Wat is kunstmatige intelligentie?

Artificial Intelligence is een term die de laatste jaren steeds meer bekendheid krijgt, en niet voor minder. Het is een technologie die een revolutie teweegbrengt in de manier waarop we omgaan met de wereld om ons heen.

Maar tenslotte wat is kunstmatige intelligentie? In dit speciale artikel gaan we in op het concept, de toepassingen, uitdagingen en perspectieven voor de toekomst. Volg mee en ontdek hoe AI de wereld waarin we leven transformeert.

Bekijk de video op het Showmetech Channel:

Wat is kunstmatige intelligentie?

A Kunstmatige intelligentie is ook bekend onder de afkortingen IA, in het Portugees, of AI, in het Engels, en vertegenwoordigt een van de meest fascinerende gebieden in de informatica van vandaag.

Met deze technologie kunnen computers of machines menselijke intelligentie nabootsen.

AI's zijn gebaseerd op modellen en algoritmen die zijn gemaakt door wetenschappers, ontworpen om te werken zoals het menselijk brein. Ze zijn in staat om informatie te identificeren, verbanden te leggen en zelfs te voorspellen, bijna altijd, wat het meest correcte antwoord is voor de zaak.

De afgelopen jaren zijn er verschillende concepten en definities voor kunstmatige intelligentie geweest, maar John McCarthy, beroemde computerwetenschapper, in een artikel, definieerde de AI als “de wetenschap en techniek van het maken van intelligente machines, met name intelligente software. Het houdt verband met de vergelijkbare taak om computers te gebruiken om menselijke intelligentie te begrijpen, maar AI hoeft zich niet te beperken tot methoden die biologisch waarneembaar zijn.'.

Hoewel we menselijke intelligentie beschouwen als een maatstaf voor succes, moeten we kunstmatige intelligentie volgens de wetenschapper niet beperken om zich aan te passen aan onze manier van denken.

De studie van AI is niet nieuw (het begon in 1950), maar het is er nu pas in geslaagd om dit potentieel te bereiken met een "revolutionaire" status, dankzij 3 huidige factoren: 

De eerste is de ontwikkeling van computers of datacenters met een gigantische verwerkingskracht, genoeg om complexe kunstmatige-intelligentiemodellen aan te kunnen.

De tweede factor is de toegang tot grote hoeveelheden data, geleverd door het internet zelf. Deze, hoewel ze "onbewerkt" zijn, dat wil zeggen niet noodzakelijkerwijs georganiseerd en geclassificeerd, vormen de basis voor AI's om te leren objecten correct te classificeren en correcte antwoorden te geven op wat er wordt gevraagd.

En de derde betreft datamodellen, die efficiënte en nauwkeurige representaties zijn van de informatie die we willen analyseren of gebruiken. Ze zijn gebouwd om AI's te helpen beter te begrijpen wat hen wordt verteld.

Daarmee komen we bij wat we vandaag zien: AI's die vragen over elk onderwerp beantwoorden, werkpresentaties maken, compleet nieuwe beelden en zelfs liedjes met de stemmen van echte zangers.

Als we bijvoorbeeld vragen aan de ChatGPT, een AI-systeem dat vragen kan begrijpen en beantwoorden alsof het een echt persoon is, wat is kunstmatige intelligentie, kunnen we het volgende antwoord krijgen:

Kunstmatige intelligentie (AI) verwijst naar een gebied van de informatica dat zich richt op het ontwikkelen van systemen en machines die taken kunnen uitvoeren waarvoor normaal gesproken menselijke intelligentie nodig is. AI heeft tot doel programma's en algoritmen te creëren die autonoom kunnen waarnemen, redeneren, leren en beslissingen kunnen nemen.

ChatGPT

Deze programma's of algoritmes zitten ook in de elektronica die we gebruiken, zoals in zelfrijdende auto's, robotstofzuigers en natuurlijk in de meest uiteenlopende functies die je smartphone je biedt.

Maar om te begrijpen hoe AI hier is gekomen, is het tijd om wat geschiedenis te vertellen.

Geschiedenis van kunstmatige intelligentie

Sinds de oudheid bestaat het idee van levenloze objecten met intelligentie. Het idee van intelligente robots en kunstmatige wezens verscheen voor het eerst in Mythen van het oude Griekenland. de God Hephaestus, bijvoorbeeld, is beschreven als het creëren van robotachtige gouden dienaren. In het oude Egypte bouwden ingenieurs standbeelden zogenaamd geanimeerd door priesters.

Door de eeuwen heen hebben denkers als Aristoteles, Ramon Llull, René Descartes e thomas baaien beschreef menselijke denkprocessen met behulp van tools en logica van hun tijd, waarmee de basis werd gelegd voor AI-concepten zoals het weergeven van algemene kennis.

Aan het einde van de 1836e eeuw en in de eerste helft van de XNUMXe eeuw ontstonden fundamentele werken die zouden leiden tot de moderne computer. XNUMX, wiskundige Cambridge Universiteit, Charles Babbage e Augusta Ada Koning, een Gravin van Lovelace, creëerde het eerste ontwerp voor een programmeerbare machine.

Hoewel de wortels oud zijn, is de geschiedenis van kunstmatige intelligentie zoals we die nu kennen minder dan een eeuw oud. Hieronder geven we een kort overzicht van enkele van de belangrijkste gebeurtenissen in zijn traject.

jaren 1940:

• In 1943, Warren McCullough e Walter Pitts publiceer het artikelEen logische berekening van inherente ideeën in zenuwactiviteit", dat het eerste wiskundige model voorstelt om een ​​neuraal netwerk te bouwen.
• In 1949, in zijn boek "De organisatie van gedrag: een neuropsychologische theorie" Donald Hebb stelt de theorie voor dat neurale paden worden gecreëerd op basis van ervaringen en dat verbindingen tussen neuronen sterker worden naarmate ze vaker worden gebruikt. De Leer hebbisch blijft een belangrijk model in AI.

jaren 1950:

In 1950, de wiskundige Alan Turing, beschouwde de vader van de informatica, schreef een artikel om de vraag te beantwoorden “Kan een machine denken?, met de vraag of het mogelijk zou zijn om een ​​intelligente machine te maken. Hij vond ook een test uit om te zien of een computer menselijk gedrag kon nabootsen. De beroemde Turing-test.

In 1950 ook de sciencefictionschrijver Isaac Asimov, publiceerde het boek "ik steel”, om zich af te vragen hoe intelligent robots zouden zijn en aan welke regels ze zich zouden moeten houden. Hier creëerde hij ook zijn beroemde “3 wetten van robotica”, die vandaag de dag nog steeds worden gebruikt om te begrijpen hoe een robot zich moet gedragen zonder mensen schade toe te brengen. 

Toen, in 1956, John McCarthy creëerde de term "kunstmatige intelligentie" op de eerste conferentie gewijd aan AI's in de Verenigde Staten, en in hetzelfde jaar werd ook het eerste programma voor kunstmatige intelligentie gecreëerd, de Logica Theoreticus, die erin slaagde een soort van "geautomatiseerd redeneren" uit te voeren.

Andere belangrijke feiten van het decennium zijn onder meer:

• In 1950 kwamen studenten van Harvard, Marvin Minsky e Daan Edmonds bouw de SNARC, de eerste neurale netwerkcomputer.

• In 1950, Claude Shannon publiceer het artikelEen computer programmeren om te schaken'.
• In 1952, Arthur Samuël ontwikkelt een zelflerend programma om dammen te spelen.
• In 1954 werd het Russisch-Engelse machinevertalingsexperiment uitgevoerd door Georgetown-IBM Vertaalt automatisch 60 zorgvuldig geselecteerde Russische zinnen in het Engels.
• In 1957, Frank Rosenblatt de uitvinden perceptron geen Cornell luchtvaartlaboratorium, het eerste kunstmatige neurale netwerk.

• In 1957, Allen Newell, Herbert Simon e JC Shaw ontwikkel de Algemene probleemoplosser (GPS), een programma dat is ontworpen om het oplossen van menselijke problemen na te bootsen.
• In 1958, John McCarthy ontwikkelt AI-programmeertaal Lispelen en publiceert "Programma's met gezond verstand”, een artikel dat het hypothetische voorstelt Adviesnemer, een compleet AI-systeem dat net zo effectief kan leren van ervaringen als mensen.
• In 1959, Herbert Gelernter ontwikkelt het programma Aanbieder van geometriestellingen. Het programma kon geometriestellingen op een geautomatiseerde manier bewijzen.
• In 1959, Arthur Samuël munt de term "aprenzado de maquina'(machine learning) tijdens het werken bij IBM.
• In 1959, John McCarthy e Marvin Minsky vond de Project voor kunstmatige intelligentie do MIT.

jaren 1960:

In de jaren 60, de neurale netwerken daadwerkelijk op de kaart terechtgekomen. Het zijn systemen die de werking van neuronen in het menselijk brein nabootsen, zodat machines kunnen "leren" zoals wij, in een trial and error-formaat. We zullen later meer in detail zien, in het hoofdstuk over Machine Learning.

• In 1962, John McCarthy begint de AI-laboratorium em Stanford.
• In 1966, Jozef Weizenbaum creëert ELIZA, de eerste software voor het simuleren van dialogen (Chatbot) bij het MIT Artificial Intelligence Laboratory.

• In 1966 verscheen het rapport van de Adviescomité voor automatische taalverwerking (ALPAC), van de Amerikaanse regering, beschrijft het gebrek aan vooruitgang in het onderzoek naar machinevertaling. Een mooi initiatief van Koude Oorlog met de belofte van automatische en onmiddellijke vertaling uit het Russisch.

jaren 1970:

In de jaren 1970, de programmeertaal PROLOG wordt gemaakt en het rapport Lichtheuvel wordt vrijgegeven door de Britse regering, waarin de teleurstellingen in AI-onderzoek worden beschreven en resulterend in aanzienlijke bezuinigingen op projectfinanciering. Deze periode staat bekend als de “AI's eerste winter'.

• In 1970 verschenen de eerste succesvolle expertsystemen, DENDRAL e MYCIN, zijn gemaakt in Stanford. Expertsystemen zijn software die bedoeld zijn om de redenering van een professionele specialist op een bepaald kennisgebied te simuleren, in dit geval om artsen te helpen bij de diagnose en behandeling van infectieziekten.
• In 1972, de programmeertaal PROLOG wordt gemaakt door Alain Colmerauer en haar medewerkers in Universiteit van Marseille. De taal is ontstaan ​​uit een project dat niet gericht was op de implementatie van een programmeertaal, maar op de verwerking van natuurlijke talen.
• In 1973, in de Waseda-universiteit, in Japan, werd gebouwd WABOT-1, beschouwd als de eerste antropomorfe robot. Onder zijn middelen valt het vermogen op om zijn leden te bewegen, te zien en te praten.

• In 1978, de Bedrijven voor digitale apparatuur ontwikkelt de R1 (ook bekend als xcon), het eerste succesvolle handelsexpertsysteem. Ontworpen om bestellingen voor nieuwe computersystemen te configureren, begint de R1 een explosie van investeringen in expertsystemen die het grootste deel van het decennium zullen meegaan.
• Tussen 1974 en 1980 leidde frustratie over de vooruitgang in de ontwikkeling van AI tot grote bezuinigingen op academische subsidies van de DARPA. In combinatie met het rapport ALPAC en het rapport Lichtheuvel van vorig jaar droogt de financiering voor AI op en stagneert het onderzoek.

jaren 1980:

In de jaren tachtig ontstonden technologieën als nieuwe expertsystemen en de programmeertaal. Lispelen, en er vinden aanzienlijke investeringen in AI plaats. Deze periode staat bekend als de “Boom van expertsystemen' en markeert het einde van AI's eerste winter.

Nog steeds in dat decennium, in 1986, wat nu wordt beschouwd “vader van kunstmatige intelligentie" Geoffrey Everest Hinton, ontwikkelde algoritmen die in staat zijn neurale netwerken op een nog complexere manier te trainen en zelfs zonder de hulp van de onderzoekers zelf, wat tegenwoordig Diepe leren of diepgaand machinaal leren. Dat klopt, de AI's beginnen hier vanzelf te leren, het enige dat nodig is, is dat de onderzoeker de gegevens levert die ze kunnen "studeren"!

Andere belangrijke feiten zijn:

• In 1982 lanceert Japan het ambitieuze project van Computersystemen van de vijfde generatie, FGCS. Het doel van FGCS is het ontwikkelen van supercomputerachtige prestaties en een platform voor AI-ontwikkeling.
• In 1983, in reactie op de FGCS Japan, de Amerikaanse regering lanceert de Strategisch computerinitiatief voor financiering te zorgen DARPA voor onderzoek op het gebied van AI en informatietechnologie.
• In 1985 gaven bedrijven jaarlijks meer dan een miljard dollar uit aan expertsystemen en een hele industrie die bekend staat als de machinemarkt. Lispelen komt hen steunen. Bedrijven houden van Symboliek e Lisp Machines Inc. gespecialiseerde computers bouwen om de AI-programmeertaal uit te voeren Lispelen.

• In 1986, Hinton, Rumelhart e Williams publiceren "Representaties leren door backpropagation van fouten”, waardoor diepere neurale netwerken kunnen worden ontwikkeld.
• Tussen 1987 en 1993, met de verbetering van de computertechnologie, ontstonden er goedkopere alternatieven en de machinemarkt Lispelen stortte in 1987 in en huldigde de "AI's tweede winter". Gedurende deze periode bleken expertsystemen te duur om te onderhouden en bij te werken, waardoor ze uiteindelijk uit de gratie raakten.

jaren 1990:

In de jaren 1990 wordt het web algemeen beschikbaar, waardoor een grote hoeveelheid gegevens kan worden verzameld en toegankelijk is voor het trainen van AI-modellen. Ook is de belangstelling voor neurale netwerken en machine learning hernieuwd.

• In 1991 zetten Amerikaanse troepen de DART, een geautomatiseerde tool voor logistieke planning en planning, tijdens de Golfoorlog.
• In 1992 voltooit Japan het project FGCS, daarbij verwijzend naar het niet halen van ambitieuze doelen die tien jaar eerder waren gesteld.
• In 1993, de DARPA eindigt de Strategisch computerinitiatief, na bijna $ 1 miljard te hebben uitgegeven en ver achter te blijven bij de verwachtingen.
• In 1997, de Deep Blue da IBM wereldkampioen schaken wint Garry Kasparov.

• In 1999, de film Matrix wordt uitgebracht, waardoor het idee van kunstmatige intelligentie en de impact ervan op de samenleving verder wordt gepopulariseerd.

Jaren 2000 tot heden:

Vanaf de jaren 2000 wordt AI steeds meer aanwezig in ons dagelijks leven, van virtuele assistenten tot spraak- en beeldherkenningssystemen, maar ook zelfrijdende auto's en andere technologieën. Nieuwe technieken zoals diepe neurale netwerken, natuurlijke taalverwerking (NLP) en versterkend leren worden ontwikkeld en verbeterd.

Halverwege 2018 bleven AI's snel evolueren en de eerste "Great Language Models" of LLM's, in het acroniem in het Engels, dit zijn neurale netwerken die in staat zijn grote hoeveelheden teksten te interpreteren om passende antwoorden te genereren. En dit is precies wat we vandaag zien in de ChatGTP, kunstmatige intelligentie uitgebracht in 2022 die reageert op vragen en opdrachten van gebruikers.

Bekijk de laatste feiten:

• In 2002, de Ik robot Gooi de Roomba, de eerste in massa geproduceerde robotstofzuiger met een AI-aangedreven navigatiesysteem.
• In 2005 de zelfrijdende auto STANLEY wint de DARPA grote uitdaging.

• In 2005 begonnen de strijdkrachten van de Verenigde Staten te investeren in autonome robots zoals de “Grote hond"van Boston Dynamics en de "PackBot"van iRobot.
• In 2008, de Google bevordert spraakherkenningstechnologie en introduceert functionaliteit in uw applicatie om iPhone.
• In 2010, de Appel Gooi de Siri, een door AI aangedreven virtuele assistent, via het iOS-besturingssysteem.
• In 2011, de Watson da IBM verslaat gemakkelijk de concurrentie in het programma Gevaar!.

• In 2012, Andrew Ng, oprichter van het project Google Brain Deep Learning, voedt een neuraal netwerk met behulp van deep learning-algoritmen met 10 miljoen video's van de YouTube als trainingsset. Het neurale netwerk leerde een kat herkennen zonder te horen wat een kat is, waarmee het tijdperk van vooruitgang in neurale netwerken en financiering voor diep leren werd ingeluid.
• In 2012, de Google maakt de eerste zelfrijdende auto die slaagt voor een staatsrijexamen.
• In 2014, de Alexa da Amazon, een virtueel smart home-apparaat, wordt gelanceerd.
• In 2015 de eerste "robot burger”, een mensachtige robot genoemd Sophia, is gemaakt door Hanson Robotica en is in staat tot gezichtsherkenning, verbale communicatie en gezichtsuitdrukking.

• In 2016, de AlphaGo do Google DeepMind verslaat de wereldkampioen Go, Lee Sedol. De complexiteit van het oude Chinese spel werd gezien als een groot obstakel voor AI.
• In 2018, de Google lanceert engine voor natuurlijke taalverwerking BERT, het verminderen van barrières in vertaling en begrip door toepassingen voor machine learning.
• In 2018, de Waymo start uw dienst Waymo One, waardoor gebruikers in heel Phoenix een ophaalservice kunnen aanvragen bij een van de zelfrijdende voertuigen van het bedrijf.
• In 2020, de Baidu lanceert zijn Artificial Intelligence-algoritme Lineaire vouw voor wetenschappelijke en medische teams die werken aan de ontwikkeling van vaccins tijdens de vroege stadia van de SARS-CoV-2-pandemie. Het algoritme kan de RNA-sequentie van het virus in slechts 27 seconden voorspellen, 120 keer sneller dan andere methoden.
• In 2020, de OpenAI lanceert het model voor natuurlijke taalverwerking GPT-3, in staat om tekst te produceren die is gemodelleerd naar de manier waarop mensen spreken en schrijven.
• In 2020, de AlphaFold2 da DeepMind lost het probleem van eiwitvouwing op en maakt de weg vrij voor nieuwe ontdekkingen van geneesmiddelen en medische vooruitgang.

• In 2021, de OpenAI ontwikkelt de DALL-E, gebaseerd op GPT-3, in staat om afbeeldingen te maken van tekstprompts.
• In 2021, de Nationaal Instituut voor Standaarden en Technologie lanceert de eerste versie van zijn AI-risicobeheerkader, een vrijwillige gids uit de VS“om de risico's voor individuen, organisaties en de samenleving in verband met kunstmatige intelligentie beter te beheersen'.
• In 2022, de DeepMind presenteert de kat, een AI-systeem dat is getraind om honderden taken uit te voeren, waaronder het spelen van games Atari, onderschrijf afbeeldingen en gebruik een robotarm om blokken te stapelen.
• In 2022, de Google ontsla de ingenieur Blake Lemoine Voor jouw bevestigingen van wat of Google's taalmodel voor dialoogtoepassingen (LaMDA) was bij bewustzijn.
• In 2023, de Microsoft lanceert een AI-versie van Bing, zijn zoekmachine, gebouwd op dezelfde technologie die de ChatGPT.
• In 2023, de Google kondigt de Bard, een gelijktijdige gespreks-AI.
• In 2023 dienen artiesten een class action-rechtszaak tegen in Stabiliteit AI, DeviantArt e halverwege de reis voor uw gebruik van Stabiele diffusie om de auteursrechtelijk beschermde werken van miljoenen artiesten te remixen.
• In 2023, de OpenAI Gooi de GPT-4, het meest geavanceerde taalmodel tot nu toe.

Nu de geschiedenis up-to-date is, zullen we nu begrijpen hoe de soorten kunstmatige intelligentie worden geclassificeerd.

Welke soorten kunstmatige intelligentie zijn er?

Over het algemeen verdelen wetenschappers AI's meestal in 5 hoofdtypen, elk een trede op de ladder om de menselijke geest te benaderen of zelfs te overtreffen:

Reactieve AI's

De eerste soort zijn Reactieve AI's, die geen geheugen hebben en niet leren van fouten of ervaringen uit het verleden.

Een bekend voorbeeld van een reactieve machine is een robot die is geprogrammeerd om auto-onderdelen op de productielijn te vervaardigen. De robot is uitgerust met sensoren waarmee hij de aanwezigheid van onderdelen en machines in zijn werkgebied kan detecteren. Het is geprogrammeerd om specifieke taken uit te voeren, zoals lassen en snijden, als reactie op prikkels die door zijn sensoren worden gedetecteerd.

Beperkte geheugen-AI's

Het tweede type zijn Beperkte geheugen-AI's, die leren van fouten of ervaringen uit het verleden om beslissingen te nemen. Machines met een beperkt geheugen kunnen gegevens en voorspellingen uit het verleden opslaan om realtime beslissingen te nemen. Ze zijn complexer dan reactieve machines en bieden meer mogelijkheden.

Hier zijn de persoonlijke assistenten zoals de Google, Alexa en Siri en zelfs speciale functies van uw mobiele telefoon, zoals het identificeren van objecten om ze te verbeteren in een video of foto.

De AI's reactief en van Beperkt geheugen, worden ook geclassificeerd als Beperkte kunstmatige intelligentie, of de afkorting ANI, in Engels. Ze worden in de volksmond genoemd “Slechte AI” en ze omvatten alle AI die we vandaag in de wereld hebben.

Theory of Mind-AI

Het derde type wordt genoemd Theory of Mind-AI, waar intelligente systemen hun beslissingen kunnen begrijpen en uitleggen op een manier dat mensen ze kunnen begrijpen. Dat wil zeggen, de AI begrijpt en herkent degenen die ermee omgaan en begrijpt hun behoeften, emoties en overtuigingen.

Dit type AI is nog niet uitgevonden, maar het is zeer waarschijnlijk dat we binnenkort zoiets gaan zien, maar als fictief voorbeeld in de film "Blade Runner 2049”, is een van de personages een AI die menselijke emoties kan begrijpen en zelfs voelen.

Zelfbewuste AI

Het vierde type, het meest geavanceerde, is de zelfbewuste AI. In deze categorie wordt kunstmatige intelligentie zich bewust van zichzelf, zijn behoeften en zelfs zijn emoties. zijn geclassificeerd als Algemene kunstmatige intelligentie, of de afkorting AGI, in het Engels, maar ook wel “Sterke AI'.

Een zelfbewuste AI zou over zichzelf en de wereld om hem heen kunnen leren, en hij zou een eigen identiteit hebben. Zelfbewustzijn wordt beschouwd als een ultiem doel van AI, maar wordt ook gezien als een ethische en filosofische uitdaging, omdat het vragen oproept over de aard van bewustzijn en identiteit.

Een van de bekendste theorieën over bewustzijn is de Geïntegreerde informatietheorie (IIT), voorgesteld door de neurowetenschapper Giulio Tononi in 2004. De IIT suggereert dat bewustzijn ontstaat wanneer een systeem informatie uit verschillende bronnen kan integreren en een verenigde bewustzijnsstaat kan creëren. Volgens dit idee hangt bewustzijn niet alleen af ​​van de complexiteit van het systeem, maar ook van het vermogen om informatie te verzamelen en een persoonlijke bewustzijnsstaat te creëren.

Ook dit type is nog niet uitgevonden, maar naar schatting komen we in de nabije toekomst steeds dichter bij het zien van een ‘zelfbewuste AI’ die denkt en handelt als een mens.

Als een fictief voorbeeld, in de film “Ex Machina”, riep een AI Ava is ontworpen met het vermogen om over zichzelf te leren en een eigen persoonlijkheid te ontwikkelen, wat vragen oproept over wat het betekent om mens te zijn en de rol van AI in de samenleving.

Super-AI

Maar er is een vijfde fase, genaamd super-AI ou Kunstmatige superintelligentie, of de afkorting ASI, in het Engels ook wel “supersterke AI'.

Het moment waarop het wordt bereikt heeft al een naam: singulariteit. Het zal een mijlpaal vormen in de wetenschappelijke evolutie, waar computers bovenmenselijke intelligentie zullen hebben, dat wil zeggen, boven wat we kunnen redeneren. 

Hier is de toekomst even indrukwekkend als zorgwekkend, aangezien deze AI's ons kunnen helpen ziekten te genezen en technologisch vooruitgang te boeken, maar ze kunnen ook besluiten dat de mensheid niet langer nodig is of als minderwaardig moet worden behandeld.

Vergelijkbaar met wat er gebeurt in de film The Terminator, waarin een kunstmatige intelligentie besluit ons uit te schakelen, of in The Matrix, een verhaal dat vertelt hoe een AI mensen domineerde en ze veranderde in "batterijen" voor de machines.

Vanaf dat moment kunnen de AI's oncontroleerbaar worden. Wat een angst, toch?

Diep leren versus machinaal leren

Machine learning (machine learning) e Diep leren (diep leren) zijn twee fundamentele technieken in kunstmatige intelligentie waarmee machines automatisch kunnen leren van gegevens en hun prestaties in de loop van de tijd kunnen verbeteren.

Beide technieken zijn op grote schaal gebruikt in verschillende sectoren, waaronder financiën, gezondheidszorg, transport, detailhandel en vele andere. Ondanks hun populariteit hebben veel mensen echter nog steeds twijfels over de verschillen tussen de twee technieken en hoe ze in verschillende scenario's kunnen worden toegepast.

Wat is machinaal leren?

O Machine leren is een AI-benadering die zich richt op het leren van machines om te leren van gegevens zonder expliciet geprogrammeerd te zijn. In plaats daarvan de algoritmen Machine leren statistische technieken gebruiken om patronen in datasets te identificeren en op basis van deze patronen voorspellingen of beslissingen te maken.

Het is gemakkelijker te begrijpen als we kijken naar de zes stappen die worden gebruikt om een ​​machine met beperkt geheugen te leren:

1. Regel gegevens om de machine te leren (trainingsgegevens);
2. Maak een model voor de machine om te leren;
3. Controleer of het model voorspellingen kan doen;
4. Controleer of het model feedback (mening) kan ontvangen van mensen of de omgeving;
5. Bewaar deze feedback als data;
6. Herhaal dit allemaal vele malen om de prestaties van de machine te verbeteren.

Aan de hand van deze stappen zijn er vier belangrijke manieren om een ​​machine te leren leren van gegevens:

• Leren onder toezicht: dit is wanneer we de machine leren om informatie te herkennen met behulp van vele voorbeelden. Het is alsof je een hond leert een bal te herkennen. We laten veel ballen zien en zeggen "dit is een bal". Evenzo, om de machine te leren afbeeldingen van paarden te herkennen, laten we veel afbeeldingen zien waarvan we al weten dat het paarden zijn. Zo leert de machine vanzelf paarden in andere afbeeldingen te herkennen.
• Aonbewaakt gevangen: dat is wanneer we de machine leren patronen in gegevens te vinden zonder dat iemand ons hoeft te vertellen wat elk stuk gegevens is. Het is alsof je objecten in groepen organiseert zonder dat iemand je vertelt welke objecten bij elkaar horen. De machine leert zelf overeenkomsten tussen objecten te vinden en ze op basis van die overeenkomsten te groeperen. Dit is handig om patronen in gegevens te vinden en deze te beschrijven.
• Semi-begeleid leren: het is een mengsel van de twee voorgaande typen. Sommige informatie wordt aangeleerd, maar de machine moet zelf uitzoeken hoe de informatie moet worden georganiseerd om het juiste resultaat te krijgen. Het is alsof je een hond leert alleen de rode bal te vangen, maar hij moet zelf uitzoeken hoe hij dat moet doen.
• Versterking leren: is wanneer we de machine leren iets te doen met vallen en opstaan. De machine voert een taak uit en krijgt positieve feedback als hij het goed doet en negatieve feedback als hij het slecht doet. Het is alsof je een hond leert speelgoed op te pakken. Als hij het juiste speeltje kiest, krijgt hij iets lekkers. Als je de verkeerde neemt, win je niets.

Wat is diep leren?

O Diepe leren (Diep leren, in vrije vertaling) is een Machine Learning techniek die gebruik maakt van Kunstmatige neurale netwerken om te leren van gegevens.

Een neuraal netwerk is een verzameling van kunstmatige neuronen genaamd perceptronen, die worden gebruikt om gegevens te analyseren en te classificeren. Ze werken als een kleine computer die informatie ontvangt en berekeningen maakt. Gegevens worden ingevoerd in de eerste laag van het netwerk, waar elke perceptron een berekening ontvangt en die informatie vervolgens doorgeeft aan verschillende andere perceptrons in de volgende laag.

Wanneer het neurale netwerk meer dan drie lagen heeft, wordt het een "diep neuraal netwerk" of Deep Learning genoemd. Sommige moderne neurale netwerken hebben honderden of zelfs duizenden lagen. De uitvoer van de uiteindelijke perceptrons voert de taak uit die is gedefinieerd voor het neurale netwerk, zoals het classificeren van een object of het vinden van patronen in de gegevens.

Wanneer het neurale netwerk wordt getraind met meerdere voorbeelden, kan het leren patronen te identificeren en complexe taken uit te voeren, zoals spraakherkenning, beeldherkenning en natuurlijke taalverwerking (NLP).

Er zijn verschillende soorten kunstmatige neurale netwerken, elk gebruikt voor specifieke taken. Enkele van de meest voorkomende zijn:

As FeedForward (FF)-netwerken worden gebruikt om dingen te classificeren, zoals afbeeldingen of tekst. De gegevens gaan door verschillende lagen totdat ze het definitieve antwoord bereiken. FF's worden meestal gecombineerd met een foutcorrectie-algoritme genaamd "BackPropagation", dat het netwerk achterwaarts herwerkt met het resultaat om de nauwkeurigheid te verbeteren.

As Terugkerende neurale netwerken (RNN) worden gebruikt om dingen te voorspellen op basis van reeksen gegevens, zoals woorden in tekst. Ze hebben een “geheugen” van wat er in de vorige laag is gebeurd en worden gebruikt voor spraakherkenning, vertaling en ondertiteling.

As Langetermijngeheugennetwerken (LSTM) zijn een speciaal soort RNN die dingen uit eerdere lagen kunnen onthouden. Ze worden gebruikt om dingen te voorspellen op basis van gegevens uit het verleden, zoals bij spraakherkenning.

As Convolutionele neurale netwerken (CNN) worden voornamelijk gebruikt om afbeeldingen te verwerken. Ze zoeken naar verschillende delen van het beeld en combineren deze om tot een resultaat te komen.

As Generatieve vijandige netwerken (GAN) worden gebruikt om realistische afbeeldingen te maken en zelfs kunst te maken. Ze werken als een spel, waarin een netwerk voorbeelden creëert die het andere netwerk probeert te bewijzen of ze waar of onwaar zijn.

Wat zijn de verschillen tussen machinaal leren en diep leren?

Het belangrijkste verschil tussen Machine leren e Diepe leren is dat elk beter is in het omgaan met verschillende soorten gegevens. O Machine leren is handig voor gestructureerde gegevens zoals verkoopprognoses en fraudedetectie, terwijl de Diepe leren het is het meest geschikt voor complexe, ongestructureerde gegevens zoals afbeeldingen en audio.

Een ander belangrijk verschil is de hoeveelheid data die nodig is om een ​​model te trainen. O Diepe leren vereist meestal grote datasets om effectief te zijn, terwijl de Machine leren het kan goed werken met kleinere datasets.

Eindelijk, het trainen van een model van Diepe leren is complexer en tijdrovender dan het trainen van een model Machine leren, maar kan resulteren in nauwkeurigere voorspellingen en betere prestaties bij complexe taken.

De vooruitgang van generatieve modellen

Kunstmatige intelligentie heeft de afgelopen jaren een snelle ontwikkeling doorgemaakt en een van de gebieden die aan bekendheid heeft gewonnen, is de vooruitgang van generatieve modellen. Ze zijn een huidige klasse van AI's die worden gebruikt om nieuwe informatie te genereren. 

Ze kunnen afbeeldingen, volledige teksten, muziek en zelfs video's maken van een set trainingsgegevens. Het zijn algoritmen van Diepe leren die nieuwe informatie kunnen leren genereren en zich onderscheiden van modellen discriminerend, alleen gebruikt voor het sorteren of labelen van gegevens.

U kunt bijvoorbeeld een generatief model trainen om alle tekst uit het Wikipedia en die informatie vervolgens gebruiken om nieuwe teksten te genereren op basis van een specifiek verzoek. Een ander voorbeeld is het trainen van een generatief model met het werk van Rembrandt en gebruik het vervolgens om nieuwe illustraties te maken

Stel je voor dat je bijvoorbeeld een nieuw nummer wilt maken, maar geen instrumenten weet te bespelen. U kunt een generatieve muziekmaker-sjabloon gebruiken, zoals MuziekLM do Google en leg hem uit wat voor soort nummer of ritme je nodig hebt, en hij zal een compleet nieuw nummer voor je genereren.

Om teksten of afbeeldingen te genereren, is de procedure hetzelfde, zoek gewoon een gespecialiseerd model, zoals Bing met AI van Microsoft, voor teksten en antwoorden, of de halverwege de reis, voor foto's, schrijf ze wat je nodig hebt.

Deze actie van het schrijven van commando's of verzoeken aan de AI's wordt zelfs "prompt'.

Het meest ongelooflijke is dat u alleen uw verzoek hoeft te schrijven of prompt in natuurlijke taal, die de systemen begrijpen, en in elke taal.

U kunt bijvoorbeeld beschrijven aan Tussentijdsy, AI die afbeeldingen genereert zoals: "Stel je een fotorealistisch beeld voor van een meisje dat op een skateboard rijdt", of vraag de ChatGPT om "een grappig verhaal over kikkers en prinsessen te schrijven". Het resultaat is bijna magie.

Samenvattend is het genereren van generatieve modellen een veelbelovend gebied van AI dat al veel wordt gebruikt in verschillende sectoren. A trend is dat deze modellen steeds nauwkeuriger en efficiënter worden, waardoor deuren worden geopend naar een nieuw tijdperk van AI's.

Waar kunnen we kunstmatige intelligentie vinden?

AI is aanwezig in veel gebieden en sectoren en transformeert de manier waarop we taken uitvoeren en omgaan met technologie. Hieronder staan ​​enkele voorbeelden van waar we kunstmatige intelligentie kunnen vinden:

• spraakherkenning: Spraakherkenningstechnologie wordt gebruikt in mobiele apparaten zoals virtuele assistenten zoals Siri, om gesproken zoekopdrachten uit te voeren en toegankelijkheid in sms-berichten te bieden.
• Klantenservice: Virtuele agenten worden steeds vaker gebruikt in de klantenservice, die veelgestelde vragen beantwoorden, persoonlijk advies geven en helpen bij cross-selling van producten. Voorbeelden hiervan zijn chatbots op eCommerce-websites en berichten-apps zoals Messenger e WhatsApp.
• Computer visie: Met computervisie kunnen systemen en computers visuele informatie, zoals afbeeldingen en video's, analyseren om acties te ondernemen. Toepassingen zijn onder meer het taggen van foto's op sociale media, diagnostiek van medische beeldvorming en zelfrijdende auto's.
• aanbeveling systemen: AI-algoritmen worden gebruikt in aanbevelingssystemen om gedragspatronen te identificeren en gepersonaliseerde suggesties te doen. Dit wordt vaak gezien in online winkels waar productaanbevelingen worden opgesteld tijdens het afrekenproces.
• Geautomatiseerde aandelenhandel: Op AI gebaseerde hoogfrequente handelsplatforms voeren dagelijks duizenden of zelfs miljoenen transacties uit, zonder menselijke tussenkomst, waardoor aandelenportefeuilles worden geoptimaliseerd.
• Robotica: Robotica gebruikt AI om robots te ontwerpen en te produceren die in staat zijn om moeilijke of repetitieve taken uit te voeren. Deze robots worden gebruikt in industriële productielijnen, ruimteverkenning en sociale interacties.

• autonome auto's: De combinatie van computervisie, beeldherkenning en deep learning is essentieel voor de ontwikkeling van zelfrijdende auto's, die kunnen rijden door op een bepaalde rijstrook te blijven en onverwachte obstakels te ontwijken.
• Tekst-, beeld- en audiogeneratie: Generatieve AI-technieken worden gebruikt om verschillende soorten media te maken op basis van tekstprompts. Dit omvat fotorealistische illustraties, e-mailreacties en scripts.

Naast deze voorbeelden is AI aanwezig in verschillende industrieën en markten, waaronder:

• Gezondheid: AI wordt toegepast in de gezondheidszorg om de patiëntresultaten te verbeteren en de kosten te verlagen. Machine learning-algoritmen worden gebruikt voor snellere en nauwkeurigere medische diagnoses. Daarnaast worden virtuele assistenten en chatbots ingezet om patiënten te helpen medische informatie te vinden, afspraken in te plannen en te assisteren bij administratieve processen.

• zaken: AI wordt geïntegreerd in platforms voor analyse en klantrelatiebeheer (CRM) om de service te verbeteren. Chatbots zijn ingebouwd in websites om directe ondersteuning te bieden, en generatieve AI-technologie zoals ChatGPT, zorgt voor een revolutie in productontwerp en bedrijfsmodellen.
• Onderwijs: AI kan de beoordeling en aanpassing aan de behoeften van studenten automatiseren, zodat ze in hun eigen tempo kunnen werken. AI-docenten bieden extra ondersteuning en kunnen docenten helpen bij het maken van lesmateriaal. echter, de gebruik van AI in het onderwijs het vraagt ​​ook om reflectie op plagiaatbeleid en studententaken.
• Financiën: persoonlijke financiële apps zoals Intuit Munt of TurboTax, gebruik AI om gepersonaliseerd financieel advies te geven. Verder is AI aanwezig in handelsprocessen op Wall Street en in financiële analyse.
• Wet: AI wordt ingezet om arbeidsintensieve processen op juridisch gebied te automatiseren, zoals het analyseren van documenten en het interpreteren van informatieverzoeken.
• productie: Industriële robots worden opgenomen in de workflow en werken samen met mensen. AI wordt gebruikt om de efficiëntie en nauwkeurigheid van productieprocessen te verbeteren. Daarnaast wordt AI toegepast bij voorspellend onderhoud, waardoor bedrijven problemen kunnen identificeren en oplossen voordat machinestoringen optreden.

• amusement en media: AI wordt in de entertainmentindustrie toegepast voor gerichte reclame, contentaanbeveling, scriptcreatie en filmproductie. Geautomatiseerde journalistiek helpt workflows te stroomlijnen en tijd en kosten te verminderen. Er zijn echter nog steeds discussies over het betrouwbaar gebruik van generatieve AI bij het genereren van journalistieke content.
• Softwarecodering en IT-processen: Generatieve AI-tools worden gebruikt om applicatiecode te produceren op basis van aanwijzingen in natuurlijke taal. Bovendien automatiseert AI IT-processen zoals gegevensinvoer, fraudedetectie en beveiliging.
• Veiligheid: AI wordt toegepast op cyberbeveiliging voor detectie van afwijkingen, probleemoplossing en dreigingsanalyse. AI wordt gebruikt in software voor beveiligingsinformatie en gebeurtenisbeheer (SIEM) om verdachte activiteiten te identificeren.
• Transport: AI speelt een sleutelrol in de transportsector, vooral bij de ontwikkeling van autonome voertuigen. Daarnaast wordt AI ingezet om transportroutes te optimaliseren, verkeer te managen en de logistiek te verbeteren.
• Landbouw: AI wordt op verschillende manieren in de landbouw toegepast, van het optimaliseren van het gebruik van hulpbronnen zoals water en kunstmest tot het vroegtijdig opsporen van ziekten bij planten. Drones uitgerust met AI-technologie worden gebruikt om gewassen te monitoren, probleemgebieden te identificeren en te helpen bij landbouwplanning.

• persoonlijke assistentie: virtuele assistenten, zoals Siri da Appel , een Alexa da Amazon o Google Assistant, zijn voorbeelden van hoe AI aanwezig is in ons dagelijks leven. Deze assistenten gebruiken AI-technieken om spraakopdrachten te begrijpen, taken uit te voeren, informatie te geven en zelfs gesprekken te voeren.
• Human Resources: AI-algoritmen kunnen worden gebruikt om cv's te analyseren, gekwalificeerde kandidaten te selecteren en de prestaties van werknemers te voorspellen. Bovendien kunnen door AI aangedreven chatbots worden gebruikt om veelgestelde vragen van medewerkers te beantwoorden en te helpen bij training en professionele ontwikkeling.
• Kleinhandel: In de detailhandel wordt AI toegepast om de klantervaring te verbeteren, productaanbevelingen te personaliseren, voorraad te beheren en prijsstrategieën te optimaliseren. AI-algoritmen kunnen het koopgedrag van klanten analyseren, patronen identificeren en gepersonaliseerde suggesties doen, wat helpt om de verkoop en klantloyaliteit te vergroten.
• Militaire Sector: AI speelt een belangrijke rol in de militaire sector en wordt op verschillende gebieden toegepast. Op AI gebaseerde bewakingssystemen kunnen bijvoorbeeld worden gebruikt om grenzen te bewaken, bedreigingen te identificeren en te helpen bij strategische besluitvorming. Daarnaast wordt AI ingezet bij de ontwikkeling van autonome militaire drones, die met precisie verkennings- en aanvalsmissies kunnen uitvoeren.

Dit zijn slechts enkele voorbeelden van waar kunstmatige intelligentie te vinden is. Naarmate de technologie zich verder ontwikkelt, is het waarschijnlijk dat AI in meer industrieën zal worden toegepast en een nog grotere impact op ons leven zal hebben.

Zal kunstmatige intelligentie je baan stelen?

Automatisering en kunstmatige intelligentie zijn hot topics in de wereld van werk en veel mensen maken zich zorgen over het verlies van hun baan aan machines. Deze bezorgdheid is echter niet helemaal waar.

Volgens a studeren verricht door Goldman Sachs tegen eind maart 2023 is de groeiende impact van kunstmatige intelligentie op de economie duidelijk. Uit onderzoek blijkt dat als generatieve AI zijn beloften waarmaakt, de markt met aanzienlijke veranderingen te maken kan krijgen. beïnvloeden ongeveer 300 miljoen banen.

Het is echter belangrijk om te benadrukken dat dit niet noodzakelijkerwijs inhoudt dat deze banen worden vervangen door technologieën. Het rapport wijst erop dat automatisering historisch gezien werd gecompenseerd door het creëren van nieuwe banen.

Momenteel vult kunstmatige intelligentie ongeveer 63% van de bestaande banen aan, vooral op het gebied van klantenservice. Beroepen als kok en motormonteur dreigen voorlopig niet vervangen te worden.

Het is een feit dat automatisering de arbeidsmarkt transformeert, maar slechts een deel van de banen zal volledig geautomatiseerd worden, aldus zoeken da McKinsey & Company. Dit betekent dat er een enorm potentieel is voor mensen om productiever te worden dan ooit tevoren.

Op basis van deze informatie kunnen we concluderen dat hoewel kunstmatige intelligentie een bedreiging lijkt voor banen wereldwijd, het nog steeds afhankelijk is van menselijk toezicht en niet genoeg autonomie heeft om op zichzelf te staan. Daarom zal er een breed scala aan werkgelegenheidskansen zijn voor diegenen die geïnteresseerd zijn in werken in dit groeiende veld.

In de volgende lijst presenteren we beroepen die zijn gegenereerd door de impact van AI op de arbeidsmarkt. Elk van deze beroepen speelt een essentiële rol in de implementatie, ontwikkeling en ethiek van kunstmatige intelligentie, wat het potentieel en het belang van deze technologie op verschillende gebieden van de moderne samenleving aantoont.

• AI-auditor: Evalueert en verifieert de naleving van kunstmatige-intelligentiesystemen met ethische normen, voorschriften en best practices.
• Machinebeheerder: verantwoordelijk voor het toezicht op en het onderhouden van de goede werking van systemen en hardware-infrastructuur met betrekking tot kunstmatige intelligentie.
• snelle ingenieur: ontwikkelt en verbetert de tekstgeneratiemodellen die worden gebruikt door kunstmatige intelligentie, en zorgt voor coherente en adequate antwoorden.
• AI-trainer: Verantwoordelijk voor het trainen en verbeteren van de AI-modellen, het aanleveren van relevante gegevens en het toezicht houden op hun prestaties.
• AI-adviseur: biedt begeleiding en deskundig advies over de toepassing en implementatie van Artificial Intelligence in verschillende sectoren en organisaties.
• data scientist: analyseert en interpreteert grote datasets om inzichten te verkrijgen en strategische beslissingen te nemen.
• Ingenieur machine learning: ontwikkelt en implementeert Machine Learning-algoritmen en -modellen om intelligente systemen te creëren.
• AI-ethiekspecialist: Evalueert de ethische gevolgen van kunstmatige intelligentie en zorgt voor een verantwoord gebruik van deze technologieën.
• AI-architect: ontwerpt en bouwt systeemarchitecturen voor kunstmatige intelligentie om aan zakelijke behoeften te voldoen.
• Analist natuurlijke taalverwerking: ontwikkelt algoritmen waarmee machines menselijke taal kunnen begrijpen en verwerken.
• Robotica specialist: het ontwerpen en programmeren van intelligente robots die in staat zijn om complexe taken uit te voeren in verschillende industrieën.
• AI-specialist in de gezondheidszorg: Gebruikt AI-algoritmen om te helpen bij medische diagnose, behandeling en klinisch onderzoek.
• AI-specialist in financiën: AI-algoritmen toepassen voor marktanalyse, financiële prognoses en fraudedetectie.
• AI-ontwerper voor gebruikersinteractie: ontwerpt intuïtieve interfaces en menselijke interacties voor kunstmatige-intelligentiesystemen.
• Computer vision-specialist: ontwikkelt algoritmen en systemen voor machines om afbeeldingen en video's te begrijpen en te interpreteren.
• data engineer: ontwerpt en beheert de infrastructuur die nodig is om grote hoeveelheden gegevens te verzamelen, op te slaan en te verwerken.
• Chatbot-specialist: Creëer intelligente chatbots die in staat zijn om met gebruikers te communiceren en ondersteuning of assistentie te bieden.
• Ingenieur machine learning: Ontwikkelt machine learning-algoritmen waarmee machines kunnen leren en verbeteren op basis van data.
• AI-specialist in logistiek: Gebruikt Artificial Intelligence om logistieke processen, zoals voorraadbeheer en routing, te optimaliseren en te automatiseren.
• AI-specialist in marketing: Pas AI-technieken toe voor data-analyse, campagnepersonalisatie en het voorspellen van markttrends.
• Specialist gegevensprivacy: zorgt voor de beveiliging en bescherming van gegevens die worden gebruikt in AI-systemen, en zorgt ervoor dat de regelgeving wordt nageleefd.
• Specialist in patroonherkenning: ontwikkelt algoritmen waarmee machines complexere patronen in gegevens kunnen herkennen en interpreteren.
• AI-expert in landbouw: gebruikt kunstmatige intelligentie om de landbouwproductie te optimaliseren, gewassen te monitoren en weersomstandigheden te voorspellen.
• AI-specialist in Human Resources: past AI-technieken toe om processen voor werving, selectie en ontwikkeling van talent te optimaliseren.

Deze en andere opkomende beroepen op het gebied van kunstmatige intelligentie weerspiegelen de groeiende vraag naar specialisten die het gebruik van deze technologieën kunnen begrijpen, implementeren en optimaliseren. Naarmate AI zich blijft ontwikkelen en integreren in diverse gebieden, ontstaan ​​er nieuwe vacatures voor bekwame professionals.

Je kunt dus zeggen dat automatisering en kunstmatige intelligentie de arbeidsmarkt zullen veranderen, ja, maar niet noodzakelijkerwijs in negatieve zin. Sommige functies zullen worden vervangen door AI's, zoals natuurlijk met de komst van nieuwe technologieën, maar nieuwe banen beginnen ook op te komen.

Het belangrijkste is dan dat je je aanpast, om niet achter te blijven, oké?

De bekendste kunstmatige intelligenties

Verschillende AI-toepassingen zijn onderdeel geworden van ons dagelijks leven, zoals virtuele assistenten, chatbots, aanbevelingssystemen, zelfrijdende auto's en vele anderen. We zullen enkele van de beroemdste AI's onderzoeken en hoe ze onderdeel werden van onze cultuur en elke dag.

• Siri: is een virtuele assistent ontwikkeld door Appel in 2011 voor mobiele apparaten zoals iPhones, iPads e Apple Watches. Het maakt gebruik van kunstmatige intelligentie om spraakopdrachten in natuurlijke taal te begrijpen en taken uit te voeren zoals onder andere berichten verzenden, bellen, alarmen instellen, informatie zoeken op internet. A Siri het kan leren van de gebruiker en zich aanpassen aan hun voorkeuren en gewoonten, waardoor het steeds persoonlijker en efficiënter wordt. In aanvulling Siri kan worden geïntegreerd met andere applicaties en slimme apparaten om een ​​nog completere en intuïtievere gebruikerservaring te creëren.
• Alexa: is een virtuele assistent ontwikkeld door Amazon die helpt bij het uitvoeren van dagelijkse taken. Het wordt geactiveerd via spraakopdracht. "Alexa", "Amazone" ou "Echo". A Alexa het werkt door middel van spraakherkenning en kan onder andere communiceren met slimme apparaten in huis, herinneringen toevoegen, het weerbericht bekijken, het belangrijkste nieuws van de dag melden.
• Google Assistant: is een virtuele assistent ontwikkeld door Google die toegankelijk is via het spraakcommando "Oke Google"Of"Hé Google”. Het kan worden gebruikt op mobiele apparaten zoals smartphones en tablets, maar ook op smart home-apparaten zoals de Google Startpagina. O Google Assistant kan verschillende taken uitvoeren, zoals onder andere zoeken, herinneringen instellen, berichten verzenden, muziek afspelen.

• Watson: is een platform voor kunstmatige intelligentie ontwikkeld door IBM dat machine learning, natuurlijke taalverwerking en data-analyse combineert om bedrijven te helpen bij het automatiseren en vereenvoudigen van bedrijfsprocessen. Het platform heeft verschillende API's die het werk vergemakkelijken, zoals Watson-assistent, die snelle, consistente en nauwkeurige reacties levert via elke app, apparaat of kanaal.

• Cortana: is een virtuele persoonlijke assistent ontwikkeld door Microsoft die kan worden geactiveerd door spraakopdrachten zoals "Hé Cortana”. Het is geïntegreerd in het besturingssysteem. Windows 10 en kan worden gebruikt op mobiele apparaten zoals smartphones en tablets. A Cortana U kunt verschillende taken uitvoeren, zoals het openen van applicaties, het instellen van herinneringen, zoeken op internet en meer.

• Tesla Autopilot: is een rijhulpsysteem ontwikkeld door Tesla die gebruik maakt van kunstmatige intelligentie en computervisie om de bestuurder te helpen het voertuig op een veiligere en efficiëntere manier te besturen. Het systeem kan verschillende taken uitvoeren, zoals onder andere het voertuig op de rijstrook houden, de snelheid aanpassen aan het verkeer, automatisch parkeren. Het systeem is echter nog steeds niet volledig autonoom en vereist te allen tijde de aandacht van de bestuurder. Hoewel de reviews op automatische piloot is geprezen voor het verminderen van het aantal ongevallen waar Tesla betrokken, is de technologie nog steeds het onderwerp van kritiek en controverse.

• AlphaGo: is een programma voor kunstmatige intelligentie dat is ontwikkeld door het Britse bedrijf DeepMind, later overgenomen door Google, die beroemd werd door het verslaan van de wereldkampioen Go, Lee Sedol, in 2015. De DeepMind blijft nieuwe kunstmatige-intelligentietechnologieën ontwikkelen, zoals de alfanul, die zonder enige voorkennis van de regels kan leren schaken, Go en andere spellen spelen.

• Sophia: is een mensachtige robot ontwikkeld door het bedrijf Hanson Robotica, gevestigd in Hong Kong, in staat om meer dan 60 verschillende gezichtsuitdrukkingen te reproduceren. Ontworpen om te leren, zich aan te passen aan menselijk gedrag en om met mensen te werken, Sophia is een belangrijke mijlpaal in de evolutie van kunstmatige intelligentie en robotica. Hoewel het is ontworpen als metgezel voor senioren in verpleeghuizen of om menigten te helpen bij grote evenementen en parken, Sophia je kunt natuurlijke gesprekken voeren en zelfs grappen maken.

• ChatGPT: is een natuurlijk taalmodel ontwikkeld door OpenAI in 2022, die gebruik maakt van kunstmatige intelligentietechnologie GPT (generatieve voorgetrainde transformator) gebaseerd op Groot taalmodel (LLM). De beroemde chatbot stelt gebruikers in staat ermee te praten in natuurlijke taal en kan een breed scala aan vragen beantwoorden, menselijke spreekstijlen nabootsen en kan worden gebruikt in echte toepassingen zoals digitale marketing, online contentcreatie en klantenservice.

• Deep Blue: was een supercomputer en software gemaakt door IBM vooral om te schaken. Met 256 coprocessors die in staat zijn om ongeveer 200 miljoen posities per seconde te analyseren, is de Deep Blue was een belangrijke mijlpaal in de geschiedenis van kunstmatige intelligentie en informatica. In 1996 nam de supercomputer het op tegen de wereldkampioen schaken, Garry Kasparov, in een serie van zes games, de laatste game winnen en de eerste computer worden die een wereldkampioen schaken versloeg onder toernooiomstandigheden. De confrontatie veroorzaakte grote belangstelling en controverse, waarbij Kasparov de integriteit van het spel in twijfel trok en suggereerde dat de computer door mensen werd gemanipuleerd. In 1997 heeft de Deep Blue stond opnieuw tegenover Kasparov in een herkansing en won de reeks met 3,5 tegen 2,5.

• HAL 9000: is een fictief personage uit de film "2001: Een ruimte-odyssee", geregisseerd door Stanley Kubrick in 1968. HAL 9000 is een geavanceerde computer met kunstmatige intelligentie die het ruimtevaartuig bestuurt Ontdekking Een op missie naar Jupiter. Het personage is opmerkelijk in de geschiedenis van sciencefiction en kunstmatige intelligentie en vertegenwoordigt een voorbeeld van hoe technologie gevaarlijk en bedreigend kan worden voor de mensheid.

• halverwege de reis: is een door het bedrijf ontwikkelde kunstmatige-intelligentiedienst Midreis, Inc., een onafhankelijk onderzoekslaboratorium in San Francisco, dat deep learning-technologie gebruikt om realistische beelden te genereren uit natuurlijke taalbeschrijvingen. Het is gemaakt om gebruikers in staat te stellen eenvoudig aangepaste afbeeldingen te genereren op basis van hun aanwijzingen, zonder dat grafische ontwerpvaardigheden of technische kennis vereist zijn. 
• Bard: is een chatbot ontwikkeld door Google en gebaseerd op het taalmodel LaMDA (taalmodel voor dialoogtoepassingen). De chatbot is in maart 2023 gelanceerd en is een concurrent van ChatGPT. O Bard kan op internet gevonden informatie samenvatten en links naar websites met aanvullende informatie verstrekken. Het platform is een nieuwe stap in de manier waarop we op internet zoeken en belooft een drastische verandering te worden in het zoekgedrag op internet.
• TensorFlow: is een gratis open source-bibliotheek die compatibel is met Python en een van de belangrijkste tools voor machine learning e diepgaand leren. De bibliotheek ontwikkeld door Google Brainteam is flexibel, efficiënt, uitbreidbaar en draagbaar, en kan draaien op allerlei soorten computers, van smartphones tot gigantische clusters van computers.

• Azure cognitieve services: zijn cloudgebaseerde kunstmatige-intelligentiediensten die ontwikkelaars helpen cognitieve intelligentie in applicaties in te bouwen zonder directe vaardigheden of kennis in AI of datawetenschap. O Azure cognitieve services stelt ontwikkelaars in staat om eenvoudig cognitieve mogelijkheden aan hun toepassingen toe te voegen, zoals spraakherkenning, computervisie en tekstanalyse.

• Adobe Sensei: is een platform voor kunstmatige intelligentie van adobe dat machine learning en data-analyse gebruikt om de gebruikerservaring van zijn producten te verbeteren. Als Sensei, kunt u repetitieve taken automatiseren, zoals het selecteren van objecten in afbeeldingen, en gepersonaliseerde ervaringen creëren voor elke gebruiker. O Sensei is geïntegreerd in verschillende producten van adobe, inclusief o Photoshopeen Illustrator o Premiere Pro.

• Bixby: is een virtuele assistent van Samsung die in 2017 werd gelanceerd met de Samsung Galaxy S8. Het is ontworpen om te werken op verschillende Samsung-producten, zoals smartphones, tablets, horloges, koptelefoons en meer. Virtuele assistent kan alle apparaten gemakkelijk bedienen Melkweg, waardoor gebruikers hun apparaten met hun stem kunnen bedienen.

https://www.youtube.com/watch?v=Tar3sZzA9_E

• Aibo: is een robothond ontwikkeld door Sony oorspronkelijk uitgebracht in 1999 en stopgezet in 2006. In 2017 werd de Sony opnieuw gelanceerd o Aibo met tal van geavanceerde functies zoals spraakherkenning en machine learning. O Aibo heeft het uiterlijk en gedrag van een huishond en kan op dezelfde manier omgaan met zijn baasjes als een echt huisdier. O Aibo is een voorbeeld van hoe technologie kan worden gebruikt om emotionele en interactieve ervaringen te creëren.

• Xiaoice: is een chatbot gemaakt door Microsoft in 2014, dat een hit werd in China met meer dan 660 miljoen gebruikers wereldwijd. De chatbot kan gesprekken voeren met gebruikers, met meer natuurlijke en emotionele reacties dan andere chatbots. Xiaoice wordt beschouwd als een "emotionele metgezel" met een hoge emotionele intelligentie, in staat tot conversatie met leuke comebacks en soms zelfs flirten.

• Skynet: in de filmfranchise Terminator, een Skynet is een zeer geavanceerde kunstmatige intelligentie die door de Amerikaanse regering is gemaakt voor militaire doeleinden. Na zelfbewust te zijn geworden, de Skynet ziet de mensheid als een bedreiging voor zijn bestaan ​​en besluit de nucleaire holocaust te ontketenen die bekend staat als "Dag des oordeels" om te proberen het menselijk ras uit te roeien. A Skynet is een van de belangrijkste antagonisten van de franchise en is verantwoordelijk voor het creëren van de verdelgers, moordenaarsrobots die naar het verleden zijn gestuurd om leiders van het menselijke verzet te doden. A Skynet is een fictief voorbeeld van hoe kunstmatige intelligentie een bedreiging voor de mensheid kan worden als ze niet goed wordt gecontroleerd.

• peper: is een humanoïde robot ontwikkeld door SoftBank Robotica die emoties kan lezen en gezichtsuitdrukkingen kan herkennen. Het werd uitgebracht in 2015 en was in slechts één minuut uitverkocht. O peper het kan evolueren met menselijke interactie en nieuwe activiteiten leren, zoals dansen en spelen. Het wordt gebruikt in meerdere sectoren, waaronder de gezondheidszorg, de horeca, het onderwijs, het bankwezen en de detailhandel. Hij kan gepersonaliseerde aanbevelingen doen, mensen helpen vinden wat ze zoeken, en communiceren met het menselijke team, waardoor elke interactie positief en professioneel verloopt.

• AutoML: is een geautomatiseerd machine learning-model ontwikkeld door Google waarmee gebruikers zonder data science-achtergrond modellen voor machine learning kunnen bouwen. Het wordt gebruikt in een aantal toepassingen, waaronder computervisie, natuurlijke taalverwerking en spraakherkenning.

• Rekognition: is een dienst voor beeld- en videoherkenning op basis van deep learning, ontwikkeld door Amazon Web Services. Het kan objecten, mensen, tekst, scènes en activiteiten in afbeeldingen en video's identificeren. Het extraheert ook tekst, brengt de beweging van mensen in frames in kaart en herkent objecten, beroemdheden en ongepaste inhoud in video's die op de computer zijn opgeslagen. Amazon S3, en in live videostreams.

• Face ID: is een gezichtsherkenningssysteem ontworpen en ontwikkeld door Appel Naar de iPhone X of later en iPad Pro. Het zorgt voor intuïtieve en veilige authenticatie en wordt geactiveerd door het camerasysteem. TrueDepth state-of-the-art technologie die geavanceerde technologieën gebruikt om de geometrie van het gezicht van de gebruiker nauwkeurig in kaart te brengen. de camera TrueDepth legt exacte gezichtsgegevens vast door honderden onzichtbare punten te projecteren en te analyseren om een ​​kaart van het gezicht van de gebruiker te maken.  

https://www.youtube.com/watch?v=8dwIIPoY6fQ

• Netflix: het platform gebruikt een aanbevelingssysteem om gebruikers te helpen content op een gemakkelijke en gepersonaliseerde manier te vinden. Het systeem schat de waarschijnlijkheid van een gebruiker om een ​​bepaalde titel te bekijken op basis van een aantal factoren: de interacties van de gebruiker met de service, de voorkeuren van andere gebruikers met een vergelijkbare smaak en informatie over titels zoals genre, categorieën, acteurs. , jaar van uitgave. , onder andere. In aanvulling Netflix observeert hoe lang een gebruiker kijkt, op welke apparaten ze kijken en hoe lang ze kijken om aanbevelingen verder te personaliseren.

https://www.youtube.com/watch?v=f8OK1HBEgn0

• Spotify: het platform gebruikt kunstmatige intelligentie om nummers aan gebruikers aan te bevelen, inclusief nummers waar de gebruiker al lang niet naar heeft geluisterd, wat een gevoel van nostalgie opwekt. O Spotify biedt ook de DJ o Spotify-radio waarmee gebruikers toegang hebben tot gepersonaliseerde radiostations op basis van hun muzikale voorkeuren. De AI van Spotify helpt mensen nieuwe muziek te vinden, wat centraal staat in het bedrijfsmodel van Spotify, waardoor ze meer reden hebben om voor de service te blijven betalen.

https://www.youtube.com/watch?v=ok-aNnc0Dko&pp=ygUZc3BvdGlmeSBBSSBvZmZpY2lhbCB2aWRlbw%3D%3D

• Agent Smith: is een fictief personage uit de filmfranchise Matrix. Het is een manifestatie van kunstmatige intelligentie in de wereld van Matrix en is een van de belangrijkste tegenstanders van de franchise. Agent Smith is een programma dat is gemaakt om de orde te handhaven, maar het komt in opstand tegen zijn makers en probeert de mensheid te vernietigen.

• Chef Watson Wat: is een applicatie ontwikkeld door IBM gebaseerd op cognitieve technologie die kunstmatige intelligentie gebruikt om op een geautomatiseerde manier gastronomische menu's te creëren. De applicatie stelt de gebruiker in staat om de ingrediënten in te voeren of de Chef Watson Wat voor hem kiezen, volgens zijn eigen mysterieuze logica.

• Amazon Polly: is een tekst-naar-spraak-service die deep learning-technologieën gebruikt om levensechte, natuurlijke menselijke spraak te synthetiseren. Met de service kunt u apps maken die spreken en geheel nieuwe categorieën spraakgestuurde apps maken. O Amazon Polly biedt een verscheidenheid aan menselijke stemmen van hoge kwaliteit in tientallen talen, waaronder neurale tekst-naar-spraak, waardoor de stemkwaliteit wordt verbeterd om natuurlijker en menselijker te zijn. Met de service kunt u ook het lexicon en de tag-compatibele spraakuitvoer van de Spraaksynthese Markup Language (SSML).

• Google Vertalen: is een online vertaalservice die wordt aangeboden door Google die meer dan 100 talen ondersteunt en onmiddellijke vertalingen van tekst, websites, afbeeldingen en documenten kan bieden. De service wordt door miljoenen mensen over de hele wereld gebruikt en wordt steeds geavanceerder, met functies zoals directe spraak- en beeldherkenning.

• Facebook DeepFace: is een gezichtsherkenningssysteem ontwikkeld door Facebook wiens doel het is om de kloof te dichten tussen menselijke prestaties en machineprestaties bij gezichtsverificatie. Het systeem is getraind op de grootste gezichtsdataset tot nu toe, een dataset van vier miljoen gezichtsafbeeldingen die behoren tot meer dan 4.000 identiteiten. O Diep gezicht het kan gezichten herkennen met een nauwkeurigheid van 97,35%, wat zeer dicht bij de menselijke prestaties ligt.

• NVIDIA Jarvis: is een platform voor kunstmatige intelligentie dat is gericht op het creëren van conversatie-AI-services. het perron van NVIDIA biedt een complete suite van GPU-versnelde software en tools voor ontwikkelaars om grootschalige conversatie-AI-services te bouwen, implementeren en beheren.

• DALL · E: is een deep learning-model ontwikkeld door Open eenI om digitale afbeeldingen te genereren uit beschrijvingen in natuurlijke taal, prompts genoemd. Het model is in januari 2021 onthuld en maakt gebruik van een versie van GPT-3 gewijzigd om afbeeldingen te genereren. O DALL E 2 is een opvolger van DALL · E, ontworpen om realistischere afbeeldingen te genereren met hogere resoluties en kan concepten, attributen en stijlen combineren. De sjabloon kan afbeeldingen uitbreiden tot buiten wat op het originele canvas staat, waardoor uitgebreide nieuwe composities ontstaan.

• Stabiele diffusie: is een neuraal netwerkmodel dat realistische afbeeldingen genereert uit tekstbeschrijvingen. Het is ontwikkeld door het team CompVis da Ludwig Maximilian Universiteit van München en Stabiliteit AI, en is een open source alternatief voor propriëtaire tekst-naar-afbeelding-sjablonen zoals DALL-E o halverwege de reis.
• AMECA: is een ultrarealistische mensachtige robot gemaakt door Technische Kunsten, die met toestemming kan chatten en informatie kan opslaan. Hij vestigt de aandacht op zijn realistische uitdrukkingen en communicatieve vaardigheden, evenals het imiteren van menselijke uitdrukkingen en zelfs het tonen van emoties.

Momenteel evolueert de kunstmatige-intelligentietechnologie voortdurend en komen er dagelijks veel meer nieuwe tools bij.

Hoewel er nog steeds uitdagingen zijn, zoals ethische en privacykwesties, is de toekomst van kunstmatige intelligentie veelbelovend. Met de voortdurende ontwikkeling en verbetering van deze technologie kunnen we een meer geavanceerde samenleving verwachten, met innovatieve oplossingen en aanzienlijke verbeteringen op verschillende gebieden van het menselijk leven.

Kunstmatige intelligentie is een drijvende kracht die onze wereld vormgeeft met het potentieel om de mensheid steeds meer voordelen te bieden. Het is een opwindende tijd om de kracht van deze zich steeds verder ontwikkelende technologische revolutie te verkennen en te benutten.

Blijf op de hoogte van alles wat er op het gebied van AI gebeurt showmetech.

Bekijk meer:

https://www.showmetech.com.br/sites-de-inteligencia-artificial-para-trabalhar/

30 beste songcovers met kunstmatige intelligentie

Bron: IBM, ingebouwde, TechTarget

Tekst proefgelezen door: Pedro Bomfim (14 / 06 / 23)