¿Qué tan inteligente es AI ahora (octubre de 2014)?

Answer 1

Me encanta esta pregunta y muchas de las respuestas brindan una imagen altamente calificada y precisa del “estado de la técnica” en AI, incluida una mención del AGI que se refiere a la distinción (quizás) necesaria entre AI como “Sistemas expertos” vs. AGI como “Inteligencia Autónoma”.

Creo que ese es el quid de lo que estamos hablando aquí a pesar de cualquier distinción: Autónoma es la palabra operativa, y se puede apreciar esto al considerar la forma en que una computadora puede jugar al ajedrez: es totalmente autónoma. Sin embargo, cuando se nos pide que realicen diferentes tipos de juicios y decisiones, se hace evidente que nuestra meta, idea y valor para AI y AGI tienen un largo camino por recorrer porque la mayoría de estos sistemas no abordan adecuadamente la autonomía de la manera en que lo hacemos. d gusta Esto se está volviendo menos cierto en el espectro de la IA.

Mi contribución a este conjunto de respuestas se centrará en lo que no se ha dicho, y representa tal vez la única perspectiva original que puedo proporcionar, aparte de mi disposición original de opinión y comentario como poesía y semántica …

Tengo algunos artículos que discuten precisamente dónde percibo las verdaderas tierras de AI o AGI en la escala de posibilidades, y lo que se necesitará para llegar allí. Simplemente creo que el cuello de botella reside en la capacidad humana para expresar inteligencia; Reconocerlo y permitir su presencia en toda la sociedad. No creo que sea por falta de genio que la verdadera IA todavía se esté riendo de nosotros detrás de una cortina en algún lugar, creo que es porque no nos hemos desarrollado colectivamente para apoyar el tipo de desarrollo requerido para producir la verdadera IA.

Desde 2010, he estado escribiendo código utilizando lo que llamo “Programación del comportamiento” y lo que la industria ahora llama “Programación reactiva”.

Como soy un programador y arquitecto de sistemas, y mi objetivo es ofrecer sistemas empresariales con aplicaciones altamente especializadas y sistemas integrados, veo esta pregunta de dos maneras diferentes pero relacionadas:

1. Lo veo desde las trincheras, y por esta razón puedo hablar específicamente de lo que se requeriría para habilitar la IA de la próxima generación e incluso comenzar o esperar comenzar a desarrollar el AGI en una escala más apreciable. Me he dado cuenta de que cierto código puede aplicarse a un conjunto genérico de entornos, máquinas, servidores, software, etc. Sin embargo, en realidad (en la práctica en el mundo real) ocurre con más frecuencia que no, que el verdadero progreso requiere el desarrollo de una -sistemas, construcciones de lenguaje, e incluso hardware que es capaz de ejecutar la inteligencia correctamente. Por lo tanto, en ausencia de un límite definitorio, es casi seguro que en algún punto el crecimiento (léase: la evolución de un sistema) requerirá un crecimiento adicional en el hardware, software y entorno general específicos o, de lo contrario, dicho crecimiento no será posible . (¿No es esto como la vida?)

2. Lo veo desde la vanguardia de la investigación y la ciencia. No veo que los negocios o la industria tengan en mente un alcance social más amplio o un propósito mayor en comparación con algunas de las ciencias puras aplicadas por otras disciplinas, y sin embargo, los negocios impulsan la investigación (en su mayoría) en este momento. Por lo tanto, creo que dado que el campo del aprendizaje automático global ha sido impulsado por las empresas y la industria, así como la industria informática general responde a esto, se necesitará algo mucho más para respaldar el tipo de agendas y la responsabilidad fiscal requerida para construir el fondo de recursos masivo. y la energía colectiva de la intención de activar algo que en última instancia es mucho más inteligente que los sistemas de inteligencia artificial más capaces.

3. Es necesario que haya una revolución en el hardware de al menos un orden de magnitud antes de que la IA sea posible, pero esta revolución no se trata de saltos incrementales en Mhz o incluso en GHz. Este es un salto cuántico en la arquitectura como lo hace la naturaleza. (Adaptar, Adaptar, Adaptar, Adaptar, BAM! Nuevas Especies). Yo diría que este salto cuántico terminará usando la luz internamente para procesar dinámicamente los flujos sensoriales de datos. Si fuera a Julio Verne, este sistema se vería como láseres de núcleo radiante (piense en imanes de núcleo polar en lugar de imanes lineales) o campos MIR (radar de impulso) que se utilizan conjuntamente con un nuevo lenguaje que consiste de 65,535 texturas diferentes que se rellenan para crear representaciones de datos y códigos por igual. Es solo un interferómetro de salto con tecnología láser / EMF o MIR (micro-impulso-rader) y rejilla de difracción / difusión similar a la tecnología holográfica; y estos se implementarían en lugar de los DSP de hoy, con muchos más sistemas de soporte para dar forma a este estructurador de datos y Fiber I / O en general.

…

Sin embargo, a diferencia de algunos de los encuestados aquí, creo que las máquinas autónomas de un orden inteligente son más que posibles, creo que están en nuestro futuro. Creo que se necesita un científico muy pobre para excluir cualquier posibilidad, incluso si un gran científico sabe que solo existen unas pocas probabilidades como reales y verdaderas dado un campo ilimitado de posibilidades potenciales …

Por supuesto, aunque me encantaría tomar cada punto explorado a través de este Quora y desglosarlo en detalles, respectivo de este foro tal vez sea mejor decir:

Cuando se trata del estado actual de la técnica, existimos en un momento muy emocionante cuando se producen aplicaciones de IA, lo que significa que el éxito ya ha tenido lugar en la capacidad teórica / de investigación y ahora estamos implementando la IA real , aunque de una manera muy limitada. naturaleza. La tecnología existe hoy como un subconjunto de nuestra propia inteligencia; así que, desafortunadamente, la primera IA no puede suceder a la inteligencia de sus creadores como lo pueden hacer los niños humanos.

La IA debe progresar, y progresará.

Veo la progresión de las etapas en este momento avanzando por un número incierto de años:

1. Los sistemas de inteligencia artificial actuales son reales y existen en conformidad con el modelo de autonomía, dadas ciertas tareas del mundo real de complejidad suficiente y, en algunos casos, más complejas que las soluciones capaces para los humanos.

2. Los “comportamientos inteligentes” o la evolución de los principios de programación reactiva demostrarán una mejor automatización del negocio y permitirán el desarrollo de sistemas más eficientes. Esto no solo se debe a la programación Reactiva en sí misma, sino a las nuevas arquitecturas de soporte en software, así como a los sistemas técnicos compatibles, capaces de proporcionar resultados incrementales y significativos en tiempo real.

3. Desarrollar una suite y un protocolo para manejar “Objetos conscientes de sí mismos” y para avanzar en el campo de los componentes de máquinas conscientes, los protocolos de Internet, el código de software y las funciones dinámicas capaces de trabajar en este nivel.

4. La aceptación social de que la inteligencia de la máquina es un subconjunto de la nuestra, y que nunca surgirá al azar de su propio acuerdo frankentoniano. Se entenderá universalmente que el proceso de integración sigue un paradigma predecible de 5 pasos que comienza con la autoconciencia; y así, los objetos fundamentalmente autoconscientes presentes de la etapa 3 se volverán a combinar orgánicamente y parecerá que lo hacen de manera inteligente debido a su presencia dentro de una industria tecnológica agregada que demuestra ser un sistema abierto expresivo de la IA que una vez se pensó que había sido diseñado por alguien en particular. La sensación progresiva de que estaba dirigiendo a los humanos a hacer su voluntad todo el tiempo será convincente, y será el tema de muchas películas favoritas por venir …

5. La Inteligencia real, como lo demuestra una Máquina, comenzará a aparecer cuando los avances en Hardware estén primero disponibles y luego el Software se revolucione.

Eso es nada menos que una revolución completa en las arquitecturas desde el hardware hasta las capas de software, y por esta razón, veo que este tema tiene un gran alcance, pero espero que no perdamos interés.

Answer 2

De acuerdo con nuestros expertos en Techopedia, la pregunta de hasta qué punto ha progresado la inteligencia artificial en un momento determinado es siempre nebulosa. Sin embargo, es un buen caso que hoy, estamos en un paso definido relacionado con el aprendizaje automático. La inteligencia artificial y el uso de redes neuronales.

Las redes neuronales son la vanguardia actual de la LM / IA: buscan imitar la cognición humana utilizando una combinación de aportes probabilísticos y resultados ponderados. A través de varias tecnologías y unidades en capas, como el perceptrón, buscan modelar la actividad del cerebro humano, no a nivel de comportamiento, sino a un nivel estructural más profundo.

Como resultado, la IA ha progresado hacia una nueva etapa de capacidades notables.

Hace unos años, la gente todavía hablaba de la integridad de Turing, basada en el trabajo de Alan Turing en la década de 1940. La idea de la integridad de Turing es que si una computadora puede, a través de la conversación, engañar a los usuarios humanos para que piensen que es un humano, pasa la “prueba de Turing”. Podrías ver este tipo de trabajo en juego en proyectos como IBM Watson, donde una computadora rivaliza con los humanos en el juego de preguntas “Jeopardy!” o en máquinas de ajedrez y Go como Deep Blue, que vencieron a Kasparov.

Apenas unos años después, el enfoque ha cambiado bastante. Menos personas están hablando sobre pasar una prueba de Turing y, en cambio, se están enfocando en lo que se necesita para hacer que un proyecto se complete “AI-complete” (este artículo de 2015 de la Guía Marie Marie del Prado en Business Insider ofrece una buena sinopsis de este cambio), a diferencia de Completamente completo, AI completo evalúa lo que puede hacer una computadora, no lo bien que puede imitar a un ser humano, per se, aunque muchas de las capacidades de AI aún son generalmente juzgadas por ese criterio. En el mundo de la tecnología actual, donde las computadoras están escribiendo historias y novelas, existe la confianza de que las computadoras pueden, en muchas formas, pasar una prueba de Turing. La pregunta es qué tan capaces pueden ser las máquinas de inteligencia artificial. Por ejemplo, un robot que no solo puede conversar, sino que responde a estímulos visuales como el lenguaje corporal, está bien encaminado hacia un tipo de AI completo que no solo es innovador sino que también es un poco inquietante. Si una computadora pasa una prueba de Turing justo al lado tuyo, puedes dejar de aplaudir sus increíbles poderes y comenzar a sentirte un poco preocupado.

Como resultado, los principales innovadores como Elon Musk y Bill Gates sugieren que ahora es el momento de definir la ética de la computación, antes de que la inteligencia artificial avance aún más hacia una “inteligencia artificial fuerte” que hace mucho más que pasar una prueba de Turing. .

Answer 3

Las computadoras siguen siendo terribles * al darse cuenta de que el verbo principal que aparece en estas imágenes es el mismo.


Esto es muy simple para los humanos, pero (sorprendentemente) es casi imposible con los actuales mecanismos de inteligencia artificial [1].

* Actualización: Un Google decidió encargarme de este problema y lanzar una red neuronal que describa la imagen ( espeluznante, tal vez estén mirando, ¡quizás la IA esté mirando!: P ). Las muestras en su sitio web muestran que aún no es bueno, pero seguramente es un paso adelante. El otro problema es que el aprendizaje profundo es bastante críptico en la forma en que lo logra, por lo que no aprendemos mucho de los avances que hacemos cuando los usamos.

Pero hay otras buenas noticias, en muchas, muchas tareas específicas que nombre (a diferencia del ejemplo anterior), una IA especializada puede vencer a un humano promedio o incluso experto. Algunos ejemplos populares sobre cosas que normalmente pensamos que los humanos son buenos en:

• Reconociendo caras: GaussianFace – Algoritmo supera a los humanos al reconocer caras

• ¡Peligro! Watson (computadora)
• Ajedrez Deep Blue (computadora de ajedrez)
• [Simbólico] cálculo Computational Knowledge Engine
• Cosas de malabarismo y equilibrio

En general, los verdaderos científicos en la comunidad de AI están menos interesados ​​en construir una máquina que sea “inteligente como los humanos” (lo que sea que eso signifique). Están bastante interesados ​​en construir sistemas que puedan resolver problemas de manera eficiente y correcta. El problema que tenemos con la recreación de rasgos como “inteligencia” y “conciencia” es que estas cosas tienen definiciones muy vagas y, por lo tanto, hacer ciencia en ellas es imposible.

Si está interesado en una discusión más “actual” sobre la IA, lea esta entrevista con Michael Jordan de Machine Learning: Machine Learning Learning El maestro Michael Jordan habla sobre los Delirios de Big Data y otros esfuerzos de ingeniería enormes

[1] El crédito para este ejemplo pertenece al Prof. Patrick Winston (MIT).

Answer 4

El modelo de computación en la nube de próxima generación construido alrededor de las capacidades de AI debería poder ejecutar un aprendizaje profundo o aplicaciones de AI. El potencial de la computación en la nube es reducir los costos de computación y aumentar la flexibilidad empresarial. AI utiliza un gran volumen de datos almacenados y puede utilizarse para robótica en la nube, automatización, acciones inteligentes y aprendizaje automático.

Descargue un informe de muestra para comprender Para obtener más información sobre el análisis de la industria de la inteligencia artificial

Las principales empresas se están centrando en una gran inversión en la contratación de ingenieros de inteligencia artificial debido a su rápido crecimiento en todo el mundo. La inteligencia artificial se utiliza principalmente para transformar los negocios empresariales y reducir el tiempo de reacción. Varias compañías como IBM Corp, Salesforce, Google Inc., Facebook Inc. y muchas otras compañías están pagando altos salarios para retener a sus empleados altamente calificados.

Mercado global de gasto en sistemas de inteligencia artificial: segmentación y pronóstico

El mercado global de gasto en sistemas de inteligencia artificial está segmentado según el tipo de industria (BFSI, Fabricación discreta y de procesos, Atención médica, Venta al por menor, Venta al por mayor, Servicios profesionales y de consumo, Transporte, Medios y entretenimiento, Telecomunicaciones y servicios públicos, Gobierno, Educación, Otros ( Construcción, Industrias de recursos)), sobre la base de la tecnología (Aprendizaje profundo, Aprendizaje automático, Procesamiento del lenguaje natural, Visión artificial, AGI, ASI) y sobre la base del mercado (hardware, software, servicios).

• En 2017, el segmento BFSI se estima en un valor de US $ 3,081.5 Mn, y se espera que registre un CAGR de 48.6% durante el período del pronóstico, que se valorará en US $ 161,525.7 Mn a finales de 2027.
• En 2017, el segmento de atención médica se estima en un valor de US $ 1,321.1 Mn, y se espera que registre un CAGR de 45.7% durante el período del pronóstico, que se valorará en US $ 56,943.1 Mn a finales de 2027.
• En 2017, el segmento minorista se estima en un valor de US $ 1,647.1 Mn, y se espera que presente un CAGR de 46.5% durante el período del pronóstico, que se valorará en US $ 75,128.9 Mn a fines de 2027.
• En 2017, se estima que el segmento de aprendizaje profundo está valorado en US $ 4,758.4 Mn, y se espera que registre un CAGR de 49.3% durante el período de pronóstico, que se evaluará en US $ 262,031.6 Mn a finales de 2027.
• En 2017, se estima que el segmento de aprendizaje automático está valorado en US $ 2,784.5 Mn, y se espera que presente un CAGR de 46.6% durante el período del pronóstico, que se valorará en US $ 127,790.1 Mn a finales de 2027.
• En 2017, el segmento de hardware se estima en un valor de US $ 4,841.1 Mn, y se espera que registre un CAGR del 43.9% durante el período del pronóstico, que se valorará en US $ 183,734.3 Mn a finales de 2027.

Answer 5

No estoy impresionado con la IA hasta ahora … al menos no su uso en aplicaciones médicas. Se puede comparar a un sabio idiota en el mejor de los casos. El uso de computadoras como herramientas de medición precisas, máquinas NC para el fresado preciso, reconstrucción digital de datos de imágenes, etc., es asombroso. La transcripción de reconocimiento de voz (que he implementado ampliamente y uso todos los días en mi propia práctica) aún es incapaz de sentir la gramática básica de manera contextual, lo que lleva a un inglés molesto en los documentos científicos. Los asombrosos servo mecanismos del cerebro humano, la capacidad de hacer correcciones mayores y menores, el juicio razonado con datos en tiempo real, la arquitectura de redes neuronales completamente simple pero a la vez tan compleja no es fácil de replicar con solo poder de cómputo en bruto. Tal como está hoy, ¡estaría aterrorizado de tener al Dr. Watson como mi médico de atención primaria! Sería aún más horrible si una de las empresas de EMR de Enterprise utilizara Watson para extraer datos (¡maldición! Están intentando hacerlo … ¡y si el rendimiento anterior es un indicador …!) .. Cuando vea que la computadora de IBM resuelve las preguntas de riesgo y lo intenta para vencer a Ken Jennings, es un gran atractivo visual. Eliminar el ruido de la sustancia en la evaluación clínica de un paciente con una presentación médica compleja es tan difícil para la máquina, casi una segunda naturaleza para un médico capacitado. Como primer paso, deseo que se centren en el procesamiento del lenguaje natural para producir información bien refinada a partir de grandes conjuntos de datos, en lugar de listas inútiles.

Answer 6

los La inteligencia artificial (IA) es la inteligencia. exhibido por máquinas o software. Hay algunos ejemplos de ello en la vida real que funcionan de manera muy eficiente y de maneras maravillosas. Este sistema de inteligencia artificial tiene aplicaciones en muchos campos y, por lo tanto, funciona en muchos campos. Uno de ellos es la lingüística .

Chatterbot:

Un chatterbot (también conocido como talkbot , chatbot Bot , chatterbox Entidad de conversación artificial (Artificial Conversational Entity ) es un programa de computadora que conduce una conversación a través de métodos auditivos o textuales. Tales programas a menudo están diseñados para participar en conversaciones pequeñas con el objetivo de pasar la Prueba de Turing al engañar al compañero de conversación para que piense que el programa es un humano.

Algunos chatterbots utilizan sofisticados sistemas de procesamiento de lenguaje natural, pero muchos simplemente buscan palabras clave dentro de la entrada y obtienen una respuesta con las palabras clave más coincidentes, o el patrón de redacción más similar, de una base de datos textual.

Watson:

los mejor ejemplo de la vida real Lo sé es IBM Watson . Watson es un sistema informático de respuesta de preguntas capaz de responder preguntas planteadas en lenguaje natural.

Watson compitió en el programa de televisión estadounidense Jeopardy! contra los ganadores anteriores Brad Rutter y Ken Jennings. Watson recibió el primer premio de $ 1 millón. Watson tuvo acceso a 200 millones de páginas de contenido estructurado y no estructurado que consumía cuatro terabytes de almacenamiento en disco, incluido el texto completo de wikipedia, pero no estaba conectado al Internet durante el juego. Las fuentes de información para Watson incluyen enciclopedias, diccionarios, tesauros, artículos de noticias y obras literarias. Watson también utilizó bases de datos, taxonomías y ontologías.

Answer 7

Advertencia de AI: los robots serán MÁS INTELIGENTES que los humanos para 2045, dice un investigador

A nivel mundial, existe una ola de inteligencia artificial en diversas industrias, especialmente en la electrónica de consumo y la asistencia sanitaria. Es probable que la ola continúe en los próximos años con la base en expansión de las aplicaciones de la tecnología. Se espera que el mercado global de inteligencia artificial sea testigo de un crecimiento fenomenal en los próximos años, ya que las organizaciones de todo el mundo han comenzado a aprovechar los beneficios de estas tecnologías disruptivas para lograr un posicionamiento efectivo de sus ofertas y el alcance de los clientes.

Obtenga el folleto en PDF para obtener más información en el mercado de inteligencia artificial

En la actualidad, cada vez más empresas se centran en diversas tecnologías disruptivas para llegar a los clientes de manera efectiva. Este es uno de los principales factores impulsores del mercado global para la inteligencia artificial. Estas tecnologías implican el uso de actividades de marketing como las tecnologías SMAC (sociales, móviles, analíticas y en la nube) que ayudan a la empresa a obtener una sólida presencia en el negocio digital.

Answer 8

A principios de este verano, tuve el placer de conocer a varios robots adorables diseñados para jugar al fútbol. [1]

Estos son los robots que está desarrollando un grupo de ingenieros de UT Austin para su Liga Robocup.

Nuestra intención es utilizar RoboCup como un vehículo para promover la investigación de robótica e inteligencia artificial, al ofrecer un desafío públicamente atractivo pero formidable. Una de las formas efectivas de promover la investigación en ciencia e ingeniería es establecer un objetivo desafiante a largo plazo. Cuando el logro de un objetivo de este tipo tiene un impacto social significativo, se denomina proyecto de gran desafío. Construir un robot que juegue fútbol no generará por sí solo un impacto social y económico significativo, pero el logro será considerado un logro importante para el campo. Llamamos a este tipo de proyecto un proyecto de referencia. RoboCup es un proyecto histórico y un problema estándar. Objetivo

El objetivo de Robocup me recordó lo que había dicho uno de los profesores. La tecnología, ya sea informática o ingeniería, se trata de pararse sobre los hombros de gigantes. Se trata de aprender de lo que han logrado los antepasados ​​de la profesión y llevar sus descubrimientos un poco más lejos.

En este sentido, los robots en el futuro serán versiones mejoradas de lo que tenemos hoy. En unos cincuenta años, los robots que compiten con Robocup podrán jugar efectivamente contra humanos. ¡Imagina eso!

Estamos lejos de que los robots sean los equivalentes de los humanos. En lugar de centrarnos en la espantosa posibilidad de que los robots se apoderen del mundo, creo que deberíamos centrarnos en cómo podemos construirlos hasta un punto en el que puedan ayudarnos.

Hasta ahora, hemos recorrido un largo camino en IA. Podemos hacer que los robots se muevan. Pueden realizar acciones simples, como patear un balón de fútbol y comunicarse con otros robots en el campo. Ahora, ¿pueden correr a la velocidad de un humano? ¿Pueden resistir el fuerte viento y la lluvia? ¿Pueden pensar en una estrategia de juego sólida por su cuenta?

No.

Pero al pararnos sobre los hombros de los gigantes que hemos construido a lo largo del siglo, deberían poder hacer todo esto y más en las próximas décadas.

1. VID_20170607_094705.mp4

Answer 9

Visión por computadora: describiendo fotos con precisión
Una computadora ahora puede resumir el contenido de una foto con precisión. Esta investigación en detección, clasificación y etiquetado de objetos proporciona leyendas como “perros jugando en el pasto”. Esto también es útil para usuarios ciegos. Con Google [1] aplicando esto a Google Photos a fines de 2014, el software de Microsoft ganó el desafío de visión de la computadora ImageNet en 2015 [2] y ahora Facebook [3] permite a los usuarios con discapacidades visuales “ver” sus fotos reconociendo los objetos que contiene. Los avances en el reconocimiento de objetos han recorrido un largo camino.

El momento AlphaGo de Google
Por primera vez, un programa de computadora venció a un jugador profesional en Go, que se considera más complejo que el Ajedrez y no tiene métodos de juego sencillos. DeepMind de Google combinó el aprendizaje profundo con la búsqueda de árboles (búsqueda del árbol de Monte Carlo) junto con el aprendizaje de refuerzo para desarrollar la tecnología de inteligencia artificial más avanzada capaz de ganar contra jugadores profesionales de Go. Ganó contra Fan Hui 5-0 y contra Lee Sedol 4-1. Con las habilidades de reconocimiento de patrones, la planificación y la toma de decisiones, las redes neuronales (políticas y redes de valor) junto con la técnica de búsqueda de árboles de Monte Carlo para reproducir el resto del juego en su cabeza, el programa está capacitado para mejorar con el tiempo. Las redes neuronales reducen el espacio de búsqueda exponencial en una gran cantidad. Ver [4] y [5].

Revolución del hardware
Nvidia ha desarrollado Tesla P100 para acelerar el aprendizaje profundo al permitir que la IA haga uso de las unidades de procesamiento gráfico (utilizadas para videojuegos). [6] Con potentes chips que consisten en 15 mil millones de transistores, Nvidia ha permitido a otras compañías construir redes neuronales sustancialmente más grandes y, por lo tanto, acelerar el aprendizaje. Llamado Pascal [7] esta plataforma está diseñada para un rendimiento extremo y cargas de trabajo intensivas como la del aprendizaje profundo.

Notas al pie

[1] Una imagen vale más que mil palabras (coherentes): construir una descripción natural de las imágenes

[2] Investigadores de Microsoft ganan el desafío de visión de computadora ImageNet – Siguiente en Microsoft

[3] Uso de la inteligencia artificial para ayudar a las personas ciegas a “ver” Facebook | Redacción de Facebook

[4] AlphaGo: dominar el antiguo juego de Go with Machine Learning

[5] https://deepmind.com/alpha-go.html

[6] Un chip de $ 2 mil millones para acelerar la inteligencia artificial

[7] Dentro de Pascal: la plataforma informática más nueva de NVIDIA

Answer 10

La movilidad se ha convertido en un aspecto importante de las empresas y muchas empresas ahora están explorando formas de maximizar las innovaciones, características y funcionalidades de los teléfonos inteligentes y tabletas.

La Realidad Aumentada (AR) tiene un gran potencial para transformar la forma en que hacemos negocios y se convertirá en una herramienta importante en el lugar de trabajo para mejorar los procesos empresariales y los flujos de trabajo.

ASISTENCIA REMOTA

Cuando se trata de trabajos de campo (que funcionan de forma remota), incluso los profesionales con los mejores resultados pueden encontrar circunstancias difíciles en las que necesitan el apoyo de alguien en la base, y aquí es donde las gafas AR pueden ser útiles.

Los trabajadores remotos podrían usar anteojos AR como Google Glass o teléfono inteligente AR para obtener información importante, como manuales o directrices sobre cómo resolver la tarea. Un experto humano que examina la escena desde la base que está lejos o un sistema capaz de visión por computadora (a través de un software inteligente) podría proporcionar esa información importante al trabajador de campo.

MEJOR ENTRENAMIENTO

AR y VR ya se utilizan en el campo del aprendizaje electrónico, que se ha convertido en todo un éxito. Gracias a la tecnología de Realidad Aumentada, un aprendiz ahora puede seguir una instrucción tantas veces como sea necesario para comprender completamente un concepto o un procedimiento.

A diferencia de un escenario de entrenamiento del mundo real, el entrenamiento puede ser mucho más elaborado. Puede desmontar fácilmente un motor de automóvil virtual y aprender sus mecanismos rápidamente. Además, el proceso se puede repetir tantas veces como lo necesites. Con la Realidad Aumentada, puedes practicarla una y otra vez para aprenderla a fondo o mejorar una habilidad en particular. Leer más: 5 maneras en que la realidad aumentada podría expandir su negocio

Answer 11

La contestaré desde una perspectiva histórica. Tenga en cuenta que esta es una pequeña parte de la historia que creo que arrojará algo de luz sobre su pregunta y puede que no represente completamente la realidad. En la medida en que cubre la historia, creo que es bastante precisa.

AI inicial: la gente trató de trabajar en cosas que los humanos encuentran difíciles, como el ajedrez, los sistemas expertos (programas que se comportan como expertos humanos, dicen los médicos), la traducción automática, etc. Algunos de estos intentos, como el ajedrez y los sistemas expertos (hasta cierto punto) ) fueron bastante exitosos. La traducción falló miserablemente. De hecho, una traducción del inglés al ruso y al inglés de nuevo pasó de algo como “el espíritu está listo pero la carne está cansada” a “el vodka es fresco pero la carne está podrida”. (No puedo recordar las palabras exactas sin embargo). Estos fueron todos los métodos basados ​​en reglas. Por ejemplo, los programas de juego de ajedrez pueden probar muchas jugadas diferentes y elegir las mejores de acuerdo con alguna métrica. A los sistemas expertos se les dio un conjunto de reglas sobre las cuales harían su diagnóstico. Los traductores descompondrían una oración en varias partes y la reconstruirían en otro idioma.

Desafortunadamente, nunca funcionaron, agravado por el hecho de que muchos de ellos fueron impulsados ​​por la probabilidad y los humanos son notoriamente malos en la estimación de la probabilidad. Por ejemplo, los humanos son malos para responder preguntas como “¿qué fracción de pacientes con dolor de cabeza, estornudos e historial viral reciente se ven afectados por este virus?” O “¿en qué fracción de las oraciones que contienen la palabra ‘leopardo’ aparece la palabra ‘volar’?

Inicialmente, la gente asumió que las tareas que los humanos encuentran fáciles, como describir objetos en una escena visual, también serían fáciles para las computadoras. De hecho, hay un famoso ejemplo de un profesor que le pidió a su estudiante que “conecte una cámara a su computadora y que describa lo que vio” durante el verano. ¡Un problema abierto incluso hoy!

IA moderna: al ver cómo fallaba la lógica codificada, muchos investigadores intentaron inferir estas reglas a partir de datos. Es decir, en lugar de preguntar “¿en qué fracción de las oraciones que contienen la palabra ‘leopardo’ aparece la palabra ‘volar’? tomarían grandes cantidades de texto y medirían realmente esta cantidad. Para el reconocimiento del habla, comenzarían a extraer números que creen que podrían caracterizar el sonido y ayudar a discriminar entre diferentes sonidos. Estos números podrían ser las frecuencias, la extensión de su distribución y varias cosas diferentes (cuya discusión, desafortunadamente, toma demasiado tiempo para esta publicación). Los investigadores de la visión artificial se centrarían en algunos puntos específicos dentro de una imagen y tratarían de identificar el objeto utilizando solo esos puntos característicos comparándolos con puntos que la máquina ya ha visto. Tenga en cuenta que la lista anterior de métodos no es de ninguna manera exhaustiva, sino que solo pretende dar una idea de cómo se hacen las cosas.

Aprendizaje profundo: este es un campo relativamente nuevo y, sin embargo, muchos lo consideran una nueva era. Aquí incluso la tarea de averiguar qué ‘características’ (números que pueden caracterizar lo que buscamos) se deja a la máquina, esencialmente reduciendo el papel del científico informático en el proceso. Estos sistemas han superado los registros de larga data en el campo de la visión por ordenador, el análisis de textos y el reconocimiento de voz, y parecen ser el camino a seguir. (Nota: estas máquinas están inspiradas en el cerebro humano, en el sentido de que las personas hablan de neuronas y sinapsis, pero probablemente funcionan de manera muy diferente).

Espero que esto te dé una idea del estado de la IA de hoy. Aunque no respondí directamente a su pregunta, creo que he hecho suficiente referencia a los métodos anteriores para que pueda relacionarse con lo que ha estado sucediendo en los últimos años y extrapolarlo por usted mismo. Hice esto porque es difícil responder a una pregunta de este tipo de manera más directa, de manera que el lector pueda comprender el estado del campo.

Answer 12

Todavía hay muchos conceptos erróneos acerca de la naturaleza de la inteligencia, especialmente en los medios sensacionalistas de la ciencia pop que juegan con nuestros sentimientos animistas y supersticiosos naturales. Este tipo de pregunta a menudo proviene del mismo tipo de maravilla que nuestros antepasados ​​sintieron al pensar en demonios y fantasmas. Un espíritu sin manifestación física, un demonio dentro de un cuerpo que se apodera de las cosas. O tal como lo expresamos hoy, un software inteligente que vive dentro de una máquina, haciéndolo actuar de una manera “generalmente óptima”.

Este tipo de pregunta está muy metido en temas filosóficos. ¿Hay una manera “generalmente óptima” de actuar en un sentido absoluto? ¿Hay un propósito más elevado en el universo que nuestro hipotético súper IA pueda descubrir y actuar? Toca moralidad, intencionalidad, naturalismo, materialismo, espiritualidad, ideales platónicos, fundamentos y filosofía de la matemática, computabilidad, etc.

Desde mi punto de vista, no hay una cosa singular como la “inteligencia” con la que podamos tropezar accidentalmente, construirla en una máquina, encenderla y disfrutar del espectáculo.

Esto ciertamente sería decepcionante para mi yo adolescente, aún imaginando supersticiosamente “inteligencia” como esta brillante luz brillante que vive dentro de nosotros, iluminando nuestro intelecto, que de alguna manera podríamos extraer y capturar y usar, liberándolo de nuestro contenedor vulnerable e ineficiente, el humano cuerpo. El software y la inteligencia eran puros, ideales y casi divinos, mientras que el cuerpo era material terrenal, incidental e irrelevante.

Incluso después de descubrir que ningún humano trabaja como un homo oeconomicus optimizado inteligente diseñado de arriba hacia abajo, a menudo pensamos en este hecho como un defecto y decimos que los humanos son irracionales, que en realidad no actúan de forma inteligente con tanta frecuencia “como sería óptimo”. Este tipo de comparación con un ideal es nuevamente una especie de superstición desde mi punto de vista. Lo que no está allí simplemente no está ahí, no está “perdido” o “falta” o “no ha alcanzado el nivel necesario en la escala de la evolución”, simplemente no está allí. Cualquier otra cosa es fantasía, imaginación e ilusión.

Esto es importante para entender la idea de la IA, ya que a menudo razonamos ingenuamente de manera descendente. La IA se construirá perfecta, superinteligente, eficiente, óptima, etc., y luego preguntamos qué hará, en virtud de tener estos grandes atributos. Pero las cosas nunca funcionan así. Un avión no vuela porque posee la calidad abstracta de “capaz de volar”. El aire no mira el avión y decide “está bien, esta cosa puede volar, así que tendré que evitar que se caiga”. Es precisamente al revés. Las mudas moléculas de aire tropiezan, se mueven y mantienen el avión arriba, y nosotros lo llamamos volar. Cuando las cosas “salen mal” desde nuestro punto de vista y el avión se estrella, no es porque perdió esta esencia “voladora” interna, sino porque se rompió una parte del motor, etc. Es siempre un evento físico concreto.

Y como humanos no nos esforzamos por alcanzar un objetivo universal absoluto. A nivel de los laicos, todavía estamos atrapados con la visión del siglo XIX de la gran cadena del ser, la gloriosa transición de materia inanimada a materia animada que luego a lo largo de la evolución produjo sucesivamente animales “más y más altos” y, finalmente, el pináculo de la existencia, el ser humano. y la mente humana, lo más complejo y misterioso del universo, bla bla. Esto también está conectado a nuestra visión moderna del progreso. Vemos progreso moral, abolimos la esclavitud, no cazamos brujas, etc., experimentamos cambios / avances tecnológicos y sociales más rápidamente que nunca, esperamos que las economías saludables crezcan por defecto y nos preocupemos por el estancamiento, etc. En esta mentalidad es natural preguntar a dónde se dirige la humanidad, cuál es nuestro objetivo final, adónde nos llevará este progreso cada vez más acelerado. La idea de la IA también es algo que surge de este suelo.

Pero ni la vida ni la inteligencia son “especiales” o “extraordinarias” en algún sentido esencial. La vida simplemente “se seleccionó”, no se esfuerza por ser lo que es. Nadie convenció a los primeros seres unicelulares de que la reproducción es buena. Una vez que aparecieron algunas entidades autorreplicantes, simplemente se dispersaron. El patrón que forma el material circundante en patrones que, a su vez, también crean dichos patrones, simplemente se propaga sin ninguna guía externa o decisión de diseño. En retrospectiva, a menudo reinterpretamos nuestro pasado como un camino que siempre apuntaba en la dirección de la situación actual. Nos olvidamos de las cosas que no encajan en esa narrativa (todas las especies extintas) y recordamos las que sí lo hacen (el único linaje que nos lleva en este vasto árbol evolutivo). Nuestros ancesores no eran una versión subdesarrollada de nosotros, ni somos una versión subdesarrollada de nuestros descendientes.

Hay mucho de ese bagaje filosófico oculto e implícito cuando se habla de “IA”. Entonces, cuando la pregunta es este tipo de “¿puede la IA ya hacer esas cosas mágicas que realmente no puedo describir pero que me hacen sentir un cosquilleo?”, Entonces no. Pero tampoco los humanos pueden realmente hacer tales cosas, pero nos gusta idealizarnos para sentirnos mejor e imaginar que nuestros errores son solo un ejemplo y que hay una versión interna óptima y pura de nosotros mismos escondidos allí.

Answer 13

Con excelentes publicaciones anteriores y con mi experiencia, ciertamente estoy de acuerdo en que el uso creciente de big data significa que la inteligencia artificial jugará un papel muy importante en futuras interrupciones.

La inteligencia artificial y el aprendizaje automático ya se han integrado en gran medida en nuestra solución de análisis de recursos humanos / lugares de trabajo con gran efecto (consulte la demostración en vivo en StatusToday).

El aprendizaje automático no solo permite la identificación de problemas comunes en el lugar de trabajo que a menudo pasan desapercibidos (fallas en la comunicación, caídas en la productividad, problemas de seguridad cibernética, etc.), pero si puede construir perfiles psicológicos utilizando simplemente metadatos de la actividad del usuario, puede pintar un bonito Imagen matizada de lo que separa a los mejores empleados de su empresa de sus inferiores.

Imagine poder habilitar a las organizaciones y empleados con los datos verdaderos detrás de por qué “las personas son sus mayores activos ”

Answer 14

Depende de cómo se defina la inteligencia. En contraste con incluso la potencia cerebral de un insecto, la IA actual no es realmente tan inteligente. La mayoría del trabajo sobre la IA se basa en la automatización y no es como la inteligencia biológica. Existen modelos y algoritmos como las redes neuronales que imitan la comunicación de las células cerebrales. La IA actual solo se usa para herramientas, no es una entidad autodidacta. (Todavía es prácticamente una calculadora). Podemos definir ciertas tareas en nuestra sociedad, pero la tarea de que AI se enseñe a sí mismo como un niño aprende está en sus primeras etapas. En lugar de eso, podríamos usar computadoras biológicas (y modelarlas) para permitir el aprendizaje y guardar información a un nivel cuántico (o usar moléculas genéticas) en un futuro próximo que posiblemente nos acerque a una singularidad, otros expertos no están de acuerdo y dicen que la inteligencia biológica es mucho más compleja . Pero muchos expertos están de acuerdo en que AI todavía está en sus primeras etapas y todavía hay muchos problemas complejos que resolver. Los expertos también están de acuerdo en que existe una brecha en la comprensión de la verdadera IA. La IA actual se enfoca en Matemáticas, Ingeniería o Física en lugar de Ciencias Sociales y Biología. Echa un vistazo a la singularidad Noam Chomsky – (habla sobre la sintaxis y los idiomas y la inteligencia artificial de hoy en día.)

Answer 15

En mi humilde opinión [IMHO], hay un ligero problema semántico con el término “AI”. Érase una vez que se refería a la inteligencia real (otro término con ambigüedades semánticas, pero tratemos con una confusión a la vez); hoy en día, “AI” parece ser usado como sinónimo de lo que solía llamarse “Sistemas Expertos”: algoritmos basados ​​en reglas para hacer identificaciones y decisiones, generalmente basadas en la “captura” de los mismos por parte de expertos humanos. True AI tiene un nuevo nombre, “Inteligencia General Artificial” (AGI). La mayoría de los ejecutantes de “IA” enumerados en las otras Respuestas son solo sistemas expertos.

En mi humilde opinión, es obvio que las “computadoras” tal como las conocemos ahora tienen pocas probabilidades de alcanzar el AGI, porque son “programables”, es decir , podemos decirles qué “pensar” y lo hacen con fidelidad. Los primeros AGI pueden ser algunas versiones de redes neuronales de hardware (NN). Por supuesto, uno puede modelar una NN en una computadora, del mismo modo que se podría utilizar una computadora programable para simular un cerebro virtual lleno de neuronas hasta el nivel molecular; pero será mucho más fácil simplemente construir un NN de hardware y encenderlo.

En mi humilde opinión, no podremos predecir qué sucederá después, desafortunadamente para nosotros (y afortunadamente para NN AGI). Es poco probable que este despertar tenga lugar en pasos de bebé de manera tranquilizadora y gradual, por lo que a nadie le gusta pensar en ello. Menos mal que no sentimos tanto terror ante el llanto de un bebé recién nacido …

Answer 16

La inteligencia artificial no es inteligente. Más bien, es capaz.

El rango y la profundidad de las tareas que realiza AI continúa expandiéndose. Como profesional de la IA, puedo crear programas genéticos (GP) increíblemente exitosos, siempre y cuando tenga buenos sets de entrenamiento. Dame ejemplos de entrada y salida, y generalmente te daré una buena transformación, salida como cualquier cosa de un programa de computadora, Finite State Automata, árbol de decisiones, etc. Una ventaja es que las salidas de este tipo de GP pueden usarse para Resuelto problemas aún más difíciles en dominios relacionados. Este enfoque es capaz de resolver tareas que los humanos no pueden resolver fácilmente.

Otro enfoque es la minería masiva de datos. En lugar de un conjunto de entrenamiento específico para un pequeño número de dominios, podemos recopilar datos diversos y dejar que la IA determine qué relaciones y conclusiones interesantes puede extraer. Ha habido algunos éxitos, pero nada que se acerque a la inteligencia humana general. Esto muestra las limitaciones de la IA moderna. AI solo puede mejorar a medida que se hacen mejoras en el software, y la computación, el almacenamiento y la recuperación de datos mejoran en velocidad y calidad. Como beneficio adicional, la capacidad de tarea de la que hablé anteriormente puede incorporarse a esta capacidad general. Tus hijos verán cosas increíbles. ¿HAL 9000 a alguien?

¡Asegúrate de revisar la respuesta de Sam Sinai a esta pregunta!

Answer 17

La inteligencia artificial todavía está en sus primeras etapas. Sin embargo, hay algunas aplicaciones impresionantes que, en sus primeras etapas, son prometedoras. Programas como IBM Watson.
El principal motivo de preocupación es el temor a una IA incontrolable que es popular en la cultura pop, como Hal en 2001: una odisea del espacio, o Skynet en la franquicia Terminator.
No creo que la tecnología en sí sea peligrosa, solo la aplicación en la que se puede programar. Justo este mes, julio de 2015, el principal científico advirtió contra el peligro de mezclar la IA con la guerra. Mentes científicas de renombre como Stephan Hawking y Elon Musk han firmado una carta en la que declaran su preocupación por combinar la IA con la tecnología militar y están defendiendo el control humano. Puede encontrar más información sobre el tema en esta publicación de blog que escribí: Recomendación de myWebRoom: De calamares gigantes a guerra de la IA

Answer 18

Depende de la IA y de lo que le pidas que haga. por lo general, la inteligencia artificial actual es más adecuada para analizar grandes conjuntos de datos o tomar decisiones rápidas o análisis de datos: cosas como comparar la geometría de rostros humanos con una base de datos de datos faciales, o marcar un cargo por un “chocolate de 300 dólares” Conejito de Pascua ‘en una tarjeta de crédito como’ sospechoso ‘o cosas como monitorear un sistema complejo e informar sobre consultas (IE: muéstrame un mapa de cada edificio que usa más de cierta cantidad de agua o electricidad). el tipo de cosas que los humanos pueden hacer, pero que generalmente están abrumados por, o no pueden hacer tan rápido como es óptimo. Las cosas de base amplia o difíciles de definir matemáticamente siguen siendo muy difíciles para ellos, por lo que algo así como una entidad autoconsciente todavía está muy lejos. ¿Pero algo que funciona como la ‘computadora’ en las películas de Star Trek?
Podemos hacer eso ahora.

Answer 19

¿Qué es la inteligencia artificial?

Según el padre de la Inteligencia Artificial, John McCarthy, es “La ciencia y la ingeniería de hacer máquinas inteligentes, especialmente programas informáticos inteligentes”.

La inteligencia artificial es una forma de hacer que una computadora, un robot controlado por computadora o un software piensen de manera inteligente , de la misma manera que piensan los humanos inteligentes.

La IA se logra al estudiar cómo piensa el cerebro humano y cómo los humanos aprenden, deciden y trabajan mientras intentan resolver un problema, y ​​luego utilizan los resultados de este estudio como base para desarrollar software y sistemas inteligentes.

AI – Descripción general

Feliz aprendizaje..!!!

Answer 20

Los éxitos espectaculares en la IA utilizan diferentes métodos de resolución de problemas que los humanos. Por ejemplo, los mejores programas de juego de ajedrez dependen de búsquedas más exhaustivas de más movimientos posibles de los que los humanos pueden manejar. Google Translate utiliza la búsqueda de texto de colecciones masivas de documentos traducidos de un idioma a otro. Los programas de reconocimiento facial identifican y utilizan descriptores faciales que son diferentes de los que usamos.

Podría ser útil pensar en estos como los últimos ejemplos del desarrollo constante de nuevas herramientas de pensamiento de la humanidad, desde el arte y la música, el lenguaje, la ley, la medición, las matemáticas, el análisis estadístico, el modelado por computadora, … Herramientas de calidad para hacer mediciones de precisión, teléfonos para hablar largas distancias, estructuras corporativas para coordinar las acciones de muchas personas. Y necesitamos computadoras para cálculos complejos, especialmente aquellos que involucran grandes cantidades de datos.

Por lo tanto, las IA todavía no son inteligencias independientes. Y todavía no son solucionadores de problemas muy generales. Podrías llamarlos “solo”, parte de nuestra creciente inteligencia. Pero entonces, ¿es nuestra inteligencia natural o artificial?