Zelfstudie kunstmatige intelligentie: wat is AI? Basis voor beginners

Deze AI-tutorial voor beginners is bedoeld om de basisprincipes van kunstmatige intelligentie te leren. In deze tutorial over kunstmatige intelligentie voor beginners leer je verschillende basisprincipes van kunstmatige intelligentie, zoals wat AI is, de geschiedenis van AI, soorten AI, toepassingen van AI en meer concepten over AI.

Wat is AI?

NAAR DE (Kunstmatige Intelligentie) is het vermogen van een machine om cognitieve functies uit te voeren zoals mensen dat doen, zoals waarnemen, leren, redeneren en problemen oplossen. De maatstaf voor AI is het menselijke niveau in teams van redeneren, spreken en zien.

In deze zelfstudie over kunstmatige intelligentie leert u de volgende basisprincipes van AI-

Inleiding tot AI-niveaus

  1. Smalle AI : Van kunstmatige intelligentie wordt gezegd dat ze smal is wanneer de machine een specifieke taak beter kan uitvoeren dan een mens. Het huidige onderzoek naar AI is er nu
  2. Algemene AI : Een kunstmatige intelligentie bereikt de algemene toestand wanneer het elke intellectuele taak kan uitvoeren met hetzelfde nauwkeurigheidsniveau als een mens zou doen
  3. Sterke AI : Een AI is sterk wanneer het mensen kan verslaan in veel taken

Tegenwoordig wordt AI in bijna alle sectoren gebruikt, wat een technologisch voordeel geeft aan alle bedrijven die AI op grote schaal integreren. Volgens McKinsey heeft AI het potentieel om 600 miljard dollar aan waarde te creëren in de detailhandel, en 50 procent meer incrementele waarde in het bankwezen te brengen in vergelijking met andere analysetechnieken. In transport en logistiek is de potentiële omzetsprong 89 procent meer.

Concreet, als een organisatie AI gebruikt voor haar marketingteam, kan het alledaagse en repetitieve taken automatiseren, waardoor de verkoopvertegenwoordiger zich kan concentreren op taken zoals het opbouwen van relaties, het verzorgen van leads, enz. Een bedrijfsnaam Gong biedt een gespreksintelligentieservice. Elke keer dat een verkoopvertegenwoordiger een telefoongesprek voert, neemt de machine transcripties op en analyseert de chat. De VP kan AI-analyse en aanbeveling gebruiken om een ​​winnende strategie te formuleren.

In een notendop, AI biedt een geavanceerde technologie om met complexe gegevens om te gaan die onmogelijk door een mens kunnen worden verwerkt. AI automatiseert overbodige taken, zodat een werknemer zich kan concentreren op taken met een hoge toegevoegde waarde. Wanneer AI op grote schaal wordt geïmplementeerd, leidt dit tot kostenreductie en omzetstijging.

Een korte geschiedenis van kunstmatige intelligentie

Kunstmatige intelligentie is tegenwoordig een modewoord, hoewel deze term niet nieuw is. In 1956 besloot een groep avant-garde experts met verschillende achtergronden een zomeronderzoeksproject over AI te organiseren. Vier knappe koppen leidden het project; John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM) en Claude Shannon (Bell Telephone Laboratories).

Het primaire doel van het onderzoeksproject was om 'elk aspect van leren of elk ander kenmerk van intelligentie aan te pakken dat in principe zo nauwkeurig kan worden beschreven dat er een machine kan worden gemaakt om het te simuleren'.

Het voorstel van de toppen inbegrepen

  1. Automatische computers
  2. Hoe kan een computer worden geprogrammeerd om een ​​taal te gebruiken?
  3. Neuron Netten
  4. Zelfverbetering

Het leidde tot het idee dat intelligente computers gemaakt kunnen worden. Een nieuw tijdperk begon, vol hoop - Kunstmatige intelligentie.

Type kunstmatige intelligentie

Kunstmatige intelligentie kan worden onderverdeeld in drie deelgebieden:

  • Kunstmatige intelligentie
  • Machinaal leren
  • Diep leren

Soorten kunstmatige intelligentie



Machinaal leren

Machine learning is de kunst van s studie van algoritmen Dat leren van voorbeelden en ervaringen .

Machine learning is gebaseerd op het idee dat er bestaan sommige patronen in de gegevens die waren geïdentificeerd en gebruikt voor toekomst voorspellingen .

Het verschil met hardcoding-regels is dat de machine leert op zijn eigen om dergelijke regels te vinden.

Diep leren

Deep learning is een deelgebied van machine learning. Deep learning betekent niet dat de machine meer diepgaande kennis leert; het betekent dat de machine verschillende lagen gebruikt om van de gegevens te leren. De diepte van het model wordt weergegeven door het aantal lagen in het model. Het Google LeNet-model voor beeldherkenning telt bijvoorbeeld 22 lagen.

Bij deep learning vindt de leerfase plaats via een neuraal netwerk. Een neuraal netwerk is een architectuur waarbij de lagen op elkaar worden gestapeld.

AI versus machinaal leren

De meeste van onze smartphones, dagelijkse apparaten of zelfs internet maken gebruik van kunstmatige intelligentie. Heel vaak, AI en machine learning worden door grote bedrijven die hun nieuwste innovatie willen aankondigen door elkaar gebruikt. Machine learning en AI zijn echter in sommige opzichten verschillend .

AI - kunstmatige intelligentie - is de wetenschap van het trainen van machines om menselijke taken uit te voeren. De term werd uitgevonden in de jaren vijftig toen wetenschappers begonnen te onderzoeken hoe computers zelf problemen konden oplossen.

Kunstmatige intelligentie versus machinaal leren

Kunstmatige intelligentie is een computer die mensachtige eigenschappen krijgt. Neem onze hersenen; het werkt moeiteloos en naadloos om de wereld om ons heen te berekenen. Kunstmatige intelligentie is het concept dat een computer hetzelfde kan doen. Men kan zeggen dat AI de grote wetenschap is die menselijke vaardigheden nabootst.

Machine learning is een aparte subset van AI die een machine traint om te leren. Machine learning-modellen zoeken naar patronen in gegevens en proberen conclusies te trekken. Kortom, de machine hoeft niet expliciet door mensen te worden geprogrammeerd. De programmeurs geven enkele voorbeelden en de computer gaat van die voorbeelden leren wat hij moet doen.

Waar wordt AI gebruikt? Voorbeelden

In deze zelfstudie over AI voor beginners leren we verschillende toepassingen van AI:

AI heeft brede toepassingen-

  • Kunstmatige intelligentie wordt gebruikt om de repetitieve taak te verminderen of te vermijden. AI kan bijvoorbeeld een taak continu herhalen, zonder vermoeidheid. In feite rust AI nooit, en het is onverschillig voor de taak die moet worden uitgevoerd
  • Kunstmatige intelligentie verbetert een bestaand product. Vóór het tijdperk van machine learning bouwden kernproducten voort op hardcode-regels. Bedrijven introduceerden kunstmatige intelligentie om de functionaliteit van het product te verbeteren in plaats van helemaal opnieuw te beginnen om nieuwe producten te ontwerpen. Je kunt denken aan een Facebook-afbeelding. Een paar jaar geleden moest je je vrienden handmatig taggen. Tegenwoordig geeft Facebook je met behulp van AI een aanbeveling van een vriend.

AI wordt gebruikt in alle sectoren, van marketing tot supply chain, financiën, voedselverwerkende sector. Volgens een onderzoek van McKinsey zijn financiële diensten en hightechcommunicatie toonaangevend op het gebied van AI.

Waarom is AI nu booming?

Laten we in deze zelfstudie over kunstmatige intelligentie eens kijken waarom AI nu in opkomst is. Laten we het begrijpen door het onderstaande diagram.

Een neuraal netwerk bestaat al sinds de jaren negentig met het baanbrekende artikel van Yann LeCun. Het begon echter beroemd te worden rond het jaar 2012. Verklaard door drie cruciale factoren voor zijn populariteit zijn:

  1. Hardware
  2. Gegevens
  3. Algoritme

Machine learning is een experimenteel veld, wat betekent dat er gegevens nodig zijn om nieuwe ideeën of benaderingen te testen. Met de opkomst van internet werden gegevens gemakkelijker toegankelijk. Bovendien hebben gigantische bedrijven als NVIDIA en AMD krachtige grafische chips ontwikkeld voor de gamingmarkt.

Hardware

In de afgelopen twintig jaar is de kracht van de CPU geëxplodeerd, waardoor de gebruiker op elke laptop een klein deep learning-model kan trainen. Om een ​​deep learning-model voor computervisie of deep learning te verwerken, hebt u echter een krachtigere machine nodig. Dankzij de investering van NVIDIA en AMD is er een nieuwe generatie GPU (grafische verwerkingseenheid) beschikbaar. Deze chips maken parallelle berekeningen mogelijk. Het betekent dat de machine de berekeningen over meerdere GPU's kan verdelen om de berekeningen te versnellen.

Met een NVIDIA TITAN X duurt het bijvoorbeeld twee dagen om een ​​model genaamd ImageNet tegen weken voor een traditionele CPU. Bovendien gebruiken grote bedrijven GPU-clusters om het deep learning-model te trainen met de NVIDIA Tesla K80, omdat dit helpt de datacenterkosten te verlagen en betere prestaties te leveren.

Gegevens

Diep leren is de structuur van het model en de gegevens zijn de vloeistof om het tot leven te brengen. Data drijft de kunstmatige intelligentie aan. Zonder data is er niets mogelijk. De nieuwste technologieën hebben de grenzen van gegevensopslag verlegd. Het is eenvoudiger dan ooit om een ​​grote hoeveelheid data op te slaan in een datacenter.

Internetrevolutie maakt het verzamelen en distribueren van gegevens beschikbaar om het algoritme voor machine learning te voeden. Als je bekend bent met Flickr, Instagram of een andere app met afbeeldingen, kun je hun AI-potentieel raden. Er zijn miljoenen foto's met tags beschikbaar op deze websites. Die afbeeldingen kunnen worden gebruikt om een ​​neuraal netwerkmodel te trainen om een ​​object op de afbeelding te herkennen zonder dat de gegevens handmatig moeten worden verzameld en gelabeld.

Artificial Intelligence gecombineerd met data is het nieuwe goud. Data is een uniek concurrentievoordeel dat geen enkel bedrijf mag verwaarlozen. AI levert de beste antwoorden op uw data. Als alle bedrijven over dezelfde technologieën kunnen beschikken, heeft de ene met data een concurrentievoordeel ten opzichte van de andere. Om een ​​idee te geven: de wereld creëert elke dag ongeveer 2,2 exabyte of 2,2 miljard gigabyte.

Een bedrijf heeft uitzonderlijk diverse databronnen nodig om de patronen te kunnen vinden en te leren en in een substantieel volume.

Algoritme

Hardware is krachtiger dan ooit, gegevens zijn gemakkelijk toegankelijk, maar een ding dat het neurale netwerk betrouwbaarder maakt, is de ontwikkeling van nauwkeurigere algoritmen. Primaire neurale netwerken zijn een eenvoudige vermenigvuldigingsmatrix zonder diepgaande statistische eigenschappen. Sinds 2010 zijn er opmerkelijke ontdekkingen gedaan om het neurale netwerk te verbeteren

Kunstmatige intelligentie maakt gebruik van een progressief leeralgoritme om de gegevens de programmering te laten doen. Het betekent dat de computer zichzelf kan leren hoe verschillende taken uit te voeren, zoals het vinden van afwijkingen, een chatbot worden.

Samenvatting

Kunstmatige intelligentie en machine learning zijn twee verwarrende termen. Kunstmatige intelligentie is de wetenschap van het trainen van machines om menselijke taken te imiteren of te reproduceren. Een wetenschapper kan verschillende methoden gebruiken om een ​​machine te trainen. Aan het begin van het tijdperk van de AI schreven programmeurs hardgecodeerde programma's, dat wil zeggen, typte elke logische mogelijkheid die de machine kan tegenkomen en hoe te reageren. Wanneer een systeem complex wordt, wordt het moeilijk om de regels te beheren. Om dit probleem op te lossen, kan de machine gegevens gebruiken om te leren omgaan met alle situaties vanuit een bepaalde omgeving.

De belangrijkste kenmerken van een krachtige AI zijn voldoende gegevens met een aanzienlijke heterogeniteit. Een machine kan bijvoorbeeld verschillende talen leren zolang er maar genoeg woorden zijn om van te leren.

AI is de nieuwe geavanceerde technologie. Durfkapitalisten investeren miljarden dollars in startups of AI-projecten. McKinsey schat dat AI elke industrie een boost kan geven met ten minste een groei met dubbele cijfers.

Bekijk onze video over kunstmatige intelligentie op YouTube: Klik hier .