Hvad er beregningsmæssig intelligens?

Computational Intelligence (CI) er en gren af datalogi, hvor projekter udvikler sig fra bund til top, med orden, der kommer ud af en indledende mangel på struktur.Dette ligner mange processer, der ses i den naturlige verden.Computational Intelligence inkluderer koncepter som evolutionær beregning, hvor problemer løses ved hjælp af modeller af den evolutionære proces, og når den anvendes til maskinlæring, giver robotter mulighed for at lære af erfaring.Fuzzy logik, et system, der ligner menneskelig beslutningstagning, kan bruges til at løse problemer, hvor der er vaghed eller usikkerhed.Neurale netværk er systemer baseret på menneskelig hjernefunktion og kan bruges til at registrere mønstre og tendenser i komplekse data.

I modsætning til hård computing, hvor løsninger er garanteret og problemer er begrænset i henhold, hvor succesrige resultater ikke altid forekommer.Computational Intelligence henter ofte inspiration fra naturen, for eksempel inden for evolutionær beregning, hvor systemer oprettes, der udvikler sig til at løse komplekse problemer.Dette kan anvendes til kunstig eller syntetisk intelligens, hvilket giver anledning til robotter, der lærer af erfaring og udvikler sig over tid.

Systemer baseret på fuzzy logik kan bruges i beregningsmæssig intelligens til at simulere menneskelige måder at tænke på.De kunne kombineres med biologisk inspirerede neurale netværk inden for kognitive robotik, hvilket skaber robotter med evnen til at tænke på en måde, der ligner menneskelige tankeprocesser.Ud over at tænke, kan sådanne robotter også lære, huske, opfatte og tage beslutninger i lyset af usikkerhed, som mennesker gør.Dette kan give robotter mulighed for at forstå menneskelige anmodninger bedre, hvilket gør dem i stand til at opdage betydningen bag de anvendte ord.Det kan være vigtigt for en maskine, der udfører indenlandske opgaver.

Neurale netværk betragtes normalt som en del af beregningsmæssig intelligens.Ligesom den menneskelige hjerne består de af adskillige sammenkoblede individuelle dele, der ligner nerver.Disse arbejder sammen for at løse problemer, lære som de går, fordi forbindelserne mellem elementer er justerbare, som forbindelserne mellem nerver.

Når neurale netværk har lært, hvordan man analyserer data, kan de effektivt blive eksperter på deres felter og kan brugesAt forudsige resultater i forskellige scenarier.En ulempe ved denne type beregningsmæssig intelligens er, at den kræver en masse computerkraft, og det kan fungere på en uforudsigelig måde.Neurale netværk bør ikke forveksles med ekspertsystemer, der bruger forudbestemte sæt regler for at tage beslutninger og ikke tilpasse dem til at passe til dataene.