Εισαγωγή στην Τεχνητή Νοημοσύνη

Αυτές τις μέρες η τεχνητή νοημοσύνη βρίσκεται παντού στην πληροφορική. Αλλά πώς λειτουργεί; Και πώς μπορείτε να δημιουργήσετε μόνοι σας Τεχνητή Νοημοσύνη;

Σε αυτό το άρθρο, θα σας εξηγήσω όλα όσα πρέπει να ξέρετε για να ξεκινήσετε με την τεχνητή νοημοσύνη.

Ιστορία της Τεχνητής Νοημοσύνης

Οι άνθρωποι έχουν σκεφτεί να ζωντανέψουν πράγματα από την αρχαιότητα. Ειδικά όμως με την εφεύρεση των ηλεκτρονικών υπολογιστών η ιδέα των σκεπτόμενων μηχανών άρχισε να παίρνει σάρκα και οστά.

Το 1950, ο Άλαν Τούρινγκ επινόησε το τεστ Τούρινγκ για να αξιολογήσει αν μια μηχανή είναι ευφυής ή όχι.

Ο όρος Τεχνητή Νοημοσύνη αναφέρθηκε για πρώτη φορά το 1956 σε ένα συνέδριο στο Dartmouth College.

Μια σημαντική εφεύρεση του 1967 ήταν ο αλγόριθμος του πλησιέστερου γείτονα, ο οποίος είναι σημαντικός για την ταξινόμηση αντικειμένων και την αναγνώριση προτύπων.

Το πρώτο αυτόνομο καρότσι αναπτύχθηκε το 1979. Ονομάστηκε Stanford Cart και μπορούσε να ανιχνεύει και να αποφεύγει τοίχους.

Το 1985 εφευρέθηκε το AI NETtalk. Χρησιμοποίησε τη βαθιά μάθηση για να μάθει πώς να μιλάει.

Το 1997 η τεχνητή νοημοσύνη άρχισε να απογειώνεται. Ο υπερυπολογιστής Deep Blue της IBM κατάφερε να νικήσει τον τότε παγκόσμιο πρωταθλητή σκακιού Garry Kasparov.

Η NASA ανέπτυξε τα αυτοκινούμενα οχήματα εξερεύνησης Spirit και Opportunity, τα οποία κινήθηκαν αυτόνομα στην επιφάνεια του Άρη το 2004.

Το 2011 μια τεχνητή νοημοσύνη με το όνομα Watson νίκησε έναν άνθρωπο στο τηλεπαιχνίδι "Jeopary!".

Το AlphaGo της Google νίκησε έναν επαγγελματία παίκτη στο Go το 2016. Το Go θεωρείται πολύ πιο πολύπλοκο από το σκάκι και η δύναμη υπολογισμού δεν είναι το μόνο πράγμα που απαιτείται για την επιτυχία.

Το 2019 μια τεχνητή νοημοσύνη νίκησε ακόμη και έναν επαγγελματία παίκτη στο Starcraft II.

Σήμερα η τεχνητή νοημοσύνη είναι παντού. Έλυσε το πρόβλημα της αναδίπλωσης των πρωτεϊνών και έμαθε ακόμη και να δημιουργεί τέχνη ή να γράφει κώδικα.

Σημαντικοί όροι

Ακολουθεί μια επισκόπηση των σημαντικότερων όρων που σχετίζονται με την τεχνητή νοημοσύνη.

Ο τομέας της τεχνητής νοημοσύνης είναι τεράστιος. Καλύπτει πράγματα όπως η όραση υπολογιστών, η επεξεργασία φυσικής γλώσσας, η ρομποτική και η αυτοματοποίηση, για να αναφέρουμε μόνο μερικά από αυτά.

Ένα σημαντικό μέρος της ΤΝ είναι η μηχανική μάθηση. Πρόκειται για μια συλλογή μεθόδων και αλγορίθμων που επιτρέπουν σε έναν υπολογιστή να μαθαίνει. Αυτές οι μέθοδοι μπορούν να χωριστούν σε τρεις κατηγορίες:

Μάθηση με επίβλεψη, μάθηση χωρίς επίβλεψη και ενισχυτική μάθηση.

Στην επιβλεπόμενη μάθηση η ΤΝ χρησιμοποιεί δεδομένα με ετικέτες για να εκπαιδευτεί. Αυτό δεν ισχύει στην περίπτωση της μάθησης χωρίς επίβλεψη. Η ενισχυτική μάθηση είναι ένας τρόπος εκπαίδευσης ενός εικονικού πράκτορα. Ο πράκτορας λαμβάνει μια ανταμοιβή κάθε φορά που κάνει αυτό που πρέπει να κάνει. Αυτό ενθαρρύνει την επιθυμητή συμπεριφορά.

Νευρωνικά δίκτυα

Μια ειδική μέθοδος μάθησης με επίβλεψη είναι η βαθιά μάθηση. Η βαθιά μάθηση είναι η διαδικασία εκπαίδευσης ενός λεγόμενου νευρωνικού δικτύου. Το δίκτυο αποτελείται από αμέτρητους κόμβους (νευρώνες). Αυτοί συνδέονται με συγκεκριμένο βάρος και στοιβάζονται σε στρώματα με τη λεγόμενη προκατάληψη.

Για να υπολογίσετε την τιμή ενός νευρώνα από τον προηγούμενο νευρώνα, πολλαπλασιάζετε την τιμή του προηγούμενου νευρώνα με το βάρος μεταξύ των νευρώνων και προσθέτετε την προκατάληψη.

Για να εκπαιδεύσετε το δίκτυο, πρέπει να γράψετε τα δεδομένα εκπαίδευσης με ετικέτες στο επίπεδο εισόδου. Το δίκτυο διαδίδει τα δεδομένα μέσω μιας μεταβλητής ποσότητας κρυφών στρωμάτων ανάλογα με τα βάρη και τις προκαταλήψεις.

Τέλος, τα δεδομένα φτάνουν στο επίπεδο εξόδου. Ο νευρώνας εξόδου με την υψηλότερη τιμή είναι η πρόβλεψη του δικτύου. Ανάλογα με το αν η πρόβλεψη είναι σωστή ή όχι, η ΤΝ προσαρμόζει όλα τα επιμέρους βάρη και τις προκαταλήψεις. Με αυτόν τον τρόπο οι προβλέψεις γίνονται όλο και πιο ακριβείς, πράγμα που σημαίνει ότι το δίκτυο μαθαίνει.

Ελέγξτε το Βίντεο στο YouTube για να δείτε ένα παράδειγμα και να εκπαιδεύσετε τη δική σας τεχνητή νοημοσύνη.

Εφαρμογές AI

Ας ρίξουμε μια ματιά σε ορισμένες εφαρμογές της τεχνητής νοημοσύνης. Κάποιος θα μπορούσε να ισχυριστεί ότι η Τεχνητή Νοημοσύνη μπορεί να κάνει τα πάντα, αν της δοθεί αρκετός χρόνος και υπολογιστική ισχύς.

Η τεχνητή νοημοσύνη μπορεί να αναγνωρίζει εικόνες και να κατανοεί την ανθρώπινη γλώσσα. Όλοι γνωρίζουμε πράγματα όπως η Alexa ή η Siri.

Αν θέλετε να δημιουργήσετε τη δική σας τεχνητή νοημοσύνη, ειδικά για οικιακό αυτοματισμό, όραση υπολογιστή ή επεξεργασία φυσικής γλώσσας, τότε έχουμε κάτι ξεχωριστό για εσάς.

Το νέο μας AIY Maker Kit περιλαμβάνει όλα όσα χρειάζεστε για τα έργα μηχανικής μάθησης.

Η συνδυασμένη ισχύς του Raspberry Pi 4 με 8 GB RAM και του επιταχυντή USB Google Coral σημαίνει ότι μπορείτε να κατασκευάσετε ό,τι θέλετε. Σκεφτείτε μια αυτόματη πόρτα για σκύλους ή τον δικό σας οικιακό βοηθό. Μπορείτε να κατασκευάσετε μια κλειδαριά με ανίχνευση προσώπου ή μια συσκευή μετάφρασης σε πραγματικό χρόνο.