Zastosowania sztucznej inteligencji - Applications of artificial intelligence

Część serii na
Sztuczna inteligencja
Główne cele Sztuczna inteligencja ogólna Planowanie Wizja komputerowa Ogólne zasady gry Rozumowanie wiedzy Nauczanie maszynowe Przetwarzanie języka naturalnego Robotyka
Podejścia Symboliczny Głęboka nauka Sieci bayesowskie Algorytmy ewolucyjne
Filozofia Chiński pokój Przyjazna sztuczna inteligencja Problem z kontrolą / przejęcie Etyka Ryzyko egzystencjalne Test Turinga
Historia Oś czasu Postęp AI zima
Technologia Aplikacje Projektowanie Języki programowania
Słowniczek Słowniczek
v T mi

Sztuczna inteligencja , inteligencja prezentowana przez maszyny, została wykorzystana do opracowania tysięcy aplikacji do rozwiązywania konkretnych problemów w przemyśle i środowisku akademickim. Jest niezbędnym elementem najbardziej lukratywnych produktów w e-commerce . Sztuczna inteligencja, podobnie jak elektryczność czy silnik parowy, jest technologią ogólnego przeznaczenia — nie ma zgody co do zadań, w których sztuczna inteligencja będzie się wyróżniać teraz lub w przyszłości.

Internet i e-commerce

Wyszukiwarki

Systemy rekomendacji

System rekomendacji to podklasa systemu filtrowania informacji, która ma na celu przewidzenie „oceny” lub „preferencji”, jaką użytkownik nadałby przedmiotowi. Systemy rekomendacji są wykorzystywane w różnych obszarach, przy czym powszechnie uznawane przykłady to generatory list odtwarzania dla serwisów wideo i muzycznych, rekomendacje produktów dla sklepów internetowych lub rekomendacje treści dla platform mediów społecznościowych i otwarte rekomendacje treści internetowych. Jednym z podejść stosowanych przez systemy rekomendacji jest filtrowanie zespołowe , takie jak algorytm filtrowania zespołowego od elementu do elementu (osoby, które kupują x kupują również y) spopularyzowany przez Amazon.com .

Ukierunkowana reklama i zwiększenie zaangażowania w Internecie

AI służy do kierowania reklam do osób, które z największym prawdopodobieństwem w nie klikną. Służy również do zachęcania ludzi do pozostawania „zaangażowanymi” w witrynie poprzez wybieranie treści, które użytkownicy najchętniej klikną. Może przewidywać lub uogólniać zachowanie klientów na podstawie ich cyfrowych śladów , aby kierować do nich spersonalizowane promocje lub automatycznie budować persony klientów.

Ponieważ serwisy społecznościowe wyprzedzają telewizję jako źródło wiadomości dla młodych ludzi, organizacje informacyjne są coraz bardziej uzależnione od platform mediów społecznościowych w celu generowania dystrybucji. Echobox to firma programistyczna, która pomaga wydawcom zwiększyć ruch poprzez „inteligentne” publikowanie artykułów na platformach społecznościowych, takich jak Facebook i Twitter . Analizując duże ilości danych, uczy się, jak konkretni odbiorcy reagują na różne artykuły o różnych porach dnia. Następnie wybiera najlepsze historie do opublikowania i najlepszy czas na ich opublikowanie. Wykorzystuje zarówno dane historyczne, jak i dane w czasie rzeczywistym, aby zrozumieć, co działało dobrze w przeszłości, a także jakie są obecnie trendy w sieci.

Boomtrain to kolejny przykład sztucznej inteligencji, który ma na celu nauczenie się, jak najlepiej zaangażować każdego czytelnika w dokładne artykuły – wysyłane przez właściwy kanał we właściwym czasie – które będą najbardziej odpowiednie dla czytelnika. To tak, jakby wynająć osobistego redaktora dla każdego czytelnika, aby zapewnić idealne wrażenia z czytania.

IRIS.TV pomaga firmom medialnym za pomocą platformy do personalizacji wideo i programowania opartej na sztucznej inteligencji. Umożliwia wydawcom i właścicielom treści wyświetlanie odbiorcom treści odpowiednich kontekstowo na podstawie wzorców oglądania przez konsumentów.

Udokumentowane opisy przypadków, w których firmy hazardowe online wykorzystywały sztuczną inteligencję, aby poprawić targetowanie klientów. Co więcej, zastosowanie modeli sztucznej inteligencji obliczania osobowości może pomóc w obniżeniu kosztów kampanii reklamowych poprzez dodanie targetowania psychologicznego do bardziej tradycyjnego targetowania socjodemograficznego lub behawioralnego. Firma Ubamarket z siedzibą w Wielkiej Brytanii opracowała aplikację umożliwiającą użytkownikom robienie zakupów w domu za pomocą smartfona. Aplikacja pozwoliłaby użytkownikom płacić telefonem, tworzyć listy i skanować składniki produktów pod kątem alergenów. Aplikacja jest zbudowana na module AI i uczy się na podstawie zachowań użytkowników, aby ulepszać opcje i prezentować spersonalizowane oferty.

Wirtualni asystenci

Inteligentni asystenci osobiści , tacy jak Siri i Alexa , są w stanie zrozumieć wiele żądań języka naturalnego.

Filtrowanie spamu

Automatyczne tłumaczenie

Microsoft opracował system Skype, który może automatycznie tłumaczyć z jednego języka na inny.

Rozpoznawanie twarzy i oznaczanie obrazu

Obecne systemy rozpoznawania twarzy twierdzą, że mają 99% wskaźnik dokładności.

Facebook opracował system, który może opisywać obrazy osobom niewidomym.

Gry

Gry były ważnym testem możliwości sztucznej inteligencji od lat pięćdziesiątych.

Szachy

Deep Blue stał się pierwszym komputerowym systemem do gry w szachy, który pokonał panującego mistrza świata w szachach, Garry'ego Kasparowa , 11 maja 1997 roku.

Niebezpieczeństwo!

W 2011 roku w niebezpieczeństwie! teleturniej mecz wystawa, IBM jest automat zgłoszeniowy pytanie , Watson pokonał dwóch największych Jeopardy! mistrzów, Brada Ruttera i Kena Jenningsa , ze znacznym marginesem.

Udać się

W marcu 2016 r. AlphaGo wygrał 4 z 5 gier go w meczu z mistrzem go Lee Sedolem , stając się pierwszym komputerowym systemem Go , który pokonał profesjonalnego gracza Go bez handicapów . W 2017 Future of Go Summit , AlphaGo wygrał trzymeczowy mecz z Ke Jie , który w tym czasie nieprzerwanie przez dwa lata utrzymywał światowy ranking nr 1 . Deep Blue „s Murray Campbell nazywa zwycięstwo AlphaGo za«koniec pewnej ery ... gry planszowe są bardziej lub mniej zrobione i nadszedł czas, aby przejść dalej.» Oznaczało to zakończenie znaczącego kamienia milowego w rozwoju sztucznej inteligencji, ponieważ Go jest stosunkowo złożoną grą, bardziej niż szachy.

Poker

Pluribus (bot pokerowy) i Cepheus (bot pokerowy) . graj w pokera na nadludzkim poziomie. W przeciwieństwie do go czy szachów , poker jest grą z niedoskonałą informacją ; program, który je odtwarza, musi rozumować w niepewności.

Gry wideo

E-sporty, takie jak StarCraft, dostarczają publicznych testów porównawczych postępów AI.

Ogólne zasady gry

DeepMind ulepszył AlphaGo, uogólniając go do grania w inne gry za pomocą AlphaZero ; i MuZero . AlphaZero gra w szachy , shogi i idź . Grając przeciwko sobie, udaje mu się wygenerować własną wiedzę od zera, podczas gdy wiele innych projektów uczenia maszynowego wymaga dużych zestawów danych szkoleniowych. MuZero może samodzielnie uczyć się wielu różnych gier na Atari , a później opracował wariant systemu, który sprawdza się w nauce sekwencyjnej . Inne gry były wcześniej obsługiwane osobno,

Wyzwania gospodarcze i społeczne

AI for Good to inicjatywa ITU wspierająca instytucje wykorzystujące sztuczną inteligencję do radzenia sobie z największymi światowymi wyzwaniami gospodarczymi i społecznymi. Na przykład Uniwersytet Południowej Kalifornii uruchomił Centrum Sztucznej Inteligencji w Społeczeństwie, którego celem jest wykorzystanie sztucznej inteligencji do rozwiązywania społecznie istotnych problemów, takich jak bezdomność. W Stanford naukowcy wykorzystują sztuczną inteligencję do analizy obrazów satelitarnych, aby zidentyfikować obszary o najwyższym poziomie ubóstwa.

Rolnictwo

W rolnictwie postępy AI w XXI wieku wykazują poprawę w uzyskiwaniu plonów i intensyfikacji badań i rozwoju upraw. Dzięki tym postępom sztuczna inteligencja może przewidzieć czas potrzebny na dojrzałość i gotowość do zbioru upraw, takich jak pomidor, zwiększając w ten sposób wydajność rolnictwa. Ulepszenia te obejmują również monitorowanie upraw i gleby, roboty rolnicze oraz analizy predykcyjne . Monitorowanie upraw i gleby wykorzystuje nowe algorytmy i dane zebrane na polu do zarządzania i śledzenia stanu upraw, dzięki czemu rolnikom jest łatwiej i bardziej zrównoważony.

Więcej specjalizacji AI w rolnictwie to takie, jak automatyzacja szklarni , symulacja , modelowanie i techniki optymalizacji.

Ze względu na wzrost liczby ludności i wzrost zapotrzebowania na żywność w przyszłości, aby utrzymać ten nowy popyt, konieczne będzie zwiększenie plonów z rolnictwa o co najmniej 70%. Coraz więcej społeczeństwa dostrzega, że ​​adaptacja tych nowych technik i wykorzystanie sztucznej inteligencji pomoże osiągnąć ten cel.

Znaczenie AI w rolnictwie można podsumować w trzech głównych punktach. Po pierwsze, pomaga zaoszczędzić czas i wysiłek. Tradycyjnie gospodarstwa rolne potrzebowały wielu pracowników do zbioru plonów i utrzymania produktywności gospodarstw. Teraz, dzięki sztucznej inteligencji, praca, która wymagała setek osób na tydzień, może być wykonana przez jedną maszynę w mniej niż dwie godziny. Po drugie, pomaga obniżyć koszty produkcji. Wykorzystując sztuczną inteligencję, zasoby są wykorzystywane mądrze i unikamy marnotrawstwa. Ponieważ również siła robocza jest znacznie zredukowana, wydajemy mniej pieniędzy na proces produkcyjny. I wreszcie, pomaga poprawić plony rolne. Sztuczna inteligencja może zapewnić rolnikom prawdziwy wgląd w ich pole, umożliwiając im identyfikację obszarów wymagających nawadniania, nawożenia lub zabiegów pestycydowych.

Bezpieczeństwo cybernetyczne

Cyberbezpieczeństwa areny stoi przed poważnymi wyzwaniami w postaci dużych hakerskie ataki różnego rodzaju, które szkodzą wszystkich rodzajów organizacji i tworzą miliardy dolarów szkód gospodarczych; Liczba tych cyberataków wzrosła, ich częstotliwość i skutki wzrosły, zwracając uwagę na słabe punkty obecnych systemów i potrzebę ich ulepszenia. Firmy ochroniarskie zaczęły wdrażać sieci neuronowe , rozwiązania do uczenia maszynowego (ML) i przetwarzania języka naturalnego (NLP), aby budować inteligentniejsze i bezpieczniejsze systemy.

Możliwe wdrożenia AI w cyberbezpieczeństwie to:

• Ochrona sieci . Wykorzystanie uczenia maszynowego umożliwia tworzenie wysoce wyrafinowanych systemów wykrywania włamań .
• Ochrona punktów końcowych . Zagrożenia, takie jak oprogramowanie ransomware, można odpowiednio wykryć, stosując algorytmy, które uczą się na podstawie typowych zachowań złośliwego oprogramowania.
• Bezpieczeństwo aplikacji . Sztuczna inteligencja może pomóc w zwalczaniu niebezpiecznych ataków, takich jak fałszowanie żądań po stronie serwera (SSRF), wstrzykiwanie SQL , skrypty między witrynami (XSS) i rozproszona odmowa usługi (DDoS).
• Podejrzane zachowanie użytkownika . Niektóre aplikacje ML mogą identyfikować próby oszustwa lub narażania aplikacji na szwank przez złośliwych użytkowników w momencie ich wystąpienia.

Edukacja

Opiekunowie sztucznej inteligencji mogą umożliwić uczniom uzyskanie dodatkowej indywidualnej pomocy. Mogą również zmniejszyć niepokój i stres u niektórych uczniów, które mogą być spowodowane przez laboratoria korepetytorów lub korepetytorów. W przyszłych klasach informatyka otoczenia może odegrać korzystną rolę. Informatyka otoczenia to idea, że ​​informacje są wszędzie w środowisku, a technologie automatycznie dostosowują się do Twoich osobistych preferencji. Urządzenia do nauki mogą być w stanie tworzyć lekcje, problemy i gry dostosowane do konkretnych potrzeb ucznia i zapewniać natychmiastową informację zwrotną.

Ale sztuczna inteligencja może również stworzyć niekorzystne środowisko z efektem zemsty, jeśli technologia powstrzymuje społeczeństwo przed postępem i powoduje negatywne, niezamierzone skutki dla społeczeństwa. Przykładem efektu zemsty jest to, że rozszerzone korzystanie z technologii może utrudniać uczniom koncentrację i pozostawanie na zadaniu zamiast pomagać im w nauce i rozwoju. Wiadomo również, że sztuczna inteligencja prowadzi do utraty zarówno ludzkiej sprawczości, jak i jednoczesności.

Finanse

Instytucje finansowe od dawna stosują sztuczne systemy sieci neuronowych do wykrywania opłat lub roszczeń wykraczających poza normę, oznaczając je do śledztwa przez ludzi. Wykorzystanie sztucznej inteligencji w bankowości sięga 1987 roku, kiedy to Security Pacific National Bank w USA utworzył grupę zadaniową ds. zapobiegania oszustwom, która ma przeciwdziałać nieautoryzowanemu użyciu kart debetowych. Programy takie jak Kasisto i Moneystream wykorzystują sztuczną inteligencję w usługach finansowych.

Banki wykorzystują dziś systemy sztucznej inteligencji do organizowania operacji, prowadzenia księgowości, inwestowania w akcje i zarządzania nieruchomościami. Sztuczna inteligencja może reagować na zmiany z dnia na dzień lub wtedy, gdy biznes się nie rozwija. W sierpniu 2001 r. roboty pokonały ludzi w symulowanej rywalizacji finansowej . Sztuczna inteligencja zmniejszyła również oszustwa i przestępstwa finansowe, monitorując wzorce zachowań użytkowników pod kątem wszelkich nietypowych zmian lub anomalii.

Sztuczna inteligencja jest coraz częściej wykorzystywana przez korporacje . Jack Ma kontrowersyjnie przewidział, że za 30 lat odejdą dyrektorzy AI .

Wykorzystanie maszyn AI na rynku w aplikacjach takich jak handel online i podejmowanie decyzji zmieniło główne teorie ekonomiczne. Na przykład platformy kupna i sprzedaży oparte na sztucznej inteligencji zmieniły prawo podaży i popytu , dzięki czemu można teraz łatwo oszacować zindywidualizowane krzywe popytu i podaży, a tym samym zindywidualizowane ceny. Co więcej, maszyny AI zmniejszają asymetrię informacji na rynku, a tym samym sprawiają, że rynki są bardziej wydajne, jednocześnie zmniejszając wolumen transakcji. Ponadto sztuczna inteligencja na rynkach ogranicza konsekwencje zachowań na rynkach, czyniąc rynki bardziej wydajnymi. Inne teorie, w których sztuczna inteligencja miała wpływ, obejmują racjonalny wybór , racjonalne oczekiwania , teorię gier , punkt zwrotny Lewisa , optymalizację portfela i myślenie kontrfaktyczne . W sierpniu 2019 r. AICPA wprowadziła szkolenie AI dla specjalistów księgowych.

Handel i inwestycje

Handel algorytmiczny polega na wykorzystaniu złożonych systemów sztucznej inteligencji do podejmowania decyzji handlowych z szybkością o kilka rzędów wielkości większą niż jakikolwiek człowiek, często dokonując milionów transakcji dziennie bez interwencji człowieka. Taki handel nazywa się High-frequency Trading i reprezentuje jeden z najszybciej rozwijających się sektorów handlu finansowego. Wiele banków, funduszy i firm zajmujących się handlem własnym ma teraz całe portfele zarządzane wyłącznie przez systemy sztucznej inteligencji. Zautomatyzowane systemy transakcyjne są zwykle używane przez dużych inwestorów instytucjonalnych, ale w ostatnich latach napływają również mniejsze, zastrzeżone firmy, które handlują własnymi systemami sztucznej inteligencji.

Kilka dużych instytucji finansowych zainwestowało w silniki sztucznej inteligencji, aby pomóc w ich praktykach inwestycyjnych. Silnik AI firmy BlackRock , Aladdin , jest używany zarówno w firmie, jak i u klientów, aby pomóc w podejmowaniu decyzji inwestycyjnych. Jego szeroki zakres funkcji obejmuje wykorzystanie przetwarzania języka naturalnego do czytania tekstu, takiego jak wiadomości, raporty brokerów i kanały mediów społecznościowych. Następnie mierzy sentyment do wspomnianych firm i przypisuje ocenę. Banki takie jak UBS i Deutsche Bank używają silnika sztucznej inteligencji o nazwie Sqreem (Sequential Quantum Reduction and Extraction Model), który może wydobywać dane w celu opracowywania profili konsumentów i dopasowywania ich do produktów zarządzania majątkiem, których najprawdopodobniej chcieliby.

Ubezpieczenie

Pożyczkodawca online, Upstart, analizuje ogromne ilości danych konsumenckich i wykorzystuje algorytmy uczenia maszynowego do opracowywania modeli ryzyka kredytowego, które przewidują prawdopodobieństwo niewykonania zobowiązania przez konsumenta. Ich technologia będzie licencjonowana dla banków, aby mogły one również wykorzystywać swoje procesy ubezpieczeniowe.

ZestFinance opracował swoją platformę Zest Automated Machine Learning (ZAML) specjalnie do oceny ryzyka kredytowego. Platforma ta wykorzystuje uczenie maszynowe do analizy dziesiątek tysięcy tradycyjnych i nietradycyjnych zmiennych (od transakcji zakupu po sposób wypełniania formularzy przez klienta) wykorzystywanych w branży kredytowej do oceny kredytobiorców. Platforma jest szczególnie przydatna do przypisywania ocen kredytowych osobom z ograniczoną historią kredytową, takim jak milenialsi.

Rewizja

W przypadku audytu sprawozdań finansowych AI umożliwia ciągły audyt. Narzędzia AI mogą natychmiast analizować wiele zestawów różnych informacji. Potencjalną korzyścią byłoby zmniejszenie ogólnego ryzyka audytu, zwiększenie poziomu pewności i skrócenie czasu trwania audytu.

Historia

Lata 80. to tak naprawdę moment, w którym sztuczna inteligencja zaczęła odgrywać znaczącą rolę w świecie finansów. Wtedy systemy eksperckie stały się bardziej produktem komercyjnym w dziedzinie finansów. „Na przykład firma Dupont zbudowała 100 systemów eksperckich, które pomogły im zaoszczędzić blisko 10 milionów dolarów rocznie”. Jednym z pierwszych systemów był system ekspercki Protrader zaprojektowany przez KC Chen i Ting-peng Lian, który był w stanie przewidzieć 87-punktowy spadek indeksu DOW Jones Industrial Average w 1986 roku. rynku, określić optymalną strategię inwestycyjną, przeprowadzać transakcje w odpowiednich sytuacjach i modyfikować bazę wiedzy poprzez mechanizm uczenia się."

Jeden z pierwszych systemów eksperckich, który pomógł w planach finansowych, został stworzony przez Applied Expert Systems (APEX) o nazwie PlanPower. Po raz pierwszy został wysłany komercyjnie w 1986 roku. Jego funkcją było udzielanie planów finansowych osobom o dochodach powyżej 75 000 USD rocznie. Doprowadziło to do powstania Systemu Profilowania Klienta, który był używany do uzyskiwania dochodów od 25 000 do 200 000 USD rocznie.

Lata 90. były o wiele bardziej związane z wykrywaniem oszustw. Jednym z systemów uruchomionych w 1993 roku był system sztucznej inteligencji FinCEN (FAIS). Był w stanie przejrzeć ponad 200 000 transakcji tygodniowo, aw ciągu dwóch lat pomógł zidentyfikować 400 potencjalnych przypadków prania pieniędzy, które byłyby równe 1 miliardowi dolarów. Chociaż systemy eksperckie nie przetrwały w świecie finansów, pomogły przyspieszyć wykorzystanie sztucznej inteligencji i uczynić ją taką, jaką jest dzisiaj.

Rząd

Sztuczna inteligencja w rządzie składa się z aplikacji i regulacji. Sztuczna inteligencja w połączeniu z systemami rozpoznawania twarzy może być wykorzystywana do masowej inwigilacji . Tak jest już w niektórych częściach Chin. Sztuczna inteligencja rywalizowała również w wyborach burmistrza Tama City w 2018 roku.

W 2019 r. miasto technologiczne Bengaluru w Indiach ma wdrożyć systemy sygnalizacji świetlnej zarządzane przez sztuczną inteligencję w 387 sygnalizacjach drogowych w mieście. System ten będzie polegał na wykorzystaniu kamer w celu ustalenia natężenia ruchu i odpowiedniego obliczenia czasu potrzebnego do usunięcia natężenia ruchu, które określi czas trwania sygnału dla ruchu kołowego na ulicach.

Wojskowy

Stany Zjednoczone i inne narody opracowują aplikacje AI do szeregu funkcji wojskowych. Główne zastosowania wojskowe sztucznej inteligencji i uczenia maszynowego to poprawa C2, komunikacji, czujników, integracji i interoperacyjności. Trwają badania nad sztuczną inteligencją w dziedzinie gromadzenia i analizy danych wywiadowczych, logistyki, operacji cybernetycznych, operacji informacyjnych, dowodzenia i kontroli oraz w różnych pojazdach półautonomicznych i autonomicznych. Technologie sztucznej inteligencji umożliwiają koordynację czujników i efektorów, wykrywanie i identyfikację zagrożeń, oznaczanie pozycji wroga, namierzanie celów, koordynację i dekonflikt rozproszonych operacji typu Join Fire pomiędzy połączonymi w sieć pojazdami bojowymi i czołgami, również w zespołach załogowych i bezzałogowych. AI została włączona do operacji wojskowych w Iraku i Syrii.

Roczne na całym świecie wydatki wojskowe na robotykę wzrosły z 5,1 mld USD w 2010 r. do 7,5 mld USD w 2015 r. Drony wojskowe zdolne do autonomicznego działania są powszechnie uważane za użyteczny zasób. Wielu badaczy sztucznej inteligencji stara się zdystansować się od wojskowych zastosowań sztucznej inteligencji.

Zdrowie

Opieka zdrowotna

Sztuczna inteligencja w opiece zdrowotnej jest często wykorzystywana do klasyfikacji, czy to do zautomatyzowania wstępnej oceny tomografii komputerowej lub EKG, czy do identyfikacji pacjentów wysokiego ryzyka dla zdrowia populacji. Zakres zastosowań szybko się zwiększa. Jako przykład, sztuczna inteligencja jest stosowana do kosztownych problemów związanych z dawkowaniem – gdzie wyniki sugerują, że sztuczna inteligencja może zaoszczędzić 16 miliardów dolarów. W 2016 roku przełomowe badanie w Kalifornii wykazało, że wzór matematyczny opracowany przy pomocy sztucznej inteligencji prawidłowo określił dokładną dawkę leków immunosupresyjnych, które należy podawać pacjentom z organami.

Sztuczna inteligencja pomaga lekarzom. Według Bloomberg Technology Microsoft opracował sztuczną inteligencję, aby pomóc lekarzom znaleźć odpowiednie metody leczenia raka. Opracowano wiele badań i leków związanych z rakiem. W szczegółach istnieje ponad 800 leków i szczepionek na raka. Wpływa to negatywnie na lekarzy, ponieważ jest zbyt wiele opcji do wyboru, co utrudnia wybór odpowiednich leków dla pacjentów. Microsoft pracuje nad projektem stworzenia maszyny o nazwie „Hanover”. Jego celem jest zapamiętanie wszystkich artykułów niezbędnych do leczenia raka i pomoc w przewidywaniu, które kombinacje leków będą najskuteczniejsze dla każdego pacjenta. Jednym z projektów, nad którym obecnie trwają prace, jest walka z białaczką szpikową , śmiertelnym nowotworem, w przypadku którego leczenie nie uległo poprawie od dziesięcioleci. W innym badaniu stwierdzono, że sztuczna inteligencja była tak dobra, jak wyszkoleni lekarze w identyfikowaniu nowotworów skóry. Inne badanie wykorzystuje sztuczną inteligencję do próby monitorowania wielu pacjentów wysokiego ryzyka, a odbywa się to poprzez zadawanie każdemu pacjentowi licznych pytań na podstawie danych uzyskanych od żywych interakcji lekarza z pacjentem. Przeprowadzono jedno badanie z uczeniem transferu, maszyna wykonała diagnozę podobnie do dobrze wyszkolonego okulisty i mogła w ciągu 30 sekund wygenerować decyzję, czy pacjent powinien zostać skierowany na leczenie, z ponad 95% dokładnością.

Według CNN , niedawne badanie przeprowadzone przez chirurgów z Children's National Medical Center w Waszyngtonie z powodzeniem zademonstrowało operację z użyciem autonomicznego robota. Zespół nadzorował robota podczas wykonywania operacji na tkankach miękkich, zszywając jelito świni podczas otwartej operacji i robiąc to lepiej niż ludzki chirurg, twierdzi zespół. IBM stworzył własny komputer ze sztuczną inteligencją, IBM Watson , który pokonał ludzką inteligencję (na niektórych poziomach). Watson walczył o sukces i przyjęcie w opiece zdrowotnej.

Sztuczne sieci neuronowe są wykorzystywane jako systemy wspomagania decyzji klinicznych w diagnostyce medycznej , na przykład w technologii przetwarzania koncepcji w oprogramowaniu EMR .

Inne zadania w medycynie, które potencjalnie może wykonać sztuczna inteligencja i zaczynają być rozwijane, to m.in.:

• Wspomagana komputerowo interpretacja obrazów medycznych . Takie systemy pomagają skanować obrazy cyfrowe, np. z tomografii komputerowej , pod kątem typowych wyglądów i wyróżniać widoczne fragmenty, takie jak ewentualne choroby. Typowym zastosowaniem jest wykrywanie guza.
• Analiza tonu serca
• Roboty towarzyszące do opieki nad osobami starszymi
• Wydobywanie dokumentacji medycznej w celu uzyskania bardziej przydatnych informacji
• Zaprojektuj plany leczenia
• Pomoc w powtarzalnych pracach, w tym w zarządzaniu lekami
• Asystowanie osobom niewidomym
• Udziel konsultacji
• Tworzenie leków
• Używanie awatarów zamiast pacjentów do szkolenia klinicznego
• Przewidywanie prawdopodobieństwa śmierci w wyniku zabiegów chirurgicznych
• Przewiduj progresję HIV

Zdrowie i bezpieczeństwo w miejscu pracy

Sztuczna inteligencja może zwiększyć zakres zadań roboczych, w których pracownik może zostać usunięty z sytuacji niosącej zagrożenia, takie jak stres, przepracowanie, urazy mięśniowo-szkieletowe, poprzez wykonanie zadań przez sztuczną inteligencję. Może to rozszerzyć zakres dotkniętych sektorów pracy poza tradycyjną automatyzację na stanowiska pracy w białych kołnierzykach i usługach, takich jak medycyna, finanse i technologie informacyjne. Na przykład pracownicy call center są narażeni na poważne zagrożenia dla zdrowia i bezpieczeństwa ze względu na ich powtarzalny i wymagający charakter oraz wysokie wskaźniki mikronadzoru. AI-enabled chatboty obniżyć zapotrzebowanie na ludzi do wykonywania najbardziej podstawowych zadań call center.

Uczenie maszynowe wykorzystywane do analizy ludzi w celu przewidywania zachowań pracowników może być wykorzystywane do poprawy zdrowia pracowników. Na przykład analiza sentymentu może być wykorzystana do wykrycia zmęczenia, aby zapobiec przepracowaniu . Systemy wspomagania decyzji mają podobną zdolność do wykorzystania na przykład w zapobieganiu katastrofom przemysłowym lub usprawnianiu reagowania na katastrofy . W przypadku pracowników zajmujących się ręczną obsługą materiałów analizy predykcyjne i sztuczna inteligencja mogą być wykorzystywane do ograniczania urazów układu mięśniowo-szkieletowego . Czujniki nadające się do noszenia mogą również umożliwić wcześniejszą interwencję przeciwko narażeniu na działanie substancji toksycznych, a wygenerowane duże zbiory danych mogą poprawić nadzór nad zdrowiem w miejscu pracy , ocenę ryzyka i badania.

Sztuczną inteligencję można również wykorzystać do usprawnienia przepływu pracy w zakresie bezpieczeństwa i zdrowia w miejscu pracy. Jednym z przykładów jest kodowanie z odszkodowań roszczeń. Systemy rzeczywistości wirtualnej obsługujące sztuczną inteligencję mogą być przydatne do szkolenia w zakresie bezpieczeństwa w celu rozpoznawania zagrożeń. Sztuczną inteligencję można wykorzystać do skuteczniejszego wykrywania zdarzeń potencjalnie wypadkowych , które są ważne dla zmniejszenia liczby wypadków, ale często są niedostatecznie zgłaszane.

Biochemia

AlphaFold 2 (2020) firmy DeepMind zademonstrował możliwość określenia struktury 3D białka w ciągu godzin, a nie miesięcy.

Prawo

Analiza prawna

Sztuczna inteligencja (AI) staje się podstawowym elementem zawodów związanych z prawem. W niektórych przypadkach ta technologia analityczna wykorzystuje algorytmy i uczenie maszynowe do wykonywania pracy, którą wcześniej wykonywali prawnicy na poziomie podstawowym.

W Electronic Discovery (eDiscovery) branża skoncentrowała się na uczeniu maszynowym (kodowanie predykcyjne/przegląd wspomagany technologią), które jest podzbiorem sztucznej inteligencji. Aby dodać do zupy aplikacji, przetwarzanie języka naturalnego (NLP) i automatyczne rozpoznawanie mowy (ASR) są również modne w branży.

Egzekwowanie prawa i postępowanie sądowe

Algorytmy mają już liczne zastosowania w systemach prawnych. Przykładem tego jest COMPAS , program komercyjny szeroko stosowany przez sądy amerykańskie do oceny prawdopodobieństwa, że pozwany stanie się recydywistą .

Niektórzy obawiają się błędu algorytmicznego , ponieważ programy AI mogą przypadkowo stać się stronnicze po przetworzeniu danych, które wykazują stronniczość. ProPublica twierdzi, że średni poziom ryzyka recydywy przypisany przez COMPAS czarnych pozwanych jest znacznie wyższy niż średni poziom ryzyka przypisany przez COMPAS białych pozwanych.

Sektor usług

Zasoby ludzkie i rekrutacja

Innym zastosowaniem AI jest obszar zasobów ludzkich i rekrutacji. Istnieją trzy sposoby, w jakie sztuczna inteligencja jest wykorzystywana przez dział kadr i specjalistów rekrutujących: przeglądanie życiorysów i szeregowanie kandydatów zgodnie z ich poziomem kwalifikacji, przewidywanie sukcesu kandydatów na danych stanowiskach za pomocą platform dopasowywania stanowisk oraz wdrażanie chatbotów rekrutacyjnych, które mogą zautomatyzować powtarzalną komunikację zadania. Zazwyczaj weryfikacja życiorysów obejmuje rekrutację lub innego specjalistę HR przeskanowanie bazy danych życiorysów.

Poszukiwania pracy

Na rynku pracy nastąpiła znacząca zmiana ze względu na wdrożenie sztucznej inteligencji. Uprościł proces zarówno dla rekruterów, jak i osób poszukujących pracy (tj. Google for Jobs i aplikowanie online). Według Raja Mukherjee z Indeed.com 65% osób ponownie rozpoczyna poszukiwania pracy w ciągu 91 dni od zatrudnienia. Silnik oparty na sztucznej inteligencji upraszcza złożoność poszukiwania pracy, obsługując informacje o umiejętnościach zawodowych, wynagrodzeniach i tendencjach użytkowników, dopasowując ludzi do najbardziej odpowiednich stanowisk. Inteligencja maszynowa oblicza, jakie zarobki byłyby odpowiednie dla określonej pracy, pobiera i wyróżnia informacje CV dla rekruterów za pomocą przetwarzania języka naturalnego, które wyodrębnia odpowiednie słowa i frazy z tekstu za pomocą specjalistycznego oprogramowania. Inną aplikacją jest kreator CV AI, który wymaga 5 minut na skompilowanie CV, w przeciwieństwie do spędzania godzin na tej samej pracy. W erze AI chatboty pomagają odwiedzającym witrynę i rozwiązują codzienne przepływy pracy. Rewolucyjne narzędzia AI uzupełniają umiejętności ludzi i pozwalają menedżerom HR skoncentrować się na zadaniach o wyższym priorytecie. Jednak wpływ sztucznej inteligencji na badania zatrudnienia sugeruje, że do 2030 r. inteligentni agenci i roboty mogą wyeliminować 30% ludzkiej pracy na świecie. Co więcej, badania dowodzą, że automatyzacja przesunie od 400 do 800 milionów pracowników. Raport badawczy Glassdoor stwierdza, że ​​rekrutacja i HR mają znacznie szersze zastosowanie sztucznej inteligencji na rynku pracy w 2018 roku i później.

Internetowa i telefoniczna obsługa klienta

Sztuczna inteligencja jest zaimplementowana w automatycznych asystentach online, które mogą być widoczne jako awatary na stronach internetowych. Może pomóc przedsiębiorstwom w obniżeniu kosztów funkcjonowania i szkolenia. Główną technologią leżącą u podstaw takich systemów jest przetwarzanie języka naturalnego . Pypestream wykorzystuje zautomatyzowaną obsługę klienta dla swojej aplikacji mobilnej zaprojektowanej w celu usprawnienia komunikacji z klientami.

Duże firmy inwestują w sztuczną inteligencję, aby w przyszłości poradzić sobie z trudnym klientem. Najnowsze opracowanie Google analizuje język i przekształca mowę na tekst. Platforma może identyfikować złych klientów poprzez ich język i odpowiednio reagować. Amazon używa również bota do obsługi klienta, który może wykonywać takie zadania, jak sprawdzanie statusu zamówienia, anulowanie zamówień, oferowanie zwrotów pieniędzy i wreszcie łączenie Cię z prawdziwym przedstawicielem obsługi klienta Amazon.

Gościnność

W branży hotelarskiej rozwiązania oparte na sztucznej inteligencji są stosowane w celu zmniejszenia obciążenia personelu i zwiększenia wydajności poprzez zmniejszenie częstotliwości powtarzalnych zadań, analizy trendów, interakcji z gośćmi i przewidywania potrzeb klientów. Usługi hotelowe wspierane przez sztuczną inteligencję są reprezentowane w postaci chatbota, aplikacji, wirtualnego asystenta głosowego oraz robotów usługowych.

Głoska bezdźwięczna

Niektóre aplikacje AI są nastawione na analizę audiowizualnych treści medialnych, takich jak filmy, programy telewizyjne, filmy reklamowe lub treści generowane przez użytkowników . Rozwiązania często obejmują wizję komputerową , która jest głównym obszarem zastosowań sztucznej inteligencji.

Typowe scenariusze przypadków użycia obejmują analizę obrazów przy użyciu technik rozpoznawania obiektów lub twarzy lub analizę wideo w celu rozpoznawania odpowiednich scen, obiektów lub twarzy. Motywacją do stosowania analizy mediów w oparciu o sztuczną inteligencję może być m.in. ułatwienie wyszukiwania mediów, stworzenie zestawu opisowych słów kluczowych dla elementu medialnego, monitorowanie polityki treści mediów (np. weryfikacja przydatności treści do konkretnego czas oglądania telewizji), zamiana mowy na tekst w celach archiwalnych lub innych oraz wykrywanie logo, produktów lub twarzy celebrytów w celu umieszczania odpowiednich reklam.

Firmy zajmujące się analizą mediów AI często świadczą swoje usługi za pośrednictwem interfejsu API REST, który umożliwia maszynowy automatyczny dostęp do technologii i umożliwia maszynowy odczyt wyników. Na przykład IBM , Microsoft i Amazon umożliwiają dostęp do swojej technologii rozpoznawania multimediów za pomocą interfejsów API RESTful.

Głębokie podróbki

W czerwcu 2016 roku zespół badawczy z grupy zajmującej się przetwarzaniem wizualnym z Uniwersytetu Technicznego w Monachium i Uniwersytetu Stanforda opracował Face2Face, program, który animuje twarz osoby docelowej, transponując mimikę zewnętrznego źródła. Zademonstrowano technologię ożywiającą usta ludzi, w tym Baracka Obamy i Władimira Putina . Od tego czasu zademonstrowano inne metody oparte na głębokiej sieci neuronowej , od której zaczerpnięto nazwę „ deepfake ”.

We wrześniu 2018 r. amerykański senator Mark Warner zaproponował ukaranie firm zajmujących się mediami społecznościowymi , które umożliwiają udostępnianie dokumentów typu deepfake na swojej platformie.

Vincent Nozick, badacz z Instytutu Gasparda Monge , znalazł sposób na wykrycie sfałszowanych dokumentów poprzez analizę ruchów powiek . DARPA (grupa badawcza związana z Departamentu Obrony USA ) wydał 68 milionów dolarów na prace nad deepfake wykrywania. W Europie program Horyzont 2020 sfinansował InVid, oprogramowanie mające pomóc dziennikarzom w wykrywaniu fałszywych dokumentów.

Deepfake mogą być wykorzystywane do celów komediowych, ale są lepiej znane z tego, że są wykorzystywane do fałszywych wiadomości i oszustw. Istnieją również deepfake audio i oprogramowanie AI zdolne do wykrywania deepfake i klonowania ludzkich głosów po 5 sekundach słuchania.

Muzyka

Podczas gdy na ewolucję muzyki zawsze wpływała technologia, sztuczna inteligencja umożliwiła, dzięki postępom naukowym, naśladowanie do pewnego stopnia kompozycji przypominającej ludzką.

Wśród godnych uwagi wczesnych wysiłków David Cope stworzył sztuczną inteligencję o nazwie Emily Howell, która stała się dobrze znana w dziedzinie algorytmicznej muzyki komputerowej. Algorytm stojący za Emily Howell jest zarejestrowany jako patent w USA.

AI Iamus stworzył w 2012 roku pierwszy kompletny album muzyki klasycznej w całości skomponowany przez komputer.

Innych przedsięwzięć, jak Aiva (Artificial Intelligence wirtualnej Artist), skupić się na komponowaniu muzyki symfonicznej, głównie muzyki klasycznej do muzyki filmowej . Osiągnął światową nowość, stając się pierwszym wirtualnym kompozytorem, który został uznany przez profesjonalne stowarzyszenie muzyczne .

Sztuczna inteligencja może nawet tworzyć muzykę nadającą się do użytku w środowisku medycznym, dzięki staraniom Melomics , aby wykorzystać muzykę generowaną komputerowo do łagodzenia stresu i bólu.

Co więcej, inicjatywy takie jak Google Magenta , prowadzone przez zespół Google Brain , chcą sprawdzić, czy sztuczna inteligencja jest w stanie stworzyć fascynującą sztukę.

W Sony CSL Research Laboratory ich oprogramowanie Flow Machines stworzyło popowe piosenki, ucząc się stylów muzycznych z ogromnej bazy danych utworów. Analizując unikalne kombinacje stylów i optymalizując techniki, może komponować w dowolnym stylu.

Inny projekt kompozycji muzycznej wykorzystujący sztuczną inteligencję, The Watson Beat , napisany przez IBM Research , nie potrzebuje ogromnej bazy danych muzyki, takiej jak projekty Google Magenta i Flow Machines, ponieważ wykorzystuje Reinforcement Learning i Deep Belief Networks do komponowania muzyki na prostym wejściu źródłowym melodię i wybrany styl. Ponieważ oprogramowanie zostało otwarte, muzycy, tacy jak Taryn Southern , współpracowali z projektem, aby tworzyć muzykę.

Debiutancka piosenka południowokoreańskiej piosenkarki Hayeon, „Eyes on You”, została skomponowana przy użyciu sztucznej inteligencji, która była następnie nadzorowana przez prawdziwych kompozytorów, w tym NUVO.

Pisanie i raportowanie

Firma Narrative Science udostępnia komercyjnie generowane komputerowo wiadomości i raporty, w tym podsumowujące drużynowe wydarzenia sportowe na podstawie danych statystycznych z gry w języku angielskim. Tworzy również raporty finansowe i analizy nieruchomości. Podobnie firma Automated Insights generuje spersonalizowane podsumowania i zapowiedzi dla Yahoo Sports Fantasy Football . Przewiduje się, że firma wygeneruje miliard historii w 2014 r., w porównaniu z 350 mln w 2013 r. Organizacja OpenAI stworzyła również sztuczną inteligencję zdolną do pisania tekstu.

Inna firma, o nazwie Yseop, wykorzystuje sztuczną inteligencję do przekształcania uporządkowanych danych w inteligentne komentarze i rekomendacje w języku naturalnym. Yseop jest w stanie pisać raporty finansowe, podsumowania dla kadry kierowniczej, spersonalizowane dokumenty sprzedażowe lub marketingowe i nie tylko z prędkością tysięcy stron na sekundę i w wielu językach, w tym angielskim, hiszpańskim, francuskim i niemieckim.

Poza automatyzacją pisania zadań po wprowadzeniu danych, sztuczna inteligencja wykazała znaczny potencjał komputerów do angażowania się w pracę twórczą wyższego poziomu. AI Storytelling jest aktywnym polem badań od czasu opracowania TALESPIN przez Jamesa Meehana, który składa się z historii podobnych do bajek Ezopa. Program zaczynał się od zestawu postaci, które chciały osiągnąć określone cele, a fabuła była narracją o próbach zrealizowania przez bohaterów planów realizacji tych celów. Od Meehana inni badacze pracowali nad AI Storytellingiem, stosując podobne lub różne podejścia. Mark Riedl i Vadim Bulitko argumentowali, że istotą opowiadania historii jest problem z zarządzaniem doświadczeniem, czyli „jak zrównoważyć potrzebę spójnego rozwoju historii z agencją użytkowników, która często jest ze sobą sprzeczna”.

Podczas gdy większość badań nad narracją AI skupiała się na generowaniu historii (np. postaci i fabuły), przeprowadzono również znaczące badania dotyczące komunikacji fabularnej. W 2002 roku naukowcy z North Carolina State University opracowali ramy architektoniczne do generowania prozy narracyjnej. Ich szczególna realizacja była w stanie wiernie odwzorować różnorodność i złożoność tekstów wielu opowieści, takich jak Czerwony Kapturek, z ludzką zręcznością. Ta konkretna dziedzina wciąż cieszy się zainteresowaniem. W 2016 roku japońska sztuczna inteligencja napisała opowiadanie i prawie zdobyła nagrodę literacką.

Hanteo Global, organizacja, która obsługuje jedyny wykres rekordów w czasie rzeczywistym w Korei Południowej, również wykorzystuje zautomatyzowanego bota dziennikarskiego, który pisze artykuły.

Gry wideo

W grach wideo sztuczna inteligencja jest rutynowo wykorzystywana do generowania dynamicznego celowego zachowania u postaci niezależnych (NPC). Ponadto do odnajdywania ścieżek rutynowo wykorzystywane są dobrze poznane techniki sztucznej inteligencji . Niektórzy badacze uważają sztuczną inteligencję NPC w grach za „rozwiązany problem” dla większości zadań produkcyjnych. Gry z bardziej nietypową sztuczną inteligencją obejmują dyrektora AI w Left 4 Dead (2008) i neuroewolucyjny trening plutonów w Supreme Commander 2 (2010). Sztuczna inteligencja jest również używana w Izolacji Obcych (2014) jako sposób kontrolowania działań, które Obcy wykona w następnej kolejności. Ze względu na sposób, w jaki skonfigurowana jest inteligencja Obcego, można powiedzieć, że Obcy wydaje się dowiadywać się więcej o graczu, gdy gra jest kontynuowana, a Obcy zaczyna odpowiednio działać.

Kinect , który zapewnia interfejs ciało tempie 3D dla konsoli Xbox 360 i Xbox One , wykorzystuje algorytmy, które wyłoniły się z długich badaniach AI

Sztuka

Sztuczna inteligencja zainspirowała wiele kreatywnych zastosowań, w tym jej wykorzystanie do tworzenia sztuk wizualnych. Wystawa „Thinking Machines: Art and Design in the Computer Age, 1959–1989” w MoMA zapewnia dobry przegląd historycznych zastosowań sztucznej inteligencji w sztuce, architekturze i projektowaniu. Ostatnie wystawy prezentujące wykorzystanie sztucznej inteligencji do tworzenia sztuki obejmują sponsorowane przez Google korzyści i aukcje w Grey Area Foundation w San Francisco, gdzie artyści eksperymentowali z algorytmem DeepDream , oraz wystawę „Unhuman: Art in the Age of AI”, miejsce w Los Angeles i Frankfurcie jesienią 2017 roku. Wiosną 2018 roku Association of Computing Machinery poświęciło specjalny numer magazynu tematowi komputerów i sztuki, podkreślając rolę uczenia maszynowego w sztuce. W czerwcu 2018 r. w Beall Center for Art + Technology swoją premierę miał „Duet for Human and Machine”, dzieło umożliwiające widzom interakcję ze sztuczną inteligencją. Austriackie Ars Electronica i Muzeum Sztuki Stosowanej w Wiedniu otworzyły wystawy na temat AI w 2019 roku. Festiwal Ars Electronica 2019 „Out of the box” obszernie tematycznie określił rolę sztuki w zrównoważonej transformacji społecznej za pomocą AI.

Narzędzia

Przetwornice energoelektroniczne to technologia umożliwiająca wytwarzanie energii odnawialnej , magazynowania energii , pojazdów elektrycznych i wysokonapięciowych systemów przesyłowych prądu stałego w sieci elektrycznej . Konwertery te są podatne na awarie i takie awarie mogą powodować przestoje, które mogą wymagać kosztownej konserwacji, a nawet mieć katastrofalne konsekwencje w zastosowaniach o znaczeniu krytycznym. Naukowcy wykorzystują sztuczną inteligencję do zautomatyzowanego procesu projektowania niezawodnych przekształtników energoelektronicznych, obliczając dokładne parametry projektowe, które zapewniają pożądaną żywotność przekształtnika w określonym profilu misji.

Wiele firm telekomunikacyjnych korzysta z wyszukiwania heurystycznego w zarządzaniu swoimi pracownikami, na przykład Grupa BT wdrożyła wyszukiwanie heurystyczne w aplikacji do harmonogramowania, która udostępnia harmonogramy pracy 20 000 inżynierów.

Produkcja

Roboty stały się powszechne w wielu branżach i często otrzymują prace uważane za niebezpieczne dla ludzi. Roboty okazały się skuteczne w pracach, które są bardzo powtarzalne, co może prowadzić do błędów lub wypadków z powodu braku koncentracji i innych prac, które ludzie mogą uznać za poniżające.

W 2014 roku Chiny , Japonia , Stany Zjednoczone , Republika Korei i Niemcy łącznie stanowiły 70% całkowitego wolumenu sprzedaży robotów. W przemyśle motoryzacyjnym , sektorze o szczególnie wysokim stopniu automatyzacji, Japonia miała najwyższe zagęszczenie robotów przemysłowych na świecie: 1414 na 10 000 pracowników.

Czujniki

Sztuczną inteligencję połączono z wieloma technologiami sensorycznymi , np. spektrometrią cyfrową firmy IdeaCuria Inc., która umożliwia wiele zastosowań, np. monitorowanie jakości wody w domu.

Zabawki i gry

W latach 90. pojawiły się jedne z pierwszych prób masowej produkcji podstawowych rodzajów sztucznej inteligencji przeznaczonych na rynek krajowy do celów edukacyjnych lub rekreacyjnych. To bardzo dobrze się powiodło wraz z rewolucją cyfrową i pomogło wprowadzić ludzi, zwłaszcza dzieci, w życie związane z różnymi rodzajami sztucznej inteligencji, w szczególności w postaci Tamagotchis i Giga Pets , iPoda Touch , Internetu i pierwszego szeroko rozpowszechnionego robota , Furby . Zaledwie rok później wypuszczono ulepszony typ robota domowego w postaci Aibo , robota psa o inteligentnych cechach i autonomii .

Firmy takie jak Mattel tworzą asortyment zabawek wykorzystujących sztuczną inteligencję dla dzieci w wieku trzech lat. Wykorzystując własne silniki AI i narzędzia do rozpoznawania mowy, są w stanie zrozumieć rozmowy, udzielać inteligentnych odpowiedzi i szybko się uczyć.

Sztuczna inteligencja została również zastosowana w grach wideo , na przykład w botach do gier wideo , które są zaprojektowane tak, aby stać się przeciwnikami tam, gdzie ludzie nie są dostępni lub pożądani.

Transport

Sterowniki z logiką rozmytą zostały opracowane dla automatycznych skrzyń biegów w samochodach. Na przykład, 2006 Audi TT , VW Touareg i VW Caravell są wyposażone w przekładnię DSP, która wykorzystuje Fuzzy Logic. Wiele wariantów Škody ( Škoda Fabia ) zawiera obecnie również kontroler oparty na Fuzzy Logic.

Dzisiejsze samochody mają teraz funkcje wspomagania kierowcy oparte na sztucznej inteligencji, takie jak automatyczne parkowanie i zaawansowane tempomat. Sztuczna inteligencja została wykorzystana do optymalizacji aplikacji do zarządzania ruchem, co z kolei skraca czas oczekiwania, zużycie energii i emisje nawet o 25 procent. W przyszłości powstaną w pełni autonomiczne samochody . Oczekuje się, że sztuczna inteligencja w transporcie zapewni bezpieczny, wydajny i niezawodny transport, jednocześnie minimalizując wpływ na środowisko i społeczności. Głównym wyzwaniem w rozwoju tej sztucznej inteligencji jest fakt, że systemy transportowe są z natury złożonymi systemami obejmującymi bardzo dużą liczbę komponentów i różnych stron, z których każdy ma różne i często sprzeczne cele. Ze względu na wysoki stopień złożoności transportu, a w szczególności aplikacji motoryzacyjnej, w większości przypadków nie jest możliwe wytrenowanie algorytmu AI w rzeczywistym środowisku jazdy. Aby sprostać wyzwaniu, jakim jest uczenie sieci neuronowych pod kątem zautomatyzowanej jazdy, metodologie oparte na rozwoju wirtualnym ewent. zaproponowano łańcuchy narzędzi testowych.

Automobilowy

Postępy w sztucznej inteligencji przyczyniły się do rozwoju przemysłu motoryzacyjnego poprzez tworzenie i ewolucję pojazdów autonomicznych. Od 2016 roku istnieje ponad 30 firm wykorzystujących sztuczną inteligencję do tworzenia autonomicznych samochodów . Kilka firm zaangażowanych w sztuczną inteligencję to Tesla , Google i Apple .

Wiele elementów przyczynia się do funkcjonowania autonomicznych samochodów. Pojazdy te zawierają takie systemy, jak hamowanie, zmiana pasa ruchu, zapobieganie kolizjom, nawigacja i mapowanie. Razem te systemy, jak również komputery o wysokiej wydajności, są zintegrowane w jeden złożony pojazd.

Ostatnie postępy w autonomicznych samochodach umożliwiły innowację autonomicznych ciężarówek, choć wciąż znajdują się one w fazie testów. Rząd Wielkiej Brytanii uchwalił przepisy, które mają rozpocząć testowanie plutonów autonomicznych ciężarówek w 2018 roku. całkowicie autonomiczny jeszcze. Tymczasem Daimler, niemiecki koncern samochodowy, testuje Freightliner Inspiration, półautonomiczną ciężarówkę, która będzie używana tylko na autostradzie.

Jednym z głównych czynników wpływających na zdolność funkcjonowania samochodu bez kierowcy jest mapowanie. Ogólnie rzecz biorąc, pojazd byłby wstępnie zaprogramowany z mapą poruszanego obszaru. Mapa ta zawierałaby dane dotyczące przybliżeń oświetlenia ulicznego i wysokości krawężników, aby pojazd był świadomy swojego otoczenia. Jednak Google pracuje nad algorytmem mającym na celu wyeliminowanie konieczności posiadania wcześniej zaprogramowanych map, a zamiast tego stworzenie urządzenia, które będzie w stanie dostosować się do różnych nowych warunków. Niektóre autonomiczne samochody nie są wyposażone w kierownice lub pedały hamulca, dlatego też prowadzone były badania nad stworzeniem algorytmu, który jest w stanie utrzymać bezpieczne środowisko dla pasażerów w pojeździe dzięki świadomości prędkości i warunków jazdy.

Kolejnym czynnikiem wpływającym na zdolność samochodu bez kierowcy jest bezpieczeństwo pasażera. Aby stworzyć samochód bez kierowcy, inżynierowie muszą go zaprogramować tak, aby radził sobie w sytuacjach wysokiego ryzyka. Sytuacje te mogą obejmować zderzenie czołowe z pieszymi. Głównym celem samochodu powinno być podjęcie decyzji, która pozwoli uniknąć zderzenia z przechodniami i uratowania pasażerów w aucie. Istnieje jednak możliwość, że samochód musiałby podjąć decyzję, która naraziłaby kogoś na niebezpieczeństwo. Innymi słowy, samochód musiałby podjąć decyzję o ratowaniu pieszych lub pasażerów. Programowanie samochodu w takich sytuacjach ma kluczowe znaczenie dla udanego samochodu bez kierowcy.

Lotnictwo

Operations Division Air (AOD) używa AI dla rządów opartych na systemach ekspertowych . AOD wykorzystuje sztuczną inteligencję dla operatorów zastępczych dla symulatorów bojowych i treningowych, pomoce do zarządzania misją, systemy wspomagające podejmowanie decyzji taktycznych i przetwarzanie końcowe danych symulatora w symboliczne podsumowania.

Wykorzystanie sztucznej inteligencji w symulatorach okazuje się bardzo przydatne dla AOD. Symulatory samolotów wykorzystują sztuczną inteligencję do przetwarzania danych pobranych z symulowanych lotów. Oprócz symulowanego latania istnieje również symulowana wojna lotnicza. W takich sytuacjach komputery są w stanie wymyślić najlepsze scenariusze sukcesu. Komputery mogą również tworzyć strategie w oparciu o rozmieszczenie, wielkość, prędkość i siłę sił oraz sił przeciwdziałających. Piloci mogą otrzymać pomoc w powietrzu podczas walki przez komputery. Sztuczne inteligentne programy potrafią uporządkować informacje i zapewnić pilotowi najlepsze możliwe manewry, nie mówiąc już o pozbyciu się pewnych manewrów, które byłyby niemożliwe do wykonania przez człowieka. Aby uzyskać dobre przybliżenia niektórych obliczeń, potrzebnych jest wiele samolotów, więc do zbierania danych używa się pilotów symulowanych komputerowo. Ci symulowani komputerowo piloci są również wykorzystywani do szkolenia przyszłych kontrolerów ruchu lotniczego .

System używany przez AOD w celu pomiaru wydajności to Interaktywny System Diagnostyki i Izolacji Usterek (IFDIS). Jest to system ekspercki oparty na regułach, tworzony przez zbieranie informacji z dokumentów TF-30 i porad ekspertów od mechaników pracujących na TF-30. Ten system został zaprojektowany do wykorzystania w rozwoju TF-30 dla RAAF F-111C. System wydajności został również wykorzystany do zastąpienia wyspecjalizowanych pracowników. System pozwalał zwykłym pracownikom komunikować się z systemem i unikać błędów, błędnych obliczeń lub konieczności rozmowy z jednym z wyspecjalizowanych pracowników.

AOD wykorzystuje również sztuczną inteligencję w oprogramowaniu do rozpoznawania mowy . Kontrolerzy ruchu lotniczego dają wskazówki sztucznym pilotom, a AOD chce, aby piloci odpowiadali na ATC prostymi odpowiedziami. Programy zawierające oprogramowanie mowy muszą zostać przeszkolone, co oznacza, że ​​korzystają z sieci neuronowych . Zastosowany program, Verbex 7000, jest wciąż bardzo wczesnym programem, który ma wiele możliwości ulepszeń. Ulepszenia są konieczne, ponieważ ATC używają bardzo specyficznego dialogu, a oprogramowanie musi być w stanie komunikować się poprawnie i szybko za każdym razem.

Projektowanie samolotów wspomagane sztuczną inteligencją, czyli AIDA, jest wykorzystywane do pomocy projektantom w procesie tworzenia projektów koncepcyjnych samolotów. Program ten pozwala projektantom skupić się bardziej na samym projekcie, a mniej na procesie projektowania. Oprogramowanie pozwala również użytkownikowi mniej koncentrować się na narzędziach programowych. AIDA wykorzystuje systemy oparte na regułach do obliczania swoich danych. To jest schemat rozmieszczenia modułów AIDA. Choć prosty, program okazuje się skuteczny.

W 2003 roku NASA „s Dryden Flight Research Center i wiele innych firm, stworzył oprogramowanie, które mogłyby umożliwić uszkodzonego samolotu, aby kontynuować lot do czasu można dotrzeć bezpieczną strefę lądowania. Oprogramowanie kompensuje wszystkie uszkodzone komponenty, opierając się na nieuszkodzonych komponentach. Sieć neuronowa zastosowana w oprogramowaniu okazała się skuteczna i odniosła triumf sztucznej inteligencji.

Zintegrowany system zarządzania stanem zdrowia pojazdu, również używany przez NASA, na pokładzie samolotu musi przetwarzać i interpretować dane pobrane z różnych czujników na pokładzie samolotu. System musi być w stanie określić integralność strukturalną samolotu. System musi również wdrożyć protokoły w przypadku uszkodzenia pojazdu.

Haitham Baomar i Peter Bentley kierują zespołem z University College of London w celu opracowania inteligentnego systemu autopilota (IAS) opartego na sztucznej inteligencji, którego celem jest nauczenie systemu autopilota zachowania się jak bardzo doświadczony pilot, który znajduje się w sytuacji awaryjnej, takiej jak poważna pogoda, turbulencje lub awaria systemu. Kształcenie autopilota opiera się na koncepcji nadzorowanego uczenia maszynowego, „które traktuje młodego autopilota jak ucznia-człowieka idącego do szkoły latania”. Autopilot rejestruje działania człowieka-pilota, generując modele uczenia się za pomocą sztucznych sieci neuronowych . Autopilot otrzymuje wtedy pełną kontrolę i jest obserwowany przez pilota podczas wykonywania ćwiczenia.

Inteligentny system autopilota łączy zasady nauki praktykowania i klonowania behawioralnego, dzięki którym autopilot obserwuje działania na niskim poziomie wymagane do manewrowania samolotem i strategię wysokiego poziomu używaną do ich zastosowania. Wdrożenie MSR obejmuje trzy fazy; pilotażowe zbieranie danych, szkolenie i autonomiczna kontrola. Celem firmy Baomar i Bentley jest stworzenie bardziej autonomicznego autopilota, który będzie pomagał pilotom w reagowaniu na sytuacje awaryjne.

Morski

Sieci neuronowe są wykorzystywane przez systemy orientacji sytuacyjnej na statkach i łodziach.

Informatyka

Pomoc w programowaniu

GitHub Copilot to model sztucznej inteligencji opracowany przez GitHub i OpenAI, który jest w stanie autouzupełniać kod w wielu językach programowania.

Sztuczna inteligencja może być wykorzystana do stworzenia innej sztucznej inteligencji. Na przykład około listopada 2017 r. w ramach projektu Google AutoML, którego celem było opracowanie nowych topologii sieci neuronowych, utworzono NASNet , system zoptymalizowany pod kątem ImageNet i POCO F1. Według Google wydajność NASNet przekroczyła wszystkie dotychczas opublikowane wyniki ImageNet.

składki historyczne

Badacze AI stworzyli wiele narzędzi do rozwiązywania najtrudniejszych problemów w informatyce. Wiele z ich wynalazków zostało przyjętych przez główny nurt informatyki i nie są już uważane za część sztucznej inteligencji. (Zobacz efekt AI .) Wszystkie poniższe elementy zostały pierwotnie opracowane w laboratoriach AI:

• Dzielenie czasu
• Interaktywni tłumacze
• Graficzne interfejsy użytkownika i mysz komputerowa
• Środowiska szybkiego tworzenia aplikacji
• Związane lista struktura danych
• Automatyczne zarządzanie magazynem
• Programowanie symboliczne
• Programowanie funkcjonalne
• Programowanie dynamiczne
• Programowanie obiektowe
• Optyczne rozpoznawanie znaków
• Ograniczona satysfakcja

Lista aplikacji

Typowe problemy, do których stosuje się metody AI

Inne dziedziny, w których wdrażane są metody AI

Zobacz też

• Zastosowania sztucznej inteligencji w informatyce prawnej
• Zastosowania głębokiego uczenia
• Zastosowania uczenia maszynowego
• Lista projektów sztucznej inteligencji
• Postęp w sztucznej inteligencji

Przypisy

Dalsza lektura

• Kaplan, AM; Haenlein, M. (2018). „Siri, Siri w mojej dłoni, kto jest najpiękniejszy w kraju? O interpretacjach, ilustracjach i implikacjach sztucznej inteligencji”. Horyzonty Biznesu . 62 (1): 15–25. doi : 10.1016/j.bushor.2018.08.004 .
• Kurzweil, Ray (2005). Osobliwość jest blisko: kiedy ludzie przekraczają biologię . Nowy Jork: Wiking. Numer ISBN 978-0-670-03384-3.
• Krajowa Rada ds. Badań (1999). „Rozwój sztucznej inteligencji” . Finansowanie rewolucji: wsparcie rządu dla badań komputerowych . Wydawnictwo Akademii Narodowej. Numer ISBN 978-0-309-06278-7. OCLC  246584055 .
• Moghaddam, MJ; Solejmani, MR; Farsi, mgr (2015). „Planowanie sekwencji dla operacji tłoczenia w progresywnych matryc”. Czasopismo Inteligentnej Produkcji . 26 (2): 347–357. doi : 10.1007/s10845-013-0788-0 . S2CID  7843287 .
• Felten, Ed (3 maja 2016). „Przygotowanie na przyszłość sztucznej inteligencji” .

Zewnętrzne linki

• Jak sztuczną inteligencję można zastosować w wielu dziedzinach