인공지능의 3가지 유형

인공지능에는 어떤 유형이 있을까?

인공지능에는 어떤 유형이 있을까? 인공지능에는 좁거나 약한 인공지능, 일반 또는 강한 인공지능, 초 인공지능 3가지 유형이 있습니다. 우리는 현재 좁은 유형의 인공지능만을 달성했습니다. 기계 학습 기능이 계속 발전하고 과학자들이 일반 인공지능을 달성하는데 가까워지면서 인공지능의 미래에 대한 이론과 추측이 순환하고 있습니다. 현재 두 가지 주요한 이론이 있습니다. 하나의 이론은 많은 공상 과학 영화에서 묘사 된 것처럼 초 지능형 로봇이 인류를 없애거나 모든 인류를 노예로 만드는 디스토피아적 미래에 대한 두려움을 기반으로 합니다. 다른 이론은 인간과 로봇이 함께 일하는 더 낙관적인 미래를 예측합니다. 인간은 인공지능을 도구로 사용하여 삶의 경험을 향상시킵니다. 인공지능 도구는 이미 우리가 전 세계적으로 비즈니스를 수행하는 방식에 상당한 영향을 미치고 있으며 인간에게는 불가능한 속도와 효율성으로 작업을 완료합니다. 그러나 인간의 감정과 창의성은 매우 특별하고 독특하며 기계에서 복제하기가 불가능하지는 않더라도 매우 어렵습니다. 코드봇은 인간과 봇이 승리를 위해 협력하는 미래를 지원합니다. 이 기사에서는 인공지능의 3가지 유형과 인공지능의 미래에 대한 이론에 대해 자세히 설명합니다. 먼저 인공지능을 명확하게 정의하는 것부터 시작하는 것이 좋겠습니다. 인공지능은 기계에서 인간의 지능을 복제하거나 시뮬레이션하기 위해 노력하는 컴퓨터 과학의 한 분야로서 기계는 일반적으로 인간 지능이 필요한 작업을 수행 할 수 있습니다. 인공지능 시스템의 프로그래밍 가능한 일부 기능에는 계획, 학습, 추론, 문제 해결 및 의사 결정까지도 포함이 됩니다. 인공지능 시스템은 기계 학습, 심층 학습 및 규칙과 같은 기술을 사용하는 알고리즘에 의해 구동됩니다. 기계 학습 알고리즘은 인공지능 시스템이 학습 할 수 있도록 통계 기술을 사용하여 컴퓨터 데이터를 인공지능 시스템에 공급합니다. 기계 학습을 통해 인공지능 시스템은 특별히 프로그래밍 할 필요가 없이 작업에서 점진적으로 향상됩니다. 인공지능 분야를 처음 접한다면 인공 지능을 묘사한 공상 과학 소설이나 영화에 가장 익숙 할 것입니다. 인간과 같은 특성을 가진 로봇과 아직 인간과 같은 로봇 수준의 인공지능은 아니지만 과학자나 연구원 및 기술자가 인공지능으로 수행하는 놀라운 일들이 많이 있습니다. 인공지능은 구글의 검색 알고리즘에서 IBM의 왓츠슨, 자율 무기에 이르기까지 모든 것을 포함 할 수 있습니다. 인공지능 기술은 전 세계적으로 비즈니스의 기능을 혁신하여 인간이 이전에 시간이 많이 소요되는 작업을 자동화하고 빠른 패턴 인식을 통해 데이터에 대한 미개척 통찰력을 얻을 수 있도록 도와줍니다. 인공지능 기술은 인간의 특성을 모방하는 능력과 이를 수행하는 데 사용하는 기술, 실제 응용 프로그램 및 마음 이론에 따라 분류되며 이에 대해서는 아래에서 자세하게 설명합니다. 이러한 특성을 참고로 사용하여 모든 인공지능 시스템은 세 가지 유형 중 하나로 분류됩니다. 첫째로는 좁은 범위의 능력을 가진 협소한 인공지능이 있습니다. 약한 인공지능 또는 좁은 인공지능이라고도 하는 ANI는 현재까지 우리가 성공적으로 실현 한 유일한 인공 지능 유형입니다. 이것은 목표 지향적이며 안면 인식, 음성 인식, 음성 도우미, 자동차 운전 또는 인터넷 검색과 같은 단일 작업을 수행하도록 설계되었으며 프로그래밍 된 특정 작업을 완료하는 데 매우 지능적입니다. 이러한 기계는 지능적으로 보일 수 있지만 좁은 제약과 제한 아래에서 작동하므로 이러한 유형을 일반적으로 약한 인공지능이라고 합니다. 이것은 인간의 지능을 모방하거나 복제하지 않으며 좁은 범위의 매개 변수와 컨텍스트를 기반으로 인간의 행동을 시뮬레이션 할 뿐입니다. 아이폰에서 시리의 가상 비서의 음성 및 언어 인식, 자율 주행 자동차의 시각 인식, 구매 내역을 기반으로 좋아하는 제품을 제안하는 추천 엔진을 고려하여야 합니다. 이러한 시스템은 특정 작업을 완료하기 위해서만 배우거나 배울 수 있습니다. 좁은 의미의 인공지능은 지난 10년 동안 머신 러닝 및 딥 러닝의 성과를 기반으로 수많은 혁신을 경험했습니다. 예를 들어서 오늘날 인공지능 시스템은 인간과 같은 인지 및 추론의 복제를 통해 매우 정확하게 암 및 기타 질병을 진단하기 위해 의학에서 사용됩니다. 그리고 자연어 처리를 사용하여 작업을 수행하는 데 있습니다. NLP는 챗봇 및 유사한 인공지능 기술에서 분명합니다. 자연어로 음성과 텍스트를 이해함으로써 인공지능은 자연스럽고 개인화 된 방식으로 인간과 상호 작용하도록 프로그래밍 됩니다. 좁은 인공지능은 반응적이거나 제한된 메모리를 가질 수 있습니다. 반응형 인공지능은 매우 기본적입니다. 그것은 기억이나 데이터 저장 능력이 없기 때문에 사전 경험없이 다른 종류의 자극에 반응하는 인간의 마음의 능력을 모방합니다. 제한된 메모리 인공지능은 머신이 과거 데이터를 사용하여 의사 결정을 내릴 수 있도록하는 데이터 스토리지 및 학습 기능을 갖춘 더욱 발전된 인공지능입니다. 대부분의 인공지능은 기계가 딥 러닝을 하기 위해 대량의 데이터를 사용하는 제한된 메모리 인공지능입니다. 딥 러닝은 데이터를 저장하고 미래 경험을 개인화하는 가상 비서 또는 검색 엔진과 같은 개인화 된 인공지능의 경험을 가능하게 합니다. 마지막으로 강력한 인공지능 또는 딥 인공지능 이라고도 불리는 AGI은 모든 문제를 해결하기 위해 지능을 학습하고 적용 할 수있는 능력을 갖춘 인간 지능이나 행동을 모방하는 일반 지능을 갖춘 기계의 개념입니다. AGI는 주어진 상황에서 인간의 것과 구별 할 수없는 방식으로 생각하고 이해하며 행동 할 수 있습니다. 인공지능 연구원과 과학자들은 아직 강력한 인공지능을 달성하지 못했습니다. 성공하려면 기계를 의식적으로 만들고 완전한인지 능력을 프로그래밍하는 방법을 찾아야합니다. 기계는 단일 작업에 대한 효율성을 향상시킬뿐만 아니라 경험적 지식을 다양한 문제에 적용 할 수있는 능력을 확보하는 동시에 경험적 학습을 다음 단계로 끌어 올려야합니다. 강력한 인공지능은 다른 지능적인 자격의 필요, 감정, 신념 및 사고 과정을 식별하는 능력을 나타내는 마인드 인공지능 프레임 워크를 사용합니다. 마인드 레벨 인공지능은 이론은 복제나 시뮬레이션이 아니라 인간을 진정으로 이해하도록 기계를 훈련시키는 것입니다. 강력한 인공지능을 달성하기 위한 엄청난 도전은 인간의 두뇌가 일반 지능을 생성하는 모델이라고 생각할 때 그리 놀라운 일이 아닙니다. 인간 두뇌의 기능에 대한 포괄적인 지식이 부족하여 연구자들은 시각과 움직임의 기본 기능을 복제하는 데 어려움을 겪고 있습니다. 가장 빠른 슈퍼 컴퓨터 중 하나인 케이는 강력한 인공지능을 달성하기 위한 가장 주목할만한 시도 중 하나이지만 1초의 신경 활동을 시뮬레이션하는 데 40 분이 걸렸음을 고려 하면 강력한 인공지능이 될지 여부를 현재로서 결정하기가 어렵습니다. 가까운 미래에는 달성하리라고 생각됩니다. 이미지 및 얼굴 인식 기술이 발전함에 따라서 기계가 학습하고 볼 수있는 능력이 향상 될 것입니다.