인공 지능은 어떻게 작동합니까?

∎ 오늘날 다양한 형태의 인공 지능 (AI)이 있습니다.인공 지능을 부르는 것과 소프트웨어 프로그램을 단순히 부르는 것은 어려운 질문입니다.소프트웨어에는 AI라고 불리는 무언가가 성숙하고 기술 배경에 스스로를 통합 할 때 더 이상 AI라고 불리는 경향이 있습니다.1950 년대의 프로그래머는 세계 인공 지능에 수많은 임베디드 소프트웨어를 부를 수 있습니다. 예를 들어 연료 분사를 규제하는 자동차의 마이크로 칩 또는 모든 판매 기록 또는 Google 검색 엔진을 저장하는 슈퍼마켓의 데이터베이스.그러나 인공 지능이라고하는 분야는 일반적으로 훨씬 더 큰 소프트웨어 개발자 그룹과 약간 다른 경향이 있습니다.AI 연구자들은보다 복잡하고 적응력이 있고, 유능하거나, 모호한 인간과 같은 소프트웨어를보고있는 경향이 있습니다.인공 지능의 노동자들은 또한 공식 통계, 신경 과학, 진화 심리학, 기계 학습 및 의사 결정 이론을 포함하되 이에 국한되지 않는 전형적인 프로그래머와의 과학 및 수학 분야에서 학제 간 및 수학 분야에서 정통한 경향이 있습니다.인공 지능 분야에는 깔끔한 두 가지 주요 캠프가 있습니다.이 부서는 AI가 1956 년에 분야로 설립 된 이후 실질적으로 개최되었습니다.그들은 그들의 프로그램이 잘 조직되고, 아마도 건전하고, 구체적인 이론을 기반으로 운영되며, 자유롭게 편집 할 수있는 것을 좋아합니다.적응 형 신경 네트워크와 같은 지저분한 접근 방식과 같은 멍청이는 해커를 고려하여 작동하는 한 오랫동안 함께 던지는 것입니다.두 가지 접근법 모두 과거에는 인상적인 성공을 거두었으며, 두 가지 테마의 하이브리드도 있습니다.AI는 조작하거나 작업하는 것들에 대한 개념을 구축하고 해당 개념을 데이터 청크로 저장해야합니다.때때로 이러한 청크는 역동적이고 자주 업데이트되며 때로는 정적입니다.일반적으로 AI는 일부 목표를 달성하기 위해 데이터 간의 관계를 활용하는 데 관심이 있습니다.

목표는 종종 유틸리티에 따라 할당됩니다.목표가 제시되면 AI 시스템은 하위 관행을 생성하고 기본 목표에 대한 예측 된 기여를 기반으로 이러한 하위 검색 유틸리티 값을 할당 할 수 있습니다.AI는 1 차 목표가 달성 될 때까지 하위 목표를 추구합니다.그런 다음 새로운 (그러나 종종 유사한) 기본 목표로 자유롭게 이동할 수 있습니다.AI마다 크게 다른 것은 이러한 모든 역학이 어떻게 구현되는지입니다.