Inafasiriwa moja kwa moja kutoka kwa Wikipedia ya Kiingereza na Tafsiri ya Google

Intelligence akili

Akili ya akili ( AI , pia akili ya mashine , MI ) ni Upelelezi unaonyeshwa na mashine , kinyume na akili ya asili ( NI ) iliyoonyeshwa na wanadamu na wanyama wengine. Katika utafiti wa sayansi ya utafiti wa AI hufafanuliwa kama utafiti wa " mawakala wenye akili ": kifaa chochote kinachojua mazingira yake na inachukua hatua ambazo zinaongeza nafasi yake ya kufanikiwa katika lengo fulani. [1] Kimapenzi, neno "akili ya bandia" linatumiwa wakati mashine inajumuisha "utambuzi" kazi ambazo binadamu hushirikiana na akili zingine za kibinadamu , kama "kujifunza" na "kutatua tatizo". [2]

Upeo wa AI unakabiliwa: kama mashine zinazidi kuwa na uwezo, kazi inayohesabiwa kama inahitaji "akili" mara nyingi hutolewa kutoka kwa ufafanuzi, jambo linalojulikana kama athari ya AI , na kusababisha upele "AI ni chochote ambacho hakijafanyika bado. " [3] Kwa mfano, kutambua tabia ya macho mara nyingi hutolewa kutoka "akili ya bandia", baada ya kuwa teknolojia ya kawaida. [4] Uwezo wa jumla wa AI kama wa 2017 unatia ndani kwa ufanisi kuelewa hotuba ya binadamu , [5] kushindana kwa kiwango kikubwa katika mifumo ya mchezo mkakati (kama chess na Go [6] ), magari ya uhuru , njia ya akili katika maudhui mitandao ya utoaji , simuleringar ya kijeshi, na kutafsiri data tata, ikiwa ni pamoja na picha na video.

Ushauri wa akili ulianzishwa kama nidhamu ya kitaaluma mwaka wa 1956, na kwa miaka mingi umeona mawimbi kadhaa ya matumaini, [7] [8] ikifuatiwa na tamaa na kupoteza fedha (inayojulikana kama " AI baridi "), [9] [10] ikifuatiwa na mbinu mpya, mafanikio na upya fedha. [ citation inahitajika ] Kwa zaidi ya historia yake, utafiti wa AI umegawanyika katika mabwawa ambayo mara nyingi hushindwa kuwasiliana na kila mmoja. [11]

Matatizo ya jadi (au malengo) ya utafiti wa AI ni pamoja na hoja , ujuzi , mipango , kujifunza , usindikaji wa lugha ya asili , mtazamo na uwezo wa kusonga na kuendesha vitu. [12] Ujuzi Mkuu ni kati ya malengo ya muda mrefu ya shamba. [13] Mbinu ni pamoja na mbinu za takwimu , akili za kompyuta , na AI ya jadi ya mfano . Vifaa vingi vinatumiwa katika AI, ikiwa ni pamoja na matoleo ya utafutaji na uboreshaji wa hesabu , mitandao na mbinu za neural kulingana na takwimu, uwezekano na uchumi . Eneo la AI linatokana na sayansi ya kompyuta , hisabati , saikolojia , lugha , falsafa , ujuzi wa akili , saikolojia ya bandia na wengine wengi.

Shamba ilianzishwa juu ya madai ya kuwa akili za binadamu "zinaweza kuelezewa kwa usahihi kwamba mashine inaweza kufanywa kuiga". [14] Hii inaleta hoja za falsafa juu ya asili ya akili na maadili ya kujenga viumbe vya bandia vinavyopewa akili kama vile akili, masuala ambayo yamezingatiwa na hadithi , uongo na falsafa tangu zamani . [15] Watu wengine pia wanaona kuwa AI ni hatari kwa ubinadamu ikiwa inakua bila kupinga. [16]

Katika karne ya ishirini na moja, mbinu za AI zimepata upya kufuatia maendeleo ya kawaida katika nguvu za kompyuta , kiasi kikubwa cha data , na ufahamu wa kinadharia; na mbinu za AI zimekuwa sehemu muhimu ya sekta ya teknolojia , na kusaidia kutatua matatizo mengi yenye changamoto katika sayansi ya kompyuta. [17]

Yaliyomo

Historia

Wakati vitu vilivyotengenezwa na mawazo vinaonekana kama vifaa vya kuandika hadithi zamani, [18] wazo la kujaribu kweli kujenga mashine kufanya hoja nzuri inaweza kuwa imeanza na Ramon Llull (c. 1300 CE). Kwa Calculator ratiocinator yake , Gottfried Leibniz aliongeza dhana ya mashine ya kuhesabu ( Wilhelm Schickard aliimarisha kwanza kwanza karibu na 1623), na nia ya kufanya shughuli juu ya dhana badala ya namba. [19] Tangu karne ya 19, viumbe bandia ni kawaida katika uongo, kama katika Frankenstein Mary Shelstein au Karel Čapek 's (Robs Universal Rossum) . [20]

Utafiti wa mawazo ya mitambo au "rasmi" ilianza na falsafa na wataalamu wa hisabati katika kale. Uchunguzi wa mantiki ya hisabati uliongozwa moja kwa moja nadharia ya hesabu ya Alan Turing , ambayo ilipendekeza kuwa mashine, kwa kusonga alama kama rahisi kama "0" na "1", inaweza kuiga tendo lolote la kufunguliwa kwa hisabati. Uelewa huu, kwamba kompyuta za kompyuta zinaweza kuiga mchakato wowote wa hoja rasmi, inajulikana kama Thesis-Turing thesis . [21] [ ukurasa unaohitajika ] Pamoja na uvumbuzi wa kawaida katika neurology , nadharia ya habari na cybernetics , hii imesababisha watafiti kufikiria uwezekano wa kujenga ubongo wa elektroniki. [22] Kazi ya kwanza ambayo sasa inajulikana kama Ai ilikuwa McCullouch na Pitts '1943 muundo rasmi wa Turing-kamili "neurons bandia". [19]

Utafiti wa AI ulizaliwa katika semina ya Dartmouth College mwaka wa 1956. [23] Waliohudhuria Allen Newell ( CMU ), Herbert Simon ( CMU ), John McCarthy ( MIT ), Marvin Minsky ( MIT ) na Arthur Samuel ( IBM ) wakawa waanzilishi na viongozi wa utafiti wa AI. [24] Wao na wanafunzi wao walizalisha programu ambazo vyombo vya habari vilivyoelezea kama "kushangaza": [25] kompyuta zilikuwa za kushinda katika checkers mchezo, kutatua matatizo ya neno katika algebra, kuthibitisha theorems nzuri na kuzungumza Kiingereza. [26] Katikati ya miaka ya 1960, uchunguzi wa Marekani ulifadhiliwa sana na Idara ya Ulinzi [27] na maabara yalianzishwa duniani kote. [28] Waanzilishi wa AI walikuwa na matumaini kuhusu siku zijazo: Herbert Simon alitabiri, "mashine itakuwa na uwezo, ndani ya miaka ishirini, ya kufanya kazi yoyote mtu anayeweza kufanya". Marvin Minsky alikubali, kuandika, "ndani ya kizazi ... tatizo la kujenga 'akili bandia' litatatuliwa kwa kiasi kikubwa". [7]

Walifanikiwa kutambua ugumu wa baadhi ya kazi iliyobaki. Maendeleo yalipungua na mwaka 1974, kwa kukabiliana na upinzani wa Sir James Lighthill [29] na shinikizo la kuendelea kutoka Congress ya Marekani kufadhili miradi zaidi ya uzalishaji, serikali zote za Marekani na Uingereza zilikataa utafiti wa uchunguzi katika AI. Miaka michache ijayo baadaye itaitwa " AI baridi ", [9] wakati ambapo kupata fedha kwa miradi ya AI ilikuwa ngumu.

Katika miaka ya 1980, utafiti wa AI ulifufuliwa na mafanikio ya biashara ya mifumo ya wataalamu , [30] aina ya mpango wa AI ambayo ilifanyika ujuzi na ujuzi wa uchambuzi wa wataalam wa binadamu. Mwaka wa 1985 soko la AI lilifikia zaidi ya dola bilioni. Wakati huo huo, mradi wa kompyuta wa kizazi wa tano wa Ujapani uliwahimiza serikali za Marekani na Uingereza kurejesha fedha kwa ajili ya utafiti wa kitaaluma. [8] Hata hivyo, kuanzia na kuanguka kwa soko la Lisp Machine mwaka 1987, AI tena ilianguka kinyume chake, na ya pili, hiatus ya muda mrefu ilianza. [10]

Mwishoni mwa miaka ya 1990 na karne ya 21, AI ilianza kutumika kwa ajili ya vifaa, madini , uchunguzi wa matibabu na maeneo mengine. [17] Mafanikio yalitokana na kuongezeka kwa nguvu za maarifa (tazama sheria ya Moore ), msisitizo mkubwa juu ya kutatua matatizo maalum, mahusiano mapya kati ya AI na maeneo mengine na kujitolea kwa watafiti kwa mbinu za hisabati na viwango vya kisayansi. [31] Blue Blue ilikuwa mfumo wa kwanza wa kompyuta chess kuwapiga bingwa wa dunia chess, Garry Kasparov tarehe 11 Mei 1997. [32]

Mbinu za takwimu za juu (zinazojulikana kama kujifunza kirefu ), upatikanaji wa kiasi kikubwa cha data na kompyuta za kasi zinawezesha maendeleo katika mashine ya kujifunza na mtazamo. [ citation inahitajika ] Katikati ya miaka ya 2010, maombi ya kujifunza mashine yalitumiwa duniani kote. [ citation inahitajika ] Katika hatari! Jaribio la kuonyesha mechi ya maonyesho, IBM 's swali kujibu mfumo , Watson , alishinda mabingwa wawili wenye hatari zaidi, Brad Rutter na Ken Jennings , kwa kiasi kikubwa. [33] Kinect , ambayo hutoa interface ya 3D-motion motion kwa Xbox 360 na Xbox One matumizi ya algorithms ambayo iliibuka kutoka muda mrefu utafiti wa AI [34] kama wachawi binafsi wasaidizi katika simu za mkononi . [35] Mnamo Machi 2016, AlphaGo alishinda michezo 4 kati ya 5 ya Kwenda kwenye mechi na Go Go champion Lee Sedol , kuwa mfumo wa kwanza wa kompyuta ya Go-kucheza kumpiga mtaalamu Go mchezaji bila ulemavu . [6] [36] Katika Mwezi wa 2017 wa Mkutano wa Go , AlphaGo alishinda mechi ya mchezo wa tatu na Ke Jie , [37] ambaye wakati huo huo alishiriki dunia No. 1 cheo kwa miaka miwili. [38] [39] Hii ilionyesha kukamilika kwa muhimu sana katika maendeleo ya akili ya Artificial kama Go ni mchezo mzuri sana, zaidi ya Chess.

Kwa mujibu wa Jack Clark wa Bloomberg , mwaka 2015 ilikuwa mwaka wa ajabu kwa akili za bandia, na idadi ya miradi ya programu inayotumia AI ndani ya Google iliongezeka kutoka "matumizi ya sporadic" mwaka 2012 hadi miradi zaidi ya 2,700. Clark pia hutoa data halisi ambayo inaonyesha kwamba viwango vya kosa katika kazi za usindikaji wa picha zimeanguka kwa kiasi kikubwa tangu mwaka 2011. [40] Anatoa hii kwa ongezeko la mitandao ya gharama nafuu za gharama nafuu, kutokana na kupanda kwa miundombinu ya kompyuta ya wingu na kuongezeka kwa zana za utafiti na dasasets . Mifano zingine zilizotajwa ni pamoja na maendeleo ya Microsoft ya mfumo wa Skype ambayo inaweza kutafsiri moja kwa moja kutoka kwa lugha moja hadi nyingine na mfumo wa Facebook ambao unaweza kuelezea picha kwa watu vipofu. [40]

Malengo

Lengo la jumla la utafiti wa akili bandia ni kujenga teknolojia ambayo inaruhusu kompyuta na mashine kufanya kazi kwa njia ya akili. Tatizo la jumla la kuchanganya (au kujenga) akili imekuwa kuvunjwa katika matatizo ndogo. Hizi zinajumuisha sifa fulani au uwezo ambazo watafiti wanatarajia mfumo wa akili wa kuonyesha. Tabia zilizoelezwa hapo chini zimepokea kipaumbele zaidi. [12]

Erik Sandwell anasisitiza mipango na kujifunza ambayo ni muhimu na inatumika kwa hali hiyo. [41]

Hoja, kutatua tatizo

Watafiti wa mwanzo walitengeneza taratibu za kufuata hatua za hatua ambazo wanadamu hutumia wakati wao kutatua puzzles au kufanya punguzo mantiki. [42] Mwishoni mwa miaka ya 1980 na 1990, utafiti wa AI ulikuwa na mbinu za kushughulikia habari zisizojulikana au zisizo kamili, kutumia maelekezo kutoka kwa uwezekano na uchumi . [43]

Kwa matatizo magumu, algorithms zinaweza kuhitaji rasilimali nyingi za computational-wengi uzoefu " combinatorial mlipuko ": kiasi cha kumbukumbu au wakati wa kompyuta inahitajika inakuwa astronomical kwa matatizo ya ukubwa fulani. Utafutaji wa algorithms ya ufanisi zaidi ya kutatua tatizo ni kipaumbele cha juu. [44]

Wanadamu hutumia maamuzi ya haraka, ya angalau badala ya kufunguliwa kwa hatua kwa hatua kwamba utafiti wa awali wa AI uliweza kutekeleza. [45] AI imeendelea kutumia kutatua matatizo "ndogo" ya mfano: mbinu za wakala za kusisitiza umuhimu wa ujuzi wa sensorimotor kwa hoja kubwa; majaribio ya utafiti wa neural ya net kuiga muundo ndani ya ubongo ambao hutoa ujuzi huu; mbinu za takwimu za AI zinaiga uwezo wa binadamu wa nadhani.

Ufafanuzi wa maarifa

Totolojia inawakilisha elimu kama seti ya dhana ndani ya uwanja na uhusiano kati ya dhana hizo.

Uwakilishi wa ujuzi [46] na ujuzi wa uhandisi [47] ni muhimu kwa utafiti wa AI. Mashine mengi ya matatizo yanayotarajiwa kutatua itahitaji ujuzi mkubwa kuhusu ulimwengu. Miongoni mwa mambo ambayo AI inahitaji kuwakilisha ni: vitu, mali, makundi na mahusiano kati ya vitu; [48] hali, matukio, majimbo na wakati; [49] husababisha na madhara; [50] ujuzi juu ya ujuzi (tunajua nini watu wengine wanajua); [51] na vingine vingi vingi, vigezo vingi vya utafiti. Uwakilishi wa "kilichopo" ni ontolojia : seti ya vitu, uhusiano, dhana, na mali zilizoelezwa rasmi ili mawakala wa programu anaweza kutafsiri. Semantics ya haya ni alitekwa kama maelezo ya mantiki , majukumu, na watu binafsi, na kwa kawaida kutekelezwa kama madarasa, mali, na watu binafsi katika lugha ya Ontology Lugha . [52] Ontologies ya jumla hujulikana kama ontologies ya juu , ambayo hujaribu kutoa msingi wa maarifa mengine yote [53] kwa kufanya kazi kama wapatanishi kati ya ontolojia ya uwanja ambayo inalenga ujuzi maalum juu ya uwanja maalum wa ujuzi (uwanja wa riba au eneo la wasiwasi) . Uwakilishi wa ujuzi wa aina hiyo unafaa kwa uandikishaji wa maudhui na upatikanaji, tafsiri ya eneo, uamuzi wa kliniki, uvumbuzi wa ujuzi kupitia maamuzi ya automatiska (yanayoelezea taarifa mpya kulingana na ujuzi ulioelezewa), nk. Vitu vya video mara nyingi vinawakilishwa kama sheria za SWRL , ambazo zinaweza kutumika, kati ya wengine, kuzalisha moja kwa moja vichwa vya chini vya video zilizozuiwa. [54]

Miongoni mwa matatizo magumu zaidi katika uwakilishi wa maarifa ni:

Kutoa hoja na tatizo la kufuzu
Mambo mengi ambayo watu wanayajua hupata fomu ya "mawazo ya kufanya kazi". Kwa mfano, kama ndege huja katika mazungumzo, watu huonyesha picha ya wanyama ambao ni ukubwa wa ngumi, kuimba, na nzi. Hakuna mambo haya ya kweli kuhusu ndege wote. John McCarthy alitambua tatizo hili mwaka wa 1969 [55] kama tatizo la kufuzu: kwa utawala wowote wa commonsense kwamba watafiti wa AI wanastahili kuwakilisha, kuna huwa na idadi kubwa ya tofauti. Karibu chochote ni kweli au uongo kwa njia ambayo mantiki isiyohitajika inahitaji. Utafiti wa AI umezingatia ufumbuzi wa tatizo hili. [56]
Upana wa ujuzi wa commonsense
Idadi ya ukweli wa atomi ambayo mtu wa kawaida anajua ni kubwa sana. Miradi ya utafiti ambayo inajaribu kujenga msingi kamili wa ujuzi wa ujuzi wa commonsense (kwa mfano, Cyc ) inahitaji kiasi kikubwa cha uhandisi wa uhandisi juu ya uhandisi - lazima ijengwe, kwa mkono, dhana moja ngumu kwa wakati mmoja. [57] Lengo kuu ni kuwa na kompyuta kuelewa dhana za kutosha ili kujifunza kwa kusoma kutoka kwa vyanzo kama mtandao, na hivyo kuweza kuongeza kwenye ontology yake. [ citation inahitajika ]
Aina ndogo ya maarifa ya commonsense
Mengi ya yale watu wanayoyajua hayajawakilishwa kama "ukweli" au "taarifa" ambazo zinaweza kuzungumza kwa maneno. Kwa mfano, bwana chess ataepuka mahali fulani cha chess kwa sababu "anahisi pia wazi" [58] au mkosoaji wa sanaa anaweza kuangalia kwa sanamu moja na kutambua kwamba ni bandia. [59] Hizi ni maarifa yasiyo na fahamu na ndogo ya mfano au tabia katika ubongo wa binadamu. [60] Ujuzi kama huu unajulisha, unasaidia na hutoa mazingira kwa maarifa ya kielelezo, ufahamu. Kama ilivyo na tatizo linalohusiana na hoja ndogo, ni matumaini ya kwamba AI , hali ya akili , au takwimu za AI zitatoa njia za kuwakilisha aina hii ya ujuzi. [60]

Mipango

Mfumo wa udhibiti wa hierarchiki ni aina ya mfumo wa udhibiti ambao seti ya vifaa na programu inayoongoza hupangwa katika uongozi.

Wakala wenye akili lazima waweze kuweka malengo na kuyafikia. [61] Wanahitaji njia ya kutazama baadaye - uwakilishi wa hali ya dunia na kuwa na uwezo wa kutabiri kuhusu jinsi matendo yao yatakavyobadilisha - na kuwa na uwezo wa kufanya uchaguzi unaozidi matumizi (au "thamani") ya uchaguzi zilizopo. [62]

Katika matatizo ya kupanga classical, wakala anaweza kudhani kwamba ni mfumo pekee anayefanya ulimwengu, kuruhusu wakala kuwa na uhakika wa matokeo ya matendo yake. [63] Hata hivyo, kama wakala sio tu muigizaji, basi inahitaji kwamba wakala anaweza kufikiria chini ya kutokuwa na uhakika. Hii inahitaji wakala ambaye hawezi tu kutathmini mazingira yake na kufanya utabiri, lakini pia kutathmini utabiri wake na kukabiliana na tathmini yake. [64]

Mpango wa wakala wengi hutumia ushirikiano na ushindani wa mawakala wengi kufikia lengo lenye. Tabia ya dharura kama hii hutumiwa na algorithms ya mageuzi na akili ya swarm . [65]

Kujifunza

Mafunzo ya mashine, dhana ya msingi ya utafiti wa AI tangu mwanzo wa shamba, [66] ni utafiti wa algorithms za kompyuta zinazoboresha moja kwa moja kupitia uzoefu. [67] [68]

Kujifunza bila kufuzu ni uwezo wa kupata mifumo katika mkondo wa pembejeo. Kujifunza kusimamiwa ni pamoja na uainishaji wote na udhibiti wa namba. Uainishaji hutumiwa kuamua ni aina gani ya kipengele kilichomo, baada ya kuona mifano kadhaa ya vitu kutoka kwa makundi kadhaa. Ukandamizaji ni jaribio la kuzalisha kazi inayoelezea uhusiano kati ya pembejeo na matokeo na inabiri jinsi matokeo yanapaswa kubadilika kama mabadiliko ya pembejeo. Katika kujifunza kuimarisha [69] wakala hulipwa kwa majibu mema na kuadhibiwa kwa mabaya. Wakala hutumia mlolongo wa malipo na adhabu ili kuunda mkakati wa kufanya kazi katika nafasi yake ya shida. Aina hizi tatu za kujifunza zinaweza kuchambuliwa kwa suala la nadharia ya uamuzi , kwa kutumia dhana kama huduma . Uchambuzi wa hisabati wa algorithms ya kujifunza mashine na utendaji wao ni tawi la sayansi ya kompyuta ya kinadharia inayojulikana kama nadharia ya kujifunza computational . [ citation inahitajika ]

Katika robotics ya maendeleo , mbinu za kujifunza maendeleo zinaelezwa juu ya kuruhusu robots kukusanya repertoires ya ujuzi wa riwaya kwa kujitegemea uchunguzi wa kujitegemea, ushirikiano wa kijamii na walimu wa binadamu, na matumizi ya utaratibu wa mwongozo (kazi ya kujifunza, kukomaa, usawa wa magari, nk). [70] [71] [72] [73]

Usindikaji wa lugha ya asili

Mfano wa mtiririko unawakilisha muundo wa maandishi ya sentensi kulingana na sarufi fulani rasmi .

Usindikaji wa lugha ya asili [74] hutoa mashine uwezo wa kusoma na kuelewa lugha ya binadamu. Mfumo wa usindikaji wa lugha ya asili ya kutosha utawezesha kuunganisha mtumiaji wa lugha ya asili na upatikanaji wa ujuzi moja kwa moja kutoka kwa vyanzo vya kibinadamu, kama vile newswire. Baadhi ya maombi ya moja kwa moja ya usindikaji wa lugha ya asili ni pamoja na upatikanaji wa habari , madini ya maandishi , kujibu swali [75] na tafsiri ya mashine . [76]

Njia ya kawaida ya usindikaji na kuchukua maana kutoka kwa lugha ya asili ni kupitia indexing semantic . Ingawa namba hizi zinahitaji kiasi kikubwa cha pembejeo la mtumiaji, inatarajiwa kwamba ongezeko la kasi ya programu na kupungua kwa gharama za kuhifadhi data zitasababisha ufanisi zaidi.

mtazamo

Ufafanuzi wa mashine [77] ni uwezo wa kutumia pembejeo kutoka kwa sensorer (kama kamera, vipaza sauti, sensorer tactile , sonar na wengine) kuondokana na mambo ya dunia. Maono ya kompyuta [78] ni uwezo wa kuchambua pembejeo za kuona. Machapisho kadhaa ya kuchaguliwa ni kutambuliwa kwa hotuba , [79] kutambua usoni na kutambuliwa kwa kitu . [80]

Mwendo na uharibifu

Shamba la robotiki [81] ni karibu na AI. Upelelezi unahitajika kwa robots kushughulikia kazi kama vile uharibifu wa kitu [82] na urambazaji , na shida ndogo kama vile ujanibishaji , ramani , na mipango ya mwendo . Mifumo hii inahitaji kuwa wakala anaweza: Kuwa na nafasi ya kutosha ya mazingira yake, kujifunza kutoka na kujenga ramani ya mazingira yake, fikiria jinsi ya kupata kutoka sehemu moja kwenye nafasi hadi nyingine, na ufanyie harakati hiyo (ambayo mara nyingi inahusisha mwendo unaofaa , mchakato ambapo harakati inahitaji kudumisha kimwili na kitu). [83] [84]

Social akili

Kismet , robot yenye ujuzi wa kijamii [85]

Compact kompyuta ni utafiti na maendeleo ya mifumo ambayo inaweza kutambua, kutafsiri, mchakato, na kuiga athari za binadamu. [86] [87] Ni shamba lisilojulikana linalozunguka sayansi za kompyuta , saikolojia , na sayansi ya utambuzi . [88] Wakati asili ya shamba inaweza kuzingatiwa mbali kama maswali ya falsafa ya mwanzo katika hisia , [89] tawi la kisasa zaidi la sayansi ya kompyuta linalotokana na karatasi ya 1995 ya Rosalind Picard [90] juu ya "kompyuta ya kugusa". [91] [92] Moja kwa ajili ya utafiti ni uwezo wa kulinganisha uelewa , ambapo mashine ingeweza kutafsiri hisia za kibinadamu na kurekebisha tabia yake ili kutoa jibu sahihi kwa hisia hizo.

Kihisia na ujuzi wa kijamii [93] ni muhimu kwa wakala mwenye akili kwa sababu mbili. Kwanza, kuwa na uwezo wa kutabiri matendo ya wengine kwa kuelewa nia zao na majimbo ya kihisia kuruhusu wakala kufanya maamuzi bora. Dhana kama vile nadharia ya mchezo , nadharia ya uamuzi , inahitaji kwamba wakala apate kugundua na kutengeneza hisia za kibinadamu. Pili, kwa jitihada za kuwezesha mwingiliano wa kibinadamu , mashine yenye akili inaweza kutaka kuonyesha hisia (hata kama haipatikani hisia hizo yenyewe) kuonekana kuwa nyeti zaidi kwa mienendo ya kihisia ya ushirikiano wa kibinadamu.

ubunifu

Sehemu ndogo ya AI inataja ubunifu wote kinadharia (mtazamo wa kisaikolojia wa kisaikolojia) na kwa kawaida (utekelezaji maalum wa mifumo inayozalisha riwaya na matokeo ya manufaa).

General akili

Watafiti wengi wanafikiri kwamba kazi yao hatimaye itaingizwa kwenye mashine yenye ujuzi wa jumla wa bandia , kuchanganya ujuzi wote uliotajwa hapo juu na hata zaidi ya uwezo wa binadamu katika maeneo mengi au yote. [13] [94] Wachache wanaamini kwamba sifa za anthropomorphic kama ufahamu wa bandia au ubongo wa bandia zinahitajika kwa mradi huo. [95] [96]

Matatizo mengi hapo juu yanahitaji kwamba akili zote zifumbuzi. Kwa mfano, hata kazi maalum za moja kwa moja, kama tafsiri ya mashine , zinahitaji kwamba mashine isome na kuandika katika lugha zote mbili ( NLP ), fuata hoja ya mwandishi ( sababu ), ujue kile kinachozungumzwa ( ujuzi ), na uaminifu uzalishe asili ya mwandishi nia ( akili ya kijamii ). Tatizo kama tafsiri ya mashine inachukuliwa " AI-kamili ", lakini matatizo haya yote yanatakiwa kutatuliwa wakati huo huo ili kufikia utendaji wa mashine ya kiwango cha binadamu.

Njia za

Hakuna imara nadharia unganishi au dhana kwamba viongozi AI utafiti. Watafiti hawakubaliani kuhusu masuala mengi. [97] Maswali kadhaa ya muda mrefu zaidi ambayo hayajajibiwa ni haya: Je! Akili ya bandia inalinganisha akili ya asili kwa kujifunza saikolojia au neurology ? Au ni biolojia ya kibinadamu kama isiyo na maana ya utafiti wa A kama biolojia ya ndege ni uhandisi wa aeronautical ? [98] Je, tabia za akili zinaweza kuelezewa kwa kutumia kanuni rahisi, za kifahari (kama vile mantiki au optimization )? Au je, inahitajika kutatua matatizo mengi yasiyohusiana? [99] Je, akili inaweza kuzalishwa kwa kutumia alama za kiwango cha juu, sawa na maneno na mawazo? Au inahitaji "usindikaji ndogo" wa usindikaji? [100] John Haugeland, ambaye aliunda neno GOFAI (Good Old-Fashioned Intelligence Intelligence), pia alipendekeza kuwa AI inapaswa kufafanuliwa vizuri zaidi kama akili ya synthetic , [101] neno ambalo limekuwa limepitishwa na watafiti wengine wasiokuwa wa GOFAI . [102] [103]

Stuart Shapiro hugawanya utafiti wa AI juu ya mbinu tatu, ambazo huita saikolojia ya computational, falsafa ya kompyuta, na sayansi ya kompyuta. Saikolojia ya computational hutumiwa kufanya programu za kompyuta ambazo zinaiga tabia ya kibinadamu. [104] falsafa ya computational, hutumiwa kuendeleza mawazo ya kompyuta yenye ufanisi, yenye bure. [104] Utekelezaji wa sayansi ya kompyuta hutumikia lengo la kujenga kompyuta ambazo zinaweza kufanya kazi ambazo watu pekee wangeweza kukamilisha hapo awali. [104] Pamoja, tabia ya kibinadamu, akili, na vitendo hufanya akili ya bandia.

Cybernetics na simulation ubongo

Katika miaka ya 1940 na 1950, watafiti kadhaa walichunguza uhusiano kati ya neurology , nadharia ya habari , na cybernetics . Baadhi yao walijenga mashine zilizotumia mitandao ya elektroniki ili kuonyesha maarifa yenye ujinga, kama vile turtles za W. Gray Walter na Mnyama wa Johns Hopkins . Wengi wa watafiti hawa walikusanyika kwa ajili ya mikutano ya Shirika la Teleological katika Chuo Kikuu cha Princeton na Club ya Ratio nchini Uingereza. [22] By 1960, mbinu hii ilikuwa kwa kiasi kikubwa iliyoachwa, ingawa vipengele vyake vilifufuliwa katika miaka ya 1980.

Maandishi

Wakati upatikanaji wa kompyuta za digital uliwezekana katikati ya miaka ya 1950, utafiti wa AI ulianza kuchunguza uwezekano kwamba akili ya binadamu inaweza kupunguzwa kwa kudanganywa kwa ishara. Utafiti ulihusishwa katika taasisi tatu: Chuo Kikuu cha Carnegie Mellon , Stanford na MIT , na kila mmoja alijenga mtindo wake wa utafiti. John Haugeland aitwaye njia hizi kwa AI "AI nzuri ya zamani" au " GOFAI ". [105] Katika miaka ya 1960, mbinu za mfano zilifanikiwa sana wakati wa kuzingatia mawazo ya juu katika mipango madogo ya maandamano. Njia za msingi za cybernetics au mitandao ya neural ziliachwa au kusukuma nyuma. [106] Watafiti katika miaka ya 1960 na 1970 waliamini kwamba mbinu za mfano hatimaye zitafanikiwa katika kuunda mashine yenye ujuzi wa jumla wa bandia na kuchukuliwa kama lengo la shamba lao.

Sifa ya utambuzi

Mchungaji Herbert Simon na Allen Newell walisoma ujuzi wa kutatua matatizo ya binadamu na walijaribu kuifanya, na kazi yao iliweka misingi ya uwanja wa akili ya bandia, pamoja na sayansi ya utambuzi , uchunguzi wa shughuli na sayansi ya usimamizi . Timu yao ya utafiti ilitumia matokeo ya majaribio ya kisaikolojia kuendeleza mipango ambayo ilifanya mbinu ambazo watu walitumia kutatua matatizo. Utamaduni huu, uliozingatia katika Chuo Kikuu cha Carnegie Mellon utafikia hatimaye katika maendeleo ya usanifu wa Soar katikati ya miaka ya 1980. [107] [108]

Logic makao

Tofauti na Newell na Simon , John McCarthy aliona kuwa mashine hazihitaji kuiga mawazo ya kibinadamu, lakini lazima ijaribu kutafuta kiini cha mawazo ya kufikiri na kutatua matatizo, bila kujali kama watu walitumia ufumbuzi huo. [98] Maabara yake huko Stanford ( SAIL ) ililenga kutumia mantiki rasmi ili kutatua matatizo mbalimbali, ikiwa ni pamoja na uwakilishi wa ujuzi , mipango na kujifunza . [109] Logic pia ilikuwa lengo la kazi katika Chuo Kikuu cha Edinburgh na mahali pengine Ulaya ambayo imesababisha maendeleo ya Programu lugha Prolog na sayansi ya programu ya mantiki . [110]

Anti-mantiki au scruffy

Watafiti wa MIT (kama vile Marvin Minsky na Seymour Papert ) [111] waligundua kwamba kutatua matatizo magumu katika maono na usindikaji wa lugha za asili unahitajika ufumbuzi wa ad-hoc - walidai kuwa hakuwa na kanuni rahisi na ya kawaida (kama mantiki ) ambayo ingeweza kukamata yote mambo ya tabia ya akili. Roger Schank alielezea mbinu zao za "kupambana na mantiki" kama " scruffy " (kinyume na vielelezo " vyema " katika CMU na Stanford ). [99] Commonsense maarifa besi (kama vile Doug Lenat wa Cyc ) ni mfano wa "scruffy" AI, kwa kuwa ni lazima kujengwa kwa mkono, moja ngumu dhana kwa wakati. [112]

Maarifa makao

Wakati kompyuta zilizo na kumbukumbu kubwa zilipatikana karibu na 1970, watafiti kutoka mila yote mitatu walianza kujenga ujuzi katika maombi ya AI. [113] Hii "mapinduzi ya ujuzi" imesababisha maendeleo na kupelekwa kwa mifumo ya wataalam (iliyoletwa na Edward Feigenbaum ), aina ya kwanza ya mafanikio ya programu ya AI. [30] Mapinduzi ya ujuzi pia yalitekelezwa na kutambua kuwa kiasi kikubwa cha elimu kitahitajika na maombi mengi rahisi ya AI.

Sub-mfano

Katika maendeleo ya miaka ya 1980 katika AI ya mfano ilionekana kuwa duka na wengi waliamini kwamba mifumo ya mfano haiwezi kuiga mchakato wote wa utambuzi wa binadamu, hasa mtazamo , robotics , kujifunza na kutambua mfano . Watafiti kadhaa walianza kuangalia katika "njia ndogo" za matatizo maalum ya AI. [100] Mbinu ndogo za mfano zinaweza kusimamia akili bila uwakilishi maalum wa ujuzi.

Ilivyo akili

Hii ni pamoja na ilivyo , iko , tabia makao , na nouvelle AI . Watafiti kutoka uwanja wa robotiki kuhusiana na vile, kama Rodney Brooks , walikataa AI ya mfano na walizingatia matatizo ya uhandisi ya msingi ambayo ingewezesha robots kuhamia na kuishi. [114] Kazi yao ilifufua maoni yasiyo ya mfano ya watafiti wa mwanzo wa cybernetics ya miaka ya 1950 na kurejesha matumizi ya nadharia ya kudhibiti katika AI. Hii imesababishwa na maendeleo ya mawazo ya akili ya kisaikolojia katika uwanja kuhusiana na sayansi ya utambuzi : wazo kwamba vipengele vya mwili (kama vile harakati, mtazamo na mtazamo) vinahitajika kwa akili ya juu.

Maarifa ya computational na kompyuta laini

Nia ya mitandao ya neural na " kuunganisha " ilifufuliwa na David Rumelhart na wengine katikati ya miaka ya 1980. [115] Mitandao ya Neural ni mfano wa kompyuta rahisi - ni suluhisho kwa matatizo ambayo hayawezi kutatuliwa kwa uhakika kamili wa uhakika, na ambapo suluhisho la karibu ni mara nyingi kutosha. Mifumo mingine ya kompyuta rahisi kwa AI ni pamoja na mifumo ya fuzzy , hesabu ya mabadiliko na zana nyingi za takwimu. Matumizi ya kompyuta rahisi kwa AI inasomewa kwa pamoja na nidhamu inayojitokeza ya akili ya computational . [116]

Takwimu ya

Katika miaka ya 1990, watafiti wa AI walifanya zana za kisasa za kisasa ili kutatua subproblems maalum. Vifaa hivi ni kisayansi , kwa maana matokeo yao yote yanaweza kupimwa na kuthibitishwa, na wamewajibika kwa mafanikio mengi ya hivi karibuni ya AI. Lugha ya pamoja ya hisabati pia imeruhusu kiwango cha juu cha ushirikiano na mashamba mengi zaidi (kama hisabati , uchumi au utafiti wa shughuli ). Stuart Russell na Peter Norvig wanaelezea harakati hii kama kitu cha chini ya "mapinduzi" na "ushindi wa nadhifu ". [31] Wakosoaji wanasema kuwa mbinu hizi (na isipokuwa chache [117] ) zinalenga pia matatizo fulani na imeshindwa kushughulikia lengo la muda mrefu la akili kuu. [118] Kuna mjadala unaoendelea juu ya umuhimu na uhalali wa mbinu za takwimu za AI, ambazo zinaonyeshwa kwa sehemu na kubadilishana kati ya Peter Norvig na Noam Chomsky . [119] [120]

Kuunganisha njia za

Njia ya akili ya wakala
Wakala wa akili ni mfumo ambao unaona mazingira yake na inachukua hatua ambazo zinaongeza uwezekano wake wa mafanikio. Wakala rahisi zaidi ni programu ambazo zinatatua matatizo maalum. Wakala ngumu zaidi ni pamoja na wanadamu na mashirika ya wanadamu (kama vile makampuni ). Mwelekeo hutoa leseni ya watafiti kujifunza matatizo ya pekee na kupata suluhisho ambazo zinaweza kuthibitishwa na zenye manufaa, bila kukubaliana na njia moja. Wakala ambaye hutatua shida maalum anaweza kutumia mbinu yoyote inayofanya kazi - mawakala wengine ni wa mfano na wa mantiki, baadhi ni mitandao ya nishati ya chini na wengine wanaweza kutumia mbinu mpya. Nadharia pia inatoa watafiti lugha ya kawaida kuwasiliana na mambo mengine-kama nadharia ya uamuzi na uchumi-ambayo pia hutumia mawazo ya mawakala wa abstract. Mtazamo wa wakala wa akili ulikubaliwa sana wakati wa miaka ya 1990. [1]
Architectures ya Agent na usanifu wa utambuzi
Watafiti wameunda mifumo ya kujenga mifumo ya akili nje ya kuingiliana na mawakala wa akili katika mfumo wa wakala mbalimbali . [121] Mfumo unaojumuisha vipengele viwili vya mfano na ndogo ni mfumo wa akili mseto , na utafiti wa mifumo hiyo ni ushirikiano wa mifumo ya akili ya bandia . Mfumo wa udhibiti wa hierarchika hutoa daraja kati ya AI ndogo ya mfano katika viwango vya chini zaidi, vyema na AI ya jadi ya kawaida katika viwango vyake vya juu, ambapo vikwazo vya muda vidhibiti vidogo vinaruhusu mipango na muundo wa dunia. [122] Usanifu wa kudumu wa Rodney Brooks ulikuwa pendekezo la mapema kwa mfumo wa hierarchical. [ citation inahitajika ]

Zana za

Katika kipindi cha miaka 60 ya utafiti, AI imeunda zana kubwa za zana za kutatua matatizo magumu zaidi katika sayansi ya kompyuta . Machapisho kadhaa ya njia hizi ni kujadiliwa hapa chini.

Utafutaji na uboreshaji

Matatizo mengi katika AI yanaweza kutatuliwa kwa nadharia kwa kutafuta akili kupitia njia nyingi zinazowezekana: [123] Kuzingatia kunaweza kupunguzwa kufanya utafutaji. Kwa mfano, uthibitisho wa mantiki unaweza kutazamwa kama kutafuta njia inayoongoza kutoka kwenye majengo hadi hitimisho , ambapo kila hatua ni matumizi ya utawala wa inference . [124] Mipango mipangilio kutafuta njia ya miti ya malengo na subgoals, kujaribu kupata njia ya lengo lengo, mchakato uitwao njia-mwisho uchambuzi . [125] Mfumo wa uboreshaji wa robotiki kwa kusonga miguu na kushikilia vitu hutumia utafutaji wa ndani katika nafasi ya usanidi . [82] Maarifa mengi ya kujifunza yanatumia taratibu za utafutaji kulingana na uboreshaji .

Utafsizi wa kina kamili [126] ni mara chache kutosha kwa matatizo mengi ya ulimwengu halisi: nafasi ya utafutaji (idadi ya maeneo ya kutafuta) inakua kwa kasi kwa namba za astronomical . Matokeo ni utafutaji ambao ni polepole sana au haujayekamilisha. Suluhisho, kwa matatizo mengi, ni kutumia " heuristics " au "sheria za kidole" ambazo zinaondoa uchaguzi ambao hauwezekani kuongoza lengo (linaloitwa " kupogoa mti wa utafutaji "). Hifadhi ya ugavi wa mpango kwa "nadhani bora" kwa njia ambayo suluhisho lipo. [127] Heuristics kikomo kutafuta kwa ufumbuzi katika ukubwa ndogo sampuli. [83]

Aina tofauti ya utafutaji ilifikia sifa katika miaka ya 1990, kulingana na nadharia ya hisabati ya uboreshaji . Kwa shida nyingi, inawezekana kuanza ufutaji kwa aina fulani ya nadhani na kisha ufadhili nadhani kwa kiasi kikubwa mpaka hakuna marekebisho tena yanaweza kufanywa. Hatua hizi zinaweza kuonekana kama kupanda kwa kilima kipofu: tunaanza kutafuta kwa nusu ya mazingira, na kisha, kwa kuruka au hatua, tunaendelea kusonga mawazo yetu, hadi tufikia juu. Mfumo wa uendeshaji mwingine unasimamishwa , unatafuta utafutaji na ufanisi wa random . [128]

Hesabu ya mageuzi inatumia fomu ya utafutaji wa ufanisi. Kwa mfano, wanaweza kuanza na wakazi wa viumbe (nadhani) na kisha kuruhusu kuchanganya na kurekebisha tena, kuchagua tu pekee zaidi ya kuishi kila kizazi (kusafisha nadhani). Aina za uhesabuji wa mageuzi zinajumuisha algorithms ya akili (kama vile koloni ya ant au chembechembe optimization ) [129] na algorithms ya mabadiliko (kama vile algorithms ya maumbile , programu ya kujieleza majini , na programu za maumbile ). [130]

Logic

Logic [131] hutumiwa kwa uwakilishi wa ujuzi na kutatua matatizo, lakini inaweza kutumika kwa matatizo mengine pia. Kwa mfano, algorithm ya satplan inatumia mantiki kwa ajili ya kupanga [132] na programu ya mantiki ya kuvutia ni njia ya kujifunza . [133]

Aina mbalimbali za mantiki hutumiwa katika utafiti wa AI. Mwongozo wa maelekezo au wa hukumu [134] ni mantiki ya taarifa ambayo inaweza kuwa ya kweli au ya uwongo. Mantiki ya kwanza ya [135] pia inaruhusu matumizi ya quanfiers na maelekezo , na inaweza kueleza ukweli juu ya vitu, mali zao, na uhusiano wao na kila mmoja. Neno lisilo na fuzzy , [136] ni toleo la mantiki ya kwanza ambayo inaruhusu ukweli wa kauli kuwa kuwakilishwa kama thamani kati ya 0 na 1, badala ya Kweli (1) au Uongo (0). Mifumo ya kizunguli inaweza kutumika kwa sababu zisizojulikana na imetumiwa sana katika mifumo ya kisasa ya viwanda na matumizi ya bidhaa . Njia ya kujitegemea [ unahitajika ] mifano isiyo na uhakika kwa namna tofauti na ya wazi zaidi kuliko mantiki ya fuzzi: maoni ya binomial inathibitisha imani + kutoamini + kutokuwa na uhakika = 1 ndani ya usambazaji wa Beta . Kwa njia hii, ujinga unaweza kutofautishwa kutoka kwa maneno ya uwezekano ambayo wakala hufanya kwa ujasiri mkubwa.

Logics ya msingi , mantiki zisizo za monotoniki na mstari [56] ni aina ya mantiki iliyoundwa ili kusaidia na hoja ya msingi na tatizo la kufuzu . Upanuzi kadhaa wa mantiki umetengenezwa kushughulikia maeneo maalum ya ujuzi , kama vile: mantiki ya maelezo ; [48] mahesabu ya hali , mahesabu ya tukio na calculus inayofaa (kwa ajili ya matukio na wakati); [49] causal calculus ; [50] imani hesabu; [137] na mantiki ya modal . [51]

Mbinu Uwezekano kwa uhakika hoja

Matatizo mengi katika AI (katika kufikiri, mipango, kujifunza, mtazamo na roboti) zinahitaji wakala kufanya kazi na taarifa isiyo kamili au isiyo uhakika. Watafiti wa AI wamepanga zana kadhaa za nguvu ili kutatua matatizo haya kwa kutumia mbinu kutoka kwa nadharia na uwezekano wa uchumi. [138]

Mitandao ya Bayesian [139] ni chombo kikubwa sana ambacho kinaweza kutumika kwa idadi kubwa ya matatizo: kufikiria (kwa kutumia algorithm ya maelezo ya Bayesian ), [140] kujifunza (kwa kutumia algorithm ya matumaini ), [141] kupanga (kutumia uamuzi mitandao ) [142] na mtazamo (kwa kutumia mitandao yenye nguvu ya Bayesian ). [143] Maadili ya uwezekano yanaweza pia kutumika kwa kuchuja, utabiri, kupunguza na kutafuta maelezo ya mito ya data, kusaidia mifumo ya mtazamo kuchambua taratibu zinazofanyika kwa muda (kwa mfano, mifano ya Markov iliyofichwa au filters Kalman ). [143]

Dhana muhimu kutoka sayansi ya uchumi ni " matumizi ": kipimo cha jinsi thamani ni kwa wakala mwenye akili. Vifaa vyema vya hisabati vimeundwa ili kuchambua jinsi wakala anaweza kufanya uchaguzi na kupanga, kwa kutumia nadharia ya uamuzi , uchambuzi wa uamuzi , [144] na nadharia ya thamani ya habari . [62] Vifaa hivi ni pamoja na mifano kama vile taratibu za uamuzi wa Markov , [145] mitandao ya uamuzi yenye nguvu, [143] nadharia ya mchezo na kubuni utaratibu . [146]

Wafanyabiashara na mbinu za kujifunza takwimu

Programu rahisi za AI zinaweza kugawanywa katika aina mbili: classifiers ("kama shiny basi diamond") na watawala ("ikiwa shiny kisha kuchukua"). Watawala, hata hivyo, pia huweka hali kabla ya vitendo vingi, na hivyo uainishaji huunda sehemu kuu ya mifumo ya AI. Wafanyabiashara ni kazi ambazo hutumia mfano unaofanana na kuamua mechi ya karibu zaidi. Wanaweza kupima kulingana na mifano, na kuifanya kuwavutia sana kwa matumizi katika AI. Mifano hizi zinajulikana kama uchunguzi au ruwaza. Katika mafunzo ya kusimamiwa, kila muundo ni wa darasa fulani la awali. Darasa linaweza kuonekana kama uamuzi unaofanywa. Uchunguzi wote pamoja na maandiko yao ya darasa hujulikana kama kuweka data. Wakati uchunguzi mpya upokelewa, uchunguzi huo unafanywa kulingana na uzoefu uliopita. [147]

Mchezaji anaweza kufundishwa kwa njia mbalimbali; kuna mbinu nyingi za kujifunza takwimu na mashine . Wafanyabiashara wengi wanaotumiwa sana ni mtandao wa neva , [148] mbinu za kernel kama vile mashine ya vector , [149] k-karibu ya algorithm , [150] Gaussian mchanganyiko mfano , [151] naive Bayes classifier , [152] na uamuzi mti . [153] Utendaji wa makundi haya umefananishwa na kazi mbalimbali. Utendaji wa kuainisha unategemea sana sifa za data zilizowekwa. Hakuna mchezaji mmoja anayefanya kazi bora kwa matatizo yote yaliyopewa; hii pia inajulikana kama "theorem" isiyo ya bure ya chakula cha mchana ". Kuamua classifier inayofaa kwa tatizo lililopewa bado ni sanaa zaidi kuliko sayansi. [154]

Mitandao ya Neural

Mtandao wa neural ni kikundi kinachounganishwa cha nodes, sawa na mtandao mkubwa wa neurons katika ubongo wa binadamu .

Mitandao ya Neural huelekezwa baada ya neurons katika ubongo wa binadamu, ambapo algorithm mafunzo huamua majibu ya pato kwa ishara za pembejeo. [155] Utafiti wa mashirika yasiyo ya kujifunza mitandao ya bandia ya nishati [148] ilianza katika miaka kumi kabla ya utafiti wa AI ilianzishwa, katika kazi ya Walter Pitts na Warren McCullouch . Frank Rosenblatt alinunua perceptron , mtandao wa kujifunza una safu moja, sawa na dhana ya zamani ya regression linear . Mapainia wa kwanza pia ni pamoja na Alexey Grigorevich Ivakhnenko , Teuvo Kohonen , Stephen Grossberg , Kunihiko Fukushima , Christoph von der Malsburg, David Willshaw, Shun-Ichi Amari , Bernard Widrow , John Hopfield , Eduardo R. Caianiello , na wengine.

Makundi makubwa ya mitandao ni acyclic au mitandao ya neural feedforward (ambapo ishara inapita katika mwelekeo mmoja tu) na mitandao ya mara kwa mara ya neural (ambayo inaruhusu maoni na kumbukumbu za muda mfupi za matukio ya awali ya pembejeo). Miongoni mwa mitandao maarufu ya feedforward ni perceptrons , perceptrons nyingi za safu na mitandao ya radial msingi . [156] mitandao Neural unaweza kutumika kwa tatizo la akili kudhibiti (kwa robotteknik) au kujifunza , kwa kutumia mbinu kama vile kujifunza Hebbian , GMDH au kujifunza ushindani . [157]

Leo, mitandao ya neural mara nyingi hufundishwa na algorithm ya kurudi nyuma , iliyokuwa karibu tangu mwaka wa 1970 kama njia tofauti ya kutofautiana iliyochapishwa na Seppo Linnainmaa , [158] [159] na ilianzishwa kwa mitandao ya neural na Paul Werbos . [160] [161] [162]

Kumbukumbu ya wakati wa hierarchika ni njia inayoonyesha baadhi ya miundo na muundo wa algorithm ya neocortex . [163]

Mipangilio ya kina ya neural ya neural

Kujifunza kwa kina katika mitandao ya bandia ya neural na tabaka nyingi imefanya sehemu ndogo za akili za akili, ikiwa ni pamoja na maono ya kompyuta , utambuzi wa hotuba , usindikaji wa lugha ya asili na wengine. [164] [165] [166]

Kwa mujibu wa utafiti, [167] maneno "Deep Learning" yaliletwa kwa jumuiya ya Kujifunza Machine na Rina Dechter mnamo mwaka wa 1986 [168] na kupata traction baada ya Igor Aizenberg na wenzake waliiingiza kwa bandia ya Neural Networks mwaka 2000. [169] kwanza kazi Deep mitandao Learning ilichapishwa na Alexey Grigorevich Ivakhnenko na VG Lapa mwaka 1965. [170] [ ukurasa zinahitajika ] mitandao haya ni mafunzo safu moja kwa wakati. Karatasi ya 1971 ya Ivakhnenko [171] inaelezea kujifunza kwa perceptron ya kina ya multilayer iliyo na viungo nane, tayari imepungua zaidi kuliko mitandao ya baadaye. Mwaka 2006, uchapishaji na Geoffrey Hinton na Ruslan Salakhutdinov ilianzisha njia nyingine ya kabla ya mafunzo mengi-layered mitandao feedforward neva (FNNs) safu moja kwa wakati mmoja, kutibu kila safu kwa upande kama bila usimamizi vikwazo Boltzmann mashine , basi kwa kutumia kusimamiwa backpropagation kwa kupanga vizuri. [172] Sawa na mitandao duni ya bandia ya neva, mifumo ya kina ya neural inaweza kutekeleza uhusiano usio wa kawaida. Katika kipindi cha miaka michache iliyopita, maendeleo katika mfumo wa kujifunza mashine na vifaa vya kompyuta imesababisha njia bora zaidi za kufundisha mitandao ya kina ya neural ambayo ina vifungu vingi vya vitengo vya siri ambavyo havikuwa sawa na safu kubwa sana ya pato. [173]

Mafunzo ya kina mara nyingi hutumia mitandao ya neural ya kushughulikia (CNNs) ambayo asili yake inaweza kufuatiliwa na Neocognitron iliyoletwa na Kunihiko Fukushima mwaka wa 1980. [174] Mwaka 1989, Yann LeCun na wenzake walitumia nyuma ya usanifu huo. Katika miaka ya 2000 iliyopita, katika matumizi ya viwanda vya CNN tayari yamefanyiwa wastani wa 10% hadi 20% ya hundi zote zilizoandikwa Marekani. [175] Tangu 2011, utekelezaji wa haraka wa CNN kwenye GPUs umeshinda mashindano mengi ya kutambua mfano. [166]

Mitandao ya kina ya neural ya mifupa yalitumiwa kwa kushirikiana na kujifunza kwa kuimarisha kwa AlphaGo , mpango wa Google Deepmind ambao ulikuwa wa kwanza kumpiga mwanadamu mtaalamu Go mchezaji. [176]

Deep kawaida neva mitandao

Mapema, kujifunza kwa kina pia kutumika kwa kujifunza kwa mlolongo na mitandao ya mara kwa mara ya neural (RNNs) [177] ambazo ni kompyuta za kawaida na zinaweza kukimbia mipango ya kiholela kwa mchakato wa kuingilia kwa pembejeo ya pembejeo. Urefu wa RNN hauwezi ukomo na inategemea urefu wa mlolongo wa pembejeo. [166] RNN zinaweza kufundishwa na upungufu mkubwa [178] [179] [180] lakini husababishwa na shida ya kupoteza . [164] [181] Mwaka 1992, imeonyeshwa kwamba mafunzo ya awali yasiyowekwa chini ya mitandao ya mara kwa mara ya neural yanaweza kuharakisha kujifunza kwa ufuatiliaji unaofuata baada ya matatizo ya kina. [182]

Watafiti wengi sasa hutumia aina tofauti za NN ya kawaida ya kujifunza kwa muda mrefu inayoitwa mtandao wa muda mfupi wa kumbukumbu (LSTM) iliyochapishwa na Hochreiter & Schmidhuber mnamo 1997. [183] LSTM mara nyingi hufundishwa na Uainishaji wa Nyakati za Connectionist (CTC). [184] Katika Google, njia ya Microsoft na Baidu hii imebadilisha utambuzi wa hotuba . [ 187] [187] Kwa mfano, mwaka 2015, utambuzi wa hotuba wa Google ulipata kasi kubwa ya utendaji wa 49% kwa njia ya CTC-mafunzo ya LSTM, ambayo sasa inapatikana kupitia Google Voice kwa watumiaji wa mabilioni ya smartphone. [188] Google pia ilitumia LSTM ili kuboresha tafsiri ya mashine, [189] Lugha Modeling [190] na Multilingual Lugha Processing. [191] LSTM pamoja na CNNs pia iliboresha maelezo ya picha ya moja kwa moja [192] na maombi mengine mengi.

Udhibiti wa nadharia

Kudhibiti nadharia , mjukuu wa cybernetics , ina maombi mengi muhimu, hasa katika robotiki . [193]

Lugha

Watafiti wa AI wameanzisha lugha kadhaa maalumu kwa utafiti wa AI, ikiwa ni pamoja na Lisp , [194] Prolog , [195] Python , [ kinachohitajika ] na C + + . [196]

Kutathmini maendeleo

Mwaka wa 1950, Alan Turing alipendekeza utaratibu wa jumla wa kupima akili ya wakala anayejulikana kama mtihani wa Turing . Utaratibu huu inaruhusu matatizo yote makubwa ya akili ya bandia ya kupimwa. Hata hivyo, ni changamoto ngumu sana na sasa mawakala wote wanashindwa. [197]

Ujasiri wa akili unaweza pia kutathmini juu ya matatizo maalum kama vile matatizo madogo katika kemia, utambuzi wa kuandika mkono na kucheza mchezo. Majaribio hayo yameitwa vipimo vya mtaalamu wa Turing vipimo . Matatizo madogo yanatoa malengo zaidi ya kufikia na kuna idadi kubwa ya matokeo mazuri. [ citation inahitajika ]

Kwa mfano, utendaji katika viraba (yaani checkers) ni bora, utendaji [wa kutafakari ] utendaji kwenye chess ni juu-ya binadamu na karibu na watu wa juu (tazama kompyuta chess: kompyuta dhidi ya binadamu ) na utendaji katika kazi nyingi za kila siku (kama kutambua uso au kuvuka chumba bila kuingia ndani ya kitu) ni mwanadamu.

Njia tofauti kabisa inachukua hatua ya akili kwa njia ya vipimo ambavyo vinatengenezwa kutoka ufafanuzi wa hesabu wa akili. Mifano ya vipimo hivi huanza katika vipimo vya akili vya miaka tisa ya mwisho ya kutumia akili kutoka kwa utata wa Kolmogorov na compression data . [198] Faida mbili kuu za ufafanuzi wa hisabati ni matumizi yao kwa akili zisizo za kibinadamu na kutokuwepo kwa mahitaji ya watazamaji wa wanadamu.

Jaribio la mtihani wa Turing ni mtihani Kamili wa Umma Turing kwa kuwaambia Kompyuta na Watu Mbali ( CAPTCHA ). Kama jina linamaanisha, hii inasaidia kuamua kwamba mtumiaji ni mtu halisi na si kompyuta inayojitokeza kama mwanadamu. Tofauti na mtihani wa kawaida wa Turing, CAPTCHA inasimamiwa na mashine na kulengwa kwa mwanadamu kinyume na kutumiwa na mwanadamu na kwa lengo la mashine. Kompyuta inauliza mtumiaji kukamilisha mtihani rahisi kisha huzalisha daraja kwa mtihani huo. Kompyuta haziwezi kutatua tatizo hilo, hivyo ufumbuzi sahihi huhesabiwa kuwa matokeo ya mtu anayejaribu. Aina ya kawaida ya CAPTCHA ni mtihani ambao unahitaji kuandika barua zilizopotoka, namba au alama ambazo zinaonekana katika picha isiyoeleweka na kompyuta. [199]

Maombi

Msaidizi wa moja kwa moja wa mtandaoni anatoa huduma kwa wateja kwenye ukurasa wa wavuti - mojawapo ya programu nyingi za kale za akili za bandia.

AI ni muhimu kwa kazi yoyote ya akili. [200] Mbinu za kisasa za akili za kisasa zimeenea na ni nyingi sana kuorodhesha hapa. Mara kwa mara, wakati mbinu inapofikia matumizi ya kawaida, haitachukuliwa tena akili ya bandia; jambo hili linaelezwa kama athari ya AI . [201]

Mifano bora za AI zinajumuisha magari ya uhuru (kama vile drones na magari ya kuendesha magari ), uchunguzi wa matibabu, kujenga sanaa (kama vile mashairi), kuthibitisha theorems ya hisabati, kucheza michezo (kama Chess au Go), injini za utafutaji (kama vile Utafutaji wa Google ), wasaidizi wa mtandaoni (kama vile Siri ), kutambua picha katika picha, kupiga spam, utabiri wa maamuzi ya mahakama [202] na kulenga matangazo ya mtandaoni. [200] [203] [204]

Pamoja na maeneo ya vyombo vya habari vya kijamii vinavyofikia televisheni kama chanzo cha habari kwa vijana na mashirika ya habari inayozidi kuzingatia jukwaa la vyombo vya habari vya kijamii kwa kuzalisha usambazaji, [205] wahubiri kubwa sasa hutumia teknolojia ya akili bandia (AI) kuandika hadithi kwa ufanisi zaidi na kuzalisha kiasi cha juu cha trafiki. [206]

Mashindano na zawadi

Kuna idadi ya mashindano na zawadi ili kukuza utafiti katika akili ya bandia. Maeneo makuu yaliyopendekezwa ni: akili ya jumla ya mashine, tabia ya mazungumzo, migodi ya data, magari ya roboti , mpira wa robot na michezo.

Afya

Mgonjwa upande wa upasuaji mkono wa Da Vinci System System . [2]

Ufahamu wa akili unavunja katika sekta ya huduma ya afya kwa kuwasaidia madaktari. Kulingana na Teknolojia ya Bloomberg, Microsoft imeunda AI kusaidia madaktari kupata matibabu sahihi ya kansa. [207] Kuna kiasi kikubwa cha utafiti na madawa ya kulevya yaliyotokana na kansa. Kwa undani, kuna madawa na chanjo zaidi ya 800 kutibu kansa. Hii inathiri madhara madaktari, kwa sababu kuna chaguzi nyingi za kuchagua, na kufanya iwe vigumu kuchagua dawa sahihi kwa wagonjwa. Microsoft inafanya kazi kwenye mradi wa kuendeleza mashine inayoitwa "Hanover". Lengo lake ni kukariri karatasi zote zinazohitajika kansa na kusaidia kutabiri ni aina gani ya madawa ya kulevya ambayo itafaa zaidi kwa kila mgonjwa. Mradi mmoja unaofanywa kwa wakati huu unapigana na leukemia ya myeloid , kansa ya kuumiza ambapo tiba haijabadilika kwa miongo. Utafiti mwingine uliripotiwa umegundua kuwa akili ya bandia ilikuwa nzuri kama madaktari waliohitimu katika kutambua kansa ya ngozi. [208] Utafiti mwingine unatumia akili ya bandia kujaribu na kufuatilia wagonjwa wengi wenye hatari kubwa, na hii inafanywa kwa kuuliza kila mgonjwa maswali mengi kulingana na takwimu zilizopatikana kutoka kwa daktari wa kawaida hadi mwingiliano wa mgonjwa. [209]

Kulingana na CNN , kulikuwa na uchunguzi wa hivi karibuni na madaktari wa upasuaji katika Kituo cha Taifa cha Matibabu cha Watoto huko Washington kilichofanikiwa kufanya upasuaji na robot ya uhuru. Timu hiyo ilisimamia robot huku ikitengeneza upasuaji wa tishu laini, kuunganisha pamoja kifua cha nguruwe wakati wa upasuaji wa wazi, na kufanya hivyo vizuri kuliko daktari wa daktari wa binadamu, timu hiyo ilidai. [210] IBM imeunda kompyuta yake ya akili ya bandia, IBM Watson , ambayo imewapiga akili za binadamu (katika ngazi fulani). Watson si tu alishinda katika mchezo show hatari! dhidi ya mabingwa wa zamani, [211] lakini, alitangazwa kuwa shujaa baada ya kugundua mafanikio wanawake walio na ugonjwa wa leukemia. [212]

magari

Maendeleo katika AI yamechangia ukuaji wa sekta ya magari kupitia uumbaji na mageuzi ya magari ya kuendesha gari. Kufikia mwaka wa 2016, kuna makampuni zaidi ya 30 ya kutumia AI katika kuundwa kwa magari yasiyopokanzwa . Makampuni machache yanayohusika na AI ni pamoja na Tesla , Google , na Apple . [213]

Vipengele vingi vinachangia utendaji wa magari ya kuendesha gari. Magari haya yanajumuisha mifumo kama vile kusafisha, kubadilisha njia, kuzuia mgongano, urambazaji na ramani. Pamoja, mifumo hii, pamoja na kompyuta za juu za utendaji, huunganishwa kwenye gari moja tata. [214]

Maendeleo ya hivi karibuni katika magari ya uhuru yamefanya uvumbuzi wa malori ya kuendesha gari iwezekanavyo, ingawa bado ni katika awamu ya kupima. Serikali ya Uingereza imepitisha sheria ili kuanza kupimwa kwa viwanja vya lori za kuendesha gari binafsi mwaka 2018. [215] Viwanja vya lori za kuendesha gari ni gari la magari ya kuendesha gari kufuatia uongozi wa lori moja isiyo ya kujitegemea, hivyo viwanja vya lori sio uhuru kabisa. Wakati huo huo, Daimler, kampuni ya magari ya Ujerumani, anajaribu Uongozi wa Freightliner ambayo ni lori yenye uhuru ambayo itatumiwa tu kwenye barabara kuu. [216]

Sababu moja kuu ambayo inathiri uwezo wa magari ya chini ya dereva kufanya kazi ni ramani. Kwa ujumla, gari itatayarishwa kabla ya ramani ya eneo linaloendeshwa. Ramani hii ingejumuisha data juu ya takriban za mwanga wa barabara na urefu wa kupima ili gari ielewe na mazingira yake. Hata hivyo, Google imekuwa ikifanya kazi kwenye algorithm kwa kusudi la kukomesha haja ya ramani zilizopangwa kabla na kuunda kifaa ambacho kinaweza kurekebisha mazingira mbalimbali. [217] Baadhi ya magari ya kuendesha gari hawana vifaa vya magurudumu au mabaki, kwa hiyo pia imekuwa na utafiti uliozingatia kujenga darubini ambayo inaweza kuhifadhi mazingira salama kwa abiria katika gari kupitia ufahamu wa hali ya kasi na uendeshaji. [218]

Fedha na Uchumi

Taasisi za fedha zimetumia muda mrefu mifumo ya mtandao wa neural kutambua mashtaka au madai ya nje ya kawaida, kuifanya haya kwa uchunguzi wa binadamu. Matumizi ya AI katika benki yanaweza kufuatilia nyuma mwaka wa 1987 wakati Usalama wa Taifa wa Benki ya Taifa nchini Marekani ilianzisha nguvu ya kuzuia kazi ya udanganyifu ili kukabiliana na matumizi yasiyoidhinishwa ya kadi za debit. Programu kama Kasisto na Moneystream zinatumia AI katika huduma za kifedha.

Mabenki hutumia mifumo ya akili ya bandia leo kuandaa shughuli, kudumisha kitabu, kuwekeza katika hifadhi, na kusimamia mali. AI anaweza kukabiliana na mabadiliko usiku mmoja au wakati biashara haifanyi. [219] Agosti 2001, robots kupiga wanadamu katika mashindano ya biashara ya fedha . [220] AI imepungua pia udanganyifu na uhalifu wa kifedha kwa kufuatilia mifumo ya tabia ya watumiaji kwa mabadiliko yoyote yasiyo ya kawaida au matatizo. [221]

Uhamisho wa mashine za AI kwenye soko katika maombi kama biashara ya mtandaoni na uamuzi umebadili nadharia kuu za kiuchumi. [222] Kwa mfano, AI ya msingi ya kununua na kuuza majukwaa yamebadili sheria ya usambazaji na mahitaji kwa kuwa inawezekana sasa kukadiriwa kwa urahisi mahitaji ya kibinafsi na utoaji wa curves na hivyo bei binafsi. Zaidi ya hayo, mashine za AI hupunguza habari za asymmetry kwenye soko na hivyo kufanya masoko kuwa ya ufanisi zaidi wakati kupunguza kiasi cha biashara. Zaidi ya hayo, AI katika masoko hupunguza matokeo ya tabia katika masoko tena kufanya masoko vizuri zaidi. Nadharia zingine ambako AI imepata athari ni pamoja na uchaguzi wa busara , matarajio ya busara , nadharia ya mchezo , hatua ya kugeuka kwa Lewis , ufanisi wa kwingineko na kufikiri ya counterfactual .

Michezo ya video

Ufafanuzi wa akili hutumiwa kuzalisha tabia za akili hasa kwa wahusika wasiokuwa mchezaji (NPCs), mara nyingi hufananisha akili kama binadamu. [223]

Majukwaa

Jukwaa (au " jukwaa la kompyuta ") linafafanuliwa kama "aina fulani ya usanifu wa vifaa au mfumo wa programu (ikiwa ni pamoja na mifumo ya programu), ambayo inaruhusu programu kuendesha". Kama Rodney Brooks alisema miaka mingi iliyopita, [224] sio programu ya akili ya bandia inayoelezea sifa za AI za jukwaa, lakini badala ya jukwaa halisi yenyewe linaloathiri AI ambayo matokeo yake, yaani, kuna haja ya kufanya kazi katika AI matatizo juu ya jukwaa halisi ya dunia badala ya kutengwa.

Aina mbalimbali za jukwaa zimewezesha vipengele mbalimbali vya AI kuendeleza, kuanzia mifumo ya wataalam kama vile Cyc kwa mifumo ya kina-kujifunza kwa majukwaa ya robot kama vile Roomba na interface wazi. [225] Mafanikio ya hivi karibuni katika mitandao ya kina ya neural bandia na usambazaji wa kompyuta imesababisha kuenea kwa maktaba ya programu, ikiwa ni pamoja na Deeplearning4j , TensorFlow , Theano na Mwenge .

AI ya pamoja ni usanifu wa jukwaa ambao unachanganya AI ya mtu binafsi katika chombo cha pamoja, ili kufikia matokeo ya kimataifa kutokana na tabia za kibinafsi. [226] [227] Kwa muundo wake wa pamoja, waendelezaji wanaweza habari za habari na kupanua utendaji wa maeneo yaliyomo ya AI kwenye jukwaa kwa ajili ya matumizi yao wenyewe, na kuendelea kuunda na kubadilishana maeneo mapya na uwezo kwa jumuiya pana na nzuri zaidi . [228] Kama waendelezaji wanaendelea kuchangia, jukwaa la jumla linazidi akili zaidi na linaweza kufanya maombi zaidi, ikitoa mfano wa scalable kwa faida kubwa ya jumuiya. Mashirika 227 kama SoundHound Inc. na Harvard John A. Paulson Shule ya Uhandisi na Sayansi ya Applied wameitumia mfano wa AI wa ushirikiano. [229] [227]

Elimu katika AI

Utafiti wa Taasisi ya McKinsey Global iligundua ukosefu wa data milioni 1.5 yenye mafunzo na wataalamu na mameneja wa AI [230] na idadi kubwa ya bootcamps za kibinafsi zimeandaa mipango ya kukidhi mahitaji hayo, ikiwa ni pamoja na programu za bure kama Incubator ya Data au mipango ya kulipwa kama Mkutano Mkuu . [231]

Ushirikiano juu ya AI

Amazon, Google, Facebook, IBM, na Microsoft wameanzisha ushirikiano usio na faida ili kuunda mazoea bora juu ya teknolojia ya akili za bandia, kuendeleza ufahamu wa umma, na kutumika kama jukwaa kuhusu akili ya bandia. [232] Walisema: "Ushirikiano huu juu ya AI utafanya utafiti, kuandaa majadiliano, kutoa uongozi wa mawazo, kushauriana na vyama vya tatu husika, kujibu maswali kutoka kwa umma na vyombo vya habari, na kuunda nyenzo za elimu zinazoendeleza ufahamu wa teknolojia za AI ikiwa ni pamoja na mashine mtazamo, kujifunza, na maoni ya kawaida. " [232] Apple alijiunga na makampuni mengine ya teknolojia kama mwanachama mwanzilishi wa Ubia katika AI mwezi wa Januari 2017. Washirika wa kampuni watafanya michango ya kifedha na utafiti kwa kikundi, huku wakishirikiana na jamii ya kisayansi kuleta wasomi kwenye bodi. [233] [227]

Falsafa na maadili

Kuna maswali matatu ya falsafa kuhusiana na AI:

  1. Je! Akili kamili ya bandia inawezekana? Je, mashine inaweza kutatua shida yoyote ambayo mwanadamu anaweza kutatua kwa kutumia akili? Au kuna mipaka ngumu kwa mashine ambayo inaweza kukamilisha?
  2. Je, mashine za akili ni hatari? Tunawezaje kuhakikisha kwamba mashine zina tabia ya kimaadili na zinazotumiwa kiutendaji?
  3. Je, mashine inaweza kuwa na akili , ufahamu na masuala ya akili kwa maana sawa na ambayo wanadamu wanafanya? Je, mashine inaweza kuwa na hisia , na hivyo inastahili haki fulani? Je, mashine inaweza kusababisha madhara kwa makusudi ?

Mpaka wa akili ya jumla ya bandia

Je, mashine inaweza kuwa na akili? Inaweza "kufikiria"?

Alan Turing "mkataba wa heshima"
Hatuhitaji kuamua kama mashine inaweza "kufikiria"; tunahitaji tu kuamua kama mashine inaweza kutenda kama akili kama mwanadamu. Njia hii ya matatizo ya falsafa yanayohusiana na akili ya bandia huunda msingi wa mtihani wa Turing . [197]
Pendekezo la Dartmouth
"Kila kipengele cha kujifunza au kipengele kingine cha akili kinaweza kuelezewa kwa usahihi kwamba mashine inaweza kufanywa kuiga." Dhana hii ilichapishwa katika pendekezo la Mkutano wa Dartmouth wa 1956, na inawakilisha nafasi ya watafiti wengi wa AI wanaofanya kazi. [234]
Newell na Simon mfumo wa ishara ya kimwili ya mfumo
"Mfumo wa ishara ya kimwili una njia zinazohitajika na za kutosha za vitendo vingi vya akili." Newell na Simon wanasema kwamba akili ina shughuli rasmi juu ya alama. [235] Hubert Dreyfus alisema kuwa, kinyume chake, utaalamu wa binadamu unategemea silika ya ufahamu badala ya kudanganywa kwa ishara na kuwa "kujisikia" kwa hali badala ya ujuzi wa wazi wa mfano. (Ona maoni ya Dreyfus ya AI .) [236] [237]
Gödelian hoja
Gödel mwenyewe, [238] John Lucas (mwaka wa 1961) na Roger Penrose (kwa hoja ya kina zaidi kutoka 1989 kuendelea) alifanya hoja za kiufundi ambazo mwanadamu wa hisabati anaweza kuona ukweli wao wenyewe "taarifa za Gödel" na kwa hiyo wana uwezo wa kompyuta hiyo ya mashine za mashine za Turing. [239] Hata hivyo, makubaliano ya kisasa katika jumuiya ya sayansi na hisabati ni kwamba "hoja za Gödelian" zinashindwa. [240] [241] [242]
Hati ya ubongo ya bandia
Ubongo unaweza kulinganishwa na mashine na kwa sababu akili ni akili, akili zilizofanana lazima pia ziwe na akili; hivyo mashine inaweza kuwa na akili. Hans Moravec , Ray Kurzweil na wengine walisema kuwa ni teknolojia inayowezekana nakala ya ubongo moja kwa moja kwenye vifaa na programu, na kwamba simulation hiyo itakuwa kimsingi sawa na awali. [96]
AI athari
Mashine tayari ni ya akili, lakini waangalizi wamekufahamu kutambua. Wakati Blue Blue ilipiga Garry Kasparov katika chess, mashine hiyo ilifanya kwa akili. Hata hivyo, watazamaji kawaida hupunguza tabia ya mpango wa akili bandia kwa kusema kwamba sio "halisi" akili baada ya yote; hivyo "akili" halisi ni tabia yoyote ya akili watu wanaweza kufanya mashine hiyo bado haiwezi. Hii inajulikana kama Athari ya AI: "AI ni chochote ambacho hakijafanyika bado."

Uwezekano wa hatari na maadili hoja

Matumizi mengi ya akili ya bandia inaweza kuwa na matokeo yasiyotarajiwa ambayo ni ya hatari au yasiyofaa. Wanasayansi kutoka baadaye ya Taasisi ya Maisha , miongoni mwa wengine, walielezea baadhi ya malengo ya utafiti wa muda mfupi kuwa jinsi AI inathiri uchumi, sheria na maadili zinazohusika na AI na jinsi ya kupunguza hatari za usalama wa AI. Kwa muda mrefu, wanasayansi wamependekeza kuendelea kuboresha kazi wakati wa kupunguza hatari iwezekanavyo ya usalama ambayo inakuja pamoja na teknolojia mpya. [243]

Mashine yenye akili wana uwezo wa kutumia akili zao kufanya maamuzi ya kimaadili. Utafiti katika eneo hili ni pamoja na "maadili ya mashine", "mawakala wa maadili bandia", na utafiti wa "uhalifu dhidi ya AI".

Hatari ya hatari

Uendelezaji wa akili kamili ya bandia inaweza kutaja mwisho wa jamii ya wanadamu. Mara baada ya wanadamu kuendeleza akili ya bandia, itachukua peke yake na kujifanyia upya kwa kiwango cha kuongezeka. Wanadamu, ambao ni mdogo na mageuzi ya polepole ya kibiolojia, hawakuweza kushindana na ingeweza kushindwa.

- Stephen Hawking [244]

Wasiwasi wa kawaida juu ya maendeleo ya akili bandia ni tishio ambalo linaweza kusababisha kwa ubinadamu. Wasiwasi huu hivi karibuni umejali baada ya kutajwa na washerehezi ikiwa ni pamoja na Stephen Hawking , Bill Gates , [245] na Elon Musk . [246] Kikundi cha titans maarufu ikiwa ni pamoja na Peter Thiel , Amazon Web Services na Musk wamefanya dola bilioni kwa kampuni ya OpenAI isiyo na faida inayolenga kuhamasisha maendeleo ya AI. [247] Maoni ya wataalam ndani ya uwanja wa akili bandia ni mchanganyiko, na fractions kubwa wote wasiwasi na wasiwasi na hatari kutoka AU ya mwisho superhumanly-uwezo. [248]

Katika kitabu chake Superintelligence , Nick Bostrom hutoa hoja kwamba akili ya bandia itakuwa tishio kwa wanadamu. Anasema kuwa AI ya kutosha, ikiwa inachagua matendo kulingana na kufikia lengo fulani, itaonyesha tabia ya kubadilisha kama vile kupata rasilimali au kujilinda kutokana na kufungwa. Ikiwa malengo haya ya AI hayaonyeshi ya kibinadamu - mfano mmoja ni AI aliiambia kuchambua tarakimu nyingi za pi iwezekanavyo - inaweza kuharibu ubinadamu ili kupata rasilimali zaidi au kuzuia yenyewe kutoka kufungwa, hatimaye kufikia lengo lake.

Kwa hatari hii ya kutambuliwa, AI ya mawazo ingekuwa na nguvu zaidi au nje-kufikiria ubinadamu wote, ambao wachache wa wataalam wanasema ni uwezekano wa kutosha katika siku zijazo kwa kuwa haifai kutafiti. [249] [250] Vipingana vingine vinavyohusiana na wanadamu vinakuwa vyenye au vyenye thamani kutoka kwa mtazamo wa akili ya bandia. [251]

Kutoa wasiwasi juu ya hatari kutokana na akili bandia imesababisha mchango wa uwekezaji na uwekezaji. Mnamo Januari 2015, Elon Musk alitoa dola milioni kumi kwa Taasisi ya Maisha ya Baadaye ili kufadhili utafiti juu ya uelewa wa uamuzi wa AI. Lengo la taasisi ni "kukua hekima ambayo tunayoweza kusimamia" nguvu zinazoongezeka za teknolojia. Musk pia huajiri makampuni yanayotengeneza akili ya bandia kama vile Google DeepMind na Vicarious kwa "tu jicho juu ya kinachoendelea na akili ya bandia. [252] Nadhani kuna uwezekano wa matokeo ya hatari huko." [253] [254]

Maendeleo ya akili ya bandia ya silaha ni wasiwasi kuhusiana. Hivi sasa, nchi 50+ zinatafiti robots za vita, ikiwa ni pamoja na Marekani, China, Russia, na Uingereza. Watu wengi wasiwasi kuhusu hatari kutoka kwa AI yenye nguvu pia wanataka kuzuia matumizi ya askari wa bandia. [255]

Uharibifu wa ubinadamu

Joseph Weizenbaum aliandika kwamba maombi ya AI hawezi, kwa ufafanuzi, kufanikisha ufanisi wa kweli wa kibinadamu na kwamba matumizi ya teknolojia ya AI katika maeneo kama vile huduma ya wateja au psychotherapy [256] ilikuwa imepotosha sana. Weizenbaum pia ilikuwa na wasiwasi kuwa watafiti wa AI (na baadhi ya falsafa) walitaka kutazama akili ya kibinadamu kama kitu chochote zaidi ya mpango wa kompyuta (nafasi inayojulikana kama computationalism ). Kwa Weizenbaum pointi hizi zinaonyesha kuwa utafiti wa AI unapima maisha ya kibinadamu. [257]

Kupungua kwa mahitaji ya kazi ya binadamu

Martin Ford, mwandishi wa Lights katika Tunnel: Automation, Teknolojia ya Kuharakisha na Uchumi wa Baadaye , [258] na wengine wanasema kuwa maombi ya akili ya bandia, robotics na aina nyingine za automatisering hatimaye husababisha ukosefu mkubwa wa ajira kama mashine zinaanza mechi na kuzidi uwezo wa wafanyakazi kufanya kazi nyingi za kawaida na za kurudia. Ford inabiri kuwa kazi nyingi za ujuzi-na hasa kazi za ngazi ya kuingia-zitakuwa zinahusika na automatisering kupitia mifumo ya wataalam, kujifunza mashine [259] na programu nyingine za AI-kuimarishwa. Maombi ya msingi ya AI pia yanaweza kutumika ili kuongeza uwezo wa wafanyakazi wa chini wa mshahara wa nje, na kuifanya iwezekanavyo kufanya kazi ya ujuzi wa nje . [260] [ ukurasa inahitajika ]

Maadili ya maadili ya maadili

Hii inaleta suala la jinsi mtindo unapaswa kuishi kwa wanadamu na mawakala wengine wa AI. Suala hili lilishughulikiwa na Wendell Wallach katika kitabu chake kinachojulikana kama Maadili ya Maadili ambayo alianzisha dhana ya maadili ya maadili (AMA). [261] Kwa Wallach, AMAs wamekuwa sehemu ya utafiti wa akili ya bandia kama kuongozwa na maswali yake mawili ya msingi ambayo yeye hutambulisha kama "Je, Uumbaji Wanataka Kompyuta Kufanya Maamuzi ya Maadili" [262] na "Can (Ro) bots kweli Kuwa Maadili". [263] Kwa swali la Wallach sio msingi juu ya suala la kuwa mashine zinaweza kuonyesha sawa na tabia za kimaadili kinyume na vikwazo ambazo jamii inaweza kuweka katika maendeleo ya AMA. [264]

Maadili ya mashine

Shamba la maadili ya mashine linahusika na kutoa maadili ya maadili ya mashine, au utaratibu wa kugundua njia ya kutatua shida za maadili ambazo zinaweza kukutana, na kuwawezesha kufanya kazi kwa njia ya kiutendaji kwa njia ya maamuzi yao ya maadili. [265] Shamba ilifafanuliwa katika Mkutano wa AAAI Fall 2005 juu ya Maadili ya Machine: "Utafiti wa zamani kuhusu uhusiano kati ya teknolojia na maadili kwa kiasi kikubwa umalenga matumizi ya teknolojia ya wajibu na wasiwasi kwa watu, na watu wachache wanapenda jinsi binadamu watu wanapaswa kutibu mashine.Katika hali zote, wanadamu pekee wamejiunga na maadili ya kimaadili.Kufikia wakati wa kuongeza mwelekeo wa maadili kwa angalau mashine fulani.Kutambua maadili ya kimaadili ya tabia inayohusisha mashine, pamoja na hivi karibuni na uwezo maendeleo ya uendeshaji wa mashine, inahitaji jambo hili.Kwa tofauti na ufuatiliaji wa kompyuta, masuala ya mali ya programu, masuala ya faragha na mada mengine ambayo kawaida hutolewa kwenye maadili ya kompyuta, maadili ya mashine yanahusika na tabia ya mashine kuelekea watumiaji wa binadamu na mashine nyingine. ufunguo wa kupunguza masuala ya mifumo ya uhuru-inaweza kuwa alisema kwamba wazo la mashine za uhuru bila hali hiyo ni mzizi wa hofu yote kuhusu akili ya mashine. Zaidi ya hayo, uchunguzi wa maadili ya mashine unaweza kuwezesha ugunduzi wa matatizo na nadharia za sasa za kimaadili, kuendeleza mawazo yetu juu ya Maadili. " [266] Maadili ya mashine wakati mwingine hujulikana kama maadili ya mashine, maadili ya mahesabu au maadili ya kiutendaji. shamba linaweza kupatikana katika toleo la zilizokusanywa "Maadili ya Machine" [265] yanayotokana na Mkutano wa AAAI Fall 2005 juu ya Maadili ya Machine. [266]

Malevolent na kirafiki AI

Mwanasayansi wa kisiasa Charles T. Rubin anaamini kuwa AI haiwezi kuundwa wala kuhakikishiwa kuwa mwenye busara. [267] Anasema kuwa "ufanisi wowote wa kutosha unaweza kutofautiana na uhalifu." Wanadamu hawapaswi kudhani mashine au robots zitatutendea vizuri, kwa sababu hakuna sababu ya kwanza ya kuamini kwamba watakuwa na huruma kwa mfumo wetu wa maadili, ambao umebadilika pamoja na biolojia yetu maalum (ambayo AI haikushiriki). Programu ya akili isiyo na akili haiwezi kuamua kuunga mkono kuwepo kwa ubinadamu, na itakuwa vigumu sana kuacha. Mada hii pia imeanza kujadiliwa katika machapisho ya kitaaluma kama chanzo halisi cha hatari kwa ustaarabu, binadamu, na sayari ya Dunia.

Mwanasayansi Stephen Hawking , mwanzilishi wa Bill Gates wa Microsoft , na mwanzilishi SpaceX Elon Musk wameelezea wasiwasi juu ya uwezekano wa kuwa AI ingeweza kubadilika hadi kwamba wanadamu hawakuweza kuidhibiti, na hawking atorizing kwamba hii inaweza " kupiga mwisho wa jamii ". [268]

Pendekezo moja la kukabiliana na hili ni kuhakikisha kuwa AI ya kwanza kwa ujumla ni ' AI ya kirafiki ', na kisha ataweza kudhibiti AI zinazoendelea baadaye. Wengine wanauliza kama aina hii ya hundi inaweza kweli kubaki.

Mtafiti mkuu wa AI Rodney Brooks anaandika, "Nadhani ni kosa kuwa na wasiwasi kuhusu sisi kuendeleza AI kibaya wakati wowote katika miaka mia machache ijayo .. Nadhani wasiwasi inatokana na kosa la msingi katika kutofautisha tofauti kati ya maendeleo halisi ya hivi karibuni katika kipengele fulani cha AI, na ukubwa na ugumu wa kujenga ujasiri wa akili. " [269]

Ufahamu wa mashine, hisia na akili

Ikiwa mfumo wa AI unashughulikia masuala yote muhimu ya akili ya binadamu, je, mfumo huo pia utahisi - utawa na akili ambayo ina uzoefu wa fahamu ? Swali hili linahusiana na tatizo la filosofi kuhusu hali ya ufahamu wa binadamu, kwa ujumla hujulikana kama shida ngumu ya ufahamu .

fahamu

Uchangamano na utendaji

Kuteknolojia ni nafasi katika falsafa ya akili kwamba akili ya binadamu au ubongo wa binadamu (au wote wawili) ni mfumo wa usindikaji wa habari na kwamba kufikiri ni aina ya kompyuta. [270] Computationalism inasema kwamba uhusiano kati ya akili na mwili ni sawa au sawa na uhusiano kati ya programu na vifaa na hivyo inaweza kuwa suluhisho la tatizo la mwili wa akili . Msimamo huu wa filosofi uliongozwa na kazi ya watafiti wa AI na wanasayansi wenye ujuzi katika miaka ya 1960 na awali ilipendekezwa na falsafa Jerry Fodor na Hilary Putnam .

Nguvu ya AI hypothesis

Msimamo wa falsafa ambao John Searle amewita jina "AI yenye nguvu" inasema: "Kompyuta iliyopangwa kwa usahihi na matokeo sahihi na matokeo yatakuwa na akili kwa maana sawa na wanadamu wana mawazo." [271] Akaunti ya Searle hii imethibitishwa na hoja yake ya chumba cha Kichina , ambayo inatuuliza kutazama ndani ya kompyuta na kujaribu kutafuta ambapo "akili" inaweza kuwa. [272]

Haki za Robot

Frankenstein wa Mary Shelley anaona jambo muhimu katika maadili ya akili ya bandia : kama mashine inaweza kuundwa ambayo ina akili, inaweza pia kujisikia ? Ikiwa inaweza kujisikia, je, ina haki sawa na mwanadamu? Wazo pia inaonekana katika uongo wa sayansi ya kisasa, kama vile filamu ya AI: Intelligence ya bandia , ambayo mashine za humanoid zina uwezo wa kujisikia hisia. Suala hili, ambalo linajulikana kama " haki za robot ", sasa linazingatiwa na, kwa mfano, Taasisi ya California ya Wakati ujao , ingawa wakosoaji wengi wanaamini kuwa majadiliano ni mapema. [273] Baadhi ya wakosoaji wa transhumanism wanasema kuwa haki yoyote ya robot ya uongo ingekuwa uongo juu ya wigo na haki za wanyama na haki za binadamu. [274] Somo hili linajadiliwa sana katika filamu ya filamu ya 2010 ya Plug & Pray . [275]

Superintelligence

Je! Kuna mipaka ya jinsi mashine za akili - au viungo vya binadamu-vinavyoweza? Ubunifu, hyperintelligence, au akili superhuman ni wakala hypothetical ambayo ingekuwa na akili zaidi ya ajabu ya akili mkali na wengi wenye vipawa. '' Ubunifu '' inaweza pia kutaja fomu au shahada ya akili iliyo na wakala huyo. [94]

Teknolojia uchache

Ikiwa utafiti katika AI Nguvu ulizalisha programu ya kutosha ya akili, inaweza kuwa na uwezo wa kutafsiri na kuboresha yenyewe. Programu bora itakuwa bora zaidi katika kuboresha yenyewe, na kusababisha uboreshaji wa kujitegemea . [276] Kwa hiyo akili mpya inaweza kuongezeka kwa kiasi kikubwa na kuvutia zaidi wanadamu. Mwandishi wa uandishi wa uongo Vernor Vinge alitaja hali hii " singularity ". [277] Umoja wa teknolojia ni wakati kasi ya maendeleo katika teknolojia itasababisha athari ya kukimbia ambayo akili bandia itazidisha uwezo wa akili na udhibiti wa binadamu, hivyo kubadilisha kikamilifu au hata kuishia ustaarabu. Kwa sababu uwezo wa akili hiyo inaweza kuwa haiwezekani kuelewa, umoja wa kiteknolojia ni tukio ambalo matukio hayatabiriki au hata hayawezi kutambulika. [277] [94]

Ray Kurzweil ametumia sheria ya Moore (ambayo inaelezea uboreshaji usio na ufafanuzi wa teknolojia ya digital) kuhesabu kwamba kompyuta za kompyuta zitaweza kuwa na nguvu sawa za usindikaji kama akili za binadamu mwaka wa 2029, na inatabiri kuwa umoja utatokea mwaka wa 2045. [277]

Transhumanism

Uamka asubuhi moja ili kupata ubongo wako una kazi nyingine ya lobe. Invisible, hii lobe msaidizi majibu maswali yako na habari zaidi ya eneo la kumbukumbu yako mwenyewe, inaonyesha kozi plausible ya hatua, na anauliza maswali ambayo kusaidia kuleta ukweli husika. Unakuja haraka kutegemea lobe mpya sana ili uache kujiuliza jinsi inavyofanya kazi. Unatumia tu. Hii ndiyo ndoto ya akili ya bandia.

- Byte , Aprili 1985 [278]

Muumbaji wa robot Hans Moravec , cyberneticist Kevin Warwick na mwanzilishi Ray Kurzweil wametabiri kwamba wanadamu na mashine zitaunganisha baadaye katika cyborgs ambazo zina uwezo zaidi na zenye nguvu zaidi kuliko aidha. [279] Dhana hii, inayoitwa transhumanism , ambayo ina mizizi katika Aldous Huxley na Robert Ettinger , imeonyeshwa katika hadithi za uongo pia, kwa mfano katika manga Ghost katika Shell na mfululizo wa sayansi ya uongo Dune .

Katika mfululizo wa Wasanii wa Sexy Robots wa Hajime Sorayama walichapishwa na kuchapishwa huko Japan wakionyesha fomu halisi ya kibinadamu ya ngozi za ngozi za misuli ya mishipa na baadaye kitabu cha "Gynoids" kinachofuata kilichotumiwa na watengenezaji wa filamu ikiwa ni pamoja na George Lucas na ubunifu wengine . Sorayama kamwe hakufikiri robots hizi za kikaboni kuwa sehemu halisi ya asili lakini daima bidhaa zisizo za kawaida za akili ya kibinadamu, fantasy iliyopo katika akili hata wakati inafanywa kwa fomu halisi.

Edward Fredkin anasema kwamba "akili ya bandia ni hatua inayofuata katika mageuzi", wazo ambalo lilipendekezwa kwanza na " Darwin katikati ya Machines " ya Samuel Butler (1863), na kupanuliwa na George Dyson katika kitabu chake cha jina moja mwaka 1998. [280]

Katika fiction

Viumbe bandia vinavyoweza kufikiria vimeonekana kama vifaa vya kuandika hadithi tangu zamani. [18]

Madhara ya mashine iliyojengwa yenye akili ya bandia yamekuwa ni mandhari inayoendelea katika sayansi ya uongo tangu karne ya ishirini. Hadithi za awali zimezunguka karibu na robots za akili. Neno "robot" yenyewe liliundwa na Karel Čapek katika 1921 kucheza RUR , jina lililosimama kwa " Robots Universal ya Rossum ". Baadaye, mwandishi wa SF Isaac Asimov alianzisha Sheria tatu za robotiki ambazo baadaye akachunguza katika mfululizo mrefu wa hadithi za robot. Sheria za Asmov zinaletwa mara nyingi wakati wa majadiliano ya wasanii wa maadili ya mashine; [281] wakati karibu watafiti wote wa maarifa ya bandia wanafahamu sheria za Asimov kwa njia ya utamaduni maarufu, kwa ujumla wanazingatia sheria zisizo maana kwa sababu nyingi, mojawapo ya hayo ni ukosefu wao. [282]

Riwaya Je, ungependa ndoto ya kondoo wa umeme? , na Philip K. Dick , anaelezea hadithi ya uongo ya uongo kuhusu Android na wanadamu wanaoishi katika dunia ya baadaye. Mambo ya akili bandia ni pamoja na sanduku la huruma, chombo cha mood, na androids wenyewe. Katika riwaya yote, Dick inaonyesha wazo la kuwa subjectivity ya binadamu ni kubadilishwa na teknolojia iliyoundwa na akili bandia. [283]

Siku hizi AI imara mizizi katika utamaduni maarufu; robots akili huonekana katika kazi zisizo na idadi. HAL , kompyuta ya mauaji inayoongoza spaceship mwaka wa 2001: Space Odyssey (1968), ni mfano wa kawaida "robotic rampage" ya archetype katika sinema za uongo. Terminator (1984) na The Matrix (1999) hutoa mifano ya ziada inayojulikana. Kinyume chake, robots za uaminifu ambazo hazijitokeza kama vile Gort kutoka Siku ambayo Dunia Alikaa bado (1951) na Askofu kutoka kwa Aliens (1986) hawapatikani sana katika utamaduni maarufu. [284]

Tazama pia

  • Kutoa mawazo
  • Majadiliano ya msingi
  • Ushauri wa Commonsense
  • Hifadhi ya algorithm
  • Kompyuta ya mageuzi
  • Glossary ya akili bandia
  • Mafunzo ya mashine
  • Uboreshaji wa hisabati
  • Kompyuta rahisi
  • Upepo wa akili

Maelezo ya

  1. ^ B akili wakala dhana: Ufafanuzi uliotumiwa katika makala hii, kwa lengo la malengo, vitendo, mtazamo na mazingira, ni kutokana na Russell & Norvig (2003) . Maelekezo mengine yanajumuisha ujuzi na kujifunza kama vigezo vya ziada.
  2. ^ Russell & Norvig 2009 , p. 2.
  3. ^ Hofstadter (1980 , p. 601)
  4. ^ Schank, Roger C. (1991). "AI wapi". Magazeti ya AI . Vol. 12 no. 4. p. 38.
  5. ^ Russell & Norvig 2009 .
  6. ^ B "AlphaGo - Google DeepMind" . Imehifadhiwa kutoka kwa asili ya tarehe 10 Machi 2016.
  7. ^ B Matumaini ya mapema AI:
  8. ^ B Boom ya 1980: kupanda kwa mifumo mtaalam , Fifth Generation Project , Alvey , MCC , SCI :
  9. ^ B Kwanza AI Winter , Mansfield Marekebisho , Lighthill ripoti
  10. ^ B Pili AI baridi :
  11. ^ Pamela McCorduck (2004 , pp. 424) anaandika juu ya "kupoteza mkali wa AI katika maono ya chini ya ardhi, lugha ya asili, nadharia ya uamuzi, taratibu za maumbile, robotiki ... na haya yenye chini ya chini-ambayo hakuwa na kitu chochote sema kwa kila mmoja. "
  12. ^ B Orodha hii ya sifa akili ni msingi juu ya mada kufunikwa na kubwa AI vitabu, ikiwa ni pamoja:
  13. ^ B General akili ( nguvu AI ) ni kujadiliwa kwa utambulisho maarufu kwa AI:
  14. ^ Angalia pendekezo la Dartmouth , chini ya Falsafa , chini.
  15. ^ Hii ni wazo kuu la Mashine ya Pamela McCorduck ambaye Anadhani . Anaandika hivi: "Ninapenda kufikiri juu ya akili ya bandia kama apotheosis ya kisayansi ya mila ya kitamaduni yenye heshima." ( McCorduck 2004 , ukurasa wa 34) " Ujasiri wa bandia kwa namna moja au nyingine ni wazo ambalo limeendelea historia ya Magharibi ya Magharibi, ndoto katika haja ya haraka ya kukamilika." ( McCorduck 2004 , p. Xviii) "Historia yetu ni kamili ya majaribio-nutty, eerie, comical, bidii, hadithi na halisi-kufanya intelligences bandia, na kuzaa nini muhimu yetu - kupitisha njia ya kawaida. hadithi na ukweli, mawazo yetu ya kusambaza yale warsha zetu hazikuweza, tumefanya kwa muda mrefu katika aina hii isiyo ya kawaida ya kujifungua. " ( McCorduck 2004 , ukurasa wa 3) Anaonyesha tamaa nyuma ya mizizi yake ya Hellenism na huita hivyo kuwashawishi "kuimarisha Mungu." ( McCorduck 2004 , pp. 340-400)
  16. ^ "Stephen Hawking anaamini kuwa AI inaweza kuwa ufanisi wa mwisho wa wanadamu" . BetaNews . 21 Oktoba 2016. Iliyorodheshwa kutoka mwanzo tarehe 28 Agosti 2017.
  17. ^ B maombi AI sana kutumika nyuma ya pazia:
  18. ^ B AI katika hadithi:
  19. ^ B Russell & Norvig 2009 , s. 16.
  20. ^ AI katika sayansi ya mwanzo ya sayansi.
  21. Maamuzi ya kawaida:
  22. ^ B AI ya precursors ya karibu:
  23. ^ Mkutano wa Dartmouth :
  24. ^ Hegemony ya waliohudhuria mkutano wa Dartmouth:
  25. ^ Russell & Norvig 2003 , p. 18.
  26. ^ " Miaka ya dhahabu " ya AI (mipango ya mafanikio ya mfano 1956-1973): Programu zilizoelezewa ni mpango wa wachunguzi wa Arthur Samuel kwa IBM 701 , STUDENT ya Daniel Bobrow , Newell na Simon Theorist na Terry Winograd SHRDLU .
  27. ^ DARPA inatoa pesa katika utafiti safi usiowekwa ndani ya AI wakati wa miaka ya 1960:
  28. ^ AI nchini Uingereza:
  29. ^ Lighthill 1973 .
  30. ^ B Expert mifumo:
  31. ^ B mbinu rasmi sasa kuliko ( "Ushindi wa neats "):
  32. ^ McCorduck 2004 , uk. 480-483.
  33. ^ Markoff 2011 .
  34. ^ Msimamizi. "Kinet ya AI mafanikio alielezea" . i-programmer.info . Imehifadhiwa kutoka kwa asili ya 1 Februari 2016.
  35. ^ Rowinski, Dan (15 Januari 2013). "Wasaidizi wa Binafsi Wazima na Hatimaye ya Smartphone yako [Infographic]" . Soma Nakala . Imehifadhiwa kutoka kwa asili hapo tarehe 22 Desemba 2015.
  36. ^ "Ujasiri wa bandia: AlphaGo ya Google hupiga Go Lee Lee Se" . BBC News . Machi 12, 2016. Iliyorodheshwa kutoka awali kwenye Agosti 26, 2016 . Iliondolewa Oktoba 1, 2016 .
  37. ^ "Baada ya kushinda nchini China, Waumbaji wa AlphaGo Chunguza AI Mpya" . Mei 27, 2017. Iliyorodheshwa kutoka mwanzo tarehe 2 Juni 2017.
  38. ^ "Ulimwenguni Nenda Uchezaji wa Wachezaji" . Mei 2017. Imehifadhiwa kutoka kwa asili tangu tarehe 1 Aprili 2017.
  39. ^ "柯 洁 迎 19 生日 雄踞 人类 世界 排名 第一 已 两年" (katika Kichina). Mei 2017. Imehifadhiwa kutoka kwa asili ya Agosti 11, 2017.
  40. ^ B Clark, Jack (8 Desemba 2015). "Kwa nini 2015 ilikuwa mwaka wa kuvunja katika akili ya akili" . Habari za Bloomberg . Imehifadhiwa kutoka kwa asili ya tarehe 23 Novemba 2016 . Iliondolewa Novemba 23, 2016 . Baada ya muongo wa nusu ya mafanikio ya utulivu katika akili ya bandia, 2015 imekuwa mwaka wa kuvutia. Kompyuta ni nadhifu na kujifunza kwa kasi zaidi kuliko hapo awali.
  41. ^ Sandewall, Erik. "Madhumuni ya Utafiti wa Uhandisi wa Maambukizi - Utangulizi mfupi". Mradi wa Uwakilishi wa Maarifa - Chuo Kikuu cha Linkoping. NP, 8 Agosti 2010. 8 Desemba 2016.
  42. ^ Kutatua matatizo, puzzle kutatua, mchezo kucheza na deduction:
  43. ^ Kusisitiza bila uhakika:
  44. ^ Ukosefu na ufanisi na mlipuko wa combinatorial :
  45. ^ Ushauri wa kisaikolojia wa mawazo ya chini:
    • Wason & Shapiro (1966) ilionyesha kuwa watu hufanya matatizo mabaya kabisa, lakini ikiwa tatizo linarudiwa ili kuruhusu matumizi ya akili ya kijamii , inaboresha sana. (Ona kazi ya uteuzi wa Wason )
    • Kahneman, Slovic & Tversky (1982) wameonyesha kwamba watu ni wa kutisha katika matatizo ya msingi ambayo yanahusisha mawazo ya uhakika. (Angalia orodha ya udhaifu wa utambuzi kwa mifano kadhaa).
    • Lakoff & Núñez (2000) wameshindana na kusema kwamba hata stadi zetu katika hisabati hutegemea ujuzi na ujuzi ambao hutoka "mwili", yaani ujuzi wa sensor na ujuzi. (Ona Ambapo Hisabati Inatoka )
  46. ^ Uwakilishi wa ujuzi :
  47. ^ Uhandisi wa ujuzi :
  48. ^ B Kuwakilisha makundi na mahusiano: mitandao kisemantiki , maelezo Logics , urithi (ikiwa ni pamoja muafaka na maandiko ):
  49. ^ B Kuwakilisha matukio na wakati: Situation calculus , tukio calculus , fasaha calculus (ikiwa ni pamoja kutatua tatizo frame ):
  50. ^ B Causal calculus :
  51. ^ B Kuwakilisha elimu juu ya elimu: Imani calculus , modal Logics :
  52. ^ Sikos, Leslie F. (Juni 2017). Ufafanuzi Logics katika Multimedia Kushauriana . Cham: Springer. Je : 10.1007 / 978-3-319-54066-5 . ISBN 978-3-319-54066-5 . Imehifadhiwa kutoka kwa asili ya tarehe 29 Agosti 2017.
  53. ^ Ontology :
  54. ^ Bertini, M; Del Bimbo, A; Torniai, C (2006). "Annotation ya moja kwa moja na upatikanaji wa semantic wa utaratibu wa video kwa kutumia ontolojia ya multimedia". MM '06 Majadiliano ya mkutano wa kimataifa wa ACM wa kimataifa wa Multimedia . Mkutano wa kimataifa wa ACM wa 14 kwenye Multimedia. Santa Barbara: ACM. pp. 679-682.
  55. ^ Tatizo la sifa : Wakati McCarthy alikuwa na wasiwasi hasa juu ya masuala ya uwakilishi wa vitendo, Russell & Norvig 2003 hutumia muda huo kwa suala la jumla la maoni ya msingi katika mtandao mkubwa wa mawazo unaozingatia ujuzi wetu wote.
  56. ^ B Default mawazo na default mantiki , mashirika yasiyo ya monotonic Logics , circumscription , imefungwa dhana dunia , utekaji nyara (Poole na wenzake maeneo utekaji nyara chini ya "default hoja" Luger na wenzake maeneo haya chini ya "hoja uhakika"...):
  57. ^ Upana wa ujuzi wa commonsense:
  58. ^ Dreyfus & Dreyfus 1986 .
  59. ^ Gladwell 2005 .
  60. ^ B Expert elimu kama ilivyo Intuition:
    • Dreyfus & Dreyfus 1986 ( Hubert Dreyfus ni mwanafalsafa na mkosoaji wa AI ambaye alikuwa miongoni mwa watu wa kwanza kusema kwamba ujuzi muhimu zaidi wa binadamu ulifanywa kwa njia ndogo ya mfano.Chunguza maoni ya Dreyfus ya AI )
    • Gladwell 2005 ( Blink ya Gladwell ni utangulizi maarufu kwa mawazo na maarifa ya chini.)
    • Hawkins & Blakeslee 2005 (Hawkins anasema kwamba elimu ndogo ya mfano inapaswa kuwa lengo kuu la utafiti wa AI.)
  61. ^ Kupanga :
  62. ^ B nadharia ya habari thamani :
  63. ^ Mpango wa kawaida:
  64. ^ Kupanga na kufanya kazi katika maeneo yasiyo ya deterministic: mipango ya masharti, ufuatiliaji wa utekelezaji, upyaji na mipango ya kuendelea:
  65. ^ Mpangilio wa wakala wengi na tabia inayojitokeza:
  66. ^ Alan Turing alizungumza juu ya msingi wa kujifunza mapema mwaka wa 1950, katika karatasi yake ya kale ya " Mashine ya Mashine na Upelelezi ." ( Turing 1950 ) Mnamo mwaka wa 1956, katika mkutano wa awali wa Dartmouth AI, Ray Solomonoff aliandika ripoti juu ya kujifunza mashine isiyoelekea : "Machine In Inference Machine" ( Solomonoff 1956 )
  67. ^ Hii ni fomu ya tafsiri ya Tom Mitchell iliyopanuliwa sana ya kujifunza mashine: "Programu ya kompyuta imewekwa kujifunza kutokana na uzoefu E kwa kuzingatia kazi fulani T na kipimo cha utendaji P ikiwa utendaji wake wa T unapimwa na P inaboresha na uzoefu E. "
  68. ^ Kujifunza :
  69. ^ Kuimarisha kujifunza :
  70. ^ Weng et al. 2001 .
  71. ^ Lungarella et al. 2003 .
  72. ^ Asada et al. 2009 .
  73. ^ Mchungaji 2010 .
  74. ^ Usindikaji wa lugha ya asili :
  75. ^ "Swali la kuingiliana la kujibu mifumo: kuona katika awali" Iliyoripotiwa Februari 1, 2016 kwenye Wayback Machine ., Mittal et al., IJIIDS, 5 (2), 119-142, 2011
  76. ^ Maombi ya usindikaji wa lugha ya asili, ikiwa ni pamoja na upatikanaji wa habari (yaani madini ya maandishi ) na tafsiri ya mashine :
  77. ^ Mtazamo wa mashine :
  78. ^ Maono ya kompyuta :
  79. ^ Utambuzi wa Hotuba :
  80. ^ Utambuzi wa kitu :
  81. ^ Robotiki :
  82. ^ B Kuhamia na nafasi Configuration :
  83. ^ B Tecuci 2012 .
  84. ^ Ramani ya robotiki (ujanibishaji, nk):
  85. ^ Kismet .
  86. ^ Thro 1993 .
  87. ^ Edelson 1991 .
  88. ^ Tao & Tan 2005 .
  89. ^ Yakobo 1884 .
  90. ^ Picard 1995 .
  91. ^ Kleine-Cosack 2006 : "Kuanzishwa kwa hisia kwa sayansi ya kompyuta ilifanywa na Pickard (sic) ambaye aliunda shamba la kompyuta yenye ufanisi."
  92. ^ Diamond 2003 : "Rosalind Picard, profesa wa MIT wa kitaaluma, ni mungu wa shamba, kitabu chake cha 1997, Affective Computing, kilichochochea mlipuko wa riba katika upande wa kihisia wa kompyuta na watumiaji wao."
  93. ^ Kihisia na kompyuta inayoathirika :
  94. ^ B c Roberts, Jacob (2016). "Machining Thinking: Search for Intelligence Artificial" . Kutumia vifaa . 2 (2): 14-23. Imehifadhiwa kutoka kwa asili ya tarehe 17 Februari 2017 . Iliondolewa Februari 17, 2017 .
  95. ^ Gerald Edelman , Igor Aleksander na wengine walisema kwamba ufahamu wa bandia unahitajika kwa AI imara. ( Aleksander 1995 ; Edelman 2007 )
  96. ^ B bandia ubongo hoja: AI inahitaji masimulizi ya operesheni ya ubongo wa binadamu Watu wachache ambao hufanya aina fulani ya hoja: Fomu kubwa zaidi ya hoja hii (hali ya urithi badala) iliwekwa na Clark Glymour katikati ya miaka ya 1970 na iliguswa na Zenon Pylyshyn na John Searle mwaka 1980.
  97. ^ Nils Nilsson anaandika: "Tu kuweka, kuna kutofautiana sana katika shamba kuhusu kile AI ni kuhusu" ( Nilsson 1983 , uk. 10).
  98. ^ B Biolojia akili vs akili kwa ujumla:
    • Russell & Norvig 2003 , pp. 2-3, ambao wanafanya ulinganisho na uhandisi wa aeronautical .
    • McCorduck 2004 , pp. 100-101, ambaye anaandika kwamba kuna "matawi mawili makubwa ya akili ya bandia: moja yenye lengo la kuzalisha tabia ya akili bila kujali jinsi ilivyokuwa accomplioshed, na nyingine iliyopangwa kutekeleza mchakato wa akili unaopatikana katika asili, hususan wanadamu . "
    • Kolata 1982 , karatasi katika Sayansi , ambayo inaelezea kutofautiana kwa McCarthy na mifano ya kibiolojia. Kolata anasema McCarthy akiandika hivi: "Hii ni AI, kwa hiyo hatujali ikiwa ni halisi ya kisaikolojia" "nakala iliyohifadhiwa" . Imehifadhiwa kutoka kwa asili ya 7 Julai 2016 . Iliondolewa Februari 16, 2016 . . McCarthy hivi karibuni alielezea msimamo wake katika mkutano wa AI @ 50 ambapo alisema "akili ya bandia sio, kwa ufafanuzi, simulation ya akili ya binadamu" ( Muumba 2006 ).
  99. ^ B Neats vs scruffies :
  100. ^ B kiishara vs ndogo mfano AI:
  101. ^ Haugeland 1985 , p. 255.
  102. ^ Sheria 1994 .
  103. ^ Bach 2008 .
  104. ^ B c Shapiro, Stuart C. (1992), "bandia akili", katika Stuart C. Shapiro (ed.), Encyclopedia ya bandia akili, 2 toleo (New York: John Wiley & Sons): 54-57. 4 Desemba 2016.
  105. ^ Haugeland 1985 , pp. 112-117
  106. ^ Mfano mkubwa zaidi wa AI ndogo ya mfano unaoingizwa nyuma ni uvunjaji mbaya wa perceptrons na Marvin Minsky na Seymour Papert mwaka 1969. Angalia Historia ya AI , AI baridi , au Frank Rosenblatt .
  107. ^ Simulation ya utambuzi, Newell na Simon , AI katika CMU (inayoitwa Carnegie Tech ):
  108. ^ Soar (historia):
  109. ^ McCarthy na AI utafiti katika SAIL na SRI International :
  110. ^ AI utafiti katika Edinburgh na katika Ufaransa, kuzaliwa kwa Prolog :
  111. ^ AI katika MIT chini ya Marvin Minsky katika miaka ya 1960:
  112. ^ Cyc :
  113. ^ Mapinduzi ya ujuzi:
  114. ^ Njia zilizofanyika kwa AI:
  115. ^ Ufufuo wa kuunganisha :
  116. ^ Akili ya computational
  117. ^ Hutter 2012 .
  118. ^ Langley 2011 .
  119. ^ Katz 2012 .
  120. ^ Norvig 2012 .
  121. ^ Architectures ya Agent , mifumo ya akili ya mseto :
  122. ^ Mfumo wa udhibiti wa hierarchical :
  123. ^ Tafuta algorithms :
  124. ^ Kusafirisha mbele , chaining nyuma , kifungu cha Pembe , na uondoaji wa mantiki kama utafutaji:
  125. ^ Utafutaji wa nafasi ya eneo na kupanga :
  126. ^ Utafutaji wasio na ujuzi ( upana search kwanza , kina search kwanza na ya jumla ya serikali nafasi ya utafutaji ):
  127. ^ Heuristic au utafutaji sahihi (mfano, tamaa bora kwanza na * ):
  128. ^ Mafuta ya utafutaji:
  129. ^ Maisha ya bandia na kujifunza kwa jamii:
  130. Maandalizi ya maumbile na algorithms ya maumbile :
  131. ^ Logic :
  132. ^ Safi :
  133. ^ Maelekezo ya msingi ya kujifunza , kujifunza kwa kuzingatia msingi , programu ya mantiki ya kuvutia , hoja ya msingi :
  134. ^ Mantiki ya maoni :
  135. ^ Mantiki ya kwanza ya utaratibu na vipengele kama usawa :
  136. ^ Mantiki isiyofaa :
  137. ^ "Mahesabu ya Uaminifu na Kutoa Sababu", Yen-Teh Hsia
  138. ^ Mbinu za Stochastic kwa sababu zisizo uhakika:
  139. ^ Mitandao ya Bayesian :
  140. ^ Algorithm ya Bayesian inference :
  141. ^ Mafunzo ya Bayesian na algorithm ya matarajio-maximization :
  142. ^ Nadharia ya uamuzi wa Bayesian na mitandao ya uamuzi wa Bayesian:
  143. ^ B c Stochastic mifano muda: Mitandao ya nguvu ya Bayesian : Mfano wa Markov siri : Wafutaji wa Kalman :
  144. ^ nadharia ya uamuzi na uchambuzi wa uamuzi :
  145. ^ Michakato ya uamuzi wa Markov na mitandao ya uamuzi yenye nguvu:
  146. ^ Nadharia ya michezo na kubuni utaratibu :
  147. ^ Njia za kujifunza za takwimu na wasambazaji :
  148. ^ B mitandao Neural na Uhusisho:
  149. ^ Kernel mbinu kama vile mashine ya msaada vector :
  150. ^ K-karibu jirani algorithm :
  151. ^ Mfano wa mchanganyiko wa Gaussia :
  152. ^ Naive Bayes classifier :
  153. ^ Mti wa uamuzi :
  154. ^ Utendaji wa Hifadhi:
  155. ^ Nielsen, Michael. "Neural Networks na Deep Learning" . Imehifadhiwa kutoka kwa asili ya tarehe 20 Septemba 2017 . Iliondolewa Septemba 20, 2017 .
  156. ^ Mitandao ya neural ya mifupa , perceptrons na mitandao ya radial msingi :
  157. ^ Competitive kujifunza , Hebbian bahati kujifunza, mitandao Hopfield na mitandao attractor:
  158. ^ Seppo Linnainmaa (1970). Uwakilishi wa hitilafu ya mzunguko wa jumla ya algorithm kama upanuzi wa Taylor wa makosa ya mzunguko wa ndani. Thesis ya Mwalimu (katika Kifini), Univ. Helsinki, 6-7.
  159. ^ Griewank, Andreas (2012). Ni nani aliyejenga njia ya tofauti ya tofauti ?. Hadithi za Biashara, Documenta Matematica, Kiasi cha ziada cha ISMP (2012), 389-400.
  160. ^ Paul Werbos , "Zaidi ya Ukandamizaji: Vyombo vipya vya Utabiri na Uchambuzi katika Sayansi ya Tabia", Pht thesis, Chuo Kikuu cha Harvard , 1974.
  161. ^ Paul Werbos (1982). Maombi ya maendeleo katika uchambuzi usio na nia ya uelewa. Katika mfumo wa ufanisi na ufanisi (pp. 762-770). Springer Berlin Heidelberg. Online Archived 14 Aprili 2016 katika Wayback Machine .
  162. ^ Upyaji wa nyuma :
  163. ^ Kumbukumbu ya kisasa ya hierarchical :
  164. ^ B Ian Goodfellow, Yoshua Bengio, na Haruni Courville (2016). Kujifunza kwa kina. MIT Press. Online Archived 16 Aprili 2016 katika Wayback Machine .
  165. ^ Hinton, G .; Deng, L .; Yu, D .; Dahl, G .; Mohamed, A .; Jaitly, N .; Mwandamizi, A .; Vanhoucke, V .; Nguyen, P .; Sainath, T .; Kingsbury, B. (2012). "Deep Neural Networks kwa Acoustic Modeling katika Utambuzi wa Maneno --- Maoni ya pamoja ya makundi manne ya utafiti". IEEE Ishara ya Matayarisho ya Magazeti . 29 (6): 82-97. Je : 10.1109 / msp.2012.2205597 .
  166. ^ B c Schmidhuber, J. (2015). "Kujifunza kwa kina katika Mtandao wa Neural: Overview". Mtandao wa Neural . 61 : 85-117. arXiv : 1404.7828 Freely accessible . Je : 10.1016 / j.neunet.2014.09.003 .
  167. ^ Schmidhuber, Jürgen (2015). "Deep Learning" . Scholarpedia . 10 (11): 32832. hati : 10.4249 / scholarpedia.32832 . Imehifadhiwa kutoka kwa asili ya tarehe 19 Aprili 2016.
  168. ^ Rina Dechter (1986). Kujifunza wakati wa kutafuta matatizo ya kuridhika. Chuo Kikuu cha California, Idara ya Sayansi ya Kompyuta, Maabara ya Utambuzi wa Maabara. Online Archived 19 Aprili 2016 katika Wayback Machine .
  169. ^ Igor Aizenberg, Naum N. Aizenberg, Joos PL Vandewalle (2000). Neurons nyingi za thamani na za Universal: Nadharia, Mafunzo na Maombi. Springer Sayansi & Biashara ya Vyombo vya Biashara.
  170. ^ Ivakhnenko, Alexey (1965). Vifaa vya kutabiri vya upepo . Kiev: Naukova Dumka.
  171. ^ Ivakhnenko, Alexey (1971). "Nadharia ya Polynomial ya mifumo tata". Shughuli za IEEE kwenye Systems, Man na Cybernetics (4) : 364-378.
  172. ^ Hintoni 2007 .
  173. ^ Utafiti, AI (Oktoba 23, 2015). "Deep Neural Networks kwa Acoustic Modeling katika Utambuzi wa Hotuba" . airesearch.com . Iliondolewa Oktoba 23, 2015 .
  174. ^ Fukushima, K. (1980). "Neocognitron: Njia ya kujitegemea ya neural mtandao mfano wa utaratibu wa utambuzi wa muundo usioathiriwa na mabadiliko ya nafasi". Cybernetics ya kibaiolojia . 36 : 193-202. Je : 10.1007 / bf00344251 . PMID 7370364 .
  175. ^ Yann LeCun (2016). Slides kwenye Deep Learning Online iliyohifadhiwa 23 Aprili 2016 kwenye Wayback Machine .
  176. ^ "AlphaGo - Google DeepMind" . Imehifadhiwa kutoka kwa asili ya tarehe 30 Januari 2016 . Iliondolewa Januari 30, 2016 .
  177. ^ Mitandao ya nishati ya mara kwa mara , nyavu za Hopfield :
  178. ^ PJ Werbos. Generalization ya backpropagation na maombi kwa mfano wa soko gesi mfano " Neural Networks 1, 1988.
  179. ^ AJ Robinson na F. Fallside. Huduma inayotokana na uendeshaji wa hitilafu yenye nguvu. Ripoti ya Ufundi CUED / F-INFENG / TR.1, Idara ya Uhandisi wa Chuo Kikuu cha Cambridge, 1987.
  180. ^ RJ Williams na D. Zipser. Maarifa ya msingi ya kujifunza kwa mitandao ya mara kwa mara na utata wao wa computational. Katika usambazaji wa nyuma: Nadharia, Architectures na Maombi. Hillsdale, NJ: Erlbaum, 1994.
  181. ^ Sepp Hochreiter (1991), Untersuchungen zu dynamischen neuronalen Netzen Archived 6 Machi 2015 katika Wayback Machine ., Dhana ya darasani . Taasisi f. Taarifa, Technische Univ. Munich. Mshauri: J. Schmidhuber.
  182. ^ Schmidhuber, J. (1992). "Kujifunza tata, utaratibu ulioongezwa kwa kutumia kanuni ya ukandamizaji wa historia". Hesabu ya Neural . 4 : 234-242. CiteSeerX 10.1.1.49.3934 Freely accessible . Je : 10.1162 / neco.1992.4.2.234 .
  183. ^ Hochreiter, Sepp ; na Schmidhuber, Jürgen ; Muda mrefu wa muda mfupi , Kumbukumbu ya Neural, 9 (8): 1735-1780, 1997
  184. ^ Alex Graves, Santiago Fernandez, Faustino Gomez, na Jürgen Schmidhuber (2006). Ufafanuzi wa muda wa kuunganisha: Kuandika safu ya data ya mlolongo na nyavu za mara kwa mara za neural. Mahakama ya ICML'06, pp. 369-376.
  185. ^ Hannun, Awni; Kesi, Carl; Casper, Jared; Catanzaro, Bryan; Diamos, Greg; Elsen, Erich; Prenger, Ryan; Satheesh, Sanjeev; Sengupta, Shubo; Coates, Adam; Ng, Andrew Y. (2014). "Majadiliano ya kina: Kuongeza kutambua mwisho wa mwisho kwa hotuba". arXiv : 1412.5567 Freely accessible .
  186. ^ Hasim Sak na Andrew Senior na Francoise Beaufays (2014). Muda mrefu wa muda mrefu wa Kumbukumbu za muda mfupi za usanifu wa mtandao wa neural kwa mfano wa kielelezo kikubwa cha acoustic. Mahakama ya Interspeech 2014.
  187. ^ Li, Xiangang; Wu, Xihong (2015). "Kuunda kumbukumbu ya muda mrefu ya muda mfupi msingi wa Neural Networks Recurrent Recurrent Recognition". arXiv : 1410.4281 Freely accessible .
  188. ^ Haşim Sak, Andrew Senior, Kanishka Rao, Françoise Beaufays na Johan Schalkwyk (Septemba 2015): Google search search: kwa kasi na sahihi zaidi. Imehifadhiwa Machi 9, 2016 kwenye barabara ya Wayback .
  189. ^ Sutskever, Ilya; Vinyals, Oriol; Le, Quoc V. (2014). "Mlolongo wa Sequence Kujifunza na Neural Networks". arXiv : 1409.3215 Freely accessible .
  190. ^ Jozefowicz, Rafal; Vinyals, Oriol; Schuster, Mike; Shazeer, Noam; Wu, Yonghui (2016). "Kuchunguza mipaka ya Mfano wa Lugha". arXiv : 1602.02410 Freely accessible .
  191. ^ Gillick, Dan; Brunk, Cliff; Vinyals, Oriol; Subramanya, Amarnag (2015). "Multilingual Language Processing kutoka Bytes". arXiv : 1512.00103 Freely accessible .
  192. ^ Vinyals, Oriol; Toshev, Alexander; Bengio, Samy; Erhan, Dumitru (2015). "Onyesha na Uambie: Jenereta ya picha ya Neural Image". arXiv : 1411.4555 Freely accessible .
  193. ^ Udhibiti wa nadharia :
  194. ^ Lisp :
  195. ^ Prolog :
  196. ^ Cite kosa: Nambari iliyoitwa jina la C.2B.2B ilitakiwa lakini haijafafanuliwa (angalia ukurasa wa usaidizi ).
  197. ^ B mtihani Turing :
    Uchapishaji wa awali wa Turing:
  198. Ushawishi wa kihistoria na matokeo ya falsafa:
  199. ^ Ufafanuzi wa hisabati wa akili:
  200. ^ O'Brien & Marakas 2011 .
  201. ^ B Russell & Norvig 2009 , s. 1.
  202. ^ CNN 2006 .
  203. ^ N. Aletras; D. Tsarapatsanis; D. Preotiuc-Pietro; V. Lampos (2016). "Kutabiri maamuzi ya mahakama ya Mahakama ya Ulaya ya Haki za Binadamu: mtazamo wa lugha ya asili ya usindikaji" . PeerJ Sayansi ya Kompyuta . Imehifadhiwa kutoka kwa asili ya tarehe 29 Oktoba 2016.
  204. ^ "The Economist anafafanua: Kwa nini makampuni yanajiingiza katika akili ya bandia" . The Economist . Machi 31, 2016. Imehifadhiwa kutoka kwa asili ya Mei 8, 2016 . Iliondolewa 19 Mei 2016 .
  205. ^ Lohr, Steve (Februari 28, 2016). "Ahadi ya Ushauri wa Artificial inaendelea katika hatua ndogo" . The New York Times . Imehifadhiwa kutoka kwa asili ya tarehe 29 Februari 2016 . Iliondolewa Februari 29, 2016 .
  206. ^ Wakefield, Jane (Juni 15, 2016). "Vyombo vya habari vya kijamii" vinatoka TV 'kama chanzo cha habari kwa vijana " . BBC News . Imehifadhiwa kutoka kwa asili ya tarehe 24 Juni 2016.
  207. ^ Smith, Mark (22 Julai 2016). "Kwa hiyo unadhani umechagua kusoma makala hii?" . BBC News . Imehifadhiwa kutoka kwa asili ya tarehe 25 Julai 2016.
  208. ^ Dina Bass (20 Septemba 2016). "Microsoft Inaendeleza AI Kusaidia Madaktari wa Kansa Kupata Matibabu Yanayofaa" . Bloomberg. Imehifadhiwa kutoka kwa asili ya Mei 11 2017.
  209. ^ Gallagher, James (26 Januari 2017). "Bandia akili 'kama vizuri kama madaktari kansa'" . BBC News . Imehifadhiwa kutoka kwa asili ya tarehe 26 Januari 2017 . Iliondolewa Januari 26, 2017 .
  210. ^ [1] , Langen, Pauline A .; Jeffrey S. Katz & Gayle Dempsey, "Ufuatiliaji wa mbali wa wagonjwa wa hatari kutumia akili ya bandia"
  211. ^ Senthilingam, Meera (Mei 12, 2016). "Je! Nguvu za Nguvu za Wakuu wako Wagonjwa?" . CNN . Cable News Network. Imehifadhiwa kutoka kwa asili hadi tarehe 3 Desemba 2016 . Iliondolewa Desemba 4, 2016 .
  212. ^ Markoff, John (16 Februari 2011). "Juu ya 'Hatari!' Watson Win ni Yote lakini Nasi " . The New York Times . Imehifadhiwa kutoka kwa asili hapo tarehe 22 Septemba 2017.
  213. ^ Ng, Alfred (7 Agosti 2016). "IBM's Watson hutoa uchunguzi sahihi baada ya madaktari kutupwa" . NY Daily News . Imehifadhiwa kutoka kwa asili hapo tarehe 22 Septemba 2017.
  214. ^ "33 Makampuni ya Kufanya Kazi Magari ya Kuwezesha". Ufahamu wa CB. NP, 11 Agosti 2016. 12 Novemba 2016.
  215. ^ Magharibi, Darrell M. "Kuendelea mbele: magari ya kujitegemea kuendesha gari nchini China, Ulaya, Japan, Korea na Marekani". Kituo cha Teknolojia Innovation katika Brookings. NP, Septemba 2016. 12 Novemba 2016.
  216. ^ Burgess, Matt. "Uingereza inakaribia Kuanza Kujaribu Kuendesha gari Lori za Plumboni" . WIRED . Imehifadhiwa kutoka kwa asili hapo tarehe 22 Septemba 2017 . Iliondolewa Septemba 20, 2017 .
  217. ^ Davies, Alex. "Semi-lori ya Kwanza ya Kuendesha gari ya Kwanza ya Dunia Inatafuta Barabara" . WIRED . Imehifadhiwa kutoka kwa asili ya tarehe 28 Oktoba 2017 . Iliondolewa Septemba 20, 2017 .
  218. ^ McFarland, Matt. "Mafanikio ya akili ya bandia ya Google yanaweza kuwa na athari kubwa juu ya magari ya kuendesha magari na mengi zaidi". Washington Post Februari 25, 2015. Infotrac Newsstand. 24 Oktoba 2016
  219. ^ "Mpangilio wa usalama katika magari yenye kuendesha gari". National Science Foundation. NP, 2 Februari 2015. 24 Oktoba 2016.
  220. ^ O'Neill ,, Eleanor (Julai 31, 2016). "Uhasibu, automatisering na AI" . www.icas.com . Imehifadhiwa kutoka kwa asili ya tarehe 18 Novemba 2016 . Iliondolewa Novemba 18, 2016 .
  221. ^ Robots Kuwapiga Watu katika Vita vya Trading. Iliyohifadhiwa Septemba 9, 2009 katika Wayback Machine . BBC.com (Agosti 8, 2001)
  222. ^ "CTO Corner: Intelligence ya bandia Matumizi katika Huduma za Fedha - Huduma za Fedha Roundtable" . Huduma za Fedha Roundtable . 2 Aprili 2015. Imehifadhiwa kutoka kwa asili ya tarehe 18 Novemba 2016 . Iliondolewa Novemba 18, 2016 .
  223. ^ Marwala, Tshilidzi; Hurwitz, Evan (2017). Intelligence ya bandia na Nadharia ya Kiuchumi: Skynet katika Soko . London: Springer . ISBN 978-3-319-66104-9 .
  224. ^ "Kwa nini watafiti wa AI kama michezo ya video" . The Economist . Imehifadhiwa kutoka kwa asili ya tarehe 5 Oktoba 2017.
  225. ^ Brooks 1991 .
  226. ^ "Rocking Hacking" . hackingroomba.com . Imehifadhiwa kutoka kwa asili tarehe 18 Oktoba 2009.
  227. ^ "Mwetaji wa robot elfu binafsi" . www.seas.harvard.edu . Agosti 14, 2014. Imehifadhiwa kutoka kwa asili ya Mei 4 2017.
  228. ^ B c d "Watch An Autonomous Robot pumba Fomu 2D starfishes" . Waumbaji .
  229. ^ Rainie, Lee; Janna; Mtu (8 Februari 2017). "Mandhari 2: Mambo mazuri yamekuwa mbele" . Imehifadhiwa kutoka kwa asili ya tarehe 3 Julai 2017.
  230. ^ Lynley, Mathayo. "SoundHound inaleta $ 75M ili kuleta AI inayowezeshwa sauti kila mahali" . Imehifadhiwa kutoka kwa asili ya tarehe 13 Septemba 2017.
  231. ^ Manyika, James; Chui, Michael; Bughin, Jaques; Brown, Brad; Dobbs, Richard; Roxburgh, Charles; Byers, Angela Hung (Mei 2011). "Big Data: Frontier ijayo kwa innovation, ushindani, na uzalishaji" . Taasisi ya McKinsey Global. Imehifadhiwa kutoka kwa asili ya Machi 6, 2013 . Iliondolewa Januari 16, 2016 .
  232. ^ "NY inapata kambi mpya ya boot kwa wanasayansi wa data: Ni bure lakini vigumu kupata ndani ya Harvard" . Upangaji wa Upangazaji . Imehifadhiwa kutoka kwa asili ya Februari 15, 2016 . Ilipatikana Februari 21, 2016 .
  233. ^ B "Ushirikiano wa juu bandia akili kwa Faida Watu na Jamii". NP, na tarehe 24 Oktoba 2016.
  234. ^ Fiegerman, Seti. "Facebook, Google, Amazon Kujenga Kikundi Kupunguza AI wasiwasi". CNNMoney. na 4 Desemba 2016.
  235. ^ Pendekezo la Dartmouth:
  236. ^ Mifumo ya ishara ya kimwili hypothesis:
  237. ^ Dreyfus alishutumu hali muhimu ya mfumo wa ishara ya kimwili , ambayo aliita "dhana ya kisaikolojia": "Nia yaweza kutazamwa kama kifaa kinachofanya kazi juu ya bits habari kulingana na sheria rasmi." ( Dreyfus 1992 , uk. 156)
  238. ^ Maelezo ya Dreyfus ya akili bandia :
  239. ^ Gödel 1951 : Katika hotuba hii, Kurt Gödel anatumia theorem isiyo na kikamilifu ili kufikia mshikamano wafuatayo: (a) akili ya kibinadamu sio thabiti ya mashine, au (b) kuna usawa wa Diophantine ambayo hauwezi kuamua ikiwa kuna ufumbuzi . Gödel hupata (b) implausible, na hivyo inaonekana kuwa wameamini akili ya binadamu haikuwa sawa na mashine ya mwisho, yaani, nguvu zake zilizidi kuliko mashine yoyote ya mwisho. Aligundua kuwa hii ilikuwa tu dhana, kwani mtu hawezi kamwe kupinga (b). Hata hivyo, yeye alifikiria hitimisho la kujitegemea kuwa "ukweli fulani".
  240. ^ Matakwa ya Hisabati: Kufanya Hitilafu ya Hisabati: Kukataa Matakwa ya Mathematiki: Background:
    • Gödel 1931, Kanisa 1936, Kleene 1935, Turing 1937
  241. ^ Graham Oppy (Januari 20, 2015). "Theorems ya Gharama ya Gödel" . Stanford Encyclopedia ya Falsafa . Iliondolewa 27 Aprili 2016 . Haya Gödelian kupambana na mjadala hoja ni, hata hivyo, tatizo, na kuna makubaliano kamili kwamba wao kushindwa.
  242. ^ Stuart J. Russell ; Peter Norvig (2010). "26.1.2: Misingi ya Mafilojia / Athavu AI: Je! Machine Inaweza Kufanya Kazi kwa Uwazi? / Upinzani wa hisabati". Intelligence ya bandia: Njia ya Kisasa (3rd ed.). Upandaji Mto wa Juu, NJ: Prentice Hall . ISBN 0-13-604259-7 . ... hata kama tunatoa kompyuta hizo kuwa na mapungufu juu ya kile ambacho wanaweza kuthibitisha, hakuna ushahidi kwamba wanadamu wana kinga kutokana na mapungufu hayo.
  243. ^ Mark Colyvan. Utangulizi wa falsafa ya hisabati. Kutoka kwa Chuo Kikuu cha Cambridge , 2012. Kutoka 2.2.2, 'umuhimu wa filosofi wa matokeo ya Gödel yasiyo kamili': "Hekima iliyokubalika (ambayo nikubaliana nayo) ni kwamba hoja za Lucas-Penrose zinashindwa."
  244. ^ Russel, Stuart., Daniel Dewey, na Max Tegmark. Vipaumbele vya Utafiti kwa Ustadi Mzuri na Mzuri wa Uhandisi. Magazine AI 36: 4 (2015). 8 Desemba 2016.
  245. ^ "Stephen Hawking anaonya akili ya bandia inaweza kumaliza wanadamu" . BBC News . Imehifadhiwa kutoka kwa asili ya Oktoba 30 2015 . Iliondolewa Oktoba 30 2015 .
  246. ^ Holley, Peter (28 Januari 2015). "Bill Gates juu ya hatari za akili bandia: 'Sielewi kwa nini watu wengine hawana wasiwasi ' " . The Washington Post . ISSN 0190-8286 . Imehifadhiwa kutoka kwa asili ya Oktoba 30 2015 . Iliondolewa Oktoba 30 2015 .
  247. ^ Gibbs, Samweli. "Elon Musk: akili bandia ni tishio letu kubwa la kuwepo" . Guardian . Imehifadhiwa kutoka kwa asili ya Oktoba 30 2015 . Iliondolewa Oktoba 30 2015 .
  248. ^ Chapisha, Washington. "Titans za Tech kama Elon Musk wanatumia dola bilioni 1 ili kukuokoa kutoka kwa wasimamizi" . Imehifadhiwa kutoka kwa asili ya Juni 7, 2016.
  249. ^ Müller, Vincent C .; Bostrom, Nick (2014). "Mafanikio ya baadaye katika akili ya bandia: Uchaguzi kati ya Wataalam" (PDF) . Mambo ya AI . 1 (1): 9-11. Nini : 10.1145 / 2639475.2639478 . Imehifadhiwa (PDF) kutoka kwa asili ya tarehe 15 Januari 2016.
  250. ^ "Je akili ya bandia ni tishio la kuwepo kwa binadamu?" . Bulletin ya wanasayansi wa atomiki . Imehifadhiwa kutoka kwa asili ya Oktoba 30 2015 . Iliondolewa Oktoba 30 2015 .
  251. ^ "Kesi dhidi ya robots ya killer, kutoka kwa guy kweli kufanya kazi kwa akili bandia" . Fusion.net . Imehifadhiwa kutoka kwa asili ya Februari 4, 2016 . Iliondolewa Januari 31, 2016 .
  252. ^ "Je akili ya bandia itaharibu ubinadamu? Hapa kuna sababu 5 zisizo wasiwasi" . Vox . Imehifadhiwa kutoka kwa asili ya Oktoba 30 2015 . Iliondolewa Oktoba 30 2015 .
  253. ^ "Kampuni ya siri ya bandia Elon Musk imewekeza katika kuendeleza kompyuta-kubadilisha kompyuta smart" . Tech Insider . Imehifadhiwa kutoka kwa asili ya Oktoba 30 2015 . Iliondolewa Oktoba 30 2015 .
  254. ^ Clark, Jack. "Programu za Kundi la Musk-Inasababishwa na Hatari za Uhandisi" . Bloomberg.com . Imehifadhiwa kutoka kwa asili ya Oktoba 30 2015 . Iliondolewa Oktoba 30 2015 .
  255. ^ "Elon Musk Inatoa $ 10M ya Fedha Zake Kwa Utafiti wa Uhandisi wa Maambukizi" . Kampuni ya haraka . Imehifadhiwa kutoka kwa asili ya Oktoba 30 2015 . Iliondolewa Oktoba 30 2015 .
  256. ^ "Stephen Hawking, Elon Musk, na Bill Gates Tahadhari kuhusu Ushauri wa Artificial" . Mwangalizi . Imehifadhiwa kutoka kwa asili ya Oktoba 30 2015 . Iliondolewa Oktoba 30 2015 .
  257. ^ Katika miaka ya 1970, Kenneth Colby alitoa toleo la ELIZA ya Weizenbaum inayojulikana kama DOCTOR aliyoiendeleza kama chombo kikuu cha matibabu. ( Crevier 1993 , pp. 132-144)
  258. ^ Maelezo ya Joseph Weizenbaum ya AI: Weizenbaum (mtafiti wa AI ambaye alianzisha mpango wa kwanza wa kuzungumza , ELIZA ) alisisitiza mwaka 1976 kuwa matumizi mabaya ya akili ya bandia ina uwezo wa kudharau maisha ya kibinadamu.
  259. ^ Ford, 2009 & Taa katika handaki .
  260. ^ "Kujifunza Machine: Mwuaji wa kazi?" . kuunganisha - Robots, AI na Ukosefu wa ajira - Uchumi wa baadaye na Teknolojia . Imehifadhiwa kutoka kwa asili ya tarehe 15 Agosti 2011.
  261. ^ AI inaweza kupunguza mahitaji ya kazi ya binadamu:
  262. ^ Wendell Wallach (2010). Mashine ya Maadili , Press ya Chuo Kikuu cha Oxford.
  263. ^ Wallach, pp 37-54.
  264. ^ Wallach, pp 55-73.
  265. ^ Wallach, Utangulizi sura.
  266. ^ B Michael Anderson na Susan Leigh Anderson (2011), Machine Maadili, Cambridge University Press.
  267. ^ B "Machine Maadili" . aaai.org . Imehifadhiwa kutoka kwa asili ya tarehe 29 Novemba 2014.
  268. ^ Rubin, Charles (Spring 2003). "Intelligence ya Artificial na Hali ya Binadamu |" New Atlantis " . 1 : 88-100. Imehifadhiwa kutoka kwa asili ya tarehe 11 Juni 2012.
  269. ^ Rawlinson, Kevin. "Bill Gates ya Microsoft inasisitiza AI ni tishio" . BBC News. Imehifadhiwa kutoka kwa asili ya Januari 29, 2015 . Ilifutwa Januari 30, 2015 .
  270. ^ Brooks, Rodney (10 Novemba 2014). "akili ya bandia ni chombo, si tishio" . Imehifadhiwa kutoka kwa asili ya tarehe 12 Novemba 2014.
  271. ^ Horst, Steven , (2005) "Theory The Computing of Mind" katika The Stanford Encyclopedia of Philosophy
  272. ^ Toleo hili linatoka Searle (1999) , na pia limechapishwa katika Dennett 1991 , p. 435. Uundaji wa awali wa Searle ulikuwa "Mfumo wa kompyuta iliyopangwa kwa kweli ni akili, kwa maana kwamba kompyuta zinazotolewa mipango sahihi zinaweza kueleweka kuwa na kuelewa na kuwa na mataifa mengine ya utambuzi." ( Searle 1980 , uk. 1). AI yenye nguvu inafafanuliwa sawa na Russell & Norvig (2003 , p. 947): "Kuthibitisha kwamba mashine zinawezekana kutenda kwa akili (au, labda bora, kutenda kama wana akili) inaitwa 'dhana ya AI dhaifu' na falsafa, na kuthibitisha kwamba mashine zinazofanya hivyo ni kufikiri (kinyume na kuchanganya kufikiri) inaitwa "nguvu AI" hypothesis. "
  273. ^ Hoja ya chumba cha Kichina cha Searle: Majadiliano:
  274. ^ Haki za Robot : Prematurity ya: Katika uongo:
    • McCorduck (2004 , uk. 190-25) hujadili Frankenstein na kutambua masuala muhimu ya kimaadili kama hubris kisayansi na mateso ya monster, yaani haki za robot .
  275. ^ Evans, Woody (2015). "Haki za Baada ya Binadamu: Vipimo vya Ulimwengu wa Transhuman" . Teknokultura . Universidad Complutense, Madrid. Imehifadhiwa kutoka kwa asili ya tarehe 28 Desemba 2016 . Iliondolewa tarehe 5 Desemba 2016 .
  276. ^ maschafilm. "Content: Plug & Pray Filamu - Intelligence bandia - Robots -" . Plugandpray-film.de . Imehifadhiwa kutoka kwa asili ya tarehe 12 Februari 2016.
  277. ^ Omohundro, Steve (2008). Hali ya Uboreshaji wa Maarifa ya Kujitegemea . iliyotolewa na kusambazwa katika Mkutano wa Umoja wa 2007, San Francisco, CA.
  278. ^ B c Teknolojia uchache :
  279. ^ Lemmons, Phil (Aprili 1985). "Intelligence ya bandia" . BYTE . p. 125. Imehifadhiwa kutoka kwa asili ya Aprili 20, 2015 . Iliondolewa Februari 14, 2015 .
  280. ^ Transhumanism :
  281. ^ AI kama mageuzi:
  282. ^ Anderson, Susan Leigh. "Asimov" sheria tatu za robotiki "na metaethiki za mashine." AI & Society 22.4 (2008): 477-493.
  283. ^ McCauley, Lee (2007). "AI armageddon na sheria tatu za roboti". Teknolojia na Teknolojia ya Habari . 9 (2): 153-164. CiteSeerX 10.1.1.85.8904 Freely accessible . Je : 10.1007 / s10676-007-9138-2 .
  284. ^ Galvan, Jill (1997-01-01). "Kuingia kwa Ushirika wa Baadaye katika Philip K. Dick's" Je, Nenda ya Android ya Kondoo wa Umeme? " ". Mafunzo ya Sayansi ya Uongo . 24 (3): 413-429. JSTOR 4240644 .
  285. ^ Buttazzo, G. (Julai 2001). "Fahamu ya bandia: Utopia au uwezekano halisi?" . Kompyuta (IEEE) . 34 (7): 24-30. Je : 10.1109 / 2.933500 . Imehifadhiwa kutoka kwa asili ya tarehe 30 Desemba 2016 . Iliondolewa tarehe 29 Desemba 2016 .

Marejeleo

Vitabu vya AI

Historia ya AI

  • Crevier, Daniel (1993), AI: Utafutaji wa Unyenyekevu wa Ushauri wa Artificial , New York, NY: BasicBooks, ISBN 0-465-02997-3 .
  • McCorduck, Pamela (2004), Machines ambao wanafikiria (2 ed.), Natick, MA: AK Peters, Ltd, ISBN 1-56881-205-1 .
  • Newquist, HP (1994). Waumbaji wa Ubunifu: Genius, Ego, Na Mjanja Katika Jitihada za Machine Zinafikiria . New York: Macmillan / SAMS. ISBN 0-672-30412-0 .
  • Nilsson, Nils (2009). Jitihada za Ushauri wa Artificial: Historia ya Mawazo na Mafanikio . New York: Cambridge University Press. ISBN 978-0-521-12293-1 .

Vyanzo vingine

Kusoma zaidi

  • Makala ya Kichwa cha TechCast, John Sagi, "Kutunga Fahamu"
  • Boden, Margaret , Mind As Machine , Chuo Kikuu cha Oxford Press , 2006
  • Gopnik, Alison , "Kufanya AI Zaidi ya Binadamu: Ujasiri wa bandia umesababisha uamsho kwa kuanza kuingiza kile tunachojua kuhusu jinsi watoto wanavyojifunza", Scientific American , vol. 316, hapana. 6 (Juni 2017), pp. 60-65.
  • Johnston, John (2008) Upendeleo wa Machinic Maisha: Cybernetics, Maisha ya Artificial, na AI Mpya , MIT Press
  • Marcus, Gary , "Mimi ni Mwanadamu ?: Watafiti wanahitaji njia mpya za kutofautisha akili za bandia kutoka kwa aina ya asili", Scientific American , vol. 316, hapana. 3 (Machi 2017), pp. 58-63. Vipimo vingi vya ufanisi wa bandia huhitajika kwa sababu, "kama hakuna mtihani mmoja wa ustadi wa riadha , hawezi kuwa moja ya mtihani wa mwisho wa akili ." Mtihani huo, "Changamoto ya Ujenzi", ingeweza kupima mtazamo na matendo ya kimwili- "vipengele viwili muhimu vya tabia za akili ambazo hazikuwepo kabisa na mtihani wa awali wa Turing ." Pendekezo jingine limetolewa kuwapa mashine vipimo sawa vya sayansi na vidokezo vingine ambazo watoto wa shule huchukua. Kikwazo kisichoweza kushindwa kwa akili ya bandia ni ukosefu wa kuingiliwa kwa kuaminika. "[V] sio kila hukumu [ambayo watu huzalisha] ni ngumu , mara nyingi kwa njia nyingi." Mfano maarufu unajulikana kama "tatizo la kutenganishwa kwa taifa": mashine haina njia ya kuamua nani au nini neno katika sentensi-kama vile "yeye", "yeye" au "ni" - wafadhili.
  • Myers, Courtney Boyd ed. (2009). "Ripoti ya AI" . Forbes Juni 2009
  • Raphael, Bertram (1976). Kompyuta ya Kufikiri . WHFreeman na Kampuni. ISBN 0-7167-0723-3 .
  • Serenko, Alexander (2010). "Maendeleo ya gazeti la AI la msingi kulingana na njia ya kupendekezwa ya wazi" (PDF) . Journal ya Informetrics . 4 (4): 447-459. Je : 10.1016 / j.joi.2010.04.001 .
  • Serenko, Alexander; Michael Dohan (2011). "Kulinganisha utafiti wa wataalamu na citation athari mbinu za cheo cha mitindo: Mfano kutoka uwanja wa Intelligence ya bandia" (PDF) . Journal ya Informetrics . 5 (4): 629-649. Je : 10.1016 / j.joi.2011.06.002 .
  • Sun, R. & Bookman, L. (eds.), Architectures Computational: Kuunganisha Neural na Symbolic Mchakato . Kluwer Academic Publishers, Needham, MA. 1994.
  • Tom Simonite (Desemba 29, 2014). "2014 katika Computing: Breakthroughs katika Artificial Intelligence" . Uchunguzi wa Teknolojia ya MIT .

Viungo vya nje