Kecerdasan buatan (AI) telah mengatasi batasan sistem berasaskan peraturan awal dan meniru pembelajaran manusia dengan pendekatan baharu untuk menyelesaikan masalah inovatif dalam bidang yang pelbagai seperti terjemahan bahasa dan pengecaman objek. Dalam proses ini, AI belajar daripada data dan menghasilkan keputusan yang cekap dan tepat tanpa perlu mentakrifkan peraturan. Pada masa hadapan, AI berpotensi untuk menjadikan kehidupan seharian kita lebih mudah dan memperkaya.
Tidak keterlaluan untuk mengatakan bahawa kemudahan tamadun manusia pada skala global telah dimungkinkan oleh pembangunan kejuruteraan, tetapi beberapa teknik kejuruteraan ini telah dimungkinkan dengan meniru alam semula jadi. Cara kapal terbang menggunakan lif untuk terbang meniru cara burung terbang, dan cara kapal selam menggunakan gelombang bunyi untuk meneroka dasar lautan adalah serupa dengan cara kelawar menggunakan ultrasound untuk mengelakkan halangan. Contoh-contoh mimik semula jadi ini boleh didapati di sekeliling kita. Sebagai contoh, robot pembersihan meniru tingkah laku kolektif semut untuk membersihkan ruang dengan cekap, dan konkrit penyembuhan diri telah dibangunkan untuk meniru proses penyembuhan kulit manusia. Sebenarnya, kaedah yang telah dipilih oleh makhluk hidup untuk terus hidup adalah kaedah yang telah menumpu selama ratusan juta tahun evolusi menjadi yang paling optimum, jadi ia adalah cara yang sangat berkesan untuk kejuruteraan meminjam idea daripada mereka. Dalam bidang komputer, terdapat satu bidang yang meniru beberapa ciri kehidupan yang sama: kecerdasan buatan, yang meniru kecerdasan manusia.
Malah, kajian kecerdasan buatan dalam erti kata tradisional kembali kepada kelahiran komputer. Selepas kelahiran Aniak pada tahun 1947, perkembangan pesat teknologi pengkomputeran menyebabkan saintis komputer membayangkan masa depan yang cerah untuk kecerdasan buatan, meramalkan bahawa dalam tempoh 10 hingga 20 tahun, mesin berfikir akan dapat membantu manusia. Namun, bertentangan dengan harapan mereka, ketika para sarjana cuba menyelesaikan masalah seperti memproses bahasa semula jadi (bahasa yang digunakan oleh manusia untuk berkomunikasi, seperti Korea dan Inggeris) dan pengecaman objek menggunakan komputer, mereka menyedari bahawa hampir mustahil untuk memberikan komputer asas. kemahiran berfikir bebas kanak-kanak. Menghadapi batasan ini, bidang kecerdasan buatan kekal tidak berubah tanpa sebarang kemajuan besar sehingga tahun 90-an, apabila ia mula berkembang semula, dan baru-baru ini telah menunjukkan beberapa pencapaian. Siri iPhone dan sistem terjemahan bahasa Google, yang sering kami gunakan, dimungkinkan oleh perkembangan terkini dalam AI.
Jadi, apakah sebab kebangkitan semula AI selepas genangannya? Untuk memahami perkara ini, adalah penting untuk mengenali perbezaan antara teknologi komputer tradisional dan pendekatan terkini terhadap masalah dalam AI. Komputer ialah pelaksanaan fizikal mesin abstrak yang dipanggil mesin Turing, yang telah dicipta pada tahun 1936 oleh seorang ahli matematik bernama Alan Turing. Mesin Turing dicadangkan sebagai mesin yang, diberi input nilai, beroperasi mengikut algoritma matematik yang ditakrifkan oleh manusia yang mentakrifkan peraturan dan memproses satu demi satu, dan mengeluarkan hasil yang sesuai. Oleh itu, dari perspektif komputer yang merupakan pelaksanaan fizikal mesin Turing, kecerdasan buatan hanyalah pemprosesan algoritma: apabila diberikan masalah untuk diselesaikan, komputer tidak melalui proses memahami apa masalahnya, tetapi hanya cuba menyelesaikannya dengan melaksanakan algoritma verbatim menggunakan algoritma yang disimpan. Pendekatan ini dikenali sebagai sistem berasaskan peraturan, dan semua AI awal menggunakannya.
Walau bagaimanapun, sistem berasaskan peraturan mengalami dua masalah penting. Yang pertama ialah komputer tidak mempunyai keupayaan untuk mengendalikan jenis masalah baru yang tidak ada dalam algoritma, jadi setiap kali jenis masalah baru dibentangkan, algoritma perlu dilanjutkan supaya ia boleh berfungsi dengan baik pada yang baru. jenis masalah. Masalah ini tidak membawa maut, bagaimanapun, kerana tujuan membangunkan sistem AI adalah untuk membantu menyelesaikan masalah tertentu yang telah ditetapkan (terjemahan bahasa, pengecaman objek, dll.), bukan untuk dapat menyelesaikan semua masalah seperti manusia. Sebaliknya, masalah kedua ialah kelemahan utama sistem berasaskan peraturan. Masalah kedua ialah walaupun masalah adalah sangat mudah untuk diselesaikan oleh manusia, untuk menjadikannya sebagai algoritma dalam bentuk sistem berasaskan peraturan, anda perlu menghitung semua peraturan untuk masalah tersebut. Sebagai contoh, katakan kita ingin menulis algoritma untuk komputer melihat objek dan memberitahu sama ada ia adalah epal atau tidak. Pertama, kita akan mencari banyak ciri yang mentakrifkan epal (ia merah, ia bulat, ia mempunyai bahagian atas, ia mempunyai rasa tertentu), dan kemudian algoritma akan menyemak setiap ciri ini terhadap objek yang diperhatikan oleh komputer, yang akan menjadi sangat tidak cekap masa dan tidak semestinya tepat.
Sebaliknya, pendekatan yang diambil oleh sistem AI semasa ialah cara baru untuk menyelesaikan masalah sistem berasaskan peraturan: ia meniru cara manusia berfikir dan menaakul dengan otak mereka. Orang ramai tidak membuat pertimbangan dalam situasi harian dengan menggunakan peraturan pada semua perkara, kecuali dalam situasi khas yang memerlukan aliran logik, seperti matematik. Untuk memahami cara manusia berfikir, mari kita ambil contoh daripada buku Jeff Hawkins "On Intelligence" (The Thinking Brain, the Thinking Machine). Pertimbangkan proses di mana kita melihat anak anjing dan mengenalinya sebagai anjing: pertama, apabila kita melihat anak anjing, gentian saraf optik kita mengenali corak tertentu, yang membakar sel otak tertentu dalam otak kita yang menyimpan konsep abstrak anak anjing, dan kami mempunyai pemikiran tentang seekor anjing. Sel otak yang menyimpan konsep anjing ini juga akan terbakar apabila kita mendengar anjing menyalak atau menyentuh anjing. Ini kerana corak yang kita ambil melalui pendengaran, bau, penglihatan, dan lain-lain dikaitkan dengan neuron ini. Dalam erti kata lain, proses pemikiran kita adalah berdasarkan fakta bahawa kita telah terdedah kepada banyak corak sejak kita masih kanak-kanak dan telah mempelajari konsep yang berkaitan dengan corak tersebut, dan apabila kita terdedah kepada corak baru, kita mencari corak yang paling hampir sama dengan pola yang telah kita pelajari dan mengenali konsep yang berkaitan dengannya. Proses pembelajaran ini bukan sahaja mengenai corak visual, tetapi juga mengenai tindak balas emosi, persepsi terhadap situasi sosial, dan banyak lagi. Sebagai contoh, proses di mana kanak-kanak belajar emosi dengan memerhatikan ekspresi muka ibu bapanya melibatkan pengecaman corak. Sistem AI yang dilaksanakan dengan cara ini boleh menyelesaikan masalah dalam masa yang lebih singkat daripada sistem berasaskan peraturan, dan mempunyai kelebihan tidak perlu mereka bentuk algoritma, tetapi hanya perlu menyediakan data untuk melatih komputer. Prestasi algoritma juga jauh lebih baik daripada sistem berasaskan peraturan.
Sekitar masa ini tahun lepas, sistem yang dipanggil "Watson" yang dicipta oleh IBM menjadi tajuk utama apabila ia menewaskan Jennings dan Ritter, dua daripada pemenang sepanjang masa Jeopardy, dalam rancangan kuiz Amerika yang popular. “Watson” ialah sistem berasaskan peraturan besar yang pasukan IBM menghabiskan masa bertahun-tahun membina yang sebenarnya tidak memahami sebarang konsep. Walaupun "Watson" menggunakan sistem berasaskan peraturan yang tidak cekap yang disebut dalam teks, ia dapat mengalahkan manusia kerana senjata komputer: kelajuan pemprosesan yang pantas. Kecerdasan buatan yang meniru otak manusia masih di peringkat awal, tetapi bagaimana rupa masa depan apabila ia dikembangkan lagi dan digabungkan dengan kelajuan pemprosesan komputer yang pantas. Sebagai contoh, AI akan dapat memantau kesihatan seseorang dalam masa nyata untuk mencegah penyakit dan mencadangkan rawatan yang diperibadikan. AI juga boleh merevolusikan pendidikan. Ia akan dapat menganalisis corak pembelajaran pelajar dan menyediakan mereka dengan rancangan pembelajaran yang diperibadikan untuk memaksimumkan pembelajaran mereka. Mungkin kita akan hidup dalam era di mana kita bekerja rapat dengan komputer untuk menyelesaikan masalah yang lebih kreatif dan kompleks.
