Tipos de sistemas de inteligência artificial

Os primeiros pesquisadores lutou com poder de processamento limitado e armazenamento de computador, mas ainda lançou as bases da AI com linguagens de programação como LISP e conceitos como árvores de decisão e aprendizagem de máquina. Programas escritos em LISP poderia facilmente analisar os jogos como xadrez, mapear todos os movimentos possíveis para várias voltas, em seguida, escolher a melhor alternativa. Estes programas também podem modificar a sua lógica de decisão e aprender com os erros anteriores, obtendo "mais esperto" ao longo do tempo. Com os computadores mais potentes e de armazenamento em massa mais barato, este ramo da AI gerou a indústria de jogos de computador, bem como uma variedade de motores de busca personalizados e sites de compras on-line que não só se lembram nossas preferências, mas antecipar as nossas necessidades.

Enquanto a primeira onda de pesquisadores de IA contou com ciclos de computação para simular o raciocínio humano, a próxima abordagem baseou-se em fatos e dados para imitar a experiência humana. Os sistemas especialistas reunidos fatos e regras em uma base de conhecimento, em seguida, usado motores de inferência baseados em computador para deduzir novos fatos ou responder perguntas. engenheiros de conhecimento entrevistou especialistas em medicina, reparação automotiva, design industrial ou outras profissões, depois reduzida esses achados em fatos e regras de leitura óptica. Estas bases de conhecimento foram então usados ​​por outros para ajudar a diagnosticar problemas ou responder perguntas. Como a tecnologia amadureceu, os pesquisadores descobriram maneiras de automatizar o desenvolvimento de conhecimentos, alimentando em resmas de literatura técnica, ou deixar o rastreamento software da Web para encontrar informações relevantes sobre o seu próprio.

Outro grupo de pesquisadores tentou reproduzir o funcionamento do cérebro humano através da criação de redes artificiais de neurônios e sinapses. Com o treinamento, estas redes neurais poderia reconhecer padrões do que parecia dados aleatórios. As imagens ou sons são alimentados para o lado de entrada da rede, com as respostas correctas alimentados para o lado de saída. Ao longo do tempo, as redes de reorganizar a sua estrutura interna, de modo que, quando uma entrada semelhante é alimentado em, a rede devolve a resposta correcta. As redes neurais funcionam bem ao responder a fala humana ou ao traduzir imagens digitalizadas em texto. Software que depende esta tecnologia pode ler livros para pessoas cegas ou traduzir o discurso de uma língua para outra.

análise de dados em larga escala, muitas vezes chamado "big data," aproveita o poder de muitos computadores para descobrir fatos e relações em dados que a mente humana não pode compreender. Trilhões de taxas de cartão de crédito ou bilhões de relações de redes sociais podem ser digitalizados e correlacionados usando uma variedade de métodos estatísticos para descobrir informações úteis. empresas de cartão de crédito pode encontrar padrões de compra que indicam que um cartão foi roubado, ou que um portador do cartão está em dificuldade financeira. comerciantes de varejo podem encontrar padrões de compra que indicam que um cliente está grávida, mesmo antes de ela sabe que isso a si mesma. Big data permite que os computadores para compreender o mundo de maneiras que os seres humanos nunca poderia em nossa própria.