Wszechobecna A.I.

W dzisiejszym świecie magia AI jest wszędzie - może nie jest to "pełna AI", ale istnieją znaczące części. Allen Newell przewidział te fragmenty jako część "zaczarowanej krainy". W piśmie wydanym w 1976 r. nazwał komputery "technologią zaklęcia". Zauważył dwa składniki, które sprawiły, że tak się stało: Po pierwsze, jest to technologia zastosowania wiedzy do działania, aby osiągnąć cele…. Na tym właśnie polegają algorytmy i programy - zamrożone działanie, które należy rozmrozić w razie potrzeby. Drugim składnikiem jest miniaturyzacja układów fizycznych, które mają zdolność inteligentnego działania. Tak więc technologia komputerowa różni się od wszystkich innych technologii właśnie tym, że zapewnia zdolność do zaczarowanego świata: dla hamulców, które wiedzą, jak zatrzymać się na mokrej nawierzchni, dla instrumentów, które mogą rozmawiać z użytkownikami , mosty, które zwracają uwagę na bezpieczeństwo tych, którzy je przekraczają. Dla lamp ulicznych, które dbają o tych, którzy stoją pod nimi - którzy znają drogę, więc nikt nie musi się zgubić Dla małych pudełek, które obliczają twój podatek dochodowy za Ciebie Krótko mówiąc, technologia komputerowa oferuje możliwość włączenia inteligentnego zachowania we wszystkich zakątkach i zakamarki naszego świata. Dzięki niemu możemy zbudować zaczarowaną ziemię. Zobaczmy kilka przykładów tego, jak sztuczna inteligencja zamieszkuje już "zakątki naszego świata".

AI w domu

Domy i ich zawartość stają się bardziej inteligentne. Oto częściowa lista tego, co możesz znaleźć dzisiaj (lub wkrótce) podczas wycieczki po nowoczesnym domu:

•  termostaty do systemów ogrzewania i klimatyzacji, które przewidują zmiany temperatury i potrzeby mieszkańców, komunikują się z innymi urządzeniami domowymi i podejmują z wyprzedzeniem odpowiednie działania;
•  kuchenki mikrofalowe, które odczytują kody kreskowe na opakowaniach, aby określić, jak długo gotować przedmiot;
•  inteligentne buty do biegania z chipem komputerowym, który wykrywa rozmiar biegacza i długość kroku oraz kieruje bieżącymi zmianami w wyleczonej amortyzacji za pomocą miniaturowego systemu śrub i kabli;
•  pralki, które automatycznie dostosowują się do różnych warunków, aby lepiej prać ubrania;
•  lodówki, które automatycznie inwentaryzują ich zawartość i informują właścicieli o potrzebnych produktach;
•  kamery z komputerowymi systemami wizyjnymi do rozpoznawania twarzy oraz kontrolowania ostrości, ekspozycji i kadrowania;
•  aparaty słuchowe, które dostosowują się do poziomu hałasu otoczenia i blokują paplaninę podczas "koktajlu"
•  robotyczne "zwierzęta" dla zwierząt domowych i zabawki, które wchodzą w interakcje z ludźmi;
•  roboty do mycia podłóg i odkurzania; i
•  roboty dozorcze dla osób starszych lub informacji.

Ta lista będzie się powiększać. Niektórzy badacze AI mówią o polu nazywanym "inteligencją otoczenia", gdzie "szeroką ideą jest wzbogacenie przestrzeni (np. pokoju, domu, budynku, dworca autobusowego lub krytycznego obszaru w szpitalu) za pomocą czujników powiązanych z inteligentnym oprogramowaniem, aby ludzie korzystający z przestrzeń może skorzystać z responsywnego, a nawet mądrego środowiska ". Komponenty w otoczeniu przenikającym inteligencję otoczenia są również połączone w sieć, aby mogły się ze sobą komunikować i aby ludzie mogli się z nimi komunikować za pomocą zwykłej mowy. Vlingo, Nuance i Yap to trzy firmy, które sprzedają produkty na telefony komórkowe (takie jak iPhone), które tłumaczą głos na tekst. Na przykład Vlingo twierdzi na swojej stronie internetowej, że jeśli powiesz telefonowi "pizze w Pittsburghu", to "zgadnie, co chcesz, zgadnie i pokaże ci, jak się tam dostać. Bez stukania, bez kciuków, po prostu dobre, stare mówienie ". Przypuszczalnie podobna technologia może umożliwić dowodzenie i sprawdzanie inteligentnych urządzeń przez rozmawianie z nimi.

Zaawansowane systemy wspomagania kierowcy

Być może krajobrazem z największą liczbą miejsc, do których wkradły się komputery i sztuczna inteligencja, jest współczesny samochód osobowy. Dzisiejsze samochody mogą mieć aż pięćdziesiąt mikroprocesorów kontrolujących takie rzeczy, jak automatyczne skrzynie biegów, układy wtrysku paliwa, hamulce przeciwpoślizgowe, poduszki powietrzne, systemy bezpieczeństwa i tempomat, żeby wymienić tylko kilka. I choć nie jest jeszcze całkowicie autonomiczny, coraz więcej samochodów zaczyna być wyposażonych w funkcje bezpieczeństwa zwane zaawansowanymi systemami wspomagania kierowcy (ADAS). Oto lista tylko kilku funkcji ADAS, które są już dostępne lub są dostępne planowane przez kilku producentów samochodów:

•  adaptacyjny tempomat (ACC) zapewniający bardziej inteligentną kontrolę prędkości, umożliwiającą spowolnienie lub przyspieszenie pojazdu w zależności od warunków ruchu postrzeganych przez czujniki radarowe lub laserowe;
•  inteligentna adaptacja prędkości (ISA) do monitorowania lokalnych ograniczeń prędkości, spowalniania pojazdu (lub ostrzegania kierowcy), gdy wjeżdża on do stref z ograniczeniami prędkości;
•  systemy kontroli pasów do monitorowania obecności pojazdów lub przeszkód na sąsiednich pasach oraz do monitorowania, kiedy kierowca zjeżdża na sąsiedni pas lub z jezdni;
•  automatyczne systemy parkowania wspomagające kierowcę podczas wykonywania równoległego manewru parkowania;
•  systemy rozpoznawania znaków drogowych;
•  systemy wykrywania senności kierowcy; i
•  inteligentne systemy kontroli ciśnienia w oponach.

Chociaż nie wszystkie komputery samochodowe wykorzystują technologię AI, najbardziej ambitne funkcje ADAS wykorzystują widzenie komputerowe, metody planowania, wnioskowanie probabilistyczne i uczenie maszynowe. Motywacją do korzystania z ADAS jest chęć wyeliminowania obrażeń i wypadków samochodowych. Na przykład w 1997 r. zzwedzki parlament uchwalił "Ustawę o bezpieczeństwie ruchu drogowego", której celem "Vision Zero" jest to, aby "nikt nie zginął ani nie odniósł poważnych obrażeń podczas poruszania się w systemie transportu drogowego".

Wyszukiwanie trasy w Mapach

Kiedy zajmujemy się samochodami, jedną z rzeczy, o których kierowcy często muszą wiedzieć, jest to, jak dostać się z jednego miejsca do drugiego. Wiele samochodów ma urządzenia, które "mówią" jak dojechać do miejsca docelowego za pomocą pokładowych systemów GPS, baz danych map i syntezy mowy. Bazy danych map można traktować jako wykresy składające się z miejsca "węzłów "i połączenia drogi "łączy". Niezależnie od tego, czy porady nawigacyjne są dostarczane z wyprzedzeniem przez komputer domowy (na przykład za pomocą Google Maps), czy przez pokładowy system nawigacyjny, są one generowane przez proces wyszukiwania wykresu w celu znalezienia ścieżki z jakiegoś węzła, A , do jakiegoś innego węzła B. Przypomnisz, że najczęściej stosowaną procedurą wyszukiwania grafów jest A*, heurystyczna metoda wyszukiwania, która uwzględnia zarówno przebytą odległość, jak i szacunkową odległość do celu (patrz str. 220.) Czy A* jest używany w programach trasowania? Na przykład Google powie tylko, że używa "najnowocześniejszych algorytmów wykresów hierarchicznych do obliczania najkrótszych ścieżek w sieciach routingu w ciągu kilku milisekund". Najprawdopodobniej algorytmy te i podobne stosowane przez innych kierowników tras wykorzystują techniki heurystyczne podobne do tych używanych przez A*, ale wyspecjalizowane w przypadku wyszukiwania mapy dwuwymiarowe. Na przykład wyszukiwania są uporządkowane hierarchicznie. Oznacza to, że w przypadku podróży do odległego celu przeszukiwane są mapy na dużą skalę z głównymi drogami i autostradami. Następnie, aby dostać się z pozycji początkowej do głównej drogi w drodze do celu, używana jest bardziej szczegółowa mapa z mniej uczęszczanymi drogami. Wyszukiwanie hierarchiczne może prowadzić do nieco nieoptymalnych, ale jednak całkiem akceptowalnych ścieżek. Ponadto, odpowiadając na miliardy zapytań, niektóre obliczenia, które musiałyby zostać powtórzone dla każdego zapytania, można zamiast tego udostępnić między nimi. Większość programów wyznaczania trasy może (i tak) uwzględnia kryteria inne niż odległość, takie jak szacowany czas podróży. Na przykład program ClearFlow firmy Microsoft, który wykorzystuje sieci bayesowskie oparte na czujnikach monitorowania ruchu w celu oszacowania natężenia ruchu, może oprzeć zalecenia trasy na najkrótszym czasie, najkrótszej odległości lub bieżących warunkach drogowych.

Może ci się spodobać…

Kiedy loguję się na stronie Amazon.com, odpowiada \ Witaj, Mamy dla ciebie rekomendacje. "Następnie zawiera listę elementów, które według mnie mogą się przydać, w tym książkę Portugalskie czasowniki nieregularne Alexandra McCalla Smitha (zalecane, ponieważ wcześniej kupiłem inną książkę tego samego autora) oraz wideo Lipstick Jungle with Brooke Shields ponieważ wcześniej pobrałem wideo BBC Shakespeare: Othello (?!). Pozwala mi to wprowadzić pewne zmiany. Kiedy mówię, że nie jestem zainteresowany Lipstick Jungle, zastanawiam się, czy mogę być zainteresowany filmem How I Met Your Mother. Być może nie zamówiłem wystarczającej liczby filmów, aby lepiej zrozumieć, czym mogę się zainteresować. Zalecenia Amazon oparte są na tak zwanym filtrowaniu społecznościowym lub współpracy. Baza preferencji (dla książek, filmów itp.) jest utrzymywany dla każdego użytkownika. Jeśli preferencje użytkownika B są wystarczająco skorelowane z preferencjami użytkownika A, współpracujący system filtrowania poleciłby niektóre zakupy B (jeszcze nie zakupione przez użytkownika A) użytkownikowi A. Stosowane są proste techniki uczenia maszynowego w celu znalezienia korelacji preferencji między użytkownikami. Kilka innych witryn, w tym iTunes, TiVo i Netflix, opierają swoje rekomendacje na wspólnym filtrowaniu. Inny typ systemu rekomendacji wykorzystuje tak zwane filtrowanie treści, w którym preferencje użytkownika dotyczące książek, filmów, dokumentów itp. Są analizowane w celu znalezienia podobieństw z innymi elementami tego samego rodzaju (zamiast z innymi użytkownikami te same preferencje). Zalecane są wówczas najbardziej podobne produkty. W przypadku dokumentów można na przykład dokonać porównań przy użyciu reprezentacji wektorowych. Filtrowanie treści jest szeroko stosowane do blokowania niechcianych wiadomości e-mail (takich jak spam) i witryn internetowych (takich jak pornografia). Służy również do spersonalizowanych wyszukiwań w sieci - na przykład w dostosowywaniu kanałów informacyjnych w celu gromadzenia wiadomości na określone tematy. Opracowano także systemy rekomendacji, które łączą metody współpracy i metody oparte na treści. Zainteresowani czytelnicy mogą chcieć zobaczyć specjalne wydanie czasopisma AI Communications na temat "Systemy rekomendujących".

Gry komputerowe

Oprócz stosowania technik sztucznej inteligencji do grania w gry takie jak szachy i warcaby, sztuczna inteligencja zaczyna być wykorzystywana w grach komputerowych, w których ludzcy użytkownicy wchodzą w interakcję ze sztucznymi postaciami w symulowanym świecie. Chociaż w tych grach nacisk położono na bogatą i realistyczną grafikę, zastosowanie technik sztucznej inteligencji może uczynić je jeszcze bardziej atrakcyjnymi i wymagającymi. Deweloperzy i wielbiciele tych gier używają terminu "AI" w celu odróżnienia rodzajów AI w grach komputerowych od tego, co nazywają akademickim lub "AI R&D". Wskazują, że w wielu grach wszystko, czego potrzeba, to iluzja lub pozór inteligencji - podobnie jak program ELIZA wydaje się być w stanie prowadzić rozmowę, ale tak naprawdę nie wie, o czym mówi. Niemniej jednak gry komputerowe są bogate w możliwości wykorzystania sztucznej inteligencji. W zwykłym otoczeniu ludzki gracz wchodzi w interakcję i współzawodniczy z sztucznymi agentami w grze; agenci ci nazywani są postaciami niezależnymi (NPC). Wśród innych zadań NPC muszą być w stanie nawigować z miejsca A w swoim świecie do miejsca B bez wpadania na przeszkody lub inne postacie niezależne, dlatego wiele gier korzysta z A*. Ale również NPC powinni być w stanie postrzegać swoje symulowane środowisko, tworzyć i realizować plany oraz uczyć się {podobnie jak roboty w prawdziwych środowiskach. Im bardziej inteligentnie potrafią to robić, tym bardziej realistycznie będą wyglądać dla gracza (i nabywcy) gry. Wspomnę o dwóch reprezentatywnych przykładach gier z tymi umiejętnościami. Gra Black and White 2, opracowana przez Lionhead Studios i sprzedawana przez Electronic Arts, wykorzystuje połączenie sieci neuronowych i drzew decyzyjnych. Według strony internetowej gry, NPC (złe i życzliwe bóstwa) "mogą uczyć się strategii, doskonalić nowe umiejętności i umiejętności oraz [i] prowadzić armie do bitwy … Każdy twój wybór będzie miał wpływ. Każda akcja i bezczynność powoduje oczywiste zmiany w budynkach, florze i faunie, wszystkie zmieniają się, by odzwierciedlić twoją osobowość. " Gra F.E.A.R. (First Encounter Assault Recon) Jeff Orkin i Monolith Productions używa A* do planowania sekwencji akcji NPC oprócz swojej zwykłej roli w wyszukiwaniu ścieżek. Czarno-biały i F.E.A.R. zostały ocenione odpowiednio na numery 1 i 2 w "10 najbardziej wpływowych grach AI" autorstwa http://AIGameDev.com, witryny internetowej poświęconej wykorzystaniu AI w grach. Istnieje kilka stron internetowych i konferencji poświęconych sztucznej inteligencji w grach. Niektórzy badacze AI opowiadali się za wykorzystaniem gier komputerowych jako dogodnej areny do opracowywania nowych pomysłów dla inteligentnych agentów. Na przykład profesor z Uniwersytetu Michigan, John Laird, napisał: "[ponieważ] badania w robotyce wymagają rozwiązania wielu trudnych problemów związanych z wyczuwaniem niskiego poziomu i działaniem w prawdziwym świecie, które są dalekie od poznawczych aspektów inteligencji … gry komputerowe zapewniają nam źródło taniej, niezawodnej i elastycznej technologii do tworzenia własnych wirtualnych środowisk do badań ". Fragmenty sztucznej inteligencji właśnie omówione, czy to w domu, w samochodzie, czy w grach komputerowych, zwykle mają odmiany "reaktywne" lub "oparte na zachowaniu". Warunki są wykrywane i podejmowane są działania w zależności od tego, co jest wykrywane. Budowanie systemów, które potrafią odpowiednio reagować na sytuację, było ważnym obszarem badań nad sztuczną inteligencją. Agenci sztucznej inteligencji, którzy zamieszkują dynamiczne środowiska, symulowane lub rzeczywiste, muszą także mieć możliwość decydowania, kiedy zareagować, a kiedy się zastanowić. Albert Lewis, gdy był obrońcą drużyny piłkarskiej Oakland Raiders, miał do powiedzenia o tym, kiedy zareagować, a kiedy pomyśleć: Kiedy myślisz na boisku, automatycznie to straciłeś. W tym tygodniu powinieneś pomyśleć w ciągu tygodnia w praktyce. Właśnie wtedy powinno zapalić się światło. Gdy wchodzisz do gry, wszystko polega na reagowaniu na to, co widzisz. Można sobie wyobrazić, że symulowani piłkarze (NPC) w grach takich jak Madden NFL 09 będą stosować coraz bardziej złożone strategie reaktywne wspomagane, w stosownych przypadkach, przez rozumowanie wyższego poziomu