Sztuczna Inteligencja (ang. Artificial Intelligence – AI)
Sztuczna Inteligencja – nauka obejmująca zagadnienia logiki rozmytej, obliczeń ewolucyjnych, sieci neuronowych, sztucznego życia, i robotyki. Sztuczna inteligencja to dział informatyki, którego przedmiotem jest badanie reguł rządzących inteligentnymi zachowaniami człowieka, tworzenie modeli formalnych tych zachowań i – w rezultacie – programów komputerowych symulujących te zachowania. Można ją też zdefiniować jako dział informatyki zajmujący się rozwiązywaniem problemów, które nie są efektywnie algorytmizowalne.
Sztuczna inteligencja ma dwa podstawowe znaczenia: jest to hipotetyczna inteligencja realizowana w procesie inżynieryjnym, a nie naturalnym; jest to nazwa technologii i dziedzina badań naukowych informatyki na styku z neurologia, psychologia i ostatnio kognitywistyką oraz także systemiką, a nawet z współczesną filozofią. Głównym zadaniem badań nad sztuczną inteligencją w drugim znaczeniu jest konstruowanie maszyn i programów komputerowych zdolnych do realizacji wybranych funkcji umysłu i ludzkich zmysłów niepoddających się prostej numerycznej algorytmizacji. Problemy takie bywają nazywane AI-trudnymi i zalicza się do nich między innymi: podejmowanie decyzji w warunkach braku wszystkich danych analiza i synteza języków naturalnych rozumowanie logiczne/racjonalne, dowodzenie twierdzeń, gry logiczne, jak szachy czy go zarządzanie wiedzą, preferencjami i informacją w robotyce systemy eksperckie i diagnostyczne.
Współczesne praktyczne zastosowania AI Technologie oparte na logice rozmytej – powszechnie stosowane do np. sterowania przebiegiem procesów technologicznych w fabrykach w warunkach „braku wszystkich danych”.
Systemy ekspertowe – systemy wykorzystujące bazę wiedzy (zapisaną w sposób deklaratywny) i mechanizmy wnioskowania do rozwiązywania problemów.
Maszynowe tłumaczenie tekstów – systemy tłumaczące nie dorównują człowiekowi, robią intensywne postępy, nadają się szczególnie do tłumaczenia tekstów technicznych.
Sieci neuronowe – stosowane z powodzeniem w wielu zastosowaniach łącznie z programowaniem „inteligentnych przeciwników” w grach komputerowych.
Uczenie się maszyn – dział sztucznej inteligencji zajmujący się algorytmami potrafiącymi uczyć się podejmować decyzje bądź nabywać wiedzę.
Eksploracja danych – omawia obszary, powiązanie z potrzebami informacyjnymi, pozyskiwaniem wiedzy, stosowane techniki analizy, oczekiwane rezultaty.
Rozpoznawanie obrazów – stosowane są już programy rozpoznające osoby na podstawie zdjęcia twarzy lub rozpoznające automatycznie zadane obiekty na zdjęciach satelitarnych.
Rozpoznawanie mowy i rozpoznawanie mówców – stosowane już powszechnie na skalę komercyjną.
Rozpoznawanie pisma (OCR) – stosowane już masowo np. do automatycznego sortowania listów, oraz w elektronicznych notatnikach.
Sztuczna twórczość – istnieją programy automatycznie generujące krótkie formy poetyckie, komponujące, aranżujące i interpretujące utwory muzyczne, które są w stanie skutecznie „zmylić” nawet profesjonalnych artystów, w sensie, że nie rozpoznają oni tych utworów jako sztucznie wygenerowanych.
W ekonomii, powszechnie stosuje się systemy automatycznie oceniające m.in. zdolność kredytową, profil najlepszych klientów, czy planujące kampanie reklamowe. Systemy te poddawane są wcześniej automatycznemu uczeniu na podstawie posiadanych danych (np. klientów banku, którzy regularnie spłacali kredyt i klientów, którzy mieli z tym problemy).
Źródło: http://pl.wikipedia.org/wiki/Sztuczna_inteligencja
Inteligencją obejmują m.in. takie dziedziny nauki jak: informatyka, psychologia, antropologia, językoznawstwo, matematyka, elektronika, neurofizjologia i filozofia. W badaniach nad sztuczną inteligencją dąży się do tego, aby stworzyć taki program, który uczyłby się podobnie jak człowiek, wyciągał wnioski z zebranych danych i potrafił rozwiązywać skomplikowane zadania (wpisywane np. w języku naturalnym).
Przetwarzanie Języka Naturalnego( ang. natural language processing, NLP)
Przetwarzanie języka naturalnego to interdyscyplinarna dziedzina, łącząca zagadnienia sztucznej inteligencji i językoznawstwa, zajmująca się automatyzacją analizy, rozumienia, tłumaczenia i generowania języka naturalnego przez komputer. System generujący język naturalny przekształca informacje zapisane w bazie danych komputera na język łatwy do odczytania i zrozumienia przez człowieka. Zaś system rozumiejący język naturalny przekształca próbki języka naturalnego na bardziej formalne symbole, łatwiejsze do przetworzenia dla programów komputerowych.
Wiele problemów NLP wiąże się zarówno z generacją, jak i rozumieniem języka np. model morfologiczny zdania (struktura słów), który komputer powinien zbudować, jest potrzebny zarazem do tego by zdanie było zrozumiałe, jak i gramatycznie poprawne. NLP pokrywa się również w znacznej mierze z działem lingwistyki komputerowej i często uważany jest za poddział sztucznej inteligencji. Natomiast termin język naturalny używany jest, by odróżnić języki ludzkie (takie jak hiszpański czy szwedzki) od języka formalnego czy komputerowego (jak C++, Java lub LISP) . Choć analiza języka naturalnego może zajmować się i tekstem, i mową, prace nad syntezą mowy rozwinęły się jako oddzielny dział.
Analiza języka naturalnego jest, teoretycznie, bardzo atrakcyjną metodą porozumiewania się z komputerem. Jeden z pierwszych tego typu systemów SHRDLU, wzbudził ogromny entuzjazm naukowców, pracując zaskakująco dobrze na ograniczonych blokach słów i w obrębie ograniczonego języka. Entuzjazm szybko jednak wygasł, gdy system zderzył się z bardziej realnymi sytuacjami i prawdziwą złożonością oraz dwuznacznością słów. Sama definicja rozumienia jest dużym problemem analizy języka naturalnego. Wydaje się, że rozpoznanie języka naturalnego wymaga szerokiej wiedzy o świecie zewnętrznym i zdolności do przekształcania go. Z tego powodu rozumienie języka naturalnego nazywane jest często problemem AI-complete (problemem sztucznej inteligencji), który polega na tym, żeby dobrze rozumieć nasz świat i język, sztuczna inteligencja musiałaby postrzegać go tak samo jak my.
Zastosowania NLP
Automatyczna sumaryzacja – program komputerowy, który automatycznie streszcza tekst, zawierające w streszczeniu najważniejsze informacje.
Foreign language reading aid – program pomagający w czytaniu języka obcego.
Foreign language writing aid – program pomagający w pisaniu w języku obcym.
Information Extraction (IE) – program analizujący niestrukturyzowany tekst w celu wydobycia z niego informacji; wydobywa z dokumentów fakty, a użytkownik je analizuje.
Information Retrieval (IR) – program zajmujący się gromadzeniem, wyszukiwaniem i odzyskiwaniem informacji. Jest to oddzielny dział w informatyce (bardziej zbliżony bazom danych) zależny jednak od metod NLP (np. redukcji). Niektóre ze współczesnych badań starają się wypełnić przepaść pomiędzy IR a NLP. IR znajduje zbiór dokumentów, a użytkownik je analizuje.
Tłumaczenie automatyczne – automatyczne tłumaczenie tekstu z jednego języka na drugi.
Named Entity Recognition (NER) – jest jednym z zadań IE. Wskazuje, które ze słów w tekście są nazwami własnymi. W niektórych językach nazwy własne nie są pisane wielkimi literami.
Natural language generation (NLG) – zadanie polegające na tłumaczeniu danych z języka komputerowego na język naturalny. Natural language understanding – poddział NLP zajmujący się rozumieniem języka naturalnego przez komputer. OCR – oprogramowanie służące do rozpoznawania znaków graficznych np. z zeskanowanego tekstu.
Anaphora Resolution – program, który wyszukuje do czego odnosi się dana anafora w tekście.
Question answering – program, który odpowiada używając języka naturalnego na pytania zadawane w tym języku. Mogą to być pytania z jedną odpowiedzią (jak na przykład „Jakie miasto jest stolicą Kanady?”), lub z wieloma (np. „Jaki jest sens życia?”).
Rozpoznawanie mowy – potrafi zapisać tekst rozmowy z pliku dźwiękowego. (Odwrotność przetwarzania tekstu na mowę, syntezy mowy).
Spoken dialogue system – system, który rozpoznaje mowę i posiada moduł syntezy mowy.
Text simplification – operacja upraszczająca gramatykę i strukturę tekstu.
Synteza mowy – operacja polegająca na przetwarzaniu tekstu na mowę.
Korekta tekstu – zadanie polegające na zaznaczaniu błędów w tekście pisanym.
Źródło: http://pl.wikipedia.org/wiki/Przetwarzanie_języka_naturalnego
