Qullanıcı:Ssccxn/Suniy zekâ

Suniy zekâ (SZ, inglizce artificial intelligence, AI), insan taraftan yapılğan areketlerge benzer meselelerniñ formal etmesinen oğraşqan kompyuter lisaniyatı parçası ve informatikanıñ parçasıdır.

Suniy zekâ,— müendis sistemasınıñ (inglizce engineered system) bilgilerni ve beceriklerni almağa, işlmege ve qullanmağa yapa bileceğinidir.

Umumiy tasviri

Allarnıñ çoqusında, melelerniñ çezme planı evelden bilinmemektedir. Bu fenniñ kesin bir tayini yoqtur, çünki felsefede, insan zekâsınıñ tabiatı ve yeri meselesini çezilmedi.

Turing testi ya da Newell-Simon faraziyesi kibi suniy zekâdan evel bir takım faraziyeler teklif etildi olsa da, bir kompyuternıñ 'aqıllıq' irişmesi içün kesin bir kriteriy yoq. Şimdi em suniy zekânıñ vazifelerini añlamaq em de aqıllı sistemalarnı yaratmaq içün bir çoq yanaşma bar.

Tasniflerden biri, suniy zekânıñ azırlamağa eki yanaşmanı ayıra:

• azlaştırılğan, semiotik, tüşünme, fikir yürsetüv, til, duyğu, icadiyat ve il. kibi üst seviye ruhiyatiy ceryanlarnı model etken timsal sistemalarnıñ yaratılması;
• artırılğan, ayatiyatiy, daa kiçik 'aqıllı olmağan' parçalarını temel olaraq alıp aqıllı davranışnı model etikgen aqiqiy olmağan neiron ağları ve evrim esaplamasınıñ araştırması.

Bu fen, ruhiyat, neyrofiziologiya, transgumanizm ve digerleri ile bağlıdır. Bütün kompyuter fenler kibi, riyaziy bir cihaz qullanır. Onıñ içün hususan emiyetli olğan felsefe ve robototehnikasıdır.

Suniy zekâ, 1956 senesinde yaratqan pek genç bir araştırma alanıdır. Onıñ tarihiy yolu, er 'uçuv' yañı bir fikirnen bağlı olğan sinusoidağa beñzey. Bugün, onıñ inkişafı 'yükseklikte ola' [kaynak?] ve zaten diger fen alanında, sanayıda, işte ve atta kündelik ayatında elde edilgen neticelerini qullanmasına tayana.

Yanaşmalar, yönelişler ve maqsat

Meseleni añlamağa yanaşmalar

Suniy zekâ nenen oğraşqanınıñ tek bir cevabı yoq. Suniy zekâ üzerine kitap yazğan aman-aman er yazıcı, bir tariften suvuta ve bu fenniñ başarılarını onıñ ışığında kıymet keser. Adetince bu tarifler aşağıdaki kibidir:

• suniy zekâ, insan añlayışını kerektirgen vazife çezme usullarnı inceler. Yani, suniy zekâğa zekâ testlerini çezmeni ögretmeknen aytıldı. Bu, vazifelerniñ muqayese, deduktsiya ve induktsiya usullarınen çezmesiniñ inkişafını, temel bilgi irikimini ve bunlarnı qullanma becerisini uma;
• suniy zekâ, çezme olmağan ya da doğru olmapan (zaman qısıtlaması, afiza ve il. sebebinden) vazifelerniñ çezme yanaşmalarını inceler. Bu tarif sebebinden, aqıllı algoritmlar adetince satıcı vazifeleri kibi NP-tamamlanğan vazifeni çezmek içün qullanılır;
• suniy zekâ, insanıñ daa yüksek siñir arekerlerini model etmeknen oğraşa;
• suniy zekâ, bilginen çalışa alğan ve eñ emiyetli ögrene alğan bir sistemdır. Er şeyden evel, ekspert sistemalar sıñıfını tanımaqtan aytıldı (ad, insan-ekspertlerniñ "işindeki" yerini ala alğanlarınından kele) aqıllı sistemalar;
• 1990 senelerinden inkişaf etmege başlağan eñ soñ yanaşma, agent yönelişli yanaşma olaraq adlandırılmaqtadır. Bu yanaşma, aqıllı agentniñ vazifesini yerine ketirirken müitinde ayatta qalmasına yardımcı olacaq usullarğa ve algoritmlarğa celp etilir. Bu sebepte, arama ve arar berme algoritmlarnı bu yerde yahşıca araştırlmaqtadır.

NATO ekspertler, çalışmalarında suniy zekânıñ yaqın tarifini qullanalar :

• ''«Öğrenmeye veya çevreye uyum sağlamaya dayalı stratejilerin uygulanması yoluyla hedeflere ulaşmak için çok çeşitli olasılıklardan optimal veya alt optimal seçim algoritmaları tarafından sağlanan yetenek ";
• ''«Fiziksel veya dijital dünyada faaliyet gösteren insan yapımı sistemler, karmaşık bir hedefi hesaba katar ve çevrelerinin algılanmasına, toplanan yapılandırılmış veya yapılandırılmamış verilerin yorumlanmasına ve hedefe ulaşmak için gerçekleştirilecek en iyi eylemleri (önceden tanımlanmış parametrelere göre) seçer. bu verilerden elde edilen bilgilerin doğrulanması ».

Rağbetli olmağan yanaşmalar

Найзагальніший підхід полягає в тому, що штучний інтелект матиме змогу поводити себе як людський за звичних умов. Ця ідея є узагальненим підходом тесту Тюрінга, який стверджує, що машина стане розумною тоді, коли буде спроможна підтримувати діалог з людиною, а та не зможе зрозуміти, що розмовляє з машиною (діалог ведеться переписуванням).

Письменники-фантасти часто пропонують ще один підхід: штучний інтелект виникає тоді, коли машина буде відчувати і творити. Наприклад, хазяїн Ендрю Мартіна з «Двохсотлітньої людини» Айзека Азімова починає ставитись до нього як до людини тоді, коли той створив іграшку за власним проєктом. А Дейта з «Зоряного шляху», що спроможний до спілкування та навчання, мріє володіти емоціями та інтуїцією.

Tedqiq etüvine yanaşmalar

Існують різні методи створення систем штучного інтелекту. У наш час можна виділити 4 досить різних методи:

1. Логічний підхід. Основою для вивчення логічного підходу слугує алгебра логіки. Кожен програміст знайомий з нею з того часу, коли він вивчав оператор IF. Свого подальшого розвитку алгебра логіки отримала у вигляді числення предикатів — в якому вона розширена за рахунок введення предметних символів, відношень між ними. Крім цього, кожна така машина має блок генерації цілі, і система виводу намагається довести дану ціль як теорему. Якщо ціль досягнута, то послідовність використаних правил дозволить отримати ланцюжок дій, необхідних для реалізації поставленої цілі (таку систему ще називають експертною системою). Потужність такої системи визначається можливостями генератора цілей і машинного доведення теорем. Для досягнення кращої виразності логічний підхід використовує новий напрям, його назва — нечітка логіка. Головною відмінністю цього напряму є те, що істинність вислову може приймати окрім значень «так»/«ні» (1/0) ще й проміжні значення — «не знаю» (0,5), «пацієнт швидше живий, ніж мертвий» (0,75), «пацієнт швидше мертвий, ніж живий» (0,25). Такий підхід подібніший до мислення людини, оскільки вона рідко відповідає «так» або «ні».
2. Під структурним підходом ми розуміємо спроби побудови ШІ шляхом моделювання структури людського мозку. Однією з перших таких спроб був перцептрон Френка Розенблатта. Головною моделюючою структурною одиницею в перцептронах (як і в більшості інших варіантах моделювання мозку) є нейрон. Пізніше виникли й інші моделі, відоміші під назвою нейронні мережі (НМ) і їхні реалізації — нейрокомп'ютери. Ці моделі відрізняються за будовою окремих нейронів, за топологією зв'язків між ними і алгоритмами навчання. Серед найвідоміших на початку 2000-х років варіантів НМ можна назвати НМ зі зворотнім поширенням помилки, мережі Кохонена, мережі Гопфілда, стохастичні нейронні мережі. У ширшому розумінні цей підхід відомий як конекціонізм. Відмінності між логічним та структурним підходом не стільки принципові, як це здається на перший погляд. Алгоритми спрощення і вербалізації нейронних мереж перетворюють моделі структурного підходу на явні логічні моделі. З іншого боку, ще 1943 року Воррен Маккалох і Волтер Піттс[en] показали, що нейронна мережа може реалізувати будь-яку функцію алгебри логіки.
3. Еволюційний підхід. Під час побудови системи ШІ за даним методом основну увагу зосереджують на побудові початкової моделі і правилах, за якими вона може змінюватися (еволюціонувати). Причому модель може бути створено за найрізноманітнішими методами, це може бути і НМ, і набір логічних правил, і будь-яка інша модель. Після цього ми вмикаємо комп'ютер і він на основі перевірки моделей відбирає найкращі з них, і за цими моделями за найрізноманітнішими правилами генеруються нові моделі. Серед еволюційних алгоритмів класичним вважається генетичний алгоритм.
4. Імітаційний підхід. Цей підхід є класичним для кібернетики з одним із її базових понять чорний ящик. Об'єкт, поведінка якого імітується, якраз і являє собою «чорний ящик». Для нас не важливо, які моделі у нього всередині і як він діє, головне, щоби наша модель в аналогічних ситуаціях поводила себе без змін. Таким чином тут моделюється інша властивість людини — здатність копіювати те, що роблять інші, без поділу на елементарні операції і формального опису дій. Часто ця властивість економить багато часу об'єктові, особливо на початку його життя.

У рамках гібридних інтелектуальних систем намагаються об'єднати ці напрямки. Експертні правила висновків, можуть генеруватися нейронними мережами, а побіжні правила отримують за допомогою статистичного вивчення. Багатообіцяльний новий підхід, який ще називають підсиленням інтелекту, розглядає досягнення ШІ у процесі еволюційної розробки, як поточний ефект підсилення людського інтелекту технологіями.

Araştırma yolları

Як наукова дисципліна ШІ має кілька основних напрямів:

• машинне мислення (inglizce machine reasoning, охоплює процеси планування, представлення знань і міркування, пошук та оптимізацію);
• машинне навчання (умовно поділяється на глибоке навчання (inglizce deep learning) і навчання з підкріпленням (inglizce reinforcement learning)),
• робототехніка (включає в себе управління, ситуаційне сприйняття, датчики і приводи, а також інтеграцію усіх інших методів в кібер-фізичні системи).

Якщо проаналізувати історію ШІ, можна виділити такий обширний напрям як моделювання міркувань (inglizce Model-based reasoning). Багато років розвиток науки ШІ просувався саме таким шляхом, і зараз це одна з найрозвиненіших областей в сучасному ШІ. Моделювання міркувань має на увазі створення символьних систем, на вході яких поставлена деяка задача, а на виході очікується її розв'язок. Як правило, запропонована задача уже формалізована, тобто переведена на математичну форму, але або не має алгоритму розв'язання, або цей алгоритм занадто складний, трудомісткий тощо. В цей напрям входять: доведення теорем, прийняття рішень і теорія ігор, планування і диспетчеризація, прогнозування.

Таким чином, на перший план виходить інженерія знань, яка об'єднує завдання отримання знань з простої інформації, їх систематизацію і використання. Досягнення в цій області зачіпають майже всі інші напрями дослідження ШІ. Тут також необхідно відзначити дві важливі підобласті. Перша з них — машинне навчання — стосується процесу самостійного отримання знань інтелектуальною системою під час її роботи. Другу пов'язано зі створенням експертних систем — програм, які використовують спеціалізовані бази знань для отримання достовірних висновків щодо довільної проблеми.

Ayatiyatiy sistemalarnıñ model etilmesi saasında büyük ve meraqlı irişmeler bar. Bunlar bir qaç bağımsız saanı içerir. Neyron ağları, endese şekillerni tanıma ya da obyektni taqımlaşma kibi açıq olmağan ve zor meşelerin çezmek içün qullanılır. Genetika yanaşması, bazı algoritmalarnıñ diger algoritmalardan ("ana-baba") eñ yahşı hususiyetlerni alganı taqdirde daa semerli ola bileceği fikrine esalamaqtadır. Tek başına bir programma yaratmanı niyetlengen nisbeten yañı bir yanaşma, etraftaki müit ile çalışqan bir agent, agent yanaşma olaraq adlandırılır. Çoq sayıda 'pek aqıllı olmağan' agentni zaruriy şekilde birlikte işbirlikni yapmağa zorlarsañız, 'qarınca' zekâsı ala bilirsiniz.

Obyekt tanıma vazifeleri diger saalarda qismen al olunur. Bunlar, işaret, el yazma, tilni tanıması, metin talilini kirseteler. Maşna öğrenmesi ve robototehnikanen bağlı kompyuter körme qabiliyetinden hususiy hatırlamalıdır.

Robototehnika ve suniy zekâ çoq vaqıt bir-birinen birleşir. Bu eki fenniñ birleşmesi, aqıllı robotlarnıñ qurulması,suniy zekânıñ başqa bir saası olaraq belley alamız.

Maşna yaratıcılığı ayrı saqlanır, çünki insan yaratıcılığınıñ sebebi aqıl tabiatından daa az ögrenilir. Bunen beraber, bu saa bar ve o yerde kompyuter muzıkanı, edebiyat eserlerini (sıqça siirni ve masalnı) yazma, tasviriy sanatı meseleleri bar.

Niayet, er biri yaqında mustaqil bir yöneliş yapqan bir çoq suniy zekânıñ programması bar. Misaller arasında kompyuter oyunlarında zekâ programmalaması, cedvel olmağan nazaret, aqıllı telükesizlik sistemmalarnı sayıla bilir. Meselâ, 2018 senesinde Cornwall Universitetinden araştırmacılar, yañı video oyunları azırlama sürecini etkili ölçüde değiştire bilecek bir şey yaptılar. Bir çift tartışan neyron ağı (generativ tartışqan ağları) yarattılar ve olarğa ilk at açmacı oyunı olğan Doom-nıñ misalini ögrettiler. Ögrenme zamanında, neyron ağları bu oyunnıñ seviyeleri yaratmanıñ temel ilkelerini belirledi ve daa soñ insanlardan eñ ufaq bir yardım almadan yañı seviyeler yarata bilecek alğa keldi.

Araştırma saanıñ çoqusınıñ kesilip seçilmesini küremek zor olmay. Ancaq suniy zekâda körünüşte farqlı yönelişler arasındaki bağları pek küçlüdir ve bu, küçlü ve taqatsız SZ aqqında felsefiy munaqaşanen bağlıdır.

Maqsat

Planlama

Planlama saasındaki araştırmalar, vazifelerni bir derecege qadar bükülicilik ve etrafındaki müitke cevap berme beceriknen yerine ketirecek bir robot inşa etme kirişimiynen başladı. Planlama, robotnıñ bazı temel areketlerni kerçekleştire bilmesi kerek olğanını farz ete. Manilernen tolu bir odada areket etmek kibi daa zor bir vazifeni kerçekleştirmek içün qullanıla bilecek bir takım areket bulmağa çalışır. Planlama usullarından biri iyerarhik tiziliş yoq olğanınıñ usulıdır.

Planlama, bir qaç sebebinden zor bir iştir, bunda emiyetli bir rol, olucı adım sırasınıñ saasınıñ ölçüsi tarafından oynanır. Pek adiy bir robot bile çoq sayıda farqlı temel areket taqımlarını yapa bilir. Şimdiki zamanında planlama saasındaki araştırmalar robototehnika saasın gekçti, şimdi zor vazife ve maqsat sistemalarnıñ idare etilmesini da içeriyor. Zemaneviy plancılar em agent müitlerinde em de parçacık hızlandırıcıları idare etmek içün qullanılır.

Maşna ögrenme

Maşna ögrenmesi, berilerden ögrenebilgen sistemalarnıñ araştırğan ve qurulışını temel olaraq alğan suniy zekânıñ bir saasıdır. Meselâ, bir maşna ögrenimi sisteması, spam ve alğan beyanat ayırmaq içün e-postalar üzerinde öğretilgen ola bilir. Tasil soñra, yañı e-postaları spam ve spam olmağan olaraq sıñıflandırmak içün qullanıla bilir. Maşna ögrenmesiniñ merkezinde tasavur ve umumiyleştirme bulunır. Veri temsili ve veri qıymet kesmesi, bütün maşna ögrenmesi sistemalarınıñ bir parçasıdır, misal olaraq yuqarıdaki misalde, e-posta, sadece söz sırasını vazgeçerek bir mektup İngilizce sözler taqımı olarak tüşüne biliriz. Umumiyleştirme, sistemanıñ körünmez veri misallerine yahşı qullanacağı bir hususiyettir; Bunıñ garanntiya etken şaraitler, esaplamalı ögrenmesi teoriya saasında temel bir çalışma obyekttir. Çoq çeşitli maşna ögrenimi vazifeleri ve muvafaqiyetli qullanmalar bar. Basılğan işaretlerniñ avtomatik olaraq tanığanını ve evelki misallerge tayanğan optikiy işaret tanıma, maşna ögrenme tehnniklerine klassik bir yanaşmadır. 1959 senesinde Arthur Samuel, maşna ögrenmesini 'kompyuterlerniñ açıqça programlanmadan ögrenmesini temin etken bir çalışma saası' olaraq tanımladı.

Doğma til işleme ve maşna körmesi

Doğma til işleme

Doğma til işleme, suniy zekâ ve lisaniyatlisaniyatniñ umumiy bir yönelişidir. Kompyutert talili ve doğal til sintezi meselerini inceler. Suniy zekâ içün talilni, tilni añlamak manasında kelir ve sintez, aqıllı metin yaratmaq manasına kelir. Bu meselelerni çezmek, daa oñaytlı bir kompyuter-insan öz-ara hareketi şekilni yaratmak manasında kelecektir.

Vazifeler ve sıñırlar

Doğal tilini añlamak bazen suniy zekânı tamamlağan bir vazife olaraq qabul edilir, çünki yaşağan dili ta tanımak etraftaki müit aqqında keñ bir bilgi sisteması ve onıñen öz-ara areket qurma imkânnı kerektirir. 'Añlamaq'' sözüniñ manasınıñ tayini, , suniy zekânıñ temel vazifelerinden biridir. 2000 senelerniñ başında, WordNet ve UWN kibi ontologiler, doğal til veri işleme meseleleriniñ çezmesinde emiyetli bir rol oynadı.

Maşna körmesi

Maşna körmesi, kompyuter körmesiniñ sanayında ve imalatta qullanmasıdır. Maşna körmesi, kompyuterlerge körme fırsatını bergen umumiy usullarnıñ taqımı olğanda maşna körmesiniñ mühendis saası olaraq merağınıñ saası içeri alma / alıp çıqma ram cihazlar ve robot idare eticiler ve qusurlı mahsulatnı almaq içün cihazlar kibi imalat aletlerini nezaret etmek içün niyetlengen kompyuter ağlarıdır. Maşna körme, sayma tehnikasınen, optikanen, maşna qurulışınen ve sanayı avtomatizatsiyanen bağlı müendislikniñ bir bölügidir. Maşna körmeniñ eñ tarqalğan qullanmalarından biri, yarı yaydırıcı çipler, arabalar, aşayt ve ilâc kibi sanayı mallarnıñ teftişlemedir. Bükleme hatlarında çalışqan kişiler, mallarnıñ parçalarını inceler ve yapılma keyfiyeti aqqında neticelerni çıqarır. Maşna körmesi sistemaları, raqam ve aqıllı kameralarnıñı yanı sıra beñzer teftişlerni yerine ketirmek içün kösterme işlemesi programma teminatını qullanır.

Комерційні пакети програм для машинного зору і пакети програм з відкритим вихідним кодом зазвичай містять низку методів обробки зображень, таких як:

• лічильник пікселів: підраховує кількість світлих або темних пікселів;
• бінаризація: перетворює зображення в сірих тонах в бінарне (білі та чорні пікселі);
• сегментація: використовується для пошуку і/або підрахунку деталей
  • пошук і аналіз блобів: перевірка зображення на окремі блоби пов'язаних пікселів (наприклад, чорної діри на сірому об'єкті) у вигляді опорної точки зображення. Ці блоби часто представляють цілі для обробки, захоплення або виробничого браку;
  • надійне розпізнавання за шаблонами: пошук за шаблоном об'єкта, який може бути повернутий, частково прихований іншим об'єктом, або відрізнятись за розміром
• зчитування штрих-кодів: декодування 1D- і 2D-кодів, розроблених для зчитування або сканування машинами;
• оптичне розпізнавання символів: автоматизоване читання тексту, наприклад, серійних номерів;
• вимірювання: вимірювання розмірів об'єктів в дюймах або міліметрах;
• знаходження країв: пошук країв об'єктів;
• зіставлення шаблонів: пошук, підбір, і/або підрахунок конкретних моделей.

В більшості випадків системи машинного зору використовують послідовне поєднання цих методів обробки для виконання повного інспектування. Наприклад, система, яка зчитує штрих-код, може також перевірити поверхню на наявність подряпин або пошкодження та виміряти довжину і ширину компонентів, що обробляються.

Miy modelleri

Nazariy noqtalar

Кінцевою метою досліджень з питань «штучного інтелекту» є розкриття таємниць мислення та створення моделі мозку. Принципова можливість моделювання інтелектуальних процесів випливає з основного гносеологічного результату кібернетики, який полягає у тому, що будь-яку функцію мозку, будь-яку розумову діяльність, описану мовою з суворо однозначною семантикою за допомогою скінченного числа слів, в принципі можна передати електронній цифровій обчислювальній машині (ЕЦОМ). Сучасні ж наукові уявлення про природу мозку дають підстави вважати, що принаймні в суто інформаційному аспекті найістотніші закономірності мозку визначаються скінченною (хоч, може, й надзвичайно великою) системою правил.

Ameliy yerine ketirüvi

Штучний інтелект — технічна (в усіх сучасних випадках спроб практичної реалізації — комп'ютерна) система, що має певні ознаки інтелекту, тобто здатна:

• розпізнавати та розуміти;
• знаходити спосіб досягнення результату та приймати рішення;
• вчитися.

У практичному плані наявність лише неповних знань про мозок, про його функціонування не заважає будувати його наближені інформаційні моделі, моделювати на ЕЦОМ найскладніші процеси мислення, у тому числі й творчі.

Model etmesiniñ meselelik

Хоч проблема «штучного інтелекту» тісно пов'язана з потребами практики, однак тут немає єдиної загальної практичної задачі, яка б однозначно визначала розвиток теорії, проте є багато задач, які є частковими, вузькими. Тому проблема «штучного інтелекту» — це фактично цілий комплекс проблем, які характеризуються різним ступенем загальності, абстрактності, складності й розробленості і кожній з яких властиві свої принципові й практичні труднощі. Це такі проблеми, як розпізнавання образів, навчання й самонавчання, евристичне програмування, створення загальної теорії самоорганізовуваних систем, побудова фізичної моделі нейрона та ін., багато з яких мають велике самостійне значення. Для всіх цих напрямів одержано важливі результати, як практичного, так і теоретичного характеру, продовжуються інтенсивні дослідження.

Оскільки крім малочисельних оптимістів майже ніхто не намагається саме «виготовити» інтелект, аналогічний людському, то мова ведеться про створення системи, яка буде здатна реалізувати певні моделі інтелекту.

Tarih ve zemaneviy alı

Tarih

На початку XVII століття Рене Декарт зробив припущення, що тварина — деякий складний механізм, тим самим сформулював механічну теорію. 1623 року Вільгельм Шиккард (almanca Wilhelm Schickard) побудував першу механічну цифрову обчислювальну машину, згодом було створено машини Блеза Паскаля (1643) і Лейбніца (1671). Лейбніц також був першим, хто описав сучасну двійкову систему числення, хоча до нього цією системою періодично захоплювались різні великі вчені. В XIX столітті Чарлз Беббідж і Ада Лавлейс працювали над програмованою механічною обчислювальною машиною.

У XVIII столітті завдяки розвитку техніки і, в особливості, годинникових механізмів інтерес до подібних винаходів зріс ще сильніше. В середині 1750-х років австрійський винахідник Фрідріх фон Кнаус сконструював серію машин, які вміли писати пером досить довгі тексти. Досягнення в механіці XIX століття сприяли новому поштовху винаходів в напрямку до сучасного розуміння штучного інтелекту. У 1830-х роках англійський математик Чарльз Беббідж придумав концепцію складного цифрового калькулятора — аналітичної машини, яка могла б розраховувати ходи для гри в шахи. У 1832 році С. Н. Корсаков представив принцип розробки наукових методів і пристроїв для посилення можливостей розуму і запропонував серію «інтелектуальних машин», в конструкції яких, вперше в історії інформатики, застосував перфоровані карти.

В 1910—1913 роках Бертран Расселл і А.<span typeof="mw:Entity" id="mwAYo"> </span>Н.<span typeof="mw:Entity" id="mwAYs"> </span>Вайтгед опублікували працю «Принципи математики», яка здійснила революцію в формальній логіці. 1941 року Конрад Цузе побудував перший робочий програмно-контрольований комп'ютер. Воррен Маккалок і Вальтер Піттс 1943 року опублікували A Logical Calculus of the Ideas Immanent in Nervous Activity, поклавши основи нейронних мереж.

Вперше алгоритми AI з'явилися в 1960-х роках.  Пристрої, попередньо запрограмовані для найпростіших міркувань, породили ранні платформи для створення цілих експертних і кваліфікованих прогностичних систем. І, не дивлячись на те, що на початкових етапах роботи з такими системами вчені зіштовхнулися з низкою проблем, які, на перший погляд, було неможливо вирішити, — результати численних досліджень принесли свої плоди.

Кілька десятиліть тому розвиток технологій штучного інтелекту гальмувала відсутність впевненості в кінцевому продукті.  На це впливало чимало чинників: надмірна вартість машинного часу, вельми скромні обчислювальні ресурси, обмеженість мов програмування, громіздкість елементної бази тощо. У 1970-80-х роках процес взагалі майже зупинився на фоні фактично повного скорочення належного фінансування.

Однак, завдяки революційним розробкам у сфері напівпровідникової промисловості відбувся прорив у технологіях зберігання та обробки інформації і, як наслідок, — початок відродження епохи розумних машин припав на 1990-ті роки: з появою обмежених систем машинного навчання. А 2000-і роки ознаменували вже зовсім нову епоху розвитку систем штучного інтелекту.

Zemaneviy alı

ASIMO, Honda tarafından yapılğan aqıllı gumanoid robot, використовує сенсори та спеціальні алгоритми для уникнення перешкод та ходіння сходами.

Kismet, робот з базовими соціальними навичками.

У створенні штучного інтелекту (в буквальному розумінні цього слова; експертні системи і шахові програми сюди не відносяться) спостерігається інтенсивний перелом усіх предметних областей, які мають хоч якесь відношення до ШІ в базі знань. Практично всі підходи були випробувані, але до появи повноцінного штучного розуму жодна дослідницька група так і не дійшла.

Дослідження ШІ влились в загальний потік технологій сингулярності (видового стрибка, експотенціального розвитку людини), таких як нанотехнологія, молекулярна біоелектроніка, теоретична біологія, квантова теорія(ї), ноотропіки, екстромофіли тощо.

2017 senesinde Facebook deñevi

3 1 серпня 2017 року Facebook вимкнув систему штучного інтелекту через те, що боти винайшли свою мову, якою вони почали спілкуватися між собою. Випробувачі алгоритму схильні вважати, що фрази і навіть самі повторення представляли собою спроби ботів самостійно «зрозуміти» принципи спілкування.

За кілька днів перед тим Ілон Маск назвав штучний інтелект найбільшою загрозою, з якою зіткнеться цивілізація, а засновник Facebook Марк Цукерберг активно заперечував йому. Чат-боти для Messenger Фейсбук запустив у квітні 2016 року. Боти могли самостійно навчатися.

Основні тенденції розвитку штучного інтелекту на сьогодні

• штучний інтелект буде все частіше ставати предметом міжнародної політики (зокрема, питанням конкуренції та боротьби між державами);
• виробники штучного інтелекту намагатимуться робити його «прозорим» та зрозумілим для людей (через нерозуміння виникають страхи серед основної маси населення до продуктів, які діють на основі штучного інтелекту);
• штучний інтелект буде поглиблювати своє проникнення в бізнес;
• через штучний інтелект виникне більше робочих місць, ніж буде втрачено.

Qullanma ve inkişaf kelecegi

Застосування ШІ

Банки застосовують системи штучного інтелекту (СШІ) в страховій діяльності (актуарна математика) при грі на біржі і управлінні власністю. У серпні 2001 року роботи виграли в людей в імпровізованому змаганні з трейдингу (BBC News, 2001). Методи розпізнавання образів, (включаючи, як складніші й спеціалізованіші, так і нейронні сітки) широко використовують при оптичному і акустичному розпізнаванні (в тому числі тексту і голосу), медичній діагностиці, спам-фільтрах, в системах ППО (визначення цілей), а також для забезпечення ряду інших задач національної безпеки.

Застосування ШІ є важливим трендом у створенні перспективних систем управління поля бою та озброєнням.

За допомогою ШІ можливо забезпечити оптимальний та адаптивний до загроз вибір комбінації сенсорів і засобів ураження, скоординувати їх сумісне функціонування, виявляти та ідентифікувати загрози; оцінювати наміри противника. Суттєву роль ШІ відіграє у реалізації тактичних систем доповненої реальності. Наприклад, ШІ дозволяє забезпечити класифікацію та семантичну сегментацію зображень, локалізацію і ідентифікацію мобільних об'єктів з метою схематичного відтворення контурів об'єктів в якості символів доповненої реальності для ефективного цілевказування.

Значні надії покладаються на використання СШІ для управління мережами стільникового зв'язку 6G.

Розробники комп'ютерних ігор вимушені застосовувати ШІ тої чи іншої міри пропрацьованості. Стандартними задачами ШІ в іграх є відшукання шляху в двовимірному або тривимірному просторі, імітація поведінки бойової одиниці, обрахунок вірної економічної стратегії і так далі.

2018 року портрет вигаданої людини, намальований ШІ, продали за 432 тис. $. Перш ніж намалювати «Едмонда Беламі», алгоритм дослідив 15 тис. портретів, датованих XIV—XX ст..

Перспективним напрямом застосування ШІ є наукові дослідження, де він задіяний для аналізу наукових публікацій з метою синтезу нових знань, відкриття нових матеріалів, закономірностей тощо.

За допомогою алгоритму машинного навчання на основі штучного інтелекту вдалося знайти близько 50 нових екзопланет.

SZ geleceği

Проглядаються два напрямки розвитку ШІ:

• перший полягає у вирішенні проблем, пов'язаних з наближенням спеціалізованих систем ШІ до можливостей людини та їх інтеграції, яка реалізована природою людини.
• другий полягає у створенні Штучного Розуму, який представляє інтеграцію уже створених систем ШІ в єдину систему, здібну вирішувати проблеми людства.

Diger fenlernen bağlar

Штучний інтелект тісно пов'язаний із трансгуманізмом. А разом із нейрофізіологією і когнітивною психологією він утворює загальнішу науку, яку називають когнітологія. Окрему роль в штучному інтелекті відіграє філософія.

Наука «про створення штучного розуму» не могла не привернути уваги філософів. З появою перших інтелектуальних систем були зачеплені фундаментальні питання про людину і знання, а інколи і влаштування світу. З одної сторони, вони нерозривно пов'язані з цією наукою, а з іншої — вносять в неї деякий хаос. Серед дослідників ШІ досі не існує якої-небудь домінуючої точки зору на критерії інтелектуальності, систематизацію вирішуваних цілей і задач, нема навіть строгого визначення науки.

Чи може машина мислити?

Найгарячіші суперечки у філософії штучного інтелекту викликає питання можливості мислення творення людських рук. Питання «Чи може машина мислити?», яке підштовхнуло дослідників до створення науки про моделювання людського розуму, було поставлено Аланом Тюрінгом 1950 року. Дві основних точки зору на це питання носять назви гіпотез сильного і слабкого штучного інтелекту[en].

Термін «сильний штучний інтелект» ввів Джон Серль, його ж словами підхід і характеризується:Şablon:Початок цитати Більше того, така програма буде не тільки моделлю розуму; вона в буквальному розумінні слова сама і буде розумом, в тому ж розумінні, в якому людський розум — це розум.. Şablon:Кінець цитатиЗ іншого боку, прихильники слабкого штучного інтелекту[en] надають перевагу розгляду програми лише як інструменту, який дозволяє вирішувати ті чи інші задачі, які не потребують повного спектра людських пізнавальних здібностей.

У своєму уявному експерименті «Китайська кімната» Джон Серль демонструє, що проходження тесту Тюринга не є критерієм наявності істинного процесу мислення. Мислення є процесом опрацювання інформації, яка перебуває в пам'яті: аналіз, синтез і самопрограмування. Аналогічну позицію займає і Роджер Пенроуз, який в своїй книзі «Новий розум короля» аргументує неможливість отримання процесу мислення на основі формальних систем.

Edebiyat

Ukraince

• Глибовець М. М., Олецький О.В. {{{заглавие}}}. — ISBN 966518153X (укр.)
• «Енциклопедія кібернетики», відповідальний ред. В. Глушков, 2 тт., 1973. (укр.)
• Життя 3.0. Доба штучного інтелекту / Макс Теґмарк ; пер. з англ. Зорина Корабліна. — Київ: Наш формат, 2019. — 428, [1] с.
• Засоби штучного інтелекту: навч. посіб. / Р. О. Ткаченко, Н. О. Кустра, О. М. Павлюк, У. В. Поліщук ; М-во освіти і науки України, Нац. ун-т «Львів. політехніка». — Львів: Вид-во Львів. політехніки, 2014. — 204 с. : іл. — Бібліогр.: с. 200 (11 назв). — ISBN 978-617-607-692-6
• Методи штучного інтелекту: навч. посіб. / В. Б. Гітіс, К. Ю. Гудкова. — Краматорськ: ДДМА, 2018. — 136 с. — ISBN 966-379-823-3.
• О. Мороз. Штучний інтелект // Філософський енциклопедичний словник / В. І. Шинкарук (гол. редкол.) та ін. — Київ : Інститут філософії імені Григорія Сковороди НАН України : Абрис, 2002. — С. 727. — 742 с. — 1000 екз. — ББК 87я2. — ISBN 966-531-128-X.
• Системи штучного інтелекту: навч. посіб. / Н. Б. Шаховська, Р. М. Камінський, О. Б. Вовк. — Львів: Львівська політехніка, 2018. — 392 с. — ISBN 966-941-197-6.
• Системи штучного інтелекту: навч. посіб. / Ю. В. Нікольський, В. В. Пасічник, Ю. М. Щербина ; за наук. ред. В. В. Пасічника ; М-во освіти і науки, молоді та спорту України. — 2-ге вид., виправл. та доповн. — Львів: Магнолія-2006, 2013. — 279 с. : іл. — (Серія «Ком'пютинг»). — Бібліогр.: с. 275—278 (58 назв). — ISBN 978-617-57-40-11-4

Diger tillerde

• Stuart J. Russell, Peter Norvig {{{заглавие}}}. — ISBN 978-9332543515 (англ.)
• Alan Bundy, Rod Burstall {{{заглавие}}}. — ISBN 978-0852244104 (англ.)
• Nils J. Nilsson {{{заглавие}}}. — ISBN 978-0521116398 (англ.)

• Навчальний курс по штучному інтелекту (на базі Стенфордського курсу) (англ.)
• AI Topics (англ.)
• Учбовий курс «Системи штучного інтелекту» (укр.)
• Організація інтелектуальних обчислень. Курс лекцій. (укр.)
• The Malicious Use of Artificial Intelligence — доповідь про можливі злочинні способи використання систем зі штучним інтелектом

• Інститут проблем штучного інтелекту МОН і НАН України (укр.)
• AAAI — Асоціація з розвитку штучного інтелекту (англ.)
• IJCAI — Міжнародна об'єднана конференція зі штучного інтелекту (англ.)
• Інститут Аллена з питань штучного інтелекту (англ.)
• EurAi — European Association for Artificial Intelligence (англ.)
• MIT CSAIL — Computer Science and Artificial Intelligence Laboratory (англ.)
• MIRI — Machine Intelligence Research Institute (англ.)
• AIAI — Aritificial Intelligence Applications Institute (англ.)
• AFIA — Association Française pour l'Intelligence Artificielle (фр.)
• PSSI — Polskie Stowarzyszenie Sztucznej Inteligencji (англ.)
• AEPIA — Asociación Española de Inteligencia Artificial (ісп.)
• Російська асоціація штучного інтелекту (рос.)
• Російський НДІ штучного інтелекту (рос.)
• OpenAI (англ.)

Mecmualar

• Штучний інтелект
• AI and Socity, Journal of Knowledge, Culture, and Communication
• AI and Society, Journal of Artificial Intelligence Research
• Foudation and Trends in Mashine Learning
• IEEE Transection on Patern Analysis and Mashine Intelligence
• IEEE Transection on Neural Networks and Learning Systems
• International Journal of Computer Vision

[[Kategoriya:Pages with unreviewed translations]]