Inhalt
Jillian interessiert sich seit ihrem zweiten Schuljahr für Informatik. Sie findet KI faszinierend, auch wenn die Mathematik sie verblüfft.
Im aufkeimenden Zeitalter der Technologie ist KI zu einem Schlagwort unter den digitalen Marketing-Gurus geworden und taucht in Werbekampagnen auf, um das Image von Marken zu verbessern. Aber die KI, die wir jeden Tag benutzen, ist bei weitem nicht so protzig - viele von uns bemerken es überhaupt nicht. In diesem Stück liste ich einige häufige Anwendungen von KI auf.
- Kameras
- Telefone
- Sozialen Medien
- Videospiele
1. Kameras
Seit den Anfängen des neuronalen Netzwerks ist die Schulung von Computern zur Erkennung menschlicher Sprache eine Herausforderung für Softwareentwickler auf dem Gebiet der künstlichen Intelligenz. Die menschliche Sprache ist schließlich immens komplex: Englisch allein enthält 44 einzigartige Klänge oder Phoneme, die auf nahezu endlose Weise kombiniert werden können. Wenn Sie der Mischung natürliche Variationen in den Mustern der einzelnen Sprache hinzufügen, erhalten Sie eine Vielzahl potenzieller Soundbytes, die analysiert werden müssen. Dies ist jedoch nicht der Fall unmöglichEs erfordert viel Rechenaufwand, den die meisten Unternehmen einfach nicht erwerben können.
Obwohl die Herausforderung, eine computergestützte Spracherkennung zu realisieren, aus dem oben genannten Grund schwierig ist (und für einige andere, auf die ich in diesem Artikel nicht näher eingehen werde), haben Softwareentwickler verschiedene clevere Tricks verwendet, um Tools zu erstellen, die kategorisiert werden können menschliche Sprache mit vorübergehender Genauigkeit. Mit der Optimierung dieser Tools haben Tech-Unternehmen nach Möglichkeiten gesucht, sie in ihre Produkte zu integrieren.
Das bringt uns zur GoPro. Seit seiner Entwicklung im Jahr 2004 als persönliche Kamera für Extremsportler hat das Gerät eine lange Reihe von Verbesserungen erfahren. Eine der jüngsten Änderungen - und die, die KI betrifft - ist die zusätzliche Unterstützung für Sprachbefehle wie "Video starten" und "Foto aufnehmen". Um diese Befehle zu analysieren, implementiert das GoPro-Gerät einen Algorithmus für maschinelles Lernen, der weiß, wie Töne mit Wörtern abgeglichen werden, ähnlich wie Smartphones Spracherkennungssoftware implementieren, um persönliche Assistenten wie Cortana und Siri mit Strom zu versorgen.
GoPro hat den Markt für AI-Kameras jedoch kaum in die Enge getrieben. Es ist einer starken Konkurrenz durch Google ausgesetzt, dessen gleichnamige Clips-Kamera eine Reihe integrierter Funktionen bietet, die von Algorithmen für maschinelles Lernen gesteuert werden.
Wenn Sie mehr darüber erfahren möchten, wie diese Algorithmen erstellt und trainiert wurden, lesen Sie den Artikel von Aseem Agarwala zu diesem Thema. Es ist wirklich eine faszinierende Lektüre für alle, die sich für die Schnittstelle von Fotografie und künstlicher Intelligenz interessieren.
2. E-Mail
E-Mail gibt es seit den 1970er Jahren in irgendeiner Form, aber erst seit kurzem erkennen Anbieter, dass das potenzielle maschinelle Lernen ihre Dienste verbessern muss.
So hat Google beispielsweise erst im vergangenen Jahr Smart Compose veröffentlicht, ein Plugin für Google Mail, das Ihre Sätze während der Eingabe bewertet und Möglichkeiten vorschlägt, sie in Echtzeit zu vervollständigen.
Um ein Beispiel für die Funktionsweise des Dienstes zu geben, stellen Sie sich vor, Sie starten Ihr Google Mail-Konto und starten eine E-Mail an Ihren Chef mit dem folgenden Satz:
"Ich wollte dich danach fragen ..."
Die endgültige Bedeutung des Satzes abzuleiten, den dieser Satz enthält, ist selbst für einen Menschen schwierig: Es gibt nahezu unendlich viele Dinge, nach denen Sie Ihren Chef fragen möchten, und Sie versuchen zu erraten, um welchen Satz es sich bei der Mehrheit durch zufällige Auswahlbeträge handelt von Zeiten zu einer verschwendeten Anstrengung.
Hier kommt die KI ins Spiel. Ähnlich wie Menschen Kontexthinweise verwenden, um vorherzusagen, was andere Leute sagen werden, wurden Algorithmen für maschinelles Lernen entwickelt, die solche Hinweise aus der Betreffzeile einer E-Mail sammeln und sie verwenden, um zu verstehen, was der Autor höchstwahrscheinlich als nächstes sagen möchte. Im obigen Beispiel haben Sie möglicherweise "Vorfall von gestern" geschrieben. In diesem Fall vervollständigt Google Compose möglicherweise den Satz, den Sie so geschrieben haben:
"Ich wollte dich gestern nach dem Vorfall fragen."
Natürlich steckt noch mehr dahinter, aber ich werde Sie vorerst an die Experten im AI-Blog von Google weiterleiten. Ihre Erklärung geht viel detaillierter, als ich in einem einzigen Artikel hoffen könnte.
3. Telefone
Als das iPhone 4S 2011 auf den Markt kam, war Siri, ein integrierter persönlicher Assistent, mit dem Sie in Echtzeit kommunizieren konnten, eine der glänzendsten neuen Funktionen.
Siri wurde ursprünglich als eigenständige App veröffentlicht und 2010 vom SRI International Artificial Intelligence Center, einer in Kalifornien ansässigen Forschungsorganisation, entwickelt. Innerhalb von zwei Monaten nach seiner Veröffentlichung wurde das Programm von Apple übernommen und danach zu einer dedizierten Komponente der iOS-Software.
Siri stützt sich auf eine Vielzahl von Techniken des maschinellen Lernens, um die Sprache der Benutzer in Echtzeit zu interpretieren. So kann sie Aufgaben ausführen, die so einfach sind wie das Überprüfen des Wetters an Aufgaben, die so kompliziert sind wie das Weiterleiten von Geld an eine andere Person über Apple Pay.
Obwohl erste Überprüfungen der Software kritisch waren und einige bis heute behaupten, dass Siri im Vergleich zu anderen virtuellen Assistenten keine „Innovation“ aufweist, kann ihre Nützlichkeit nicht geleugnet werden. Selbst wenn der aktuelle Zustand starr erscheint, zeigt die Tatsache, dass die KI in der Lage ist, bestimmte Phrasen auf Aktionen abzubilden, wie weit unser Verständnis der computergestützten Spracherkennung fortgeschritten ist.
Maschinelles Lernen bringt nicht nur virtuelle Helfer zum Ticken, sondern optimiert auch die Fotos, die Sie mit der integrierten Kamera Ihres Telefons aufnehmen. Da AI-Software Nuancen in Bezug auf Licht, Farbton, Sättigung und Kontrast (um nur einige zu nennen) so gut erkennt, kann sie automatisch erkennen, ob ein Bild im Bild perfekt ist oder nicht. Wenn etwas fehlt, kann die Software es korrigieren, indem Sie die Einstellungen in die entgegengesetzte Richtung verschieben - beispielsweise indem Sie die Helligkeit in einem dunklen Raum erhöhen. Das Ergebnis ist insgesamt ein besseres Bild - es sind keine Anmeldeinformationen für die Fotografie erforderlich.
4. Social Media
Soziale Medien sind allgegenwärtig, und da immer mehr Menschen Websites wie Instagram und Twitter beitreten, um qualitativ hochwertige Inhalte zu finden, die von Mitgliedern der Community veröffentlicht wurden, wird der Wert des Einsatzes von maschinellem Lernen zur Optimierung der Bereitstellung von Inhalten immer deutlicher.
Wenn Sie regelmäßig soziale Medien nutzen, sind Sie wahrscheinlich mit dem Konzept eines Newsfeeds vertraut, einer geordneten Anzeige von "Posts", die von Videos von Raketenstarts bis zu Fotos der letzten Geschäftsreise Ihres Vaters reichen. Als Verbraucher haben Sie die Wahl, sich entweder mit einem Beitrag zu beschäftigen oder an diesem vorbei zum nächsten zu scrollen und den Vorgang zu wiederholen, bis Sie die Website verlassen.
"Das Kernidee mit Newsfeeds “, sagt Abinhav Sharma, Produktentwickler für die Social-Media-Site Quora,„ ist zu Verwenden Sie ML für das Verhalten in der Vergangenheit, um Aktionswahrscheinlichkeiten vorherzusagen um die spannendsten Geschichten zu ermitteln und an die Spitze zu setzen. “
Kurz gesagt, die Beiträge, die Sie unmittelbar nach der Anmeldung in Ihrem Facebook-, Twitter- oder Instagram-Konto sehen, sind nicht zufällig vorhanden, sondern das Ergebnis Ihrer eigenen Aktionen. Jeder Klick, Kommentar und jede Freigabe, die Sie heute vornehmen, beeinflusst den Inhalt, den Sie morgen sehen werden. Dies ist ein sich selbst fortsetzender Zyklus, der im Idealfall eine konstante Versorgung mit reichhaltigen, ansprechenden Medien für Ihren Verbrauch ergibt.
5. Videospiele
Denken Sie an das letzte Videospiel zurück, das Sie gespielt haben. War es ein Rollenspiel? Ein MMO? Ein Plattformer? Unabhängig von seinem Genre enthielt das Spiel wahrscheinlich Nicht-Spieler-Charaktere (NPCs), mit denen Sie interagieren konnten, um Ihren Fortschritt durch die Geschichte zu beeinflussen - beispielsweise ein Goomba in Super Mario Brothers.
Es mag nicht offensichtlich gewesen sein, als Sie gegen sie gespielt haben, aber diese NPCs arbeiteten mit einem von mehreren Algorithmen für maschinelles Lernen und wogen Entscheidungen gegen eine Reihe potenzieller Ergebnisse ab, um die besten Maßnahmen gegen Sie zu ermitteln.
Künstliche Intelligenz war bereits 1939 das Kernstück der Entwicklung von Videospielen, als ein Bot, der für das Spiel Nim optimiert wurde, neunzig Prozent seiner Spiele gegen menschliche Spieler auf der New Yorker Weltausstellung gewann. In den folgenden Jahrzehnten schrieben Arthur Lee Samuel und Alan Turing ähnliche Bots für Dame bzw. Schach, wobei beide Programme fundierte Entscheidungen umsetzten. (Samuel hat tatsächlich den Begriff „maschinelles Lernen“ geprägt, um diesen Prozess zu beschreiben.) Obwohl beide Programme seit ihrer ursprünglichen Konzeption verbessert wurden und heute als eher grobe Implementierungen künstlicher Intelligenz angesehen werden, legten sie den Grundstein für eine dauerhafte Linie des Studiums auf dem Gebiet der Informatik.
Heutzutage finden Sie in nahezu jedem Videospiel auf dem Markt künstliche Intelligenz, von RPGMMOs bis hin zu Echtzeit-Strategiespielen wie Starcraft II. Dies veranlasst Feinde, in Deckung zu gehen, wenn Sie auf sie schießen - und sich einem Angriff zu nähern, wenn Ihre Verteidigung verringert ist. Es macht das Spielen gegen einen Computer aufregend und bis zu einem gewissen Grad unvorhersehbar. Genau das möchten Sie, wenn Sie die Erfahrung des Spielens gegen einen Menschen nachahmen möchten.
In den letzten Jahren haben Fortschritte in der Technologie des maschinellen Lernens Forscher dazu veranlasst, Bots mit Fähigkeiten zu entwickeln, die an das Unvorstellbare grenzen. Eine, die von einer Gruppe bei OpenAI entworfen wurde, einer gemeinnützigen Forschungsorganisation, die unter anderem von Elon Musk gegründet wurde, schlug ein Team von professionellen Dota-Spielern während eines Ausstellungsspiels, das zwei Wochen vor dem jährlichen Weltturnier des Spiels stattfand, zwei zu eins. Der Sieg löste einen Sturm der Medienberichterstattung aus und erregte Gefühle, die von Bewunderung bis Unsicherheit reichten. Als sich der Staub gelegt hatte, war eines klar: Die KI hatte sich als fähig erwiesen, Situationen im Spiel zu analysieren und darauf zu reagieren, die die Komplexität der realen Welt widerspiegelten .
"Die Hoffnung", sagen die Entwickler des Bots, "ist, dass Systeme, die komplexe Videospiele lösen, mit Anwendungen außerhalb von Spielen sehr allgemein sind."
Nur die Zeit kann sagen, wie diese Anwendungen aussehen werden, aber mit dem, was wir bisher gesehen haben, werden sie sicherlich beeindruckend sein.