Hành trình Khoa học, Không gian và Thời gian!
Định nghĩa hiện đại của trí tuệ nhân tạo (AI) là “nghiên cứu và thiết kế các tác nhân thông minh” trong đó một tác nhân thông minh là một hệ thống nhận biết môi trường của nó và thực hiện các hành động nhằm tối đa hóa cơ hội thành công của nó.
John McCarthy, người đặt ra thuật ngữ vào năm 1956 đã định nghĩa nó là “khoa học và kỹ thuật chế tạo máy móc thông minh”.
Các tên khác cho lĩnh vực này đã được đề xuất. Chẳng hạn như trí thông minh tính toán, trí thông minh tổng hợp hoặc tính hợp lý tính toán.
Thuật ngữ trí tuệ nhân tạo cũng được sử dụng để mô tả một thuộc tính của máy móc hoặc chương trình như trí thông minh mà hệ thống có thể thể hiện.
Nghiên cứu AI sử dụng các công cụ và hiểu biết từ nhiều lĩnh vực bao gồm khoa học máy tính, tâm lý học, triết học, khoa học thần kinh, khoa học nhận thức, ngôn ngữ học, nghiên cứu hoạt động, kinh tế, lý thuyết điều khiển, xác suất, tối ưu hóa và logic.
Nghiên cứu AI cũng trùng lặp với các nhiệm vụ như robot, hệ thống điều khiển, lập lịch, khai thác dữ liệu, hậu cần, nhận dạng giọng nói, nhận dạng khuôn mặt và nhiều nhiệm vụ khác.
Trí thông minh tính toán liên quan đến phát triển lặp hoặc học tập (ví dụ: điều chỉnh tham số trong các hệ thống kết nối).
Việc học dựa trên dữ liệu thực nghiệm và được liên kết với AI phi biểu tượng, Scruffy AI và điện toán mềm.
Các đối tượng trong trí thông minh tính toán theo định nghĩa của Hiệp hội tình báo tính toán của IEEE chủ yếu bao gồm mạng thần kinh (Hệ thống có thể huấn luyện với khả năng nhận dạng mẫu rất mạnh).
Hệ thống Fuzzy: kỹ thuật suy luận dưới sự không chắc chắn đã được sử dụng rộng rãi trong các hệ thống kiểm soát sản phẩm công nghiệp và tiêu dùng hiện đại; có khả năng làm việc với các khái niệm như ‘nóng’, ‘lạnh’, ‘ấm’ và ‘sôi’.
Tính toán tiến hóa: áp dụng các khái niệm lấy cảm hứng từ sinh học như quần thể, đột biến và sinh tồn mạnh nhất để tạo ra các giải pháp ngày càng tốt hơn cho các vấn đề.
Các phương pháp này đáng chú ý nhất là phân chia thành các thuật toán tiến hóa (ví dụ: thuật toán di truyền) và trí thông minh bầy đàn (ví dụ: thuật toán kiến).
Với các hệ thống thông minh lai, các nỗ lực từ các nhà nghiên cứ đang được thực hiện để kết hợp hai nhóm này lại.
Các quy tắc suy luận chuyên gia có thể được tạo ra thông qua mạng lưới thần kinh hoặc quy tắc sản xuất từ việc học thống kê, chẳng hạn như trong ACT-R hoặc CLARION.
Người ta cho rằng bộ não con người sử dụng nhiều kỹ thuật để xây dựng kết quả và kiểm tra chéo.
Do đó, tích hợp hệ thống được coi là đầy hứa hẹn và có lẽ cần thiết cho AI thực sự, đặc biệt là tích hợp các mô hình biểu tượng và kết nối.
