Inteligență Artificială

Ce este AI și de ce este importantă

Inteligența artificială (AI) permite mașinilor să învețe din experiență, să se adapteze la informații noi și să efectueze sarcini asemănătoare cu cele umane. Cele mai multe exemple de AI de care auzim în prezent – de la calculatoare care joacă șah până la mașini care se conduc singure – se bazează foarte mult pe deep learning (învățare profundă) și peprelucrarea limbajului natura. Prin folosirea acestor tehnologii, calculatoarele pot fi antrenate să îndeplinească anumite sarcini prin prelucrarea unei mari cantități de date și recunoașterea de tipare în date.

Istoria inteligenței artificiale

Termenul de inteligență artificială a fost creat în 1956, dar AI a devenit mai popular în prezent datorită volumului crescut de date, algoritmilor avansați și îmbunătățirilor în ceea ce privește puterea de calcul și stocarea

Cercetările timpurii în domeniul AI, în anii 1950, au analizat teme precum rezolvarea de probleme și metodele simbolice. În anii 1960, Departamentul Apărării din SUA a devenit interesat de acest tip de activitate și a început să antreneze calculatoarele ca să copieze raționamentul uman elementar. De exemplu, Agenția de Proiecte Avansate de Cercetare în Apărare (DARPA) a finalizat proiecte de cartografiere a străzilor în anii 1970. DARPA a produs asistenți personali inteligenți în 2003, cu mult înainte ca Siri, Alexa sau Cortana să fie nume de-ale casei.

Aceste activități timpurii au deschis drumul pentru automatizarea și raționamentul formal pe care îl vedem la calculatoare în zilele noastre, inclusiv sisteme de sprijinire a proceselor decizionale și sisteme de căutare inteligentă care se pot proiecta pentru a completa și a augmenta abilitățile umane.

În timp ce filmele de la Hollywood și romanele de science fiction descriu AI ca pe niște roboți asemănători cu oamenii care preiau controlul asupra lumii, evoluția actuală a tehnologiilor AI nu este chiar așa de înspăimântătoare – sau chiar așa de inteligentă. În loc de asta, AI a evoluat pentru a furniza multe beneficii specifice pentru fiecare domeniu. Citiți mai departe pentru a afla mai multe despre exemple moderne de inteligență artificială în sănătate, în comerțul cu amănuntul și altele.

Anii 1950–1970

Rețele neuronale

Primele activități în domeniul rețelelor neuronale stârnesc interesul pentru „mașinile gânditoare”.

Anii 1980–2010

Machine learning

Machine learning (învățarea automată) devine populară.

În prezent

Deep learning

Realizările în domeniul deep learning (învățarea profundă) determină o dezvoltare spectaculoasă a AI.


AI este parte integrantă din software-ul SAS de mulți ani. În prezent ajutăm clienți din toate domeniile să valorifice progresele obținute cu AI și vom continua să incorporăm tehnologii de AI precum machine learning și deep learning în toate soluțiile din portofoliul SAS. Jim Goodnight, CEO, SAS in meeting Jim Goodnight Director general SAS

Inteligența artificială și machine learning

Rapid, vizionați acest video pentru a înțelege relația dintre AI și machine learning. Veți vedea cum funcționează aceste două tehnologii, cu exemple și cu câteva accesorii amuzante. 

În plus, este un video care poate fi foarte bine partajat cu prietenii și cu familia pentru a explica inteligența artificială într-un mod care poate fi înțeles de toată lumea.


De ce este importantă inteligența artificială?

  • AI automatizează învățarea repetitivă și descoperirea prin date. Dar AI este diferită de automatizarea robotizată, bazată pe hardware. În loc să automatizeze sarcini manuale, AI efectuează sarcini computerizate frecvente, de volum mare, în mod fiabil și neobosit. Pentru acest tip de automatizare, investigarea din partea omului rămâne esențială pentru instalarea sistemului și pentru a pune întrebările potrivite.
  • AI adaugă inteligență la produsele existente. În cele mai multe cazuri, AI nu se vinde ca aplicație individuală. Mai degrabă, produsele pe care le folosiți deja vor fi îmbunătățite cu ajutorul unor capacități de AI, așa cum Siri a fost adăugată ca funcție la o nouă generație de produse Apple. Automatizarea, platformele conversaționale, bots și mașini inteligente - acestea se pot combina cu cantități mari de date pentru a îmbunătăți multe tehnologii acasă și la locul de muncă, de la informații de securitate la analiza investițiilor.
  • AI se adaptează prin algoritmi de învățare progresivă pentru a lăsa datele să facă programarea. AI identifică structură și regularități la nivelul datelor, astfel încât algoritmul dobândește o aptitudine: Algoritmul devine un clasificator sau un predictor. Așadar, așa cum algoritmul poate să învețe singur să joace șah, el poate să învețe singur și ce produs să recomande în continuare în mediul online. Iar modelele se adaptează atunci când li se dau date noi. Propagarea inversă este o tehnică de AI care permite modelului să ajusteze, prin antrenare și date adăugate, atunci când primul răspuns nu este prea bun.
  • AI analizează date mai multe și mai în profunzime folosind rețele neuronale care au mai multe straturi ascunse. Acum câțiva ani era aproape imposibil să construiești un sistem de detectare a fraudelor cu cinci straturi ascunse. Toate acestea s-au schimbat odată cu puterea de calcul incredibilă și cu datele mari. Este nevoie de foarte multe date pentru a antrena modelele de învățare profundă, pentru că acestea învață direct prin date. Cu cât mai multe date li se pot furniza, cu atât ele devin mai precise.
  • AI atinge o precizie incredibilă prin rețelele neuronale profunde – lucru care nu era posibil înainte. De exemplu, interacțiunile cu Alexa, Google Search și Google Photos se bazează pe învățare profundă și devin din ce în ce mai precise cu cât le folosim mai mult. În domeniul medical, tehnicile AI din învățare profundă, clasificarea imaginilor și recunoașterea obiectelor se pot folosi acum pentru a găsi cancerul pe IRM-uri, cu aceeași precizie cu care o fac radiologi foarte bine pregătiți.
  • AI scoate maximum din date. În cazul algoritmilor care învață singuri, datele în sine pot deveni proprietate intelectuală. Răspunsurile sunt în date; trebuie doar să aplicăm AI pentru a le extrage. Deoarece rolul datelor este mai important acum decât a fost vreodată, acestea pot crea un avantaj competitiv. Dacă deții cele mai bune date într-un domeniu competitiv, chiar dacă toată lumea aplică tehnici similare, cele mai bune date vor câștiga.

WildTrack și SAS: Salvarea speciilor aflate în pericol, urmă cu urmă.

Specii de referință precum ghepardul sunt pe cale de dispariție. Și odată cu ele dispare și biodiversitatea care ne susține pe toți. WildTrack explorează valoarea inteligenței artificiale în domeniul conservării, pentru a analiza urmele așa cum o fac populațiile indigene și a proteja de dispariție aceste animale aflate în pericol.

Inteligența artificială în lumea de azi

AI și Internetul tuturor lucrurilor (Internet of Things)

Datele sunt peste tot în jurul nostru. Internet of Things (IoT) și senzorii au capacitatea să stăpânească volume mari de date, iar inteligența artificială (AI) poate să învețe tipare existente în date pentru a automatiza sarcini și a genera diverse avantaje de business.

Integrarea AI în programele dumneavoastră de analiză de date

Pentru ca AI să poată fi folosită eficient, este important ca strategia din jurul acesteia să fie conectată cu strategia dumneavoastră de business la nivel mai larg, ținând întotdeauna seama de convergența dintre oameni, procese și tehnologie.

Separarea modei de realitate

AI ajută la incorporarea „unei inteligențe mai mari în mașini”, dar nu preia controlul asupra lumii, spune Oliver Schabenberger, Vicepreședinte executiv și Director de tehnologie la SAS.

Cum este folosită inteligența artificială

În fiecare domeniu există o cerere ridicată de capabilități de AI – în special sisteme care răspund la întrebări, care pot fi folosite pentru asistență juridică, căutări de brevete, notificarea riscurilor și cercetare medicală. Alte utilizări ale AI sunt:

Asistență medicală

Aplicațiile AI pot să furnizeze medicină personalizată și citiri de radiografii. Asistenții de medicină personalizată pot să acționeze ca antrenori de viață și să vă amintească să vă luați medicamentele, să faceți sport sau să mâncați mai sănătos.

Comerțul cu amănuntul

AI furnizează capabilități de cumpărături virtuale care oferă recomandări personalizate și discută opțiuni de cumpărare cu consumatorul. Tehnologiile de gestionare a stocurilor și dispunere a magazinelor vor fi și ele îmbunătățite cu ajutorul AI.

Producție

AI poate să analizeze datele de IoT ale fabricilor, generate de echipamentele conectate, pentru a emite previziuni privind sarcina și cererea preconizată, cu ajutorul rețelelor recurente, un tip special de rețea de învățare profundă folosită cu date în secvență.   

Domeniul bancar

Inteligența artificială îmbunătățește viteza, precizia și eficienta eforturilor umane. În instituțiile financiare se pot folosi tehnici de AI pentru a identifica tranzacțiile care ar putea fi frauduloase, a adopta scoruri de credit rapid și cu precizie, precum și a automatiza sarcini manuale intensive de gestionare a datelor.

Cum lucrăm împreună cu AI

Inteligența artificială nu este aici pentru a ne înlocui. Ea ne mărește abilitățile și ne face mai buni la ceea ce facem. Pentru că algoritmii de AI învață altfel decât oamenii, ei privesc lucrurile în alt fel. Pot să vadă relații și tipare care nouă ne scapă. Acest parteneriat între om și AI oferă multe oportunități. El poate:

  • Să aducă analiza datelor în industrii sau domenii în care aceasta este utilizată prea puțin în prezent.
  • Să îmbunătățească performanța tehnologiilor existente de analiza datelor, precum viziune computerizată și analiza seriilor temporale.
  • Să depășească barierele economice, inclusiv barierele lingvistice și de traducere.
  • Să îmbunătățească abilitățile existente și să ne facă mai buni la ceea ce facem.
  • Să ne dea o viziune mai bună, o înțelegere mai bună, o memorie mai bună și multe altele.  

Care sunt provocările pe care le ridică folosirea inteligenței artificiale?

Inteligența artificială va schimba toate industriile, dar trebuie să îi înțelegem limitele.

Principala limitare a AI este aceea că aceasta învață din date. Nu există alt mod în care poate fi incorporată cunoașterea. Aceasta înseamnă că inexactitățile prezente la nivelul datelor se vor reflecta în rezultate. Și straturile suplimentare de predicție sau analiză trebuie adăugate separat.

Sistemele de AI din zilele noastre sunt antrenate să facă o sarcină definită clar. Sistemul care joacă poker nu poate să joace solitaire sau șah. Sistemul care detectează fraude nu poate să conducă o mașină sau să ofere asistență juridică. Practic, un sistem AI care detectează fraude în domeniul asistenței medicale nu poate să detecteze cu precizie fraudele fiscale sau fraudele legate de cererile de garanție.

Cu alte cuvinte, aceste sisteme sunt foarte, foarte specializate. Ele se concentrează pe o singură sarcină și sunt departe de a se comporta precum oamenii.

De asemenea, sistemele cu auto-învățare nu sunt sisteme automate. Tehnologiile AI imaginate pe care le vedeți în filme și la televizor încă rămân de domeniul ficțiunii. Însă calculatoarele care pot să sondeze date complexe pentru a învăța și a perfecționa anumite sarcini devin destul de obișnuite.

SAS® Visual Data Mining și Machine Learning

AI este simplificată atunci când puteți pregăti datele pentru analiză, puteți dezvolta modele cu ajutorul unor algoritmi moderni de machine learning și puteți integra analiză de text într-un singur produs. În plus, puteți codifica proiecte care combină SAS cu alte limbaje, inclusiv Python, R, Java sau Lua.

Cum funcționează inteligența artificială

AI funcționează prin combinarea unor cantități mari de date cu prelucrare rapidă și iterativă și cu algoritmi inteligenți, permițând software-ului să învețe automat din tiparele sau caracteristicile prezente în date. AI este un domeniu de studiu vast, care cuprinde multe teorii, metode și tehnologii, precum și următoarele sub-domenii principale:

  • Machine learning (învățarea automată) automatizează construirea de modele analitice. Aceasta folosește metode din rețele neuronale, statistică, cercetări de operațiuni și fizică pentru a descoperi informații ascunse în date, fără a fi programată în mod explicit unde să caute sau ce anume să concluzioneze.
  • O rețea neuronală este un tip de învățare automată care este formată din unități interconectate (precum neuronii), care prelucrează informații răspunzând la stimuli externi, transmițând informații între fiecare unitate. Procesul necesită multiple treceri peste date pentru a găsi conexiunile și a deriva sensul din date nedefinite.
  • Deep learning (învățarea profundă) folosește rețele neuronale uriașe, cu multe straturi de unități de prelucrare, profitând de progresul în ceea ce privește puterea de calcul și de tehnici îmbunătățite de antrenare pentru a găsi tipare complexe în cantități mari de date. Printre aplicațiile obișnuite se numără recunoașterea imaginilor și a discursului.
  • Cognitive computing (calculul cognitiv) este un sub-domeniu al AI care caută să obțină o interacțiune cu mașinile care să fie naturală și asemănătoare cu cea umană. Folosind AI și calculul cognitiv, scopul suprem este ca o mașină să simuleze procese umane, având capacitatea să interpreteze imagini și discurs și apoi să răspundă vorbind coerent.  
  • Viziunea computerizată se bazează pe recunoașterea de tipare și învățarea profundă pentru a recunoaște ce este într-o imagine sau într-un video. Atunci când mașinile pot să prelucreze, să analizeze și să înțeleagă imagini, acestea pot să surprindă imagini sau video în timp real și să își interpreteze împrejurimile.
  • Prelucrarea limbajului natural (NLP) este capacitatea calculatoarelor de a analiza, a înțelege și a genera limbaj uman, inclusiv discurs. Stadiul următor al NLP este interacțiunea în limbaj natural, care permite oamenilor să comunice cu calculatoarele folosind limbaj normal, de zi cu zi pentru a efectua sarcini.


În plus, mai sunt și alte tehnologii care sprijină și fac posibilă inteligența artificială:

  • Unitățile de prelucrare grafică sunt esențiale pentru AI, deoarece ele furnizează puterea de calcul masivă de care este nevoie pentru prelucrare iterativă. Antrenarea rețelelor neuronale necesită date mari și putere de calcul.
  • Internet of Things (internetul tuturor lucrurilor) generează cantități masive de date de la dispozitivele conectate, cea mai mare parte din ele fiind neanalizată. Automatizarea modelelor cu ajutorul AI ne va permite să folosim mai mult din aceste date.
  • Algoritmi avansați se dezvoltă și sunt combinați în moduri noi pentru a analiza mai multe date mai rapid și la mai multe niveluri. Această prelucrare inteligentă este esențială pentru a identifica și a preveni evenimentele rare, a înțelege sisteme complexe și a optimiza scenarii unice.
  • API, sau interfețele de programare de aplicații, sunt pachete de cod portabile care fac posibilă adăugarea de funcționalități AI la produse și pachete de software existente. Acestea pot să adauge capabilități de recunoaștere a imaginilor la sistemele de securitate casnice și capabilități de întrebări și răspunsuri care descriu datele, creează subtitrări și titluri sau apelează tipare și informații interesante din date.

Pe scurt, obiectivul AI este să furnizeze software care poate să raționeze pe baza stimulilor și să explice prin rezultate. AI va furniza interacțiuni cu software, care sunt similare cu cele umane și va oferi sprijin decizional pentru anumite sarcini, dar nu este un înlocuitor pentru oameni – și nici nu va fi în viitorul apropiat. 

Back to Top