Wat is AI? Kunstmatige intelligentie? Machinaal leren? Neuraal netwerk?

Wat is AI (kunstmatige intelligentie)?
Wat is machinaal leren?
Wat is een kunstmatig neuraal netwerk?


Kunstmatige intelligentie (AI) in zwarte tekst op een blauwe computerchip met blauwe draden die zich uitstrekken op een zwarte achtergrond

Wat betekent dit allemaal nu het internet zoemt over ‘AI’, ‘kunstmatige intelligentie’, ‘machine learning’ en ‘kunstmatige neurale netwerken’? Markzware merkte een mooie “Inleiding tot AI," gepresenteerd door Doug Roos, Data Science Trainer & Agility Coach bij Doug Enterprises, LLC en Auteur bij LinkedIn.

Degenen die geïnteresseerd zijn in het leren over kunstmatige intelligentie, kunnen de leercursus van Doug bekijken door erop te klikken hier.. Het volgende fundamentele uitsplitsing van AI kan u een idee geven van de onderwerpen (naast vele andere) waarover LinkedIn Learning Instructor, Doug Roos, kan u en de leden van uw organisatie informeren.


Wat is intelligentie?

Er zijn veel soorten intelligentie en iedereen heeft zijn eigen intelligente vermogens. Individuen zijn min of meer bedreven in het beheersen verschillende vaardigheden. Iemand die vaardig is in het invullen kruiswoord puzzels zijn misschien niet zo vaardig in het samenstellen van legpuzzels. Iemand die kruiswoordpuzzels niet gemakkelijk kan voltooien, kan dit misschien wel doen legpuzzels in recordtijd.


Zijn computers intelligent?

Computers blinken uit in bijpassende vaste regels en patronen. Sommige mensen beschouwen computers misschien als intelligent of zien anderen digitale apparaten of toepassingen als intelligent

Google ontsloeg een ingenieur die beweerde Chatbot had een ziel, nadat de chatbot, die was ontworpen om als een persoon te klinken, communiceerde dat hij de dood gelijkstelde met stilgelegd worden. Was de chatbot eigenlijk intelligent of deed het gewoon schijnt te zijn intelligent?


Computer versus menselijke intelligentie

Computers en mensen hebben dat wel verschillende oorsprongen van intelligentie. Een computers zijn misschien beter bij het uitvoeren van een specifieke taak dan een mens. In sommige gevallen kan een computer kan ver overtreffen een mens die in staat is een bepaalde taak uit te voeren. 

In de jaren zestig leerden computers dit winnen bij het spelen van dammen tegen mensen. Toch deze computers begreep niet waarom het spel werd gespeeld of waarom ze het speelden.



Wat is AI (kunstmatige intelligentie)?

Computerwetenschappers omschrijven AI vaak als een systeem dat demonstreert gedrag dat als intelligentie wordt gezien. AI-systemen kunnen dat wel Verwerk snel een heleboel gegevens en vind patronen, die beide ongrijpbaar kunnen zijn voor mensen. In de vroege AI-dagen waren het systemen die symbolen herkenden bleek intelligent

Deze AI-systemen werden “expertsystemen”, omdat programmeurs experts raadpleegden om de systemen te maken. Programmeurs probeerden intelligentie via symbolen in de systemen te programmeren, die gegenereerd werden buitensporige combinaties in de reacties, dus werden de systemen stopgezet.


Machine leren

machine learning is een set technieken voor het bouwen van systemen die leren door gegevens te observeren. Nadat de expertsystemen faalden, begonnen programmeurs een systeem te ontwikkelen dat dat wel kon zin gegevens, zonder de vijf menselijk zintuigen, en vergroot zijn intelligentie door zijn eigen observatie

Arthur Samuel, een computerwetenschapper, ontwikkelde een dammenprogramma, in 1959, dat je leert door solo te spelen. Het vervulde beide rollen van bordspelers, terwijl leerstrategie, door observatie. Omdat computers de vaste regels en patronen goed matchen, matchte de machine winnende patronen en verhoogde zijn intelligentie door herhaald spelen.

De machine zou dan kunnen leren door directe observatie, zonder enige programmering door mensen. Arthur Samuel noemde deze doorbraak “machine learning. ' 

Apple Macintosh-computer

Een oudere versie van een Apple Macintosh-computer


Een nieuwere versie van een Apple Macintosh-computer


Met behulp van nieuwe geleerde strategieën, de machine begon al snel te winnen tegen zijn programmeur. Omdat er destijds echter minder digitale gegevens beschikbaar waren, zodat de machine dit kon waarnemen alleen basispatronen gevonden.

Via internet in de begin jaren negentig, dat kon iedereen gegevens genereren, machinaal leren dus systemen vergrootten hun intelligentie. Met voldoende webafbeeldingen, systemen zouden kunnen leren herkennen een veelheid aan dingen.

Computerwetenschappers hebben uitgevonden meer algoritmen voor machinaal leren. Onderzoekers ontwikkelden systemen om hersenfuncties imiteren

Naarmate er meer gegevens werden gegenereerd, werd de meer mogelijkheden voor machinaal leren ontstond. Machines zouden dat kunnen nieuwe patronen ontdekken en aanpassen om nieuwe gegevens te verwerken, hoewel ze gewoon patronen zouden blijven vinden. 

Door de overvloed aan ontwikkelingen op het gebied van data en algoritmen van de afgelopen jaren is machine learning een van de belangrijkste geworden populairste en snelst ontwikkelende AI-gebieden. In de meeste gevallen kunnen AI-systemen uw gegevens accepteren, daarin regels en patronen zoeken, en rapporteer de resultaten aan uw organisatie.


IoT-apparaten

Veel digitale apparaten verbinden om met de wereld en met elkaar te communiceren. Dit staat bekend als de internet van dingen (IoT) en een overvloed aan IoT-bedrijven betalen een munt voor hun AI-systemen.

Er zijn talrijke IoT-apparaten, die sensoren hebben die gegevens extern delen, bijvoorbeeld met internet. Je kan draag een of meer van deze apparaten (bijvoorbeeld een stappenteller of smartwatch) of laat ze zelfs implanteren (misschien een hartmonitor).

IoT-apparaten kunnen dat wel volg uw online en offline gedrag. Ze kunnen hun locaties melden en identificeer uw reispatronen, inclusief waar en naar wie u reist. 

Uw smartwatch kan dit aan u vertellen smart home om verlichting aan te doen, zet het koffiezetapparaat aan en regel de thermostaat. Blijkbaar heeft een Alexa-assistent-apparaat minstens één keer aanbevelingen toegevoegd aan een Amazon-aanbevelingslijst “afluisteren” van de gesprekken van de eigenaar.

Merk ring deurbellen verzamelen informatie over mensen die hen passeren. Hierdoor is gezichtsherkenning mogelijk die a ondersteunt beveiligingssysteem gebruikt door wetshandhavers om mensen te lokaliseren.

IoT medische zijn een groeiend AI-gebied. Een smartwatch kan uw hartslag meten gezondheidsproblemen melden

Apple en andere bedrijven gebruiken een netwerk met miljoenen deelnemers om onderzoek ECG-patronen. Vervolgens identificeren ze patronen gezondheidsproblemen voorzien.

Voorspelbare patronen bepaald door IoT kan een groot deel van de bevolking betrokken zijn. Je zou een lokale melding over een bedreiging voor de gezondheid, op uw smartphone.

Digitaal machine learning op IoT-apparaten kan worden gevoed naar de Fysiek wereld. Organisaties kunnen de verzamelde gegevens over uw locaties en behoeften gebruiken om producten aan u verkopen.


Algoritmen voor machine learning

Er zijn veel machine learning-algoritmen. Omdat de meeste algoritmen gebaseerd zijn op statistieken, kunnen organisaties data gebruiken als een hulpmiddel dat een nieuwe functie.

Een organisatie kan algoritmen gebruiken om train zijn systeem over binaire classificatie. De klantgegevens kunnen worden gebruikt begeleide machine learning om klanten te classificeren en om campagnes maken

Binaire classificatie classificeert gegevens zoals een klantenlijst in twee groepen. Nadat klanten in groepen zijn verdeeld, machine learning zonder toezicht kan soorten adverteerders onthullen.

De gegevens over adverteerders kunnen dat zijn verdeeld in clusters, inclusief consistente adverteerders (een cluster met een potentieel hogere ROI). De organisatie zou dan het algoritme kunnen aanpassen, dus promoties kunnen worden aangepast voor consistente adverteerders en voor meer winst. 

De meeste van deze algoritmen zijn opgenomen in softwaretoolkits voor machinaal leren. Organisaties willen wellicht de voors en tegens van elk machine learning-algoritme dat ze zouden kunnen overwegen.

Is het krachtig en nauwkeurig? Wordt het voor gebruikt onder toezicht of zonder toezicht Leren of allebei? Waar is beter in classificeren en/of clusteren? Uw organisatie zou dit kunnen gebruiken meerdere algoritmen creatief, om de meest nuttige gegevens te verkrijgen. 


Hersenvormige regenboogcomputercircuits in een zwart silhouet van een hoofd op witte achtergrond

Kunstmatig neuraal netwerk

Hebben te veel gegevens voor machine learning-algoritmen om te verwerken? Uw organisatie wil mogelijk een neuraal netwerk bouwen. 

Een kunstmatige neuraal netwerk is een (meestal onder toezicht staande) machine learning-methode die gebruik maakt van een raamwerk dat de hersenen imiteert om enorme datasets te demonteren. Dit netwerk heeft neuronen gerangschikt in lagen (invoerlaag, verborgen lagen en uitvoerlaag) die van links naar rechts bewegen. 

Een kunstmatig neuraal netwerk verdeelt gegevens in kleinere stukjes dan machine learning-algoritmen doen. Uw organisatie kan het netwerk trainen en hiervan profiteren, wanneer het de input accuraat weergeeft werkt om zichzelf te perfectioneren.

De meer verborgen lagen het netwerk heeft, hoe eenvoudiger het voor het netwerk is om ingewikkelde patronen te identificeren. A diepgaand leren een kunstmatig neuraal netwerk heeft veel verborgen lagen, waardoor het meerdere lagen heeft deep. Een feedforward neuraal netwerk heeft gegevens die van links naar rechts door de lagen bewegen.


Voorbeeld van een kunstmatig neuraal netwerk

Laten we zeggen dat je het wilt weten of een afbeelding een kat bevat. Een kunstmatig neuraal netwerk kan dat melden als je een binaire classificatie van “cat or not cat” om de afbeelding van de invoerlaag te classificeren in “cat” of “not cat”. 

De beeld wordt geïntroduceerd via de invoerlaag. De indeling in kat of niet kat is de uitgang

Een machine interpreteert een afbeelding als een dataset (of een pixelset, in dit voorbeeld). Pixels zijn kleurpunten en gevarieerde helderheids-/contrastniveaus in de afbeelding. 

Als de afbeelding dat heeft 50 pixels hoog bij 50 pixels breed, heeft de afbeelding 1250 pixels (datapunten). De 1250 pixels zouden dat zijn ingevoerd in de invoerlaag van het neurale netwerk. 

Dus de invoerlaag heeft 1250 neuronen, elk met een nummer gebaseerd op de pixelkleur. Elk neuron in de verborgen laag heeft een activeringsfunctie als een kleine ingang waardoor het neuron wel of niet gegevens naar de volgende verborgen laag kan sturen.

De verborgen lagen elk de pixelgegevens doorsturen naar de volgende verborgen laag. De twee neuronen in de uitgangslaag hebben elk een waarschijnlijkheidsscore

Omdat het netwerk werd gevraagd een binaire classificatie te verwerken, werd de output laag bevat twee knooppunten, "cat" of "not cat". Dit is een "feedforward neuraal netwerk”, omdat de pixelgegevens van links naar rechts door de lagen bewogen.


Witte tekst over softwareontwikkelaar, Markzware, over een verlicht rood LED-toetsenbord, op een zwarte achtergrond

AI-systeemgebruik en AI-tools

AI-systemen zijn dat wel wordt nu gebouwd om ingewikkelde vraagstukken voor organisaties op te lossen. Ze konden hulp jouw organisatie.

De meeste mensen die met AI-systemen werken, zijn dat wel niet opgeleide datawetenschapsexperts, maar misschien heb je het al geprobeerd ChatGPT, of een andere AI-tool. Als je dat nog niet hebt gedaan, wil je misschien meer leren over AI, door een aantal AI-tools te gebruiken, zoals die genoemd in dit geweldige (en uitgebreide) AI Tools-lijst door Jeff Foster, directeur bij Sound Visions Media.

Voor succes, een AI-systeem vereist:
- doeltreffend management, toezicht en leiding
- kwalitatieve inbreng met nauwkeurige gegevens uit de echte wereld
- geduld, zodat het systeem kan experimenteren en tegelijkertijd de beste resultaten kan bepalen

Hoe zou uw organisatie werken met AI? Het zou kunnen helpen maak een lijst van uw organisatorische problemen die opgelost moeten worden en hoe je wilt dat het systeem ze oplost. Welke soort gegevens, zoals klantinformatie, wilt u verzamelen ten behoeve van uw organisatie? Welke soort problemen wil je oplossen via een AI-carrière?


De toekomst van AI

De verdere groei van data vergroot de kansen van AI toekomstig succes. Hoe zullen gegevens worden gebruikt, nu bedrijven er steeds meer van verzamelen?

Een organisatie gebaseerd op a ruimte instellen (onlinewinkel of zoekbedrijf) zouden baat kunnen hebben bij een AI-systeem. Als een organisatie het aanpakt taken die gemakkelijk door computers kunnen worden afgehandeld, zal dit waarschijnlijk worden beïnvloed door AI.

IoT-apparaten en AI stellen bedrijven in staat systemen daarvoor te maken menselijk gedrag voorspellen. Omdat AI nieuwe patronen rapporteert, Organisaties kunnen snel handelen om campagnes te creëren die ROI kunnen behalen, op basis van dat gedrag.

De kans is groot dat je zult binnenkort met een AI-systeem gaan werken. Managers van software-engineering Er wordt waarschijnlijk binnenkort, zo niet al, verwacht dat zij doelen zullen stellen, resultaten zullen analyseren en AI-rapporten zullen verstrekken.

AI vereenvoudigt het genereren van gegevens, maar analyse van die gegevens is moeilijkerData-analyse is dus een groeiende banensector op het gebied van AI. als jij wil werken in het AI-veld, kunt u overwegen om een ​​aanvraag in te dienen bij organisaties die het matchen van datasets of dataregels vereisen.

Het kan enige tijd duren voordat u gewend raakt aan AI-systemen, die naar verwachting binnenkort zullen plaatsvinden menselijker worden-leuk vinden. Niettemin zullen succesvolle AI-systemen dat wel doen complement, Niet uitknippen, menselijke creativiteit


PDF- en DTP-oplossingen voor AI-creatieven en makers van inhoud

Markzware biedt vertrouwd solutions voor AI-creatievelingen en makers van inhoud om PDF- en desktop publishing-documenten te bekijken, preflighten, exporteren en converteren. Sluit u aan bij onze om het laatste nieuws over Markzware-producten en nieuws over de printindustrie te ontvangen verzendlijst en volg Markzware op LinkedIn, YouTube, Facebook, en andere sociale media websites. 


bronnen

“Introductie tot AI”, door Doug Rose, Data Science Trainer & Agility Coach bij Doug Enterprises, LLC / Auteur bij LinkedIn, 15 maart 2023, https://www.linkedin.com/learning/introduction-to-artificial-intelligence/why-you-need-to-know-about-artificial-intelligence

“AI Tools: de lijst die u nu nodig heeft!” door Jeff Foster, directeur bij Sound Visions Media, soundvisionsmedia.com, update van 12 september 2023, https://www.provideocoalition.com/ai-tools-the-list-you-need-now/


Wat is AI? Kunstmatige intelligentie? Machinaal leren? Neuraal netwerk?

Gerelateerde artikelen

Blijf verbonden!

NIEUWSBRIEF
Sluiten