人工知能の過去、現在、未来を 1 つの記事で理解する

人工知能 (AI) とは一体何ですか?

人工知能 、英語の略称は AI です。人間の知性をシミュレートし、拡張し、拡張するための理論、方法、技術、および応用システムを研究および開発する新しい技術科学です。

機械、特にコンピューター システムによる人間の知能プロセスの模倣は、人工知能と呼ばれます。エキスパート システム、自然言語処理、音声認識、マシン ビジョンなどは、人工知能の代表的なアプリケーションです。

人工知能はどのように機能するのでしょうか?

AI に対する熱意が高まり続ける中、企業は自社の商品やサービスに AI がどのように組み込まれているかを示そうと躍起になっています。彼らが人工知能と呼ぶものは、通常、機械学習などの人工知能の 1 つのコンポーネントにすぎません。 AI には、機械学習アルゴリズムを記述してトレーニングするための特殊なハードウェアとソフトウェアが必要です。現在、AI と同義となる単一のプログラミング言語はありませんが、Python、R、Java など、代表的なプログラミング言語はいくつかあります。

人工知能システムは通常、大量のラベル付きトレーニング データを消費し、データの相関関係やパターンを評価し、これらのパターンを使用して将来の状態を予測します。テキストチャットの例を与えられたチャットボットは、何百万ものインスタンスから学習することで、人間と現実的な会話を行うことを学習できます。対照的に、画像認識プログラムは、写真内のアイテムを認識して説明することを学習できます。

学習、推論、自己修正は、人工知能プログラミングが焦点を当てる 3 つの認知機能です。

学習プロセス - AI プログラミングのこのコンポーネントには、データの収集と、データを使用可能な情報に変換するためのルールの開発が含まれます。これらのルールはアルゴリズムと呼ばれ、アルゴリズムはコンピューター デバイスに特定のタスクの実行方法を段階的に教えます。

推論プロセス - 人工知能プログラミングのこの分野は、特定の結果を達成するための最適な方法の選択に関係します。

自己修正プログラム – AI プログラミングのこの機能は、アルゴリズムを継続的に微調整し、最も正確な結果を確実に提供できるように設計されています。

さまざまな種類の人工知能の分類を理解する

人工知能の研究は、コンピューターに人間の機能を模倣させることを目的としているため、人工知能システムが人間のスキルをどの程度再現できるかが分類として使用されます。人工知能の標準。したがって、人工知能は、多様性とパフォーマンスの点で機械が人間とどの程度優れているかに基づいて、いくつかのカテゴリのいずれかに分類できます。

このようなシステムでは、より人間に近い機能を実行でき、同等レベルの能力を備えた人工知能がより高度であるとみなされます。対照的に、機能とパフォーマンスが制限された AI は、より単純で、あまり進化していないと考えられています。

この基準に基づいて、人工知能は通常 2 つのカテゴリに分類されます。分類の 1 つは、AI および AI 対応ロボットと人間の心との類似性、および人間と同じように「考える」さらには「感じる」能力に基づいています。この分類システムによれば、AI または AI ベースのシステムには、反応型マシン、限定記憶マシン、心の理論、自己認識型 AI の 4 つのカテゴリがあります。

リアクティブ マシンメモリを持たず、タスク固有です。ディープ ブルーと同様、1990 年代にガルリ カスパロフを破った IBM のチェス ソフトウェアです。ディープ ブルーはチェス盤の駒を識別して予測することができますが、記憶力が欠如しているため、過去の経験を使用して将来の経験に影響を与えることはできません。

限られたメモリ - これらの人工知能システムには記憶があるため、過去の経験を使用して将来の判断を行う可能性があります。このようにして、自動運転車の意思決定メカニズムの一部が作成されます。

心理学理論とは心理学で使われる言葉です。人工知能に適用すると、これは機械が感情を理解する社会的知性を備えていることを意味します。この種の人工知能は、人間の行動を予測し、人間の意図を推測することができます。これは、人工知能システムが人間のチームの不可欠なメンバーとなるために不可欠な能力です。

自己認識 - このカテゴリの人工知能システムは、自己認識を持っており、それが意識を与えます。自己認識型のマシンは自分の現在の状況を知っています。現在、この形式の人工知能は存在しません。

ただし、技術用語でより一般的に使用される別の分類スキームは、テクノロジを狭義人工知能 (ANI)、汎用人工知能 (AGI)、および人工超知能 (ASI) として分類することです。

狭義の人工知能 (ANI)

この形式の人工知能には、これまでに構築された最も複雑で有能な人工知能を含む、既存のすべての人工知能が含まれます。狭い人工知能とは、人工知能システムが人間と同様のスキルを発揮しながら、単独で 1 つのタスクしか完了できないことを意味します。これらのマシンは、設計された目的のみを達成できるため、機能の範囲が制限されています。上記の分類によれば、これらのシステムには、反応的でメモリが限られているあらゆるタイプの人工知能が含まれます。 ANI には、機械学習と深層学習を使用して自身を訓練する最先端の人工知能も含まれています。

汎用人工知能 (AGI)

人間とまったく同じように学習、認識、理解、機能する人工知能エージェントの能力は、汎用人工知能として知られています。知能。人間の多機能な能力を模倣することで、AI システムは人間と同じ能力を持つようになります。これらのシステムは、多数の機能を独立して構築し、ドメイン間での接続と一般化を行うことができるため、トレーニング時間が大幅に短縮されます。

超人工知能 (ASI)

人工超知能 (ASI) の誕生は、間違いなく人工知能研究の頂点となるでしょう。なぜなら、ASI は最もインテリジェントになるからです。競争力の形態。人間の知能を模倣することに加えて、ASI はメモリの大幅な増加、データ処理と分析の高速化、意思決定能力の向上により、実行するすべての点で優れています。 AGI と ASI の進歩は、シンギュラリティと呼ばれるシナリオにつながります。このような強力なツールを自由に使えるようにしたいと思う一方で、これらのデバイスは私たちの存在、少なくとも私たちの生活様式を危険にさらす可能性があります。

機械学習と深層学習の違いは何ですか?

機械学習は、人工知能 (AI) のサブセットまたはアプリケーションであり、システムがそのレベルまでコーディングすることなく経験から学習し、成長できるようにします。機械学習はデータを使用して学習し、適切な結果を取得します。機械学習には、データを読み取り、それを使用して自ら学習するコンピューター ソフトウェアの作成が含まれます。

ディープ ラーニングは、人工ニューラル ネットワークやリカレント ニューラル ネットワークを含む機械学習のサブセットです。アルゴリズムとその手法を使用して、複雑な問題を解決します。アルゴリズムは機械学習と同じ方法で構築されます。ただし、アルゴリズムにはさらに多くの層があります。このアルゴリズムのネットワークは人工ニューラル ネットワークと呼ばれます。簡単に言うと、脳内のすべての神経ネットワークが接続されているため、人間の脳の動作モードをシミュレートすることが深層学習の概念です。

#単純な統計学習、従来の機械学習、およびさまざまな隠れ層を備えたニューラル ネットワークの機能とデータ量の関係

##次の表では、機械学習と深層学習を比較しています:

機械学習#2#34出力：スコア分類などの数値。 数値から、フリーテキストやサウンドなどの自由形式の機能まで、あらゆるものを使用できます。 入力をモデル関数に変換し、将来のアクションを予測するために、さまざまな自動アルゴリズムが使用されます。

	ディープラーニング
#1	機械学習はディープ ラーニングのスーパーセットです	ディープ ラーニング機械学習のサブセットです
##機械学習データは深層学習データとは大きく異なります。構造化データ。	ディープ ラーニングのデータ形式は、ニューラル ネットワーク (ANN) を使用するため、大きく異なります。
機械学習は人工知能開発の次のステップです	ディープラーニングは、機械学習開発の次のステップです。本質的には、機械学習の深さを指します
機械学習では数千のデータ ポイントが使用されます	#数百万のデータ ポイントがビッグ データを構成します	##5
		#6
	データの特徴と関係を分析するには、処理層を介してデータを送信するニューラル ネットワークが使用されます。
#7	データ アナリストは、データ セット内の特定の変数を評価するアルゴリズムを発見します。	実装されると、アルゴリズムは基本的にデータ分析でそれ自体を記述します。
#8	機械学習は、競合他社に先んじて新しいスキルを学習するためによく使用されます。	ディープ ラーニングは、機械学習の困難な問題を解決するために使用されます。

https://www.researchgate.net/figure/Relationship-between-the簡易統計学習の能力とデータ量_fig1_340134117。

世界の人工知能市場規模

2021 年の世界の人工知能 (AI) 市場の規模は 870 億 4000 万米ドルで、2030 年には 1 兆 5,971 億米ドルに達すると予想されています。 2022 年 2030 年までの年平均成長率は 38.1% です。新型コロナウイルス感染症（COVID-19）の世界的なパンデミックは異常かつ憂慮すべきものであり、パンデミック前のレベルと比較して、すべての分野でこのテクノロジーに対する需要が予想を上回っています。世界市場は 2022 年に 2019 年と比較して 150% 成長すると推定されています。

//m.sbmmt.com/link/7439aebdba054f0d586d486ef2aff185

成長因子

技術革新は、ほとんどの業界において常に重要な部分を占めてきました。近年、デジタル技術とインターネットの人気の高まりにより、世界の人工知能産業の発展が大きく促進されました。テクノロジー大手による研究開発への巨額の支出は、さまざまな業界で常に技術の進歩を推進しています。自動車、ヘルスケア、銀行および金融、製造、食品および飲料、物流、小売などの複数の最終用途セクターにわたる AI テクノロジーの需要の増加により、今後数年間で世界の AI 市場が推進される可能性があります。

多数の医療機器の人気の高まりと新しい電気自動車の自動運転機能が、世界の人工知能市場の成長を大きく推進しています。世界的なデジタル化の傾向は市場の成長に好影響を与えています。 Google、Microsoft、IBM、Amazon、Apple などの世界のトップ IT 巨人は、さまざまな人工知能アプリケーションの推進と開発への取り組みを強化しています。人工知能へのアクセスを改善するためのハイテク巨人による取り組みは、予測期間中に世界の人工知能市場の成長を促進すると予想されます。

過去 5 年間で、医療とヘルスケアは世界中で AI への民間投資を最も多く集めてきました (289 億ドル)。

以上が人工知能の過去、現在、未来を 1 つの記事で理解するの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。