Vrste umjetne inteligencije

U svijetu tehnologije, umjetna inteligencija ili AI postala je jedna od najpopularnijih pretraživačkih ključnih riječi. AI je izum koji omogućuje strojevima da uče iz danih podataka i prethodnih iskustava kako bi izvršavali zadatke slično ljudima. Od igranja šaha, do chatbotova uživo i vozačkih automobila, AI je brzo postao sastavni dio naše svakodnevice.

Korištenjem tehnologija omogućenih AI-jem, računalima se može učinkovito obučiti da izvršavaju složene zadatke obradom ogromnih količina podataka i prepoznavanjem različitih uzoraka u podacima.

Kroz ovaj članak istražit ćemo različite vrste AI-a koje objašnjavaju kako možemo primijeniti AI u našem svakodnevnom životu.

Pročitaj više: Što je umjetna inteligencija

Reaktivni stroj slijedi najosnovnija načela AI-ja i, kao što mu ime sugerira, sposoban je samo koristiti svoju inteligenciju za percepciju i reagiranje na svijet ispred sebe. Reaktivni stroj ne može pohranjivati memoriju i stoga se ne može oslanjati na prethodna iskustva kako bi informirao donošenje odluka u stvarnom vremenu.

Izravno percipiranje svijeta znači da su reaktivni strojevi dizajnirani da obavljaju samo ograničen broj specijaliziranih zadataka. Namjerno sužavanje svjetonazora reaktivnog stroja ima svoje prednosti: ovaj tip AI-ja bit će pouzdaniji i pouzdaniji, i reagirat će na isti način na iste podražaje svaki put.

Deep Blue je 1990-ih godina razvio IBM kao superkompjuter koji igra šah i pobijedio međunarodnog velemajstora Garyja Kasparova. Deep Blue je bio sposoban samo identificirati figure na šahovskoj ploči i znati kako se svaka kreće na temelju pravila šaha, prepoznajući trenutnu poziciju svake figure i određujući koji je najlogičniji potez u tom trenutku. Računalo nije razmatralo buduće moguće poteze protivnika niti pokušavalo postaviti vlastite figure u bolju poziciju. Svaki potez bio je viđen kao vlastita stvarnost, odvojena od bilo kakvog prethodno izvedenog poteza.

AlphaGo tvrtke Google također nije sposoban procjenjivati buduće poteze, ali se oslanja na vlastitu neuronsku mrežu za procjenu razvoja trenutne igre, dajući mu prednost u složenijoj igri u odnosu na Deep Blue. AlphaGo je također pobijedio svjetske prvake u igri, porazivši prvaka Goa Lee Sedola 2016. godine.

AI s ograničenom memorijom ima sposobnost pohranjivanja prethodnih podataka i predviđanja prilikom prikupljanja informacija i vaganja potencijalnih odluka – praktički gledajući u prošlost kako bi pronašao tragove o onome što bi moglo slijediti. AI s ograničenom memorijom složeniji je i pruža veće mogućnosti od reaktivnih strojeva.

AI s ograničenom memorijom stvara se kada tim neprestano trenira model kako bi analizirao i koristio nove podatke ili se gradi okruženje umjetne inteligencije koje omogućuje automatsko obučavanje i obnavljanje modela.

Pri korištenju AI s ograničenom memorijom u strojnom učenju, treba slijediti šest koraka:

1. Ustanoviti obuku podataka.
2. Stvoriti model strojnog učenja.
3. Osigurati da model može donositi predviđanja.
4. Osigurati da model može primati povratne informacije od ljudi ili okoline.
5. Pohraniti povratne informacije ljudi i okoline kao podatke.
6. Ponoviti gore navedene korake kao ciklus.

Teorija uma je upravo to – teoretska. Još nismo postigli potrebne tehnološke i znanstvene sposobnosti da dosegnemo ovu sljedeću razinu AI-ja.

Koncept se temelji na psihološkoj pretpostavci da razumijemo da druge žive stvari imaju misli i emocije koje utječu na ponašanje pojedinca. U smislu strojeva s umjetnom inteligencijom, to bi značilo da AI može shvatiti kako ljudi, životinje i drugi strojevi osjećaju i donose odluke kroz samorefleksiju i odlučivanje, a zatim koristiti te informacije za donošenje vlastitih odluka. U osnovi, strojevi bi morali moći shvatiti i obraditi koncept “uma”, fluktuacije emocija u donošenju odluka i niz drugih psiholoških pojmova u stvarnom vremenu, stvarajući dvosmjerni odnos između ljudi i AI-ja.

Jednom kada se uspostavi teorija uma, negdje u budućnosti AI-ja, posljednji korak bit će da AI postane svjestan sebe. Ovaj AI posjeduje svijest na razini čovjeka i razumije svoje postojanje u svijetu, kao i prisutnost i emocionalno stanje drugih. Bilo bi sposobno razumjeti što drugi mogu trebati ne samo na temelju onoga što im komuniciraju, već i načina na koji to komuniciraju.

Svijest o sebi u AI-ju oslanja se na razumijevanje istraživača o premisi svijesti, a zatim učenje kako to replicirati kako bi se moglo ugraditi u strojeve.

Tehnologija umjetne inteligencije dolazi u različitim oblicima, od chatbotova do aplikacija za navigaciju i praćenja fitnessa. Donji primjeri ilustriraju širinu mogućih primjena AI-ja.

ChatGPT je chatbot umjetne inteligencije sposoban za stvaranje pisanih sadržaja u različitim formatima, od eseja do koda i odgovora na jednostavna pitanja. Pokrenut u studenom 2022. godine od strane OpenAI, ChatGPT pokreće veliki jezični model koji mu omogućuje da vrlo vjerno emulira ljudsko pisanje.

Google Maps koristi podatke o lokaciji s pametnih telefona, kao i podatke koje korisnici prijavljuju o stvarima poput izgradnje i prometnih nesreća, kako bi pratila tok prometa i procijenila koja će ruta biti najbrža.

Osobni pomoćnici poput Siri, Alexe i Cortane koriste obradu prirodnog jezika (NLP) kako bi primili upute od korisnika za postavljanje podsjetnika, pretraživanje online informacija i upravljanje svjetlima u kućama ljudi. U mnogim slučajevima, ovi pomoćnici su dizajnirani da nauče korisnikove preferencije i poboljšaju njihovo iskustvo tijekom vremena s boljim prijedlozima i prilagođenijim odgovorima.

Snapchat filteri koriste algoritme strojnog učenja (ML) kako bi razlikovali subjekt slike od pozadine, pratili pokrete lica i prilagodili sliku na zaslonu na temelju onoga što korisnik radi.

Automobili koji se sami voze prepoznatljivi su primjer dubokog učenja, budući da koriste duboke neuronske mreže za otkrivanje objekata oko sebe, određivanje udaljenosti od drugih vozila, prepoznavanje prometnih signala i još mnogo toga.

Nosivi uređaji Senzori i uređaji koji se nose u zdravstvenoj industriji također primjenjuju duboko učenje kako bi procijenili zdravstveno stanje pacijenta, uključujući razinu šećera u krvi, krvni tlak i puls. Također mogu izvesti obrasce iz prethodnih medicinskih podataka pacijenta i koristiti ih za predviđanje budućih zdravstvenih stanja.

MuZero, računalni program koji je stvorio DeepMind, obećavajući je vodeći trkač u potrazi za AI sistemom koji može naučiti igrati razne igre bez ikakvog prethodnog znanja o pravilima. MuZero koristi kombinaciju modela sličnih alfaGo-u, ali uči iz različitih igara i postaje sve bolji u predviđanju i donošenju odluka.

Ovi primjeri samo su vrh ledenog brijega kada je riječ o primjenama umjetne inteligencije. AI ima potencijal da transformira mnoge industrije i poboljša našu svakodnevnu interakciju s tehnologijom.