توسعه هوش مصنوعی
DeepMind یکی از زیرمجموعه های گوگل است که بر توسعه هوش مصنوعی و تقویت یادگیری ماشینی عمیق تمرکز دارد. تقویت یادگیری عمیق الگوریتم‌های هوش مصنوعی آن هم در زمینه‌های تحقیقاتی و هم در زمینه‌های کاربردی مورد استفاده قرار گرفته است.
این بدان معنی است که هوش مصنوعی می تواند از تجربیات خود بیاموزد و در هر کاری که انجام می دهد کارآمدتر شود. هوش مصنوعی همه منظوره است به این معنی که از قبل برای یک کار خاص از قبل برنامه ریزی نشده است.
عوامل توسعه هوش مصنوعی
عامل هر چیزی است که می تواند به عنوان وسیله ای در نظر گرفته شود که می تواند محیط خود را از طریق حسگرها درک کند و از طریق محرک ها بر روی آن محیط عمل کند.
• عامل انسانی: چشم ها، گوش ها و سایر اندام های حسگر. دست ها، پاها، دهان و سایر قسمت های بدن برای محرک‌ها
• عامل رباتیک: دوربین ها و محدوده یاب مادون قرمز برای سنسورها
• موتورهای مختلف برای محرک ها
• عامل منطقی: برای هر دنباله ممکن، یک عامل منطقی باید اقدامی را انتخاب کند که انتظار می رود معیار عملکرد آن را به حداکثر برساند، با توجه به شواهد ارائه شده هوش مصنوعی توسط دنباله ادراک و هر دانش داخلی که عامل دارد.
چرا «معنا» مفهوم اصلی هوش مصنوعی است
برای اینکه یک عامل "هوشمند" باشد، باید بتواند معنای اطلاعات را درک کند. اطلاعات در پیام هایی که به یک زبان نمایش انتخاب شده بیان می شوند، به دست می آید / تحویل می شود / منتقل می شود.
در تبادل اطلاعات دو طرف وجود دارد: منبع (متن، تصویر، شخص، برنامه و غیره) و گیرنده (شخص یا عامل هوش مصنوعی). آنها باید به همان "زبان" صحبت کنند تا اطلاعات به شیوه ای معنادار رد و بدل شود. گیرنده هوش مصنوعی باید توانایی تفسیر صحیح اطلاعات را با توجه به معنای منبع یا معنایی آن داشته باشد.
فراگیری ماشین
عبارت "یادگیری ماشینی" به اواسط قرن گذشته برمی گردد، جایی که آرتور ساموئل در سال 1959 یادگیری ماشینی را به عنوان "توانایی یادگیری بدون برنامه ریزی صریح" تعریف کرد.
یادگیری ماشینی نوعی از هوش مصنوعی است که به توانایی کامپیوتر برای یادگیری کمک می‌کند و اساساً خودش را یاد می‌دهد تا با قرار گرفتن در معرض داده‌های جدید و همیشه در حال تغییر تکامل یابد. به عنوان مثال، فید (feed) خبری فیس بوک از یادگیری ماشینی در تلاش برای شخصی سازی فید هر فرد بر اساس آنچه دوست دارد استفاده می کند.
یادگیری عمیق هوش مصنوعی
یادگیری عمیق حوزه جدیدی از تحقیقات یادگیری ماشین هوش مصنوعی است که با هدف نزدیک کردن یادگیری ماشین به هوش مصنوعی معرفی شده است. این به مطالعه "شبکه های عصبی عمیق" در مغز انسان مربوط می شود و تحت این دیدگاه، یادگیری عمیق سعی می کند عملکردهای لایه های داخلی مغز انسان را تقلید کند و دانش را از لایه های مختلف پردازش اطلاعات ایجاد کند.
از آنجایی که فناوری یادگیری عمیق از مغز انسان الگوبرداری شده است، هر بار که داده های جدیدی وارد آن می شود، قابلیت های آن هوش مصنوعی بهتر می شود. شبکه‌های عصبی هوش مصنوعی عمیق مجموعه‌ای از الگوریتم‌ها هستند که برای بسیاری از مسائل مهم مانند تشخیص تصویر، تشخیص صدا، سیستم‌های توصیه‌گر و غیره به سطوح جدیدی از دقت می‌رسند.
به عنوان مثال، یک الگوریتم یادگیری عمیق را می توان برای "یادگیری" ظاهر یک سگ آموزش داد. برای درک جزئیات جزئی که سگ را از گرگ یا روباه متمایز می کند، نیاز به مجموعه داده عظیمی از تصاویر است.