Typer af kunstig intelligens-systemer

Kunstig intelligens er ikke længere science fiction. AI-systemer er i drift gennem mange områder af livet, herunder videnskab, industri og den kommercielle verden. Kunstig intelligens dækker en bred vifte af teknologiske systemer, men der er et par vigtige kategorier, under hvilke mange af de applikationer i drift efteråret. Disse omfatter konstrueret til at udføre opgaver, der tidligere iværksat af mennesker og opgaver løses alene ved AI pågældende systemer. Kunstige intelligente systemer typisk til formål at efterligne den menneskelige hjerne, når de anvendes til bestemte opgaver.

Udskiftning mennesker

I mange tilfælde er kunstig intelligens ordninger, der skal gøre det muligt for maskiner til at udføre opgaver mennesker foretaget tidligere. Dette omfatter de mange typer af robot, der anvendes i industrien, der ofte anvendes til at udføre farlige aktiviteter, forhindrer medarbejderne fra at skulle blive bragt i fare. Andre opgaver kunstig intelligens-systemer har til formål at tackle omfatte spille skak, bilkørsel og prioritere, for eksempel i nødsystemer.

Neurale netværk

Selvom neurale netværk ikke helt falder ind under kategorien af ​​AI erstatte menneskelige aktiviteter, er de inspireret af den menneskelige hjerne. Sådanne systemer har til formål at replikere nogle af læring funktioner i hjernen. I et neuralt netværk, systemet lærer ved at associere de forskellige dataelementer det kommer i kontakt med på måder, der informerer den fremtidige indsats. Med et neuralt netværk, snarere end udviklerne af et system, der har til at indgå i den alt, hvad den har brug for at vide, udviklingsprocessen fokuserer på at skabe et system, der kan lære selvstændigt, tilpasning, som det skrider frem.

Ekspertsystemer

I et ekspertsystem, ekspertviden er input og den resulterende program forsøger at efterligne den beslutningsproces, at et menneske ekspert på området ville arbejde igennem. Ekspert systemer involverer både data og ræsonnement, der sigter mod at give adgang ikke blot til den statiske viden om en ekspert, men til argumentationen processer, en ekspert ville engagere sig i. Kan Eksempler på ekspertsystemer findes i luftfart, finansielle miljøer, industri og ledelse.

Logic

Computerprogrammer bruger typisk klassisk propositionslogik. Men sådanne logiske systemer ikke redegøre for de grader af subtilitet findes i det virkelige liv, som den menneskelige hjerne er i stand til at rumme, når ræsonnement. Fuzzy logik systemer til formål at imødegå en sådan potentiel mangel i AI. I sådanne systemer værdier ikke så absolut, med en formaliseret forsøg på at definere de forskellige områder af grå, der ville være noget problem for et menneske beslutningstager men ville potentielt forårsage problemer for en AI ekspertsystem. Behovet for at imødekomme disse fuzzy principper skal afvejes med behovet for at formalisere det på en måde, der stadig tillader et computerprogram til at udføre den nødvendige behandling.