Μάθετε για τον προγραμματισμό AI: Μπορείτε να δημιουργήσετε προγράμματα πιο έξυπνα από τα άτομα;

Αποκάλυψη: Η υποστήριξή σας βοηθά στη διατήρηση της λειτουργίας του ιστότοπου! Κερδίζουμε ένα τέλος παραπομπής για ορισμένες από τις υπηρεσίες που προτείνουμε σε αυτήν τη σελίδα.


Όταν αναφέρεται ο όρος Τεχνητή Νοημοσύνη (AI), οι περισσότεροι από εμάς σκεφτόμαστε αμέσως τις αυτογνωστικές μηχανές που απεικονίζονται στα αγαπημένα μας βιβλία ή ταινίες.

Φανταζόμαστε ρομπότ που μπορούν να σκεφτούν για τον εαυτό τους όπως το R2-D2, μηχανές που καταπολεμούν το έγκλημα και υπερασπίζονται τους ανθρώπους όπως ο Astroboy. ή οραματιζόμαστε έναν κόσμο στον οποίο αυτές οι μηχανές σκέψης έχουν στραφεί εναντίον μας, όπου το HAL 9000 επιτίθεται στο πλήρωμά του ή το Skynet ξεκινά μια επίθεση εναντίον όλης της ανθρωπότητας.

Είτε βλέπουμε την τεχνητή νοημοσύνη είτε καλή είτε κακή, πολλοί από εμάς βλέπουν την τεχνητή νοημοσύνη ως αναπόφευκτη πρόοδο της επιστήμης των υπολογιστών, όπου τα συστήματα υπολογιστών είναι τελικά σε θέση να σκεφτούν και να λύσουν τα προβλήματα επίσης ή καλύτερα από ό, τι οι άνθρωποι.

Η πραγματικότητα της σύγχρονης τεχνητής νοημοσύνης είναι τόσο λιγότερο λαμπερή όσο και πιο συναρπαστική.

Η τεχνητή νοημοσύνη χρησιμοποιείται με αυξανόμενο αριθμό τρόπων, από την παροχή διαδικτυακής βοήθειας έως την ερμηνεία της γραφής έως την οδήγηση αυτοκινήτων, αλλά κανένα από αυτά δεν συγκρίνεται με το όραμα του Χόλιγουντ. Είναι εύκολο να παραβλέψουμε τις τεράστιες προόδους που έχουμε κάνει ή την απίστευτη επιστήμη πίσω από αυτά τα επιτεύγματα.

Στην επιστήμη των υπολογιστών, ο προγραμματισμός τεχνητής νοημοσύνης περιλαμβάνει το σχεδιασμό συστημάτων που μπορούν να «εξορθολογίσουν» ένα πρόβλημα, αξιολογώντας πολλαπλά πιθανά αποτελέσματα και επιλέγοντας μια διαδρομή με τις υψηλότερες δυνατότητες επιτυχίας..

Μόλις ένα πρόγραμμα τεχνητής νοημοσύνης επιλέξει τη λύση του, τότε θα πρέπει να είναι σε θέση να αξιολογήσει τα αποτελέσματα αυτής της δράσης και να επιστρέψει σε αυτές τις πληροφορίες την επόμενη φορά που θα πρέπει να λάβει παρόμοια απόφαση. Με αυτόν τον τρόπο, ένα σύστημα AI «μαθαίνει» και «επιλύει προβλήματα» εντός των ορίων του προγραμματισμού του.

Σε αντίθεση με τον παραδοσιακό προγραμματισμό, ο οποίος βασίζεται κυρίως στα μαθηματικά και τη λογική, ο προγραμματισμός τεχνητής νοημοσύνης απαιτεί από τους επιστήμονες υπολογιστών να ενσωματώσουν μια ποικιλία άλλων επιστημονικών κλάδων, όπως η ψυχολογία, η νευροεπιστήμη και η γλωσσολογία, προκειμένου να αναπτυχθούν συστήματα που μπορούν να αναπαράγουν ανθρώπινες διαδικασίες σκέψης και συμπεριφορές.

Η έρευνα AI τείνει να επικεντρώνεται σε συγκεκριμένους τομείς της νοημοσύνης, όπως η συλλογιστική, ο σχεδιασμός, η επικοινωνία, η δημιουργικότητα και η χειραγώγηση αντικειμένων. Για πολλούς, αυτό είναι όπου η AI υπολείπεται των προσδοκιών μας.

Αντί να ενεργούν σαν πλήρως λειτουργικοί άνθρωποι, τα προγράμματα AI συνήθως έχουν πολύ στενή εστίαση, όπως η εκμάθηση να παίζουν ένα συγκεκριμένο παιχνίδι ή η παροχή λογικών απαντήσεων σε ερωτήσεις που πληκτρολογούνται ή έχουν τεθεί.

Αλλά αυτά τα επιτεύγματα δεν πρέπει να παραβλεφθούν, καθώς κάθε μικρό έργο προόδου φέρνει την AI ένα βήμα πιο κοντά στον τελικό στόχο της Γενικής Νοημοσύνης.

Ιστορία του προγραμματισμού AI

Ενώ οι ιστορίες έχουν δημιουργηθεί και οι θεωρίες έχουν προταθεί για τη δυνατότητα της τεχνητής νοημοσύνης για αιώνες, υπήρξε ελάχιστη τυποποιημένη μελέτη της τεχνητής νοημοσύνης μέχρι το 1956 Dartmouth Summer Research Project on Artificial Intelligence καθιέρωσε την AI ως νόμιμο πεδίο έρευνας.

Για τα επόμενα δεκαπέντε χρόνια, η έρευνα για την τεχνητή νοημοσύνη έκανε πολλά βήματα προς τα εμπρός, κατά τη διάρκεια της οποίας οι υπολογιστές διδάσκονταν να κερδίζουν σε πούλια, να επιλύουν προχωρημένα μαθηματικά προβλήματα, ακόμη και να μιλούν.

Όταν η κρατική χρηματοδότηση έπεσε στα μέσα της δεκαετίας του 1970, η έρευνα για την τεχνητή νοημοσύνη επιβραδύνθηκε για αρκετά χρόνια. Όμως, κατά τη δεκαετία του 1980, το ενδιαφέρον μας για την τεχνητή νοημοσύνη αναζωογονήθηκε, βασισμένο σε μεγάλο βαθμό στην επιτυχία των εξειδικευμένων συστημάτων, υπολογιστές mainframe σχεδιασμένοι για εργασίες λήψης αποφάσεων.

Αυτές οι εξειδικευμένες μηχανές χρησιμοποίησαν μια γνωσιακή βάση κανόνων και γνωστών γεγονότων μαζί με μια μηχανή συμπερασμάτων για να εφαρμόσουν προϋπάρχουσες γνώσεις για να συναγάγουν νέα δεδομένα.

Ταυτόχρονα, η άνοδος του υπολογιστή δημιούργησε έναν εντελώς νέο χώρο για έρευνα AI.

Το μοντέλο πελάτη-διακομιστή επέτρεψε στους προγραμματιστές την ελευθερία να παραιτηθούν από τα τεράστια κεντρικά πλαίσια – σημαντική εξοικονόμηση χρόνου και προϋπολογισμού.

Και καθώς οι υπολογιστές γίνονται πιο διασυνδεδεμένοι κατά τη διάρκεια της δεκαετίας του 1980 και του 1990, οι ερευνητές της τεχνητής νοημοσύνης κατάφεραν να επωφεληθούν από τη δύναμη των κοινών υπολογιστικών περιβαλλόντων..

Κατά τη διάρκεια ολόκληρης αυτής της περιόδου, το πεδίο της τεχνητής νοημοσύνης επεκτάθηκε και κέρδισε τη φήμη. Μία από τις πιο αναγνωρίσιμες εξελίξεις σημειώθηκε το 1997, όταν το Deep Blue της IBM νίκησε τον παγκόσμιο πρωταθλητή σκακιού Garry Kasparov.

Αυτό το συμβάν σηματοδότησε ένα σημαντικό σημείο καμπής για την τεχνητή νοημοσύνη, καθώς απέδειξε ότι ένας υπολογιστής δεν μπορούσε μόνο να μάθει ένα παιχνίδι, αλλά θα μπορούσε να επιτύχει ένα επίπεδο γνώσης που προηγουμένως πιστεύεται ότι είναι διαθέσιμο μόνο στους ανθρώπους.

Σήμερα, ο τομέας της τεχνητής νοημοσύνης έχει δει πολλές πραγματικές εφαρμογές, από ηλεκτρονική προσωπική βοήθεια στα smartphone μας έως αυτοκίνητα αυτο-οδήγησης και η ζήτηση για περαιτέρω αυτοματοποίηση αυξάνεται.

Ενώ η γενική ευφυΐα μπορεί να διατηρείται για ταινίες επιστημονικής φαντασίας, οι υπολογιστές μπορούν να αντιμετωπίζουν πιο περίπλοκες διαδικασίες λήψης αποφάσεων καθημερινά.

Πού να μάθετε τον προγραμματισμό AI

Είτε είστε έμπειρος προγραμματιστής που επιθυμείτε να ξεκινήσετε το AI είτε μόλις ξεκινήσετε, αυτοί οι ιστότοποι μπορούν να σας βοηθήσουν να ενσωματώσετε έννοιες AI στα προγράμματά σας.

  • Εισαγωγή στον προγραμματισμό AI για παιχνίδια: αυτή η εύκολη εισαγωγή στον προγραμματισμό AI σας διδάσκει να προσθέσετε στοιχεία AI σε ένα απλό παιχνίδι τέρας. Μέσω δείγματος κώδικα και λεπτομερών εξηγήσεων για όλη τη λογική που προστίθεται, μπορείτε να μάθετε γρήγορα μια ποικιλία βασικών εννοιών στον προγραμματισμό AI.
  • Lisp Tutorials: αυτός ο ιστότοπος περιέχει μια συλλογή από μαθήματα για την εκμάθηση Lisp, μια από τις πιο δημοφιλείς γλώσσες για τον προγραμματισμό AI, ιδιαίτερα στις πρώτες δεκαετίες της έρευνας για την τεχνητή νοημοσύνη.
  • Προγραμματισμός Τεχνητής Νοημοσύνης στο Prolog: το περίγραμμα και οι σημειώσεις διαλέξεων για αυτό το μάστερ επίπεδο παρέχουν μια εισαγωγή στο Prolog, μία από τις βασικές γλώσσες στην έρευνα για την τεχνητή νοημοσύνη, καθώς και προηγμένες έννοιες προγραμματισμού Prolog και υλοποιήσεις AI.
  • Αλγόριθμοι στο C #: η ενότητα AI αυτού του ιστότοπου παρέχει πληθώρα πόρων για προγραμματιστές C # που θέλουν να εφαρμόσουν έννοιες AI στο έργο τους, όπως δείγμα κώδικα, σεμινάρια και σύγχρονες θεωρίες για την ανάπτυξη AI.

Διαδικτυακές κοινότητες

Υπάρχουν πολλοί λάτρεις της τεχνητής νοημοσύνης στον ιστό. Εάν σας ενδιαφέρει να μάθετε περισσότερα σχετικά με την τεχνητή νοημοσύνη ή τις πολλές θεωρίες πίσω από τις σύγχρονες εξελίξεις, ρίξτε μια ματιά σε αυτούς τους ιστότοπους της κοινότητας AI.

  • Φόρουμ AI: αυτή η συλλογή φόρουμ που σχετίζεται με την τεχνητή νοημοσύνη καλύπτει θέματα όπως οι φιλοσοφικές επιπτώσεις της τεχνητής νοημοσύνης, της τρέχουσας έρευνας, των chatbots, του HAL και των νέων προοπτικών για τη γλώσσα και τη σκέψη.
  • Το φόρουμ για την τεχνητή νοημοσύνη: που φιλοξενείται από το Πανεπιστήμιο του Τέξας, αυτή η διαδικτυακή κοινότητα συναντά δύο φορές την εβδομάδα για να συζητήσει τα τρέχοντα θέματα της τεχνητής νοημοσύνης. Κατά τη διάρκεια κάθε συνάντησης, ένας διακεκριμένος προσκεκλημένος ομιλητής παρουσιάζει μια ομιλία για μια εξέχουσα περιοχή του AI. Τα αντίγραφα από προηγούμενες συνομιλίες είναι διαθέσιμα στην ενότητα αρχειοθέτησής τους.
  • Game-AI Forum: αυτό το φόρουμ εστιάζεται ειδικά σε εφαρμογές AI για την ανάπτυξη παιχνιδιών.

Βιβλία

Τα βιβλία για την Τεχνητή Νοημοσύνη κυμαίνονται από νόμιμους οδηγούς προγραμματισμού έως ακραίες πτήσεις επιστημονικής φαντασίας. Για χάρη αυτού του οδηγού, περιορίσαμε τη λίστα κειμένων μας σε αυτό που καλύπτει τις τρέχουσες πρακτικές προγραμματισμού και τις καθιερωμένες θεωρίες.

  • Τεχνητή νοημοσύνη: Μια σύγχρονη προσέγγιση (2009) από τους Russell και Norvig: αυτό το κείμενο προσφέρει μια ευρεία επισκόπηση των σύγχρονων θεωριών και της εφαρμογής της τεχνητής νοημοσύνης. Εξετάζει έννοιες όπως η θεωρία της νοημοσύνης, η λογική συλλογιστική και το παιχνίδι, για να δείξει πώς μπορούν να εφαρμοστούν στον προγραμματισμό, τη ρομποτική, ακόμα και στους ανθρώπους. Ενώ γράφτηκε πρωτίστως για επιστήμονες υπολογιστών, το βιβλίο μπορεί επίσης να ενδιαφέρει γλωσσολόγο ή οποιονδήποτε γοητεύεται από τις τρέχουσες τάσεις της τεχνητής νοημοσύνης.
  • Μηχανική εκμάθηση για ανδρείκελα (2016) από τους Mueller και Massaron: απόδειξη ότι η AI έχει χτυπήσει mainstream, ακόμη και οι Dummies εμπλέκονται! Αυτός ο αρχικός οδηγός για την τεχνητή νοημοσύνη παρέχει μια βασική επισκόπηση του πώς και γιατί η AI χρησιμοποιείται σήμερα, παρουσιάζει θεμελιώδεις έννοιες στην τεχνητή νοημοσύνη και προσφέρει μια επισκόπηση των γλωσσών προγραμματισμού και των εργαλείων που χρησιμοποιούνται για την εφαρμογή της AI, με ιδιαίτερη έμφαση στην Python και Ρ.
  • Java Deep Learning Essentials (2016) από τον Yusuke Sugomori: αυτό το προηγμένο κείμενο προορίζεται για έμπειρους προγραμματιστές Java ή επιστήμονες δεδομένων που θέλουν να εφαρμόσουν έννοιες AI στον προγραμματισμό τους Java. Το βιβλίο καθοδηγεί τους αναγνώστες μέσω μιας βασικής επισκόπησης των αλγορίθμων μηχανικής μάθησης και στη συνέχεια τους οδηγεί βήμα προς βήμα μέσω μιας σειράς ασκήσεων που καλύπτουν πολλές τρέχουσες έννοιες και υλοποιήσεις AI και Deep Learning, όλα με έμφαση στον προγραμματισμό Java.
  • Παραδείγματα προγραμματισμού τεχνητής νοημοσύνης: Μελέτες περιπτώσεων στο Common Lisp (1991) από τον Peter Norvig: αυτό το προηγμένο κείμενο προγραμματισμού διαχωρίζει διάφορα σύνθετα προγράμματα AI και καθοδηγεί τους αναγνώστες στη διαδικασία επανεγγραφής τους χρησιμοποιώντας το Common Lisp. Το βιβλίο εστιάζει σε πραγματικές εφαρμογές και όχι στη θεωρία, με ιδιαίτερη έμφαση στην ανάπτυξη μεγάλων και πολύπλοκων προγραμμάτων. Πέρα από την εφαρμογή AI, είναι ένας εξαιρετικός οδηγός για τη βελτίωση της αποτελεσματικότητας και την αντιμετώπιση προβλημάτων σύνθετων προγραμμάτων Lisp.
  • Προγραμματισμός Prolog για Τεχνητή Νοημοσύνη(2000) του Ivan Bratko: αυτό το κείμενο αποτελεί μια εισαγωγή στο Prolog και έναν οδηγό για κοινές έννοιες AI. Αφού έδωσε στους αναγνώστες μια γείωση στη γλώσσα Prolog, ο συγγραφέας χρησιμοποιεί αρκετές ασκήσεις και παραδείγματα που βασίζονται σε Prolog για να δείξει πώς η AI μπορεί να ενσωματωθεί στον σύγχρονο προγραμματισμό.
  • Προγραμματισμός παιχνιδιών Unity AI (2015) από τους Ray Barrera et al.: Αυτός ο προηγμένος οδηγός προγραμματισμού προορίζεται για προγραμματιστές με βασική κατανόηση του C # και της εμπειρίας χρησιμοποιώντας το πρόγραμμα επεξεργασίας Unity. Παρουσιάζει βασικές έννοιες στον προγραμματισμό τεχνητής νοημοσύνης και πώς μπορούν να χρησιμοποιηθούν στην ανάπτυξη παιχνιδιών για να δημιουργήσουν ένα αισθητηριακό σύστημα, να αναπτύξουν συστήματα εύρεσης διαδρομών, να δημιουργήσουν τεχνητά πλήθη, να δημιουργήσουν συμπεριφορές χαρακτήρων και να εφαρμόσουν έννοιες ασαφούς λογικής για να κάνουν τον κόσμο και τους χαρακτήρες σας να φαίνονται πιο πραγματικοί.

συμπέρασμα

Το να είσαι σύγχρονος προγραμματιστής τεχνητής νοημοσύνης μπορεί να μην είναι τόσο δροσερό όσο να έχεις ένα ρομπότ καθαριότητας σε στυλ Jetsons. Ωστόσο, η ταχεία υιοθέτηση τεχνολογιών κινητής τηλεφωνίας και η άνοδος του Διαδικτύου των πραγμάτων ανάγκασαν την AI να επιστρέψει στο προσκήνιο.

Τώρα κοιτάζουμε τους προγραμματιστές κώδικα για τη δημιουργία πιο ισχυρών προσωπικών βοηθών, αυτοκινούμενων αυτοκινήτων, προσαρμοστικού λογισμικού αναγνώρισης φωνής, εργαλείων μετάφρασης, αυτοματοποιημένων συστημάτων βοήθειας και, φυσικά, πιο ρεαλιστικών βιντεοπαιχνιδιών.

Το απόλυτο μέλλον της τεχνητής νοημοσύνης μπορεί να είναι αβέβαιο, αλλά είναι σαφές ότι από αυτό το σημείο η AI θα διαδραματίζει ολοένα και πιο σημαντικό ρόλο στην ανάπτυξη υπολογιστών και μηχανών.

Περαιτέρω ανάγνωση και πόροι

Έχουμε περισσότερους οδηγούς, σεμινάρια και γραφήματα που σχετίζονται με την κωδικοποίηση και την ανάπτυξη AI:

  • Πόροι Prolog: αυτή η γλώσσα αναπτύχθηκε ειδικά για να επεξεργαστεί τη γλώσσα.
  • Lisp: μία από τις πρώτες γλώσσες υψηλού επιπέδου, ήταν εξαιρετικά σημαντική στον προγραμματισμό AI. Δείτε τα άρθρα μας σχετικά με παραλλαγές Lisp: AutoLISP, Clojure, Common Lisp, Emacs Lisp και Scheme.
  • Πώς να αποφύγετε να ερωτευτείτε με ένα Chatbot: παρά τον απαίσιο τίτλο, αυτό το γράφημα παρέχει μια υπέροχη ιστορία μιλώντας υπολογιστές.

Οι υπερυπολογιστές διαμορφώνουν το μέλλον της ανθρωπότητας

Θέλετε να μάθετε πού απογειώνεται πραγματικά το AI; Δείτε το infographic μας, οι υπερυπολογιστές διαμορφώνουν το μέλλον της ανθρωπότητας

Οι υπερυπολογιστές διαμορφώνουν το μέλλον της ανθρωπότητας
Οι υπερυπολογιστές διαμορφώνουν το μέλλον της ανθρωπότητας

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map