Künstliche Intelligenz (KI) ist in jeder Hinsicht ein großes Geschäft geworden.
Laut Gartner werden Kunden weltweit bis 2022 62,5 Milliarden US-Dollar für Software für künstliche Intelligenz ausgeben. Der Bericht stellte außerdem fest, dass 48 % der CIOs bereits irgendeine Art von Software für künstliche Intelligenz eingesetzt haben oder planen, diese in den nächsten 12 Monaten einzusetzen.
All diese Investitionen haben eine große Anzahl von Startups angezogen, die sich auf Produkte der künstlichen Intelligenz konzentrieren. CBInsights berichtet, dass die KI-Finanzierung allein im ersten Quartal 2022 15,1 Milliarden US-Dollar erreichte. Im Quartal davor steckten Investoren 17,1 Milliarden US-Dollar in Start-ups im Bereich der künstlichen Intelligenz. Angesichts der Tatsache, dass Daten die KI vorantreiben, überrascht es nicht, dass verwandte Bereiche wie Datenanalyse, maschinelles Lernen und Business Intelligence ein schnelles Wachstum verzeichnen.
Aber was genau ist künstliche Intelligenz? Warum ist sie zu einem so wichtigen und lukrativen Teil der Technologiebranche geworden?
Tatsächlich definierte einer der ersten Pioniere der künstlichen Intelligenz, John McCarthy, künstliche Intelligenz als „die Wissenschaft und Technik der Herstellung intelligenter Maschinen“.
In der Praxis bezeichnen Informatiker mit dem Begriff Künstliche Intelligenz jedoch die Denkweise von Maschinen, die der Mensch auf ein sehr hohes Niveau gebracht hat.
Computer sind sehr gut im Rechnen – sie nehmen Eingaben entgegen, manipulieren sie und erzeugen daraus eine Ausgabe. Aber in der Vergangenheit war es nicht in der Lage, andere Dinge zu tun, in denen Menschen gut sind, etwa Sprache zu verstehen und zu erzeugen, Objekte visuell zu identifizieren, Kunst zu schaffen oder aus früheren Erfahrungen zu lernen.
Aber das ändert sich gerade.
Heutzutage sind viele Computersysteme in der Lage, mit Menschen in gewöhnlicher Sprache zu kommunizieren. Es kann auch Gesichter und andere Objekte erkennen. Es nutzt Techniken des maschinellen Lernens, insbesondere Deep Learning, um aus der Vergangenheit zu lernen und die Zukunft vorherzusagen.
Wie kam die künstliche Intelligenz zu diesem Punkt?
Eine kurze Geschichte der künstlichen Intelligenz
Im Jahr 1956 veranstalteten John McCarthy und Marvin Minsky die erste Konferenz über künstliche Intelligenz, das Dartmouth Summer Research Project on Artificial Intelligence (DSRPAI). Die Konferenz überzeugte Informatiker davon, dass künstliche Intelligenz ein erreichbares Ziel sei und legte den Grundstein für die weitere Forschung in den kommenden Jahrzehnten. Frühe Versuche mit künstlicher Intelligenz entwickelten Roboter, die Dame und Schach spielen konnten.
In den 1960er Jahren wurden Roboter und einige Problemlösungsprogramme entwickelt. Ein bemerkenswerter Höhepunkt war die Entwicklung von ELIZA, einem Programm, das Psychotherapie simulierte und ein frühes Beispiel für die Mensch-Maschine-Kommunikation lieferte.
In den 1970er und 1980er Jahren ging die Entwicklung der künstlichen Intelligenz weiter, allerdings in einem langsameren Tempo. Insbesondere im Bereich der Robotik wurden erhebliche Fortschritte erzielt, beispielsweise bei Robotern, die sehen und laufen können. Mercedes-Benz bringt sein erstes (extrem limitiertes) selbstfahrendes Auto auf den Markt. Allerdings wurden die staatlichen Mittel für die KI-Forschung erheblich gekürzt, was zu einer Zeit führte, die als „KI-Winter“ bekannt ist.
In den 1990er Jahren nahm das Interesse an künstlicher Intelligenz erneut zu. Der Chatbot Artificial Language Internet Computer Entity (ALICE) beweist, dass die Verarbeitung natürlicher Sprache zu einer natürlicheren Mensch-Maschine-Kommunikation führen kann als ELIZA. In diesem Jahrzehnt kam es auch zu einer Verbreitung analytischer Techniken, die den Grundstein für spätere Entwicklungen in der künstlichen Intelligenz sowie für die Entwicklung der ersten wiederkehrenden neuronalen Netzwerkarchitekturen legten. Dies war auch das Jahrzehnt, in dem IBM seine künstliche Schachintelligenz DeepBlue auf den Markt brachte und damit als erster den amtierenden Weltmeister besiegte.
Im ersten Jahrzehnt der 2000er Jahre kam es zu rasanten Innovationen in der Robotertechnologie. Die ersten Roombas beginnen mit dem Staubsaugen von Teppichen und die NASA startet Roboter, um den Mars zu erkunden. In China entwickelt Google selbstfahrende Autos.
Seit 2010 hat die Technologie der künstlichen Intelligenz ein beispielloses Wachstum erlebt. Sowohl Hardware als auch Software sind so weit fortgeschritten, dass Objekterkennung, Verarbeitung natürlicher Sprache und Sprachassistenten möglich sind. IBMs Watson gewinnt Jeopardy. Siri, Alexa und Cortana kamen auf den Markt und Chatbots wurden zu einem festen Bestandteil im modernen Einzelhandel. AlphaGo von DeepMind besiegte den menschlichen Go-Champion. Unternehmen aller Branchen beginnen, Tools der künstlichen Intelligenz einzusetzen, um Daten zu analysieren und größeren Erfolg zu erzielen.
Jetzt beginnt sich die KI wirklich weiterzuentwickeln, über ein paar enge und begrenzte Typen hinaus hin zu fortgeschritteneren Implementierungen.
Arten der künstlichen Intelligenz
1. Schmale künstliche IntelligenzMacht eine Sache sehr gut. Apples Siri, IBMs Watson und Googles AlphaGo sind Beispiele für NarrowAI. Künstliche Intelligenz im engeren Sinne ist in der heutigen Welt weit verbreitet.
2. Allgemeine künstliche Intelligenz ist eine theoretische Form der künstlichen Intelligenz, die wie Menschen die meisten intelligenten Aufgaben ausführen kann. Beispiele aus beliebten Filmen könnten HAL aus 2001: Odyssee im Weltraum oder J.A.R.V.I.S aus Iron Man sein. Viele Forscher arbeiten derzeit an der Entwicklung allgemeiner künstlicher Intelligenz.
3. Super-künstliche Intelligenz, noch im theoretischen Stadium, verfügt über eine Intelligenz, die die des Menschen bei weitem übertrifft. Diese Art von künstlicher Intelligenz ist noch nicht einmal annähernd Realität.
Eine weitere beliebte Klassifizierung verwendet vier verschiedene Kategorien:
1. Reaktive Maschinen empfangen Eingaben und stellen Ausgaben bereit, haben jedoch kein Gedächtnis und lernen nicht aus früheren Erfahrungen. Die Roboter, gegen die Sie in vielen Videospielen kämpfen, sind Paradebeispiele für reaktive Maschinen.
2. Maschinen mit begrenztem Speicher können in die Vergangenheit blicken. Viele Fahrzeuge auf der Straße verfügen heute über erweiterte Sicherheitsfunktionen, die in diese Kategorie fallen. Wenn ein Auto beispielsweise eine Rückfahrwarnung ausgibt, wenn ein Fahrzeug oder eine Person im Begriff ist, es zu überholen, nutzt es einen begrenzten Satz historischer Daten, um Schlussfolgerungen zu ziehen und Ergebnisse bereitzustellen.
3. Mind Machine Die Theorie ist sich der Existenz von Menschen und anderen Wesenheiten bewusst und hat ihre eigenen unabhängigen Motivationen. Die meisten Forscher sind sich einig, dass eine solche künstliche Intelligenz noch entwickelt werden muss, und einige sind der Meinung, dass dies nicht versucht werden sollte.
4. Selbstbewusste Maschinenkennen ihre eigene Existenz und Identität. Obwohl einige Forscher behaupten, dass selbstbewusste künstliche Intelligenz bereits heute existiert, stimmen nur wenige zu. Die Entwicklung selbstbewusster künstlicher Intelligenz ist höchst umstritten.
Während diese Klassifizierungen aus theoretischer Sicht interessant sind, interessieren sich die meisten Organisationen mehr für die Möglichkeiten, die mit KI erreicht werden können. Dies bringt uns zu dem Aspekt der KI, der viel Umsatz generiert – den KI-Anwendungsfällen.
Künstliche Intelligenz Die möglichen Anwendungsfälle und Anwendungen von KI sind endlos. Zu den häufigsten KI-Anwendungsfällen gehören heutzutage:
Recommendation Engines – Egal, ob es darum geht, einen neuen Pullover zu kaufen, einen Film zum Ansehen zu finden, in sozialen Medien zu surfen oder die Liebe zu finden, wir alle stoßen wahrscheinlich auf eine KI-basierter Algorithmus, der Empfehlungen gibt. Die meisten Empfehlungsmaschinen verwenden Modelle des maschinellen Lernens, um die Eigenschaften und das historische Verhalten eines Benutzers mit denen seiner Umgebung zu vergleichen. Diese Modelle sind gut darin, Präferenzen zu identifizieren, auch wenn die Benutzer diese Präferenzen selbst nicht kennen.
Verarbeitung natürlicher Sprache – Die Verarbeitung natürlicher Sprache (NLP) ist eine breite Kategorie künstlicher Intelligenz, die Sprache-zu-Text, Text-zu-Sprache, Schlüsselworterkennung, Informationsextraktion, Übersetzung und Sprachgenerierung umfasst. Es ermöglicht Menschen und Computern, über normale menschliche Sprache (Audio oder Eingabe) statt über Programmiersprachen zu interagieren. Da viele NLP-Tools über Funktionen für maschinelles Lernen verfügen, werden sie im Laufe der Zeit tendenziell besser.
Stimmungsanalyse – Künstliche Intelligenz kann nicht nur die menschliche Sprache verstehen, sondern auch die Emotionen identifizieren, die menschlichen Gesprächen zugrunde liegen. Beispielsweise kann KI Tausende von Gesprächen mit dem technischen Support oder Interaktionen in sozialen Medien analysieren und identifizieren, welche Kunden starke positive oder negative Emotionen verspüren. Diese Art der Analyse ermöglicht es Kundensupportteams, sich auf diejenigen Kunden zu konzentrieren, bei denen das Risiko besteht, dass sie abwandern, und/oder die äußerst leidenschaftliche Unterstützer sind, die ermutigt werden könnten, Markenbefürworter zu werden.
Sprachassistenten – Viele Menschen interagieren täglich mit Siri, Alexa, Cortana oder Google. Obwohl wir diese Assistenten oft als selbstverständlich betrachten, beinhalten sie fortschrittliche Technologien der künstlichen Intelligenz, einschließlich der Verarbeitung natürlicher Sprache und maschinellen Lernens.
Betrugsprävention – Finanzdienstleistungsunternehmen und Einzelhändler nutzen häufig hochentwickelte maschinelle Lerntechnologie, um betrügerische Transaktionen zu identifizieren. Es sucht nach Mustern in Finanzdaten und gibt Warnungen aus, wenn Transaktionen ungewöhnlich aussehen oder mit bekannten Betrugsmustern übereinstimmen, um kriminelle Aktivitäten zu verhindern oder einzudämmen.
Bilderkennung – Viele Menschen nutzen KI-basierte Gesichtserkennung, um ihre Telefone zu entsperren. Diese künstliche Intelligenz unterstützt auch selbstfahrende Autos und ermöglicht die automatische Verarbeitung vieler gesundheitsbezogener Scans und Tests.
Vorausschauende Wartung – Viele Branchen wie Fertigung, Öl und Gas, Transport und Energie sind stark auf Maschinen angewiesen. Wenn Maschinen ausfallen, können die Kosten sehr hoch sein. Derzeit nutzen Unternehmen eine Kombination aus Objekterkennungs- und maschinellen Lerntechnologien, um im Voraus zu erkennen, wann Geräte wahrscheinlich ausfallen, sodass Reparaturen zu einem Zeitpunkt geplant werden können, zu dem Ausfälle minimiert werden.
Predictive Analytics und Forbidden Analytics – Prädiktive Algorithmen können jede Art von Geschäftsdaten analysieren und diese als Grundlage für die Vorhersage möglicher zukünftiger Ereignisse verwenden. Die noch in den Kinderschuhen steckende Prescriptive Analytics geht einen Schritt weiter und kann nicht nur Vorhersagen treffen, sondern auch Empfehlungen geben, wie sich Organisationen auf mögliche zukünftige Ereignisse vorbereiten sollten.
Selbstfahrende Autos – Die meisten heute produzierten Autos verfügen über einige Selbstfahrfunktionen wie Parkassistent, Spurzentrierung und adaptive Geschwindigkeitsregelung. Obwohl vollautonome Autos immer noch teuer und relativ selten sind, sind sie bereits auf dem Weg, und die künstliche Intelligenz, die sie antreibt, wird immer besser und billiger.
Robotik – Industrieroboter sind eine der frühesten Anwendungen künstlicher Intelligenz und bleiben ein wichtiger Teil des Marktes für künstliche Intelligenz. Verbraucherroboter wie Roboterstaubsauger, Barkeeper und Rasenmäher werden immer häufiger eingesetzt.
Natürlich sind dies nur einige der bekannten Anwendungsfälle künstlicher Intelligenz. Technologie durchdringt unser tägliches Leben auf so vielfältige Weise, dass wir uns ihrer oft nicht vollständig bewusst sind.
Wo liegt also die Zukunft der künstlichen Intelligenz? Offensichtlich verändert sie die Verbraucher- und Geschäftsmärkte.
Die Technologie, die künstliche Intelligenz vorantreibt, entwickelt sich stetig weiter. Zukünftige Fortschritte wie das Quantencomputing könnten letztendlich zu großen Innovationen führen, aber kurzfristig scheint die Technologie selbst wahrscheinlich einen vorhersehbaren Weg der kontinuierlichen Verbesserung einzuschlagen.
Unklar bleibt, wie sich der Mensch an die KI anpassen wird. Dieses Problem wird in den kommenden Jahrzehnten große Auswirkungen auf das menschliche Leben haben.
Viele frühe KI-Implementierungen stießen auf erhebliche Herausforderungen. In einigen Fällen können die zum Trainieren des Modells verwendeten Daten das KI-System mit Voreingenommenheit infizieren und es unbrauchbar machen.
In vielen anderen Fällen erzielen Unternehmen nach dem Einsatz von KI nicht die erhofften finanziellen Ergebnisse. Die Technologie mag ausgereift sein, die sie umgebenden Geschäftsprozesse jedoch nicht.
Alys Woodward, Senior Research Director bei Gartner, sagte: „Der Markt für KI-Software beschleunigt sich, aber seine langfristige Entwicklung wird von der Fähigkeit der Unternehmen abhängen, ihre KI-Reife zu steigern.“
Woodware fügte hinzu: „Erfolgreiche KI Geschäftsergebnisse hängen von einer sorgfältigen Auswahl der Anwendungsfälle ab. Anwendungsfälle, die einen erheblichen Geschäftswert bieten und gleichzeitig zur Risikoreduzierung skalierbar sind, sind entscheidend für den Nachweis der Auswirkungen von KI-Investitionen auf Geschäftsakteure KI-Bereitstellungen besser verwalten. Sie setzen zunehmend auf eine auf den Menschen ausgerichtete KI und nutzen KI, um menschliche Arbeitskräfte zu ergänzen, statt sie zu ersetzen.
Im wahrsten Sinne des Wortes geht es in der Zukunft der künstlichen Intelligenz möglicherweise mehr um Menschen als um Maschinen.
Das obige ist der detaillierte Inhalt vonWas ist künstliche Intelligenz? Hier ist ein Leitfaden zur künstlichen Intelligenz. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
Anwendung künstlicher Intelligenz im Leben
Was ist das Grundkonzept der künstlichen Intelligenz?
So stellen Sie den binauralen Modus des Bluetooth-Headsets wieder her
Rangliste der Kryptowährungs-Handelsplattformen
Was ist der Unterschied zwischen dem TCP-Protokoll und dem UDP-Protokoll?
Grenzradius
So verwenden Sie die Shift-Hintertür
Was ist schwieriger, C-Sprache oder Python?
