ปัญญาประดิษฐ์ (AI) คืออะไร?

ปัญญาประดิษฐ์ (AI) คืออะไร?

เว็บไซต์

ปัญญาประดิษฐ์ (AI) เป็นสาขากว้างของวิทยาการคอมพิวเตอร์ที่เกี่ยวข้องกับการสร้างเครื่องจักรอัจฉริยะที่สามารถทำงานได้ซึ่งโดยทั่วไปต้องใช้สติปัญญาของมนุษย์ AI เป็นสหวิทยาการที่มีหลายแนวทาง แต่ความก้าวหน้าในการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึก กำลังก่อให้เกิดการเปลี่ยนแปลงกระบวนทัศน์ในแทบทุกภาคส่วนของอุตสาหกรรมเทคโนโลยี

การออกแบบเว็บไซต์

ปัญญาประดิษฐ์ 4 ประเภทมีอะไรบ้าง?
เครื่องปฏิกิริยา
หน่วยความจำจำกัด
ทฤษฎีความคิด
การตระหนักรู้ในตนเอง
ปัญญาประดิษฐ์ทำงานอย่างไร?
เครื่องจักรคิดได้? – อลัน ทัวริง 1950
น้อยกว่าทศวรรษหลังจากทำลาย Enigma เครื่องเข้ารหัสของนาซีและช่วยให้กองกำลังพันธมิตรชนะสงครามโลกครั้งที่ 2 นักคณิตศาสตร์ Alan Turing ได้เปลี่ยนประวัติศาสตร์เป็นครั้งที่สองด้วยคำถามง่ายๆ: “เครื่องจักรสามารถคิดได้หรือไม่”
กระดาษของทัวริง ” เครื่องจักรคอมพิวเตอร์และปัญญาประดิษฐ์ ” (1950) และการทดสอบทัวริงที่ตามมา ได้กำหนดเป้าหมายพื้นฐานและวิสัยทัศน์ของปัญญาประดิษฐ์
แก่นแท้ของ AI คือสาขาของวิทยาการคอมพิวเตอร์ที่มีจุดมุ่งหมายเพื่อตอบคำถามของทัวริงในการยืนยัน เป็นความพยายามในการทำซ้ำหรือจำลองความฉลาดของมนุษย์ในเครื่องจักร
เป้าหมายที่กว้างขวางของปัญญาประดิษฐ์ทำให้เกิดคำถามและข้อโต้แย้งมากมาย มากเสียจนไม่มีคำนิยามเฉพาะของฟิลด์ใดเป็นที่ยอมรับในระดับสากล
ข้อจำกัดที่สำคัญในการกำหนด AI ว่าเป็นเพียง “การสร้างเครื่องจักรที่ชาญฉลาด” คือมันไม่ได้อธิบายจริงๆว่าปัญญาประดิษฐ์คืออะไร? อะไรทำให้เครื่องฉลาด?
ในตำราปัญญาประดิษฐ์ที่แปลกใหม่: A Modern Approachผู้เขียน Stuart Russell และ Peter Norvig เข้าถึงคำถามด้วยการรวมงานของพวกเขาตามธีมของตัวแทนอัจฉริยะในเครื่องจักร ด้วยเหตุนี้ AI คือ “การศึกษาตัวแทนที่ได้รับการรับรู้จากสิ่งแวดล้อมและดำเนินการ” (รัสเซลและนอร์วิก viii)
Norvig และ Russell ได้สำรวจแนวทางที่แตกต่างกันสี่แนวทางซึ่งได้กำหนดขอบเขตของ AI ในอดีต:
คิดแบบมนุษย์
คิดอย่างมีเหตุผล
ทำตัวเป็นมนุษย์
ทำตัวมีเหตุผล
แนวคิดสองข้อแรกเกี่ยวข้องกับกระบวนการคิดและการให้เหตุผล ในขณะที่แนวคิดอื่นๆ เกี่ยวข้องกับพฤติกรรม Norvig และ Russell ให้ความสนใจเป็นพิเศษกับตัวแทนที่มีเหตุผลซึ่งทำหน้าที่เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด โดยสังเกตว่า “ทักษะทั้งหมดที่จำเป็นสำหรับการทดสอบทัวริงยังช่วยให้ตัวแทนดำเนินการอย่างมีเหตุมีผล” (รัสเซลและนอร์วิก 4).
Patrick Winston ศาสตราจารย์ด้านปัญญาประดิษฐ์และวิทยาการคอมพิวเตอร์ของ Ford ที่ MIT ให้คำจำกัดความ AIว่าเป็น “อัลกอริทึมที่เปิดใช้งานโดยข้อจำกัด เปิดเผยโดยการแสดงแทนซึ่งสนับสนุนโมเดลที่กำหนดเป้าหมายเป็นลูปที่เชื่อมโยงการคิด การรับรู้ และการกระทำเข้าด้วยกัน”
แม้ว่าคำจำกัดความเหล่านี้อาจดูเหมือนเป็นนามธรรมสำหรับคนทั่วไป แต่ก็ช่วยให้มุ่งเน้นสาขานี้เป็นสาขาวิชาวิทยาการคอมพิวเตอร์และจัดทำพิมพ์เขียวสำหรับการผสมผสานเครื่องและโปรแกรมด้วยการเรียนรู้ด้วยเครื่องและชุดย่อยอื่น ๆ ของปัญญาประดิษฐ์
AI ใช้อย่างไร?
ขณะที่ฝูงชนที่เป็นญี่ปุ่น AI ประสบการณ์ในปี 2017 , DataRobotซีอีโอของเจเรมี Achin เริ่มคำพูดของเขาโดยนำเสนอคำนิยามต่อไปนี้ของวิธีการ AI จะใช้วันนี้:
“AI เป็นระบบคอมพิวเตอร์ที่สามารถทำงานที่ปกติต้องใช้ปัญญาของมนุษย์… ระบบปัญญาประดิษฐ์เหล่านี้จำนวนมากขับเคลื่อนโดยการเรียนรู้ของเครื่อง บางระบบขับเคลื่อนโดยการเรียนรู้เชิงลึก และบางระบบขับเคลื่อนโดยสิ่งที่น่าเบื่อ เช่น กฎ .”
ตัวอย่างปัญญาประดิษฐ์
ผู้ช่วยอัจฉริยะ (เช่น Siri และ Alexa)
เครื่องมือทำแผนที่และทำนายโรค
การผลิตและหุ่นยนต์โดรน
คำแนะนำการรักษาพยาบาลที่เหมาะสมและเป็นส่วนตัว
บอทสนทนาสำหรับการตลาดและการบริการลูกค้า
Robo-ที่ปรึกษาสำหรับการซื้อขายหุ้น
ตัวกรองสแปมในอีเมล
เครื่องมือตรวจสอบโซเชียลมีเดียสำหรับเนื้อหาที่เป็นอันตรายหรือข่าวเท็จ
เพลงหรือรายการทีวีแนะนำจาก Spotify และ Netflix
ปัญญาประดิษฐ์โดยทั่วไปแบ่งออกเป็นสองประเภทใหญ่ ๆ :
AI แคบ:บางครั้งเรียกว่า “ปัญญาประดิษฐ์ที่อ่อนแอ” ปัญญาประดิษฐ์ประเภทนี้ทำงานภายในบริบทที่จำกัด และเป็นการจำลองสติปัญญาของมนุษย์ AI ที่แคบมักจะเน้นที่การปฏิบัติงานเดียวได้ดีมาก และในขณะที่เครื่องเหล่านี้อาจดูเหมือนฉลาด แต่พวกมันก็ทำงานภายใต้ข้อจำกัดและข้อจำกัดมากกว่าแม้แต่สติปัญญาขั้นพื้นฐานที่สุดของมนุษย์
ปัญญาประดิษฐ์ทั่วไป (AGI) : AGI, บางครั้งเรียกว่า “Strong AI” เป็นชนิดของปัญญาประดิษฐ์ที่เราเห็นในภาพยนตร์เช่นหุ่นยนต์จากที่ Westworld หรือข้อมูลจาก Star Trek: รุ่นถัดไป AGI เป็นเครื่องจักรที่มีสติปัญญาทั่วไป และเหมือนกับมนุษย์ มันสามารถประยุกต์ใช้ปัญญานั้นในการแก้ปัญหาใดๆ ก็ได้
ปัญญาประดิษฐ์ที่แคบ
AI ที่แคบอยู่รอบตัวเราและเป็นการตระหนักถึงปัญญาประดิษฐ์ที่ประสบความสำเร็จมากที่สุดในปัจจุบัน ด้วยการมุ่งเน้นที่การปฏิบัติงานที่เฉพาะเจาะจง Narrow AI ได้ประสบกับความก้าวหน้าครั้งสำคัญมากมายในทศวรรษที่ผ่านมาซึ่งมี “ผลประโยชน์ทางสังคมที่สำคัญและมีส่วนทำให้เกิดความมีชีวิตชีวาทางเศรษฐกิจของประเทศ” ตาม “การเตรียมพร้อมสำหรับอนาคตของปัญญาประดิษฐ์” รายงานประจำปี 2559 ที่ออกโดยฝ่ายบริหารของโอบามา
ตัวอย่างของ Narrow AI ได้แก่ :
ค้นหา Google
ซอฟต์แวร์จดจำภาพ
Siri, Alexa และผู้ช่วยส่วนตัวอื่นๆ
รถขับเอง
วัตสันของไอบีเอ็ม

เว็บแอพพลิเคชั่น

การเรียนรู้ของเครื่องและการเรียนรู้เชิงลึก
มากของแคบ AI ถูกขับเคลื่อนโดยนวัตกรรมในการเรียนรู้เครื่องและการเรียนรู้ลึก การทำความเข้าใจความแตกต่างระหว่างปัญญาประดิษฐ์ แมชชีนเลิร์นนิง และการเรียนรู้เชิงลึกอาจสร้างความสับสนได้ นายทุนการลงทุน Frank Chen ให้ภาพรวมที่ดีเกี่ยวกับวิธีแยกแยะระหว่างพวกเขา โดยสังเกต:
“ปัญญาประดิษฐ์คือชุดของอัลกอริธึมและปัญญาที่พยายามเลียนแบบสติปัญญาของมนุษย์ แมชชีนเลิร์นนิงเป็นหนึ่งในนั้น และการเรียนรู้เชิงลึกเป็นหนึ่งในเทคนิคการเรียนรู้ด้วยเครื่อง”
พูดง่ายๆ ก็คือ แมชชีนเลิร์นนิงจะดึงข้อมูลคอมพิวเตอร์และใช้เทคนิคทางสถิติเพื่อช่วยให้ “เรียนรู้” วิธีทำงานได้ดีขึ้นทีละขั้น โดยไม่ต้องมีการตั้งโปรแกรมไว้สำหรับงานนั้นโดยเฉพาะ ทำให้ไม่ต้องใช้โค้ดที่เขียนขึ้นเป็นล้านบรรทัด แมชชีนเลิร์นนิงประกอบด้วยทั้งการเรียนรู้ภายใต้การดูแล (โดยใช้ชุดข้อมูลที่มีป้ายกำกับ) และการเรียนรู้แบบไม่มีผู้ดูแล (โดยใช้ชุดข้อมูลที่ไม่มีป้ายกำกับ)
การเรียนรู้อย่างลึกซึ้งคือการเรียนรู้ของเครื่องประเภทหนึ่งที่ป้อนข้อมูลผ่านสถาปัตยกรรมเครือข่ายประสาทที่ได้รับแรงบันดาลใจจากทางชีววิทยา โครงข่ายประสาทเทียมมีเลเยอร์ที่ซ่อนอยู่จำนวนหนึ่งเพื่อประมวลผลข้อมูล ทำให้เครื่องสามารถเรียนรู้ได้ “ลึก” ทำให้การเชื่อมต่อและการป้อนข้อมูลน้ำหนักเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด
ปัญญาประดิษฐ์ทั่วไป
การสร้างเครื่องจักรที่มีสติปัญญาระดับมนุษย์ที่สามารถนำไปใช้กับงานใดๆ ได้คือจอกศักดิ์สิทธิ์สำหรับนักวิจัย AI หลายคน แต่การแสวงหา AGI นั้นเต็มไปด้วยความยากลำบาก
การค้นหา “อัลกอริธึมสากลสำหรับการเรียนรู้และการแสดงในทุกสภาพแวดล้อม” (รัสเซลและนอร์วิก 27) ไม่ใช่เรื่องใหม่ แต่เวลาไม่ได้ช่วยบรรเทาความยากในการสร้างเครื่องที่มีความสามารถทางปัญญาครบชุด
AGI มีมานานแล้วรำพึงของนิยายวิทยาศาสตร์ dystopian ซึ่งในหุ่นยนต์ซุปเปอร์ฉลาดเกินมนุษย์ แต่ผู้เชี่ยวชาญเห็นว่ามันเป็นสิ่งที่เราไม่จำเป็นต้องกังวลเกี่ยวกับในเร็ว ๆ นี้
ประวัติของ AI
หุ่นยนต์อัจฉริยะและสิ่งมีชีวิตประดิษฐ์ปรากฏตัวครั้งแรกในตำนานกรีกโบราณในสมัยโบราณ การพัฒนาการอ้างเหตุผลของอริสโตเติลและการใช้เหตุผลแบบนิรนัยเป็นช่วงเวลาสำคัญในการแสวงหาความเข้าใจในสติปัญญาของมนุษยชาติ แม้ว่ารากจะยาวและลึก แต่ประวัติศาสตร์ของปัญญาประดิษฐ์อย่างที่เราคิดในทุกวันนี้ก็กินเวลาไม่ถึงศตวรรษ ต่อไปนี้คือการดูเหตุการณ์ที่สำคัญที่สุดบางอย่างใน AI อย่างรวดเร็ว
ทศวรรษที่ 1940
(1943) Warren McCullough และ Walter Pitts เผยแพร่ “แคลคูลัสเชิงตรรกะของความคิดที่ไม่คงที่ในกิจกรรมประสาท” บทความนี้เสนอแบบจำลองทางคณิตศาสตร์ตัวแรกสำหรับการสร้างโครงข่ายประสาทเทียม
(1949) ในหนังสือของเขาเรื่อง The Organization of Behavior: A Neuropsychological Theoryโดนัลด์ เฮบบ์ เสนอทฤษฎีที่ว่าเส้นทางประสาทถูกสร้างขึ้นจากประสบการณ์ และการเชื่อมต่อระหว่างเซลล์ประสาทจะแข็งแกร่งขึ้นเมื่อมีการใช้บ่อยขึ้น การเรียนรู้ภาษา Hebbian ยังคงเป็นแบบอย่างที่สำคัญใน AI
ทศวรรษ 1950
(1950) อลัน ทัวริงตีพิมพ์ “เครื่องจักรคอมพิวเตอร์และหน่วยสืบราชการลับ โดยเสนอสิ่งที่เรียกว่าการทดสอบทัวริง ซึ่งเป็นวิธีการกำหนดว่าเครื่องจักรนั้นฉลาดหรือไม่”
(1950) นักศึกษาระดับปริญญาตรีจากมหาวิทยาลัยฮาร์วาร์ด Marvin Minsky และ Dean Edmonds สร้าง SNARC ซึ่งเป็นคอมพิวเตอร์เครือข่ายประสาทเทียมเครื่องแรก
(1950) Claude Shannon ตีพิมพ์บทความเรื่อง “การเขียนโปรแกรมคอมพิวเตอร์เพื่อเล่นหมากรุก”
(1950) ไอแซค อาซิมอฟ ตีพิมพ์ “กฎสามข้อของวิทยาการหุ่นยนต์”
(1952) Arthur Samuel พัฒนาโปรแกรมการเรียนรู้ด้วยตนเองเพื่อเล่นหมากฮอส
(1954) การทดลองการแปลภาษาด้วยเครื่องของ Georgetown-IBM แปลประโยคภาษารัสเซียที่คัดเลือกมาอย่างดี 60 ประโยคเป็นภาษาอังกฤษโดยอัตโนมัติ
(1956) วลีปัญญาประดิษฐ์ได้รับการประกาศเกียรติคุณจาก “โครงการวิจัย Dartmouth Summer เรื่องปัญญาประดิษฐ์” การประชุมที่นำโดย John McCarthy ซึ่งกำหนดขอบเขตและเป้าหมายของ AI ได้รับการพิจารณาอย่างกว้างขวางว่าเป็นการกำเนิดของปัญญาประดิษฐ์อย่างที่เราทราบในทุกวันนี้
(1956) Allen Newell และ Herbert Simon สาธิต Logic Theorist (LT) ซึ่งเป็นโปรแกรมการให้เหตุผลครั้งแรก
(1958) John McCarthy พัฒนา Lisp ภาษาการเขียนโปรแกรม AI และเผยแพร่บทความ “Programs with Common Sense” บทความนี้เสนอ Advice Taker สมมุติฐาน ซึ่งเป็นระบบ AI ที่สมบูรณ์พร้อมความสามารถในการเรียนรู้จากประสบการณ์อย่างมีประสิทธิผลเช่นเดียวกับมนุษย์
(1959) Allen Newell, Herbert Simon และ JC Shaw พัฒนา General Problem Solver (GPS) ซึ่งเป็นโปรแกรมที่ออกแบบมาเพื่อเลียนแบบการแก้ปัญหาของมนุษย์
(1959) Herbert Gelernter พัฒนาโปรแกรม Geometry Theorem Prover
(1959) อาร์เธอร์ ซามูเอล ได้เหรียญคำว่าการเรียนรู้ของเครื่องขณะอยู่ที่ IBM
(1959) John McCarthy และ Marvin Minsky พบโครงการปัญญาประดิษฐ์ของ MIT

Web​ application

ทศวรรษ 1960
(1963) John McCarthy เริ่มห้องปฏิบัติการ AI ที่สแตนฟอร์ด
(1966) รายงานของคณะกรรมการที่ปรึกษาการประมวลผลภาษาอัตโนมัติ (ALPAC) โดยรัฐบาลสหรัฐฯ ให้รายละเอียดเกี่ยวกับการขาดความก้าวหน้าในการวิจัยการแปลด้วยคอมพิวเตอร์ ซึ่งเป็นความคิดริเริ่มที่สำคัญของสงครามเย็น โดยมีคำมั่นสัญญาว่าจะแปลภาษารัสเซียโดยอัตโนมัติและทันที รายงานของ ALPAC นำไปสู่การยกเลิกโครงการ MT ที่ได้รับทุนสนับสนุนจากรัฐบาลทั้งหมด
(1969) ระบบผู้เชี่ยวชาญที่ประสบความสำเร็จระบบแรกได้รับการพัฒนาใน DENDRAL ซึ่งเป็นโปรแกรม XX และ MYCIN ที่ออกแบบมาเพื่อวินิจฉัยการติดเชื้อในเลือด ถูกสร้างขึ้นที่สแตนฟอร์ด
ทศวรรษ 1970
(1972) สร้างภาษาการเขียนโปรแกรมลอจิก PROLOG
(1973) “Lighthill Report” ซึ่งมีรายละเอียดเกี่ยวกับความผิดหวังในการวิจัย AI เผยแพร่โดยรัฐบาลอังกฤษและนำไปสู่การลดเงินทุนสำหรับโครงการปัญญาประดิษฐ์อย่างรุนแรง
(1974-1980) ความผิดหวังกับความก้าวหน้าของการพัฒนา AI นำไปสู่การตัดทอน DARPA ที่สำคัญในทุนวิชาการ เมื่อรวมกับรายงาน ALPAC ก่อนหน้านี้และ “Lighthill Report” ของปีที่แล้ว เงินทุนด้านปัญญาประดิษฐ์ก็แห้งแล้งและแผงวิจัยต่างๆ ก็หยุดชะงัก ช่วงเวลานี้เรียกว่า “First AI Winter”

Robot Auto process

ทศวรรษ 1980
(1980) Digital Equipment Corporations พัฒนา R1 (หรือที่เรียกว่า XCON) ซึ่งเป็นระบบผู้เชี่ยวชาญเชิงพาณิชย์ระบบแรกที่ประสบความสำเร็จ ออกแบบมาเพื่อกำหนดค่าคำสั่งซื้อสำหรับระบบคอมพิวเตอร์ใหม่ R1 เริ่มต้นการลงทุนในระบบผู้เชี่ยวชาญที่จะคงอยู่นานหลายทศวรรษ และสิ้นสุด “AI Winter” ครั้งแรกอย่างมีประสิทธิภาพ
(1982) กระทรวงการค้าและอุตสาหกรรมระหว่างประเทศของญี่ปุ่นเปิดตัวโครงการระบบคอมพิวเตอร์รุ่นที่ห้าที่มีความทะเยอทะยาน เป้าหมายของ FGCS คือการพัฒนาประสิทธิภาพที่เหมือนซูเปอร์คอมพิวเตอร์และเป็นแพลตฟอร์มสำหรับการพัฒนา AI
(1983) เพื่อตอบสนองต่อ FGCS ของญี่ปุ่น รัฐบาลสหรัฐฯ ได้เปิดตัว Strategic Computing Initiative เพื่อจัดหาการวิจัยที่ได้รับทุนสนับสนุนจาก DARPA ในด้านการประมวลผลขั้นสูงและปัญญาประดิษฐ์
(1985) บริษัทต่างๆ ใช้จ่ายมากกว่าพันล้านดอลลาร์ต่อปีกับระบบผู้เชี่ยวชาญ และทั้งอุตสาหกรรมที่รู้จักกันในชื่อ Lisp machine market ก็ลุกขึ้นมาสนับสนุนพวกเขา บริษัทต่างๆ เช่น Symbolics และ Lisp Machines Inc. สร้างคอมพิวเตอร์เฉพาะทางเพื่อทำงานด้วยภาษาการเขียนโปรแกรม AI Lisp
(พ.ศ. 2530-2536) เมื่อเทคโนโลยีคอมพิวเตอร์พัฒนาขึ้น ทางเลือกที่ถูกกว่าก็เกิดขึ้น และตลาดเครื่องจักร Lisp ล่มสลายในปี 2530 นำไปสู่ ​​”ฤดูหนาว AI ที่สอง” ในช่วงเวลานี้ ระบบผู้เชี่ยวชาญได้รับการพิสูจน์แล้วว่ามีราคาแพงเกินไปที่จะบำรุงรักษาและอัปเดต ในที่สุดก็ไม่ได้รับความนิยม