Η Τεχνητή Νοημοσύνη (AI = Artificial Intelligence) ανάγεται στη δεκαετία του 1940, κατά τη διάρκεια του Β’ Παγκοσμίου Πολέμου, όταν ο Άλαν Τούρινγκ, Βρετανός μαθηματικός και επιστήμονας υπολογιστών, ανέπτυξε στο Μπλέτσλεϊ Παρκ του Ηνωμένου Βασιλείου μια μηχανή αποκρυπτογράφησης κωδικών, την αποκαλούμενη bombe, η οποία αποκρυπτογράφησε τα γερμανικά κρυπτογραφημένα με Enigma μηνύματα. “Τεχνητή Νοημοσύνη: Μια Ιστορική Σύντομη Ανασκόπηση”.
Η χολιγουντιανή ταινία The Imitation Game (2014) αποτύπωσε με γλαφυρό τρόπο αυτή την περίοδο της ιστορίας.
Το έργο του Τούρινγκ βοήθησε τους Συμμάχους να νικήσουν τους Ναζί και εκτιμάται ότι συντόμευσε τον πόλεμο κατά περισσότερα από δύο χρόνια και έσωσε περισσότερες από 14 εκατομμύρια ζωές.
Η μηχανή βομβαρδισμού (The bomb machine)
Η μηχανή Enigma
Το τεστ Τούρινγκ (Turing test)
Τον Οκτώβριο του 1950, ενώ εργαζόταν στο Πανεπιστήμιο του Μάντσεστερ, ο Τούρινγκ δημοσίευσε μια εργασία με τίτλο “Computing Machinery and Intelligence” στο περιοδικό Mind (Oxford University Press). Στην εργασία αυτή πρότεινε ένα πείραμα που έγινε γνωστό ως το περίφημο τεστ Τούρινγκ. Το τεστ Τούρινγκ περιγράφεται συχνά ως ένα παιχνίδι τριών ατόμων που ονομάζεται παιχνίδι μίμησης, όπως απεικονίζεται στο παρακάτω σχήμα, στο οποίο ο παίκτης C, ο ανακριτής, προσπαθεί να προσδιορίσει ποιος παίκτης – ο Α ή ο Β – είναι υπολογιστής και ποιος είναι άνθρωπος. Ο ανακριτής περιορίζεται στο να χρησιμοποιήσει τις απαντήσεις σε γραπτές ερωτήσεις για να κάνει τον προσδιορισμό.
Το διάσημο τεστ Τούρινγκ, που ονομάζεται επίσης παιχνίδι μίμησης
Το τεστ Τούρινγκ έχει έκτοτε χρησιμοποιηθεί για να ελεγχθεί η νοημοσύνη μιας μηχανής για να διαπιστωθεί αν είναι ισοδύναμη με έναν άνθρωπο. Μέχρι σήμερα, κανένας υπολογιστής δεν έχει περάσει το τεστ Τούρινγκ.
Η τεχνητή νοημοσύνη ως ερευνητικός κλάδος καθιερώθηκε σε ένα εργαστήριο στο Dartmouth College το 1956, το οποίο οργανώθηκε από τον John McCarthy, έναν νεαρό επίκουρο καθηγητή μαθηματικών στο κολέγιο. Το εργαστήριο διήρκεσε περίπου έξι με οκτώ εβδομάδες και ήταν ουσιαστικά μια εκτεταμένη συνεδρίαση καταιγισμού ιδεών. Συμμετείχαν περίπου 11 μαθηματικοί, όπως οι Marvin Minsky, Allen Newell, Arthur Samuel και Herbert Simon. Αναγνωρίστηκαν ευρέως ως οι θεμελιωτές της Τεχνητής Νοημοσύνης. Ο John McCarthy επέλεξε τον όρο τεχνητή νοημοσύνη για το νέο ερευνητικό πεδίο.
Διαβάστε και το άρθρο μας: Τα καλύτερα εργαλεία με AI για παρουσιάσεις
Συνεχίζουμε το άρθρο μας: ‘Τεχνητή Νοημοσύνη: Μια Ιστορική Σύντομη Ανασκόπηση’
Η ιστορία της τεχνητής νοημοσύνης μπορεί να χωριστεί σε τρία στάδια, όπως απεικονίζεται στο παρακάτω σχήμα.
1ο στάδιο: δεκαετίες 1950-1970, νευρωνικά δίκτυα (ΝΝ = neural networks)
Κατά τη διάρκεια αυτής της περιόδου, αναπτύχθηκαν νευρωνικά δίκτυα, που ονομάζονται επίσης τεχνητά νευρωνικά δίκτυα (ANNs), με βάση τους ανθρώπινους εγκεφάλους που μιμούνται τα ανθρώπινα βιολογικά νευρωνικά δίκτυα. Ένα ΝΝ έχει συνήθως τρία επίπεδα: ένα επίπεδο εισόδου, ένα κρυφό επίπεδο και ένα επίπεδο εξόδου. Για να χρησιμοποιήσετε ένα ΝΝ, πρέπει να εκπαιδεύσετε το ΝΝ με ένα μεγάλο όγκο δεδομένων που έχουν δοθεί. Μετά την εκπαίδευση, το ΝΝ μπορεί στη συνέχεια να χρησιμοποιηθεί για την πρόβλεψη αποτελεσμάτων για αόρατα δεδομένα. Τα ΝΝ προσέλκυσαν μεγάλη προσοχή κατά τη διάρκεια αυτής της περιόδου. Μετά τη δεκαετία του 1970, όταν τα ΝΝ απέτυχαν να ανταποκριθούν στις υποσχέσεις τους, γνωστές ως AI hype, η χρηματοδότηση και οι ερευνητικές δραστηριότητες μειώθηκαν δραματικά. Αυτό ονομάστηκε χειμώνας της ΤΝ.
2ο στάδιο: δεκαετίες 1980-2010, μηχανική μάθηση (ML = machine learning)
Αυτή είναι η περίοδος κατά την οποία άνθισε η μηχανική μάθηση. Η ML είναι ένα υποσύνολο της ΤΝ και αποτελείται από ένα σύνολο μαθηματικών αλγορίθμων που μπορούν να αναλύουν αυτόματα δεδομένα. Η κλασική ML μπορεί να χωριστεί σε μάθηση με επίβλεψη και μάθηση χωρίς επίβλεψη. Τα παραδείγματα μάθησης με επίβλεψη περιλαμβάνουν την αναγνώριση ομιλίας και την αναγνώριση εικόνας. Τα παραδείγματα μάθησης χωρίς επίβλεψη περιλαμβάνουν την τμηματοποίηση πελατών, την ανίχνευση ελαττωμάτων και την ανίχνευση απάτης. Οι κλασικοί αλγόριθμοι ML είναι η μηχανή διανυσμάτων υποστήριξης (SVM = support vector machine), η ομαδοποίηση K-means, το δέντρο απόφασης, ο naïve Bayes κ.ο.κ.
3ο στάδιο: 2010-σήμερα, βαθιά μάθηση (DL = deep learning)
Αυτή είναι η περίοδος κατά την οποία αναπτύχθηκε η βαθιά μάθηση (DL). Η DL είναι ένας ειδικός τύπος νευρωνικού δικτύου που διαθέτει περισσότερα από ένα στρώματα κρυφών στρωμάτων. Αυτό είναι εφικτό μόνο με την αύξηση της υπολογιστικής ισχύος, ιδίως των μονάδων γραφικής επεξεργασίας (GPU), και των βελτιωμένων αλγορίθμων. Το DL είναι ένα υποσύνολο του ML. Το DL έχει μέχρι στιγμής ξεπεράσει πολλούς άλλους αλγορίθμους σε ένα μεγάλο σύνολο δεδομένων. Αλλά είναι η DL διαφημιστική εκστρατεία ή πραγματικότητα; Αυτό μένει να φανεί.
Η τεχνητή νοημοσύνη συχνά συγχέεται με την επιστήμη των δεδομένων, τα μεγάλα δεδομένα και την εξόρυξη δεδομένων. Στο παρακάτω σχήμα παρουσιάζονται οι σχέσεις μεταξύ της ΤΝ, της μηχανικής μάθησης, της βαθιάς μάθησης, της επιστήμης δεδομένων και των μαθηματικών.
Τόσο τα μαθηματικά όσο και η επιστήμη των δεδομένων σχετίζονται με την ΤΝ, αλλά διαφέρουν από την ΤΝ. Η επιστήμη δεδομένων επικεντρώνεται κυρίως στα δεδομένα, η οποία περιλαμβάνει τα μεγάλα δεδομένα και την εξόρυξη δεδομένων. Η επιστήμη δεδομένων μπορεί να χρησιμοποιήσει τη μηχανική μάθηση και τη βαθιά μάθηση κατά την επεξεργασία των δεδομένων.
Στο παρακάτω σχήμα παρουσιάζεται μία ενδιαφέρουσα απεικόνιση που εξηγεί τον κύκλο ζωής της επιστήμης των δεδομένων. Περιλαμβάνει την επιχειρηματική κατανόηση, την εξόρυξη δεδομένων, τον καθαρισμό δεδομένων, την εξερεύνηση δεδομένων, τη μηχανική χαρακτηριστικών, την προγνωστική μοντελοποίηση και την οπτικοποίηση δεδομένων.
Ο κύκλος ζωής της επιστήμης των δεδομένων
Συνοπτικά
- ΤΝ σημαίνει να δίνεται η δυνατότητα σε μια μηχανή να κάνει ευφυή πράγματα για να μιμηθεί τον άνθρωπο. Οι δύο σημαντικές πτυχές της ΤΝ είναι η μηχανική μάθηση και η βαθιά μάθηση.
- Η μηχανική μάθηση είναι ένα υποσύνολο της ΤΝ και αποτελείται από αλγορίθμους που μπορούν να αυτοματοποιήσουν την ανάλυση δεδομένων.
- Η βαθιά μάθηση είναι ένα υποσύνολο της μηχανικής μάθησης. Πρόκειται για ένα νευρωνικό δίκτυο με περισσότερα από ένα κρυφά στρώματα.
Διαβάστε και το άρθρο μας: Απαραίτητα εργαλεία και συμβουλές AI για κάθε σπουδαστή
Μπορείτε να κατεβάσετε επίσης δωρεάν, πολύ ενδιαφέροντα e-books που έφτιαξα σχετικά με τη δημιουργία websites αλλά και για γλώσσες προγραμματισμού, εδώ στα free downloads.
