ปัญญาประดิษฐ์
คืออะไร และสำคัญอย่างไร
ปัญญาประดิษฐ์ หรือ AI สร้างความเป็นไปได้ให้แก่เครื่องจักรในการเรียนรู้จากประสบการณ์ในอดีต ปรับแต่งเข้ากับข้อมูลที่ป้อนเข้าไปใหม่และทำหน้าที่เปรียบเสมือนมนุษย์ ตัวอย่างของ AI ส่วนใหญ่ที่คุณมักจะได้ยินในทุกวันนี้ เริ่มตั้งแต่คอมพิวเตอร์ที่เล่นหมากรุกได้ จนถึงรถยนต์ที่ขับเคลื่อนด้วยตัวเอง เหล่านี้ล้วนแต่ต้องพึ่งพาการเรียนรู้เชิงลึก และการประมวลผลภาษาธรรมชาติ ด้วยการใช้เทคโนโลยีเหล่านี้ คอมพิวเตอร์จะได้รับการฝึกฝนให้เอาชนะเป้าหมายที่กำหนดโดยการประมวลผลข้อมูลปริมาณมหาศาลและจดจำรูปแบบของข้อมูลเหล่านั้นทั้งหมด
ประวัติความเป็นมาของปัญญาประดิษฐ์
คำว่า ปัญญาประดิษฐ์เริ่มมีการใช้ในปี 1956 แต่ได้รับความนิยมยิ่งขึ้นในปัจจุบันเนื่องด้วยปริมาณข้อมูลที่เพิ่มขึ้น อัลกอริธึมที่มีความก้าวหน้า และการพัฒนาในศักยภาพของการคำนวณและการจัดเก็บข้อมูล
การวิจัยเกี่ยวกับ AI ในยุคต้นปี 1950 จะเป็นการค้นคว้าเกี่ยวกับวิธีการแก้ปัญหาและรูปแบบสัญลักษณ์ ต่อมาในยุคปี 1960 กระทรวงกลาโหมของสหรัฐฯ ได้ให้ความสนใจเกี่ยวกับ AI และเริ่มต้นฝึกฝนคอมพิวเตอร์ เพื่อเลียนแบบกระบวนการความคิดเป็นเหตุเป็นผลของมนุษย์ ดังเห็นได้จาก สำนักโครงการวิจัยขั้นสูงด้านกลาโหม หรือ DARPA ได้ดำเนินโครงการการแมปถนนในยุคปี 1970 นอกจากนี้ DARPA ยังได้สร้างระบบสั่งงานด้วยเสียง (intelligent personal assistant) ในปี 2003 เป็นเวลานานก่อนที่ Siri Alexa หรือ Cortana จะได้รับการคิดค้น
งานวิจัยในช่วงยุคแรกนี้เองที่ช่วยปูทางให้แก่เครื่องจักรอัตโนมัติและระบบการให้เหตุผลแบบแพร่หลาย ดังเช่นที่เราเห็นในคอมพิวเตอร์ทุกวันนี้ ซึ่งรวมถึงระบบการสนับสนุนการตัดสินใจและระบบการค้นหาอัจฉริยะที่ได้รับการออกแบบให้เติมเต็มและเพิ่มประสิทธิภาพความสามารถของมนุษย์ให้สมบูรณ์ยิ่งขึ้น
ในขณะที่ภาพยนตร์ฮอลลีวูดและนิยายไซไฟบรรยาย AI เปรียบเสมือนหุ่นยนต์เลียนแบบมนุษย์ที่ยึดครองโลก ทว่าวิวัฒนาการเทคโนโลยีของ AI ในทุกวันนี้ไม่ได้น่ากลัวเช่นนั้น แต่ค่อนข้างจะฉลาดเป็นกรดเลยต่างหาก โดย AI ได้รับการพัฒนาให้เกิดประโยชน์เฉพาะด้านมากมายในทุกอุตสาหกรรม ซึ่งคุณสามารถอ่านตัวอย่างอันทันสมัยของปัญญาประดิษฐ์เพิ่มเติมได้ในธุรกิจเกี่ยวกับสุขภาพ ค้าปลีกและอื่น ๆ อีกมากมาย
ยุค 1950-1970
โครงข่ายประสาทเทียม (Neural Networks)
การพัฒนาเริ่มแรกเกี่ยวกับโครงข่ายประสาทเทียมสร้างความประหลาดใจเกี่ยวกับ "เครื่องจักรที่มีความคิด"
ปัจจุบัน
การเรียนรู้เชิงลึก (deep learning)
การค้นพบอันยิ่งใหญ่ของการเรียนรู้เชิงลึก ช่วยผลักดันให้ AI รุดหน้าอย่างก้าวกระโดด
AI ได้กลายเป็นส่วนประกอบสำคัญของซอฟต์แวร์ SAS มาหลายปี ทุกวันนี้พวกเรา SAS ช่วยลูกค้าของเราในแทบทุกอุตสาหกรรมโดยอาศัยความก้าวหน้าของ AI และพวกเราได้ผนวกเทคโนโลยี AI อย่างการเรียนรู้ของเครื่อง (machine learning) และการเรียนรู้เชิงลึก (deep learning) เข้ากับโซลูชั่นในบรรดาportfolioของเรา Jim Goodnight CEO SAS
ระบบปัญญาประดิษฐ์และศักยภาพการเรียนรู้ของเครื่อง
รับชมวิดีโอเพื่อทำความเข้าใจความสัมพันธ์ระหว่าง AI และการเรียนรู้ของเครื่อง คุณจะพบกับการทำงานของเทคโนโลยีทั้งสองนี้จากตัวอย่างและตัวอย่างที่น่าสนใจเพิ่มเติม
ยิ่งไปกว่านี้ นี่คือวิดีโออันยอดเยี่ยมในการแบ่งปันต่อเพื่อนและครอบครัว เพื่อบอกเล่าความเป็นปัญญาประดิษฐ์ในรูปแบบที่ใครๆก็สามารถเข้าใจได้
เหตุใดปัญญาประดิษฐ์จึงมีความสำคัญยิ่งนัก
- AI มีการเรียนรู้ซ้ำ ๆ ได้อย่างอัตโนมัติและศึกษาผ่านข้อมูลเหล่านั้น แต่ AI นั้นก็มีความแตกต่างจากหุ่นยนต์หรืออุปกรณ์อัตโนมัติ แทนที่จะประมวลผลงานแบบแมนนวล AI สามารถประมวลผลในงานซ้ำ ๆ ที่มีปริมาณมากด้วยความเที่ยงตรงและมีประสิทธิภาพผ่านระบบคอมพิวเตอร์ สำหรับการประมวลผลการทำงานอัตโนมัติด้วยวิธีนี้ ยังคงจำเป็นต้องใช้มนุษย์ในการติดตั้งระบบและป้อนคำสั่งที่เหมาะสม
- AI เพิ่มความชาญฉลาด แก่ผลิตภัณฑ์ที่มีอยู่เดิม โดยทั่วไป จะไม่มีการจำหน่าย AI ในรูปแบบแอปพลิเคชันเดี่ยว หากแต่จะใช้ประสิทธิภาพของ AI ในการพัฒนาผลิตภัณฑ์ที่มีอยู่เดิม ซึ่งประสิทธิภาพดังกล่าวมีความเหมือนอย่างมากกับ Siri ที่ได้รับการติดตั้งเพิ่มในผลิตภัณฑ์รุ่นใหม่ ๆ ของ Apple เครื่องจักรอัตโนมัติ (automachine) เครื่องจักรที่โต้ตอบกับมนุษย์ได้ (conversational platform) โปรแกรมบอต (bot) และเครื่องจักรอัจฉริยะ (smart machine) จะได้รับการผสานเข้ากับข้อมูลปริมาณมหาศาลเพื่อพัฒนาเทคโนโลยีไม่ว่าจะเป็นที่บ้านหรือที่ทำงานจากระบบความมั่นคงอัจฉริยะ (security intelligence) สู่การวิเคราะห์การลงทุน (investment analysis)
- AI เรียนรู้จากอัลกอริธึมการเรียนรู้แบบก้าวหน้า (progressive) ในการนำข้อมูลมาเขียนคำสั่งโปรแกรม AI ค้นหาโครงสร้างและความสม่ำเสมอของข้อมูล เพื่อกำหนดอัลกอริธึมทักษะด้านต่าง ๆ กล่าวคือ อัลกอริธึมจะกลายเป็นตัวแยกประเภทหรือตัวพยากรณ์ ดังนั้นอัลกอริธึมจะสามารถเรียนรู้วิธีการเล่นหมากรุก และเรียนรู้ว่าควรจะเดินหมากตัวใดในตาถัดไป ซึ่งแบบจำลองประเภทนี้จะได้รับการปรับให้ดีขึ้นเมื่อได้รับข้อมูลใหม่ กระบวนการส่งค่าย้อนกลับ (back propagation) คือ เทคนิคหนึ่งของ AI ในการปรับแต่งแบบจำลองผ่านการฝึกฝนและข้อมูลเพิ่ม เมื่อผลลัพธ์ครั้งแรกยังไม่ถูกต้องนัก
- AI จะวิเคราะห์ข้อมูลมากกว่าและลึกกว่า โดยใช้เครือข่ายประสาทเทียม (neural network) ที่มีหลายชั้น การสร้างระบบตรวจจับการทุจริตที่มีชั้นเลเยอร์ 5 ชั้นนั้นแทบจะเป็นไปไม่ได้เลยในไม่กี่ปีที่ผ่านมา แต่ทั้งหมดนั้นได้เปลี่ยนแปลงไปด้วยประสิทธิภาพอันเหลือเชื่อของคอมพิวเตอร์และ ข้อมูลบิ๊กดาต้า คุณจำเป็นต้องใช้ข้อมูลปริมาณมากในการพัฒนาด้านการเรียนรู้เชิงลึกของแบบจำลอง เนื่องจากแบบจำลองเหล่านี้จะเรียนรู้จากข้อมูลโดยตรง ยิ่งคุณสามารถป้อนข้อมูลปริมาณมากขึ้นเท่าใด แบบจำลองก็จะยิ่งก่อให้เกิดความแม่นยำมากขึ้นเท่านั้น
- AI สามารถสร้างความแม่นยำอย่างเหลือเชื่อ ผ่านเครือข่ายประสาทเทียม (neural network) ซึ่งที่ผ่านมาไม่สามารถเป็นไปได้เลย ยกตัวอย่างเช่น การโต้ตอบกับ Alexa Google Search และ Google Photos ล้วนใช้เทคนิคการเรียนรู้เชิงลึก (deep learning) ทั้งนั้น และนับวันโปรแกรมเหล่านี้ยิ่งมีความแม่นยำมากยิ่งขึ้นตามการใช้งานที่เพิ่มขึ้น ในทางการแพทย์ เทคนิคของ AI ด้านการเรียนรู้เชิงลึก การจำแนกภาพ (image classification) และการจดจำวัตถุ (object recognition) ได้รับการใช้ค้นหามะเร็งผ่านเครื่อง MRIs ด้วยความแม่นยำจากรังสีแพทย์ที่ได้รับการฝึกฝน
- AI สามารถใช้ประโยชน์อย่างสูงสุดจากข้อมูลที่มี เมื่ออัลกอริธึมสามารถเรียนรู้ได้ด้วยตัวเอง ข้อมูลก็จะกลายเป็นทรัพย์สินทางปัญญาอันมีค่า ความลับซ่อนอยู่ในข้อมูลนั่นเอง เพียงแค่คุณสามารถประยุกต์ใช้ AI เพื่อดึงเอาความลับนั้นออกมา เนื่องจากบทบาทของข้อมูลนับว่ามีความสำคัญมากกว่าที่เคยเป็นมา มันสามารถก่อให้เกิดความได้เปรียบทางการแข่งขัน หากคุณมีข้อมูลที่ดีที่สุดในอุตสาหกรรมที่มีการแข่งขันกัน แม้ว่าต่างคนจะใช้เทคนิคกลวิธีที่เหมือนกัน คุณผู้ซึ่งมีข้อมูลที่ดีที่สุดย่อมเป็นผู้ชนะ
ปัญญาประดิษฐ์ในโลกปัจจุบัน
พบกับ AI ในแต่ละธุรกิจ
อ่านรายละเอียดเกี่ยวกับโรงพยาบาลที่ใช้ระบบ AI ร้านค้าปลีกที่มี AI เป็นผู้ช่วยและระบบการวิเคราะห์เชิงคาดการณ์ที่พูดได้ รายงานจาก Harvard Business Review ได้มีการสำรวจการใช้งาน AI การทำงานด้วย AI และจะพบเหตุที่คุณไม่ควรก่นด่าไปยัง Siri
AI และ Internet of Things
ข้อมูลอยู่รอบตัวเรา Internet of Things (IoT) และเซ็นเซอร์มีความสามารถในการตรวจจับข้อมูลปริมาณมหาศาล ในขณะที่ AI สามารถเรียนรู้รูปแบบของข้อมูลในการสร้างรูปแบบงาน เพื่อประโยชน์ทางธุรกิจที่หลากหลาย
ผนวก AI เข้ากับโปรแกรมการวิเคราะห์ของคุณ
ในการใช้AIให้มีประสิทธิภาพนั้น สิ่งสำคัญ คือกลยุทธ์การใช้AIต้องสอดรับกับกลยุทธ์ทางธุรกิจด้วย พึงระลึกไว้เสมอว่าทุกอย่างต้องสอดรับกันไม่ว่าจะเป็นคน กระบวนการรวมถึงเทคโนโลยี
แยกแยะการโฆษณาเกินจริงออกจากข้อเท็จจริง
โอลิเวอร์ สคาเบ็นเบอร์เจอร์ รองประธานบริหารและผู้บริหารฝ่ายเทคนิคกล่าวไว้ว่า AI ช่วยผนวก "ความชาญฉลาดที่มากกว่าเข้ากับเครื่องจักร" แต่ก็ไม่ใช่การควบคุมโลกทั้งใบ
ความสามารถของปัญญาประดิษฐ์
ทุกอุตสาหกรรมล้วนมีความต้องการในประสิทธิภาพของ AI เป็นอย่างมาก โดยเฉพาะระบบตอบคำถามที่รองรับการใช้งานทางกฎหมาย การค้นหาสิทธิบัตร ระบบเตือนความเสี่ยงและการวิจัยทางการแพทย์ การใช้งานด้านอื่น ๆ ของ AI:
ธุรกิจเกี่ยวกับสุขภาพ
แอปพลิเคชัน AI สามารถจัดยาให้กับคนไข้แต่ละรายและสามารถอ่านผลเอ็กซ์เรย์ได้ ผู้ช่วยดูแลสุขภาพส่วนตัวสามารถทำหน้าที่เสมือนโค้ชในชีวิตประจำวัน คอยเตือนให้คุณรับประทานยา ออกกำลังกาย หรือทานอาหารที่มีคุณประโยชน์
ธุรกิจค้าปลีก
AI มอบประสบการณ์การช็อปปิ้งเสมือนจริง โดยลูกค้าจะได้รับคำแนะนำเป็นรายบุคคลและได้รับข้อเสนอในการซื้อสินค้า เทคโนโลยีการจัดการสต็อคสินค้าและการวางผังสถานที่จะได้รับการพัฒนาให้ดียิ่งขึ้นด้วย AI
ธุรกิจการผลิต
AI สามารถวิเคราะห์ข้อมูล IoT เกี่ยวกับการจัดการในโรงงาน เนื่องจาก AI จะทำการเชื่อมโยงอุปกรณ์เพื่อพยากรณ์ปริมาณและความต้องการในสินค้า ผ่านเครือข่ายเน็ตเวิร์ค
ธุรกิจธนาคาร
ปัญญาประดิษฐ์ช่วยเพิ่มความเร็ว ความแม่นยำและประสิทธิผลแก่ความพยายามในการทำงานของบุคคล ในสถาบันการเงิน ความสามารถของ AI ช่วยในการระบุธุรกรรมที่มีแนวโน้มส่อไปในทางทุจริต ปรับเปลี่ยนได้อย่างรวดเร็วและมีการให้คะแนนความน่าเชื่อถือที่แม่นยำ รวมถึงจัดการงานด้านการจัดการข้อมูลแบบอัตโนมัติที่มีปริมาณมากได้ดี
การทำงานร่วมกันกับ AI
ปัญญาประดิษฐ์ไม่ได้มีไว้เพื่อแทนที่มนุษย์เรา หากแต่ช่วยเพิ่มความสามารถและทำให้พวกเราทำสิ่งที่ทำอยู่ได้ดียิ่งขึ้น เนื่องด้วยalgorithmของ AI มีวิธีการเรียนรู้ที่แตกต่างจากมนุษย์ โดย AI จะพิจารณาสิ่งต่าง ๆ ในรูปแบบที่แตกต่างออกไป AI จะสามารถมองเห็นความสัมพันธ์และรูปแบบที่ไม่เหมือนพวกเรา คู่หู AI จะมอบโอกาสที่มากมายแก่พวกเรา โดย AI สามารถ:
- มอบการวิเคราะห์ข้อมูลแก่ธุรกิจและหน่วยงาน ที่ซึ่งปัจจุบันยังไม่สามารถวิเคราะห์ข้อมูลได้อย่างเต็มประสิทธิภาพ
- พัฒนาประสิทธิภาพของเทคโนโลยีการวิเคราะห์ที่มีอยู่ ยกตัวอย่างเช่น การประมวลผลภาพและการวิเคราะห์ชุดข้อมูลตามเวลา
- ก้าวข้ามอุปสรรคทางเศรษฐกิจ ซึ่งรวมถึงอุปสรรคทางด้านภาษาและการแปลความหมาย
- เพิ่มพูนความสามารถที่มีอยู่และทำให้พวกเราทำสิ่งที่ทำอยู่ได้ดียิ่งขึ้น
- มอบวิสัยทัศน์ที่ดีกว่า ความเข้าใจที่ดียิ่งขึ้น ความจำที่มากกว่าและอื่น ๆ อีกมากมาย
อะไรคือความท้าทายของการใช้ความสามารถของปัญญาประดิษฐ์
ปัญญาประดิษฐ์กำลังสร้างความเปลี่ยนแปลงในทุกอุตสาหกรรม แต่พวกเราจำเป็นต้องเข้าใจในข้อจำกัดของมัน
ข้อจำกัดพื้นฐานของ AI คือ พวกมันเรียนรู้จากข้อมูล ไม่มีทางใดเลยที่ความรู้จะก่อเกิดได้เอง ซึ่งหมายความว่า ความไม่แม่นยำใดก็ตามของข้อมูลจะส่งผลต่อผลลัพธ์ที่ได้จากการทำงานของ AI นอกเหนือจากนี้การคาดการณ์หรือการวิเคราะห์เพิ่มเติมจำเป็นต้องได้รับการเพิ่มต่างหาก
ในทุกวันนี้ระบบของ AI ได้รับการฝึกให้ทำงานที่กำหนดชัดเจน ระบบที่ทำหน้าที่เล่นโป๊กเกอร์จะไม่สามารถเล่นไพ่หรือหมากรุกได้ ระบบที่ทำหน้าที่ตรวจจับการทุจริตก็จะไม่สามารถขับรถยนต์หรือให้คำแนะนำทางกฎหมายได้ จริง ๆ แล้ว ระบบ AI ที่ทำหน้าที่ตรวจข้อบกพร่องในผลสุขภาพก็ไม่สามารถตรวจการทุจริตทางภาษีหรือการทุจริตในการเคลมประกันได้อย่างแม่นยำ
กล่าวอีกนัยหนึ่ง ระบบเหล่านี้มีความเฉพาะเจาะจงเป็นอย่างมาก ระบบจะมุ่งเน้นในการทำงานได้เพียงหนึ่งเดียวซึ่งห่างไกลจากพฤติกรรมของมนุษย์เป็นอย่างมาก
ในทำนองเดียวกัน ระบบการเรียนรู้ด้วยตนเอง (self-learning) ไม่ใช่ระบบอัตโนมัติ เทคโนโลยี AI ที่เพ้อฝันดังเช่นที่คุณพบเห็นในภาพยนตร์และโทรทัศน์นั้นยังคงเป็นเพียงแค่เรื่องแต่งขึ้น หากแต่คอมพิวเตอร์ที่สามารถตรวจสอบข้อมูลที่ซับซ้อน เพื่อเรียนรู้และทำให้งานเฉพาะอย่างสมบูรณ์ได้นั้นค่อนข้างจะเป็นเรื่องธรรมดา
SAS® Visual Data Mining and Machine Learning
AI จะทำงานอย่างง่ายดายขึ้นหากคุณได้เตรียมข้อมูลสำหรับการวิเคราะห์ พัฒนาแบบจำลองด้วยอัลกอริธึมการเรียนรู้ของเครื่องที่ทันสมัย และรวบรวมการวิเคราะห์ข้อความทั้งหมดไว้ด้วยกัน คุณสามารถเขียน code ของโครงการโดยใช้โค้ดของ SAS เอง หรือภาษาอื่น ๆ เช่น Python, R, Java หรือ Lua
ความสามารถของปัญญาประดิษฐ์ทำงานอย่างไร
AI ทำงานโดยรวบรวมข้อมูลปริมาณมหาศาลด้วยความเร็ว ประมวลผลซ้ำ ๆ ผ่านขั้นตอนการประมวลผลที่ชาญฉลาด อันช่วยให้ซอฟต์แวร์สามารถเรียนรู้จากรูปแบบและลักษณะของข้อมูลได้อย่างอัตโนมัติ AI เป็นแขนงของการศึกษาที่กว้างขวาง อันประกอบไปด้วย ทฤษฎีมากมาย วิธีการและเทคโนโลยี รวมถึงแขนงย่อยหลัก ๆ อันได้แก่:
- การเรียนรู้ของเครื่อง (Machine learning) ในการสร้างแบบจำลองการวิเคราะห์แบบอัตโนมัติ โดยใช้วิธีการจากโครงข่ายประสาทเทียม สถิติ การวิจัยดำเนินการ (operations research) และหลักฟิสิกส์ในการค้นหาข้อมูลเชิงลึกที่ซ่อนอยู่ในข้อมูลโดยไม่จำเป็นต้องเขียนโปรแกรมในการค้นหา
- โครงข่ายประสาทเทียม คือหนึ่งในระบบการเรียนรู้ของเครื่อง โดยใช้การเชื่อมโยงระหว่างยูนิต (เหมือนกับเซลล์ประสาท) ทำหน้าที่ประมวลผลข้อมูล โดยการตอบสนองต่อข้อมูลภายนอก ถ่ายทอดข้อมูลซึ่งกันและกันระหว่างแต่ละยูนิต การประมวลผลจำเป็นต้องใช้ทางผ่านข้อมูลหลายทาง เพื่อค้นหาความเชื่อมโยงและถ่ายทอดความหมายจากข้อมูลที่ไม่ชัดเจนเหล่านั้น
- การเรียนรู้เชิงลึก (Deep learning) ใช้โครงข่ายประสาทเทียมขนาดใหญ่ที่มีหน่วยประมวลผลหลายชั้น โดยอาศัยประโยชน์จากความก้าวหน้าในศักยภาพของคอมพิวเตอร์และเทคนิคในการเรียนรู้รูปแบบของข้อมูลปริมาณมหาศาลที่มีความซับซ้อนที่ได้รับการพัฒนาให้ดียิ่งขึ้นแล้ว แอปพลิเคชันแบบทั่วไปนั้นหมายถึงการจดจำภาพและคำพูด
- ระบบการประมวลผลข้อมูลที่มีการเรียนรู้ (Cognitive computing) เป็นแขนงย่อยหนึ่งของ AI ที่พยายามแสดงปฏิสัมพันธ์ให้เสมือนมนุษย์ผ่านเครื่องจักรกล การใช้ AI และการประมวลผลหน่วยความจำ มีเป้าหมายสูงสุดคือ การใช้เครื่องจักรกลในการเลียนแบบกระบวนการของมนุษย์ผ่านความสามารถในการตีความภาพและคำพูด และตอบสนองโดยทันที
- การประมวลผลภาพ (computer vision) ใช้การจดจำรูปแบบและการเรียนรู้เชิงลึกในการจดจำสิ่งที่อยู่ในภาพหรือวิดีโอ เมื่อเครื่องจักรกลสามารถประมวลผล วิเคราะห์และเข้าใจรูปภาพ มันจะสามารถจับภาพหรือวิดีโอได้แบบเรียลไทม์และตีความสภาพแวดล้อมได้
- การประมวลผลภาษาธรรมชาติ (natural language processing หรือ NLP) คือความสามารถของคอมพิวเตอร์ในการวิเคราะห์ ทำความเข้าใจและสร้างภาษามนุษย์ ซึ่งรวมถึงคำพูดด้วย ขั้นถัดไปของ NLP คือ การโต้ตอบด้วยภาษาธรรมชาติ ซึ่งช่วยให้มนุษย์สามารถสื่อสารกับคอมพิวเตอร์ได้โดยใช้ภาษาเพื่อดำเนินการงานต่าง ๆ
นอกจากนี้ ยังมีหลายเทคโนโลยีที่ช่วยและส่งเสริมประสิทธิภาพของ AI เทคโนโลยีเหล่านั้นได้แก่:
- หน่วยประมวลผลกราฟฟิก เป็นกุญแจสำคัญของ AI เนื่องจากหน่วยประมวลผลจะช่วยเพิ่มพลังในการคำนวณอันจำเป็นต่อกระบวนการประมวลผลซ้ำไปมา การฝึกอบรมโครงข่ายประสาทจำเป็นต้องใช้ข้อมูลบิ๊กดาต้าและพลังงานในการคิดคำนวณ
- Internet of Things ก่อให้เกิดปริมาณข้อมูลมหาศาลจากอุปกรณ์ที่เชื่อมโยงอยู่ ซึ่งข้อมูลส่วนใหญ่มักไม่ผ่านการวิเคราะห์ แบบจำลองอัตโนมัติที่ใช้ AI จะช่วยให้เราใช้ประโยชน์จากแบบจำลองได้อย่างเต็มที่
- อัลกอริธึมขั้นสูง กำลังได้รับการพัฒนาและผนวกรวมเป็นวิธีใหม่เพื่อทำการวิเคราะห์ข้อมูลที่รวดเร็วกว่าและได้หลายระดับข้อมูล กระบวนการอันชาญฉลาดนี้คือ กุญแจสำคัญในการระบุและพยากรณ์เหตุการณ์ที่เกิดขึ้นได้ยาก ทำความเข้าใจระบบที่ซับซ้อนและปรับเพื่อให้ได้มาซึ่งสถานการณ์ที่เหมาะสมที่สุด
- APIs หรือแอปพลิเคชันประมวลผลอินเตอร์เฟส เป็นแพคเกจของโค้ดคำสั่งที่สามารถพกพาได้ช่วยให้การเพิ่มเติมฟังก์ชันการทำงานของ AI ไปยังผลิตภัณฑ์ที่มีอยู่แล้วและแพคเกจซอฟต์แวร์สามารถเป็นไปได้ โดยมันสามารถเพิ่มความสามารถในการจดจำภาพ เพื่อจัดทำระบบความปลอดภัยและการตอบคำถาม Q&A ซึ่งสามารถอธิบายข้อมูล สร้างแคปชั่นและหัวเรื่อง หรือค้นหารูปแบบข้อมูลและเนื้อหาที่น่าสนใจได้
โดยสรุป เป้าหมายของ AI คือการมอบซอฟต์แวร์ที่สามารถหาคำตอบด้วยการคิดหาเหตุผลจากอินพุตที่ใส่เข้าไปและอธิบายคำตอบนั้นผ่านการแสดงผล AI จะแสดงปฏิสัมพันธ์เสมือนมนุษย์ผ่านซอฟต์แวร์และมอบเหตุผลสนับสนุนการตัดสินใจในงานเฉพาะ หากแต่ AI ไม่ใช่สิ่งที่จะมาแทนที่มนุษย์ และจะไม่เป็นเช่นนั้นในระยะเวลาอันใกล้
อ่านรายละเอียดเพิ่มเติมเกี่ยวกับหัวข้อนี้
- Harnessing synthetic data to fuel AI breakthroughsLearn why synthetic data is vital for data-hungry AI initiatives, how businesses use it to unlock growth, and how it can help address ethical challenges.
- What are AI hallucinations?Separating fact from AI-generated fiction can be hard. Learn how large language models can fail and lead to AI hallucinations – and discover how to use GenAI responsibly.
- What are chatbots?Chatbots are a form of conversational AI designed to simplify human interaction with computers. Learn how chatbots are used in business and how they can be incorporated into analytics applications.
- Analytics leads to lifesaving cancer therapiesA long-shot treatment offers hope to 10-year-old Harrison after he learns the DNA profile of his cancer is resistant to chemo. Find out how data and analytics play a role in cancer research and cancer treatments that are saving lives.