AI lab

Geschiedenis van kunstmatige intelligentie
De term kunstmatige intelligentie werd bedacht in 1956, maar AI is tegenwoordig populairder geworden dankzij grotere datavolumes, geavanceerde algoritmen en verbeteringen in rekenkracht en opslag.

Vroeg AI-onderzoek in de jaren vijftig verkende onderwerpen als probleemoplossing en symbolische methoden. In de jaren zestig kreeg het Amerikaanse ministerie van Defensie belangstelling voor dit soort werk en begon het computers te trainen om de basis van menselijk redeneren na te bootsen. Zo voltooide het Defense Advanced Research Projects Agency (DARPA) in de jaren zeventig straatkarteringsprojecten. En DARPA produceerde in 2003 intelligente persoonlijke assistenten, lang voordat Siri, Alexa of Cortana bekende namen waren.

Dit vroege werk maakte de weg vrij voor de automatisering en formele redenering die we tegenwoordig in computers zien, inclusief beslissingsondersteunende systemen en slimme zoeksystemen die kunnen worden ontworpen om menselijke vaardigheden aan te vullen en te vergroten.

Terwijl Hollywood-films en sciencefictionromans AI afbeelden als mensachtige robots die de wereld overnemen, is de huidige evolutie van AI-technologieën niet zo angstaanjagend – of helemaal niet zo slim. In plaats daarvan is AI geëvolueerd om in elke branche veel specifieke voordelen te bieden. Blijf lezen voor moderne voorbeelden van kunstmatige intelligentie in de gezondheidszorg, de detailhandel en meer.

AI automatiseert repetitief leren en ontdekken door middel van data. Maar AI is anders dan hardwaregestuurde robotautomatisering. In plaats van handmatige taken te automatiseren, voert AI frequente, omvangrijke, geautomatiseerde taken betrouwbaar en zonder vermoeidheid uit. Voor dit soort automatisering is menselijk onderzoek nog steeds essentieel om het systeem op te zetten en de juiste vragen te stellen.
AI voegt intelligentie toe aan bestaande producten. In de meeste gevallen wordt AI niet verkocht als een individuele applicatie. In plaats daarvan zullen producten die u al gebruikt, worden verbeterd met AI-mogelijkheden, net zoals Siri werd toegevoegd als een functie aan een nieuwe generatie Apple-producten. Automatisering, gespreksplatforms, bots en slimme machines kunnen worden gecombineerd met grote hoeveelheden gegevens om veel technologieën thuis en op de werkplek te verbeteren, van beveiligingsinformatie tot investeringsanalyse.
AI past zich aan door middel van progressieve leeralgoritmen om de gegevens de programmering te laten doen. AI vindt structuur en regelmatigheden in data zodat het algoritme een vaardigheid verwerft: het algoritme wordt een classifier of een voorspeller. Dus net zoals het algoritme zichzelf kan leren schaken, kan het zichzelf leren welk product het volgende online moet worden aanbevolen. En de modellen passen zich aan wanneer ze nieuwe gegevens krijgen. Terugvermeerdering is een AI-techniek waarmee het model door middel van training en toegevoegde gegevens kan worden aangepast wanneer het eerste antwoord niet helemaal klopt.

AI analyseert meer en diepere data met behulp van neurale netwerken die veel verborgen lagen hebben. Een fraudedetectiesysteem bouwen met vijf verborgen lagen was een paar jaar geleden bijna onmogelijk. Dat is allemaal veranderd met ongelooflijke computerkracht en big data. Je hebt veel data nodig om deep learning-modellen te trainen, omdat ze direct van de data leren. Hoe meer gegevens u ze kunt geven, hoe nauwkeuriger ze worden.

AI bereikt ongelooflijke nauwkeurigheid via diepe neurale netwerken – wat voorheen onmogelijk was. Uw interacties met Alexa, Google Zoeken en Google Foto’s zijn bijvoorbeeld allemaal gebaseerd op diepgaand leren – en ze worden steeds nauwkeuriger naarmate we ze vaker gebruiken. Op medisch gebied kunnen AI-technieken uit deep learning, beeldclassificatie en objectherkenning nu worden gebruikt om kanker op MRI’s te vinden met dezelfde nauwkeurigheid als hoog opgeleide radiologen.

AI haalt het maximale uit data. Wanneer algoritmen zelflerend zijn, kunnen de gegevens zelf intellectueel eigendom worden. De antwoorden staan ​​in de data; je hoeft alleen AI toe te passen om ze eruit te krijgen. Aangezien de rol van de data nu belangrijker is dan ooit tevoren, kan het een concurrentievoordeel opleveren. Als je de beste data hebt in een competitieve industrie, zelfs als iedereen vergelijkbare technieken toepast, zullen de beste data winnen.

ai lab