Tipi di sistemi di intelligenza artificiale

Fin dai primi giorni dei computer, i ricercatori hanno cercato di creare sistemi che imitassero l'intelligenza umana. Sebbene un Einstein in silicio possa essere ancora una possibilità lontana, l'intelligenza artificiale, o intelligenza artificiale, ci ha portato telefoni che riconoscono il linguaggio umano, automobili che guidano se stesse e sistemi esperti che competono nei giochi televisivi. Nel corso degli anni, la ricerca sull'IA ha attraversato diverse evoluzioni e, man mano che ogni tecnologia è maturata, sono diventate parte della nostra esperienza quotidiana.

Machine Learning

I primi ricercatori hanno lottato con una potenza di elaborazione e archiviazione del computer limitate, ma hanno comunque gettato le basi dell'IA con linguaggi di programmazione come LISP e concetti come alberi decisionali e apprendimento automatico. I programmi scritti in LISP potrebbero facilmente analizzare giochi come gli scacchi, mappare tutte le mosse possibili per diversi turni, quindi scegliere l'alternativa migliore. Questi programmi potrebbero anche modificare la loro logica decisionale e imparare dagli errori precedenti, diventando nel tempo più "intelligenti". Con computer più potenti e memorie di massa più economiche, questo ramo dell'IA ha generato l'industria dei giochi per computer, oltre a una varietà di motori di ricerca personalizzati e siti di shopping online che non solo ricordano le nostre preferenze, ma anticipano le nostre esigenze.

Sistemi esperti

Mentre la prima ondata di ricercatori di intelligenza artificiale si basava sui cicli di calcolo per simulare il ragionamento umano, l'approccio successivo si basava su fatti e dati per imitare l'esperienza umana. I sistemi esperti hanno raccolto fatti e regole in una base di conoscenza, quindi hanno utilizzato motori di inferenza basati su computer per dedurre nuovi fatti o rispondere a domande. Gli ingegneri della conoscenza hanno intervistato esperti in medicina, riparazione automobilistica, design industriale o altre professioni, quindi hanno ridotto questi risultati in fatti e regole leggibili dalla macchina. Queste basi di conoscenza sono state quindi utilizzate da altri per aiutare a diagnosticare problemi o rispondere a domande. Con la maturazione della tecnologia, i ricercatori hanno trovato il modo di automatizzare lo sviluppo della base di conoscenze, alimentando risme di letteratura tecnica o consentendo al software di eseguire la scansione del Web per trovare informazioni rilevanti da solo.

Reti neurali

Un altro gruppo di ricercatori ha cercato di riprodurre il funzionamento del cervello umano creando reti artificiali di neuroni e sinapsi. Con l'addestramento, queste reti neurali potrebbero riconoscere schemi da quelli che sembravano dati casuali. Immagini o suoni vengono inseriti nel lato di ingresso della rete, con le risposte corrette nel lato di uscita. Nel tempo, le reti riorganizzano la loro struttura interna in modo che quando viene immesso un input simile, la rete restituisca la risposta corretta. Le reti neurali funzionano bene quando rispondono al parlato umano o quando traducono le immagini scansionate in testo. Il software che si basa su questa tecnologia può leggere libri ai ciechi o tradurre il parlato da una lingua all'altra.

Big Data

L'analisi dei dati su larga scala, spesso chiamata "big data", sfrutta la potenza di molti computer per scoprire fatti e relazioni nei dati che la mente umana non può comprendere. Trilioni di addebiti su carte di credito o miliardi di relazioni sui social network possono essere scansionati e correlati utilizzando una varietà di metodi statistici per scoprire informazioni utili. Le società di carte di credito possono trovare modelli di acquisto che indicano che una carta è stata rubata o che un titolare della carta è in difficoltà finanziarie. I commercianti al dettaglio possono trovare modelli di acquisto che indicano che una cliente è incinta, anche prima che lei stessa lo sappia. I big data consentono ai computer di comprendere il mondo in modi che noi umani non potremmo mai da soli.