røttene til Moderne Kunstig Intelligens, ELLER AI, kan spores tilbake til De klassiske filosofene I Hellas, og deres innsats for å modellere menneskelig tenkning som et system av symboler. Mer nylig, på 1940-tallet, ble en tankegang kalt «Connectionism» utviklet for å studere tankeprosessen. I 1950 skrev En Mann Ved Navn Alan Turing et papir som foreslo hvordan man tester en» tenkende » maskin. Han trodde at hvis en maskin kunne fortsette en samtale ved hjelp av en teleprinter, etterligne et menneske uten merkbare forskjeller, kunne maskinen beskrives som tenkning. Hans papir ble fulgt i 1952 Av Hodgkin-Huxley-modellen av hjernen som nevroner som danner et elektrisk nettverk, med individuelle nevroner som skyter i alt-eller-ingenting (på/av) pulser. Disse hendelsene, på en konferanse sponset Av Dartmouth College I 1956, bidro til å gnist begrepet Kunstig Intelligens.Jonathan Crane Er CCO Av Ipsoft, skaperne av den virtuelle assistenten Kalt Amelia. Han hadde dette å si om Den Nåværende Tilstanden Av Kunstig Intelligens:

» AI driver en stor endring i måten vi kan målrette vår markedsføring og reklame, selv for mindre selskaper. Dette betyr at bedrifter er i stand til å målrette sine ‘utgifter og øke AVKASTNINGEN’ og la reklame for å gjøre hva det skal, gi folk reklame de ønsker å se.»

Mr. Crane refererer TIL AIS bruk Av Store Data. Kunstig Intelligens kan kombineres Med Big Data for å håndtere komplekse oppgaver, og kan behandle informasjonen med mye raskere hastigheter enn noen tidligere systemer.

UTVIKLINGEN AV AI har ikke blitt strømlinjeformet og effektiv. Fra og med et spennende, fantasifullt konsept i 1956 ble forskningsfinansiering Av Kunstig Intelligens kuttet på 1970-tallet, etter at flere rapporter kritiserte mangel på fremgang. Arbeidet med å etterligne den menneskelige hjerne, kalt «nevrale nettverk», ble eksperimentert med, og droppet. De mest imponerende, funksjonelle programmene var bare i stand til å håndtere forenklede problemer, og ble beskrevet som leker av unimpressed. AI-forskere hadde vært altfor optimistiske i å etablere sine mål, og hadde gjort naive antagelser om problemene de ville møte. Når resultatene de lovet aldri materialisert, bør det ikke komme som noen overraskelse deres finansiering ble kuttet.DEN Første Ai-Vinteren måtte AI-forskerne håndtere to svært grunnleggende begrensninger, ikke nok minne og prosesseringshastigheter som virker bunnløse etter dagens standarder. Mye som tyngdekraften forskning på den tiden, Kunstig Intelligens forskning hadde sin offentlige finansiering kuttet, og interessen falt av. I motsetning til gravity gjenopptok AI-forskningen på 1980-tallet, MED USA og Storbritannia som gir finansiering for Å konkurrere Med Japans nye «femte generasjons» dataprosjekt, og deres mål om å bli verdensledende innen datateknologi. Strekningen av tid mellom 1974 og 1980 har blitt kjent som ‘Den Første AI Vinter.DEN FØRSTE Ai-Vinteren endte med introduksjonen av «Ekspertsystemer», som ble utviklet og raskt tatt i bruk av konkurrerende selskaper over hele verden. HOVEDFOKUS FOR AI-forskning var nå på temaet å samle kunnskap fra ulike eksperter. AI også dratt nytte av gjenopplivingen Av Connectionism i 1980.

Kybernetikk og Nevrale Nettverk
Kybernetikk studier automatiske styringssystemer. To eksempler er hjernen og nervesystemet, og kommunikasjonssystemene som brukes av datamaskiner. Kybernetikk har blitt brukt til å trene den moderne versjonen av nevrale nettverk. Nevrale nettverk ville imidlertid ikke bli økonomisk vellykkede til 1990-tallet, da de begynte å bli brukt til å drive optiske tegngjenkjenningsprogrammer og talemønstergjenkjenningsprogrammer.

Expert Systems
Expert Systems representerer en tilnærming I Kunstig Intelligensforskning som ble populær gjennom 1970-tallet. Et Ekspertsystem bruker kunnskapen til eksperter til å lage et program. Ekspert Systemer kan svare på spørsmål og løse problemer innenfor en klart definert arena av kunnskap, og bruker» regler » av logikk. Deres enkle design gjorde det rimelig enkelt for programmer å bli designet, bygget og modifisert. Banklån screening programmer gir et godt eksempel På En Ekspert System fra tidlig på 1980-tallet, men det var også medisinsk og salg programmer ved Hjelp Av Ekspert Systemer. Generelt sett ble disse enkle programmene ganske nyttige, og begynte å spare bedrifter store mengder penger.I 1980 begynte Digital Equipment Corporation For eksempel å kreve at salgsteamet deres brukte Et Ekspertsystem KALT XCON når de la inn kundeordrer. DEC solgte et bredt spekter av datakomponenter, men salgsstyrken var ikke spesielt kunnskapsrik om hva de solgte. Noen ordrer kombinerte komponenter som ikke fungerte sammen, og noen ordrer manglet nødvendige komponenter. Før XCON ville tekniske rådgivere sjekke ordrene, identifisere ikke-funksjonelle kombinasjoner og gi instruksjoner for montering av systemet. Siden denne prosessen (inkludert kommunikasjon med kunden) forårsaket en flaskehals på DEC, og mange forsøk på å automatisere det hadde mislyktes, VAR DEC villig til å prøve en teknologi som var relativt ny for denne typen situasjon. I 1986 sparte systemet 40 millioner DOLLAR årlig.XCON (noen ganger Referert Til Som R1) VAR et stort system med omtrent 750 regler, og selv om DET kunne behandle flere ordrer, måtte DET fortsatt justeres og justeres før DEC kunne bruke det effektivt. DEC lærte at systemet ikke kunne brukes som opprinnelig designet, og at de ikke hadde kompetanse til å opprettholde det. «Kunnskapen» i systemet måtte samles inn og legges til av folk som er opplært I Ekspertsystemer, og i kunnskapsoppkjøp. Mange av sine tekniske rådgivere var ingeniører, men de var IKKE AI eksperter, og team av ingeniører DEC endelig organisert var «kjent» MED AI, men medlemmer av gruppen ble ikke valgt for Sin Kunstig Intelligens kompetanse (det rett og slett ikke var så mange eksperter tilgjengelig), OG ingen i gruppen var kjent med språket det ble skrevet I, OPS-4. Etter omtrent et år, med stor hjelp fra Carnegie-Mellon( programmets opprinnelige forfattere), og etter å ha vokst til nesten 1000 regler, VAR DEC i stand til å overta programmering og vedlikehold AV XCON. Integrering AV XCON i DES-kulturen var en vanskelig, men vellykket opplevelse. Ledelse lært En Ekspert System krever spesialutdannet personell, og de tok ansvar for opplæring og ansette folk til å møte disse behovene.PÅ toppen HAR XCON 2500 regler og hadde utviklet seg betydelig (selv om populariteten for tiden har avtatt, da DEN har blitt litt av en dinosaur). XCON VAR det første datasystemet som brukte AI-teknikker for å løse virkelige problemer i en industriell setting. I 1985 hadde selskaper over hele verden begynt å bruke Ekspertsystemer, og et nytt karrierefelt utviklet for å støtte dem. XCON kunne konfigurere salgsordrer for ALLE VAX – 11 datasystemer produsert i Usa, men systemet måtte kontinuerlig justeres og oppdateres, og krevde ET heltids IT-team.

Den ANDRE AI-Vinteren

AI-feltet opplevde en annen stor vinter fra 1987 til 1993. Denne andre nedgangen i AI-forskning sammenfalt MED XCON, OG andre tidlige Ekspert system datamaskiner, blir sett på som treg og klønete. Stasjonære datamaskiner ble svært populære og fortrenge de eldre, bulkier, mye mindre brukervennlige databanker. Til slutt Ble Ekspertsystemer ganske enkelt for dyrt å vedlikeholde, sammenlignet med stasjonære datamaskiner. De var vanskelige å oppdatere, og kunne ikke » lære.»Dette var problemer stasjonære datamaskiner ikke har. PÅ omtrent samme tid konkluderte DARPA (Defense Advanced Research Projects Agency) AT AI ikke ville være «den neste bølgen» og omdirigert sine midler til prosjekter som anses mer sannsynlig å gi raske resultater. Som en konsekvens, på slutten av 1980-tallet, ble finansieringen for AI-forskning kuttet dypt, og skaper Den ANDRE AI-Vinteren.I begynnelsen av 1990-tallet skiftet Kunstig Intelligensforskning fokus til noe som kalles en intelligent agent. Disse intelligente agenter kan brukes for nyheter henting tjenester, online shopping, og surfer på nettet. Intelligente agenter kalles også noen ganger agenter eller bots. Med Bruk Av Big Data programmer, har de gradvis utviklet seg til personlige digitale assistenter, eller virtuelle assistenter.for tiden undersøker gigantiske teknologibedrifter Som Google, Facebook, IBM og Microsoft en rekke Kunstige Intelligensprosjekter, inkludert virtuelle assistenter. De konkurrerer alle om å lage assistenter som Facebook ‘ S M, Eller Cortana Fra Microsoft, Eller Apples Siri.Målet Med Kunstig Intelligens er ikke lenger å skape en intelligent maskin som er i stand til å etterligne menneskelig samtale med en teletype. Bruken Av Big Data har gjort DET MULIG FOR AI å ta det neste evolusjonære trinnet. Nå er målene å utvikle programvare som er i stand til å snakke på et naturlig språk, som engelsk, og å fungere som din virtuelle assistent. Disse virtuelle assistentene representerer FREMTIDEN FOR AI-forskning, og kan ta form av roboter for fysisk hjelp, eller kan bli plassert i bærbare datamaskiner og hjelpe til med å ta forretningsbeslutninger, eller de kan integreres i en bedrifts kundeserviceprogram og svare på telefonen. Kunstig Intelligens utvikler seg og finner nye bruksområder.