, 'Will Robots Automate Your Job Away? Full Employment, Basic Income, and Economic Democracy' (2018) SSRN, part 2(3).
  • George Musser, "Artificial Imagination: How machines could learn creativity and common sense, among other human qualities", Scientific American, vol. 320, no. 5 (May 2019), pp. 58–63.
  • Myers, Courtney Boyd ed. (2009). "The AI Report". Forbes June 2009
  • Raphael, Bertram (1976). The Thinking Computer. W.H.Freeman and Company. ISBN 978-0-7167-0723-3.
  • Scharre, Paul, "Killer Apps: The Real Dangers of an AI Arms Race", Foreign Affairs, vol. 98, no. 3 (Mei/Junie 2019), bl. 135–44.
  • Serenko, Alexander (2010). "The development of an AI journal ranking based on the revealed preference approach" (PDF). Journal of Informetrics. 4 (4): 447–459. doi:10.1016/j.joi.2010.04.001.
  • Serenko, Alexander; Michael Dohan (2011). "Comparing the expert survey and citation impact journal ranking methods: Example from the field of Artificial Intelligence" (PDF). Journal of Informetrics. 5 (4): 629–649. doi:10.1016/j.joi.2011.06.002.
  • Sun, R. & Bookman, L. (eds.), Computational Architectures: Integrating Neural and Symbolic Processes. Kluwer Academic Publishers, Needham, MA. 1994.
  • Tom Simonite (29 Desember 2014). "2014 in Computing: Breakthroughs in Artificial Intelligence". MIT Technology Review.
  • Tooze, Adam, "Democracy and Its Discontents", The New York Review of Books, vol. LXVI, no. 10 (6 Junie 2019), bl. 52–53, 56–57.

Eksterne skakels wysig