Inhalt
Quelle: iLexx / iStockphoto
Wegbringen:
Künstliche Intelligenz kann eines Tages durch die Verwendung künstlicher neuronaler Netze erreicht werden, aber es gibt mehrere wesentliche Unterschiede zwischen diesen aufregenden Technologien.
Künstliche Intelligenz (KI) und künstliche neuronale Netze (ANN) sind zwei aufregende und miteinander verflochtene Bereiche in der Informatik. Es gibt jedoch einige Unterschiede zwischen den beiden, die es wert sind, darüber informiert zu werden.
Der Hauptunterschied besteht darin, dass neuronale Netze ein Sprungbrett auf der Suche nach künstlicher Intelligenz sind.
Künstliche Intelligenz ist ein weites Feld, das das Ziel hat, intelligente Maschinen zu schaffen, was je nach Ihrer Definition von Intelligenz vielfach erreicht wurde. Trotz der Tatsache, dass wir Computer haben, die bei "Jeopardy" gewinnen und Schachmeister schlagen können, wird das Ziel der KI im Allgemeinen als Suche nach allgemeiner Intelligenz oder Intelligenz angesehen, die auf verschiedene und nicht verwandte Situationsprobleme angewendet werden kann.
Viele der AIs, die bis zu diesem Zeitpunkt erstellt wurden, wurden mit dem Ziel erstellt, einen Roboter zu betreiben, der Ping-Pong spielt oder bei „Jeopardy“ dominiert. Dies ist das unvermeidliche Ergebnis, wenn sich Informatiker hinsetzen und etwas für eine bestimmte Aufgabe erstellen - Sie haben am Ende etwas, das diese Aufgabe erfüllen kann und sonst nicht viel.
Um dieses Problem der aufgabenorientierten AIs zu umgehen, begannen die Informatiker, mit künstlichen neuronalen Netzen herumzuspielen. Unser allgemein intelligentes Gehirn besteht aus biologischen neuronalen Netzen, die Verbindungen herstellen, die auf unseren Wahrnehmungen und äußeren Reizen beruhen.
Ein stark vereinfachtes Beispiel ist der Schmerz durch Verbrennung. Wenn dies zum ersten Mal geschieht, wird in Ihrem Gehirn eine Verbindung hergestellt, die die als Feuer bekannten sensorischen Informationen (Flammen, Rauchgeruch, Hitze) identifiziert und mit Schmerz in Verbindung bringt. So lernst du schon in jungen Jahren, wie man Verbrennungen vermeidet. Über dasselbe neuronale Netzwerk können wir viel allgemeines Lernen wie „Eis schmeckt gut“ und sogar deduktive Sprünge wie „Es gibt immer Wolken vor Regen“ oder „Aktien steigen immer im Dezember“ durchführen. Diese Sprünge sind nicht immer korrekt (Es gibt schlechtes Eis und Aktien, die im Dezember fallen), aber sie können durch Erfahrung korrigiert werden, wodurch adaptives Lernen ermöglicht wird.
Künstliche neuronale Netze versuchen, dieses Lernsystem auf Computern wiederherzustellen, indem sie ein einfaches Rahmenprogramm erstellen, um auf ein Problem zu reagieren und Feedback darüber zu erhalten, wie es funktioniert. Ein Computer kann seine Reaktion optimieren, indem er das gleiche Problem tausendmal ausführt und seine Reaktion entsprechend der empfangenen Rückmeldung anpasst. Dem Computer kann dann ein anderes Problem zugewiesen werden, das er auf die gleiche Weise angehen kann, wie es aus dem vorherigen gelernt wurde. Durch Variation der Probleme und der Anzahl der Lösungsansätze, die der Computer gelernt hat, können Informatiker einem Computer beibringen, ein Generalist zu sein.
Obwohl dies Bilder von Computern hervorruft, die die Welt erobern und Menschen ernten, wie es in Hollywood-Filmen wie „The Martrix“ zu sehen ist, sind wir noch weit von der neuronalen Vernetzung zu künstlicher Intelligenz entfernt. Die Probleme, die in neuronalen Netzen getestet werden, werden alle mathematisch ausgedrückt. Sie können eine Blume nicht an einen Computer halten und ihm mitteilen, dass er die Farbe anhand des Geruchs erraten soll, da der Geruch in Zahlen ausgedrückt werden muss und der Computer diese Zahlen zusammen mit Bildern von Blumen im Speicher katalogisieren muss diesen Geruch ausstrahlend.
Keine Bugs, kein Stress - Ihre schrittweise Anleitung zur Erstellung lebensverändernder Software, ohne Ihr Leben zu zerstören
Sie können Ihre Programmierkenntnisse nicht verbessern, wenn sich niemand um die Softwarequalität kümmert.
Das heißt, künstliche neuronale Netze, die mehr Eingaben von Dingen wie Geruch erhalten können - und die Fähigkeit, aus all diesen Eingaben zu lernen -, könnten auf dem richtigen Weg sein, um die erste künstliche Intelligenz zu produzieren, die selbst den Standards der hartgesottensten KI-Enthusiasten entspricht.
Im Wesentlichen sind künstliche neuronale Netze Modelle menschlicher neuronaler Netze, die Computer beim Lernen unterstützen sollen. Künstliche Intelligenz ist der heilige Gral, den einige Informatiker mit Techniken wie der Nachahmung neuronaler Netze erreichen wollen.