Система, сочетающая возможности компьютера со знаниями и опытом специалиста таким образом, что может

Обновлено: 29.06.2024

Сочетая аппаратное обеспечение, программное обеспечение, человеческие ресурсы и процессы, информационная система относится к сети, используемой для сбора, хранения, обработки, анализа и распространения данных. Информационные системы и специалисты с учеными степенями в области информационных систем могут помочь предприятиям и другим организациям повысить эффективность своей деятельности, максимизировать доход и оптимизировать свою деятельность.

Сократите разрыв между бизнесом и технологиями. Заработайте - онлайн-магистр наук в области информационных систем с сертификатом в области прикладных наук о данных Сиракузского университета. Доступна исполнительная программа.

Определение информационной системы

Многие считают информационные системы компьютерными технологиями. Хотя информационные системы часто включают компьютеры для управления данными и достижения бизнес-целей, они не обязательно должны включать компьютеры.

Существуют различные типы информационных систем, которые могут служить различным целям в зависимости от потребностей организации. Примеры включают:

Хранилища данных. Хранилища данных — это системы управления данными, поддерживающие аналитику и другие действия бизнес-аналитики. Они консолидируют и анализируют данные из самых разных источников. Хранилища данных могут предоставить информацию о компаниях, чтобы помочь улучшить процесс принятия решений.
Корпоративные системы. Корпоративные системы, также известные как системы планирования ресурсов предприятия (ERP), представляют собой интегрированные системы, объединяющие все аппаратное и программное обеспечение, которое бизнес использует для выполнения различных функций в своей деятельности. Эти общеорганизационные системы помогают передавать информацию между отделами и позволяют интегрировать процессы из разных подразделений компании.
Экспертные системы. Экспертные системы используют искусственный интеллект для имитации принятия решений человеком. Программное обеспечение использует человеческие знания для решения проблем, которые обычно требуют опыта человека. Экспертные системы могут применяться в таких областях, как медицинская диагностика, учет и кодирование.
Геоинформационные системы. Географические информационные системы (ГИС) — это инструменты, которые собирают, систематизируют, отображают и анализируют данные с пространственным компонентом. ГИС может улучшить анализ и принятие решений, позволяя пользователям визуализировать данные на карте. Глобальные информационные системы — это разновидность ГИС, которая синтезирует данные со всего мира.
Системы офисной автоматизации. Системы автоматизации офиса сочетают в себе коммуникационные технологии, людей и компьютеры для выполнения офисных действий, таких как подготовка письменного сообщения, печать, планирование или создание отчетов.

Компоненты информационных систем

Каждая информационная система включает в себя несколько ключевых компонентов: оборудование, программное обеспечение, телекоммуникации, людей и данные. Аппаратное обеспечение относится к физическим частям информационной системы; программное обеспечение — это программа, управляющая информационной системой; телекоммуникация передает информацию через систему; люди управляют информационной системой и взаимодействуют с ней; а данные — это информация, хранящаяся в системе и обрабатываемая ею.

Оборудование

Аппаратная составляющая информационной системы состоит из физических элементов системы. Люди могут потрогать и пощупать аппаратные средства. Эти механизмы, оборудование и проводка позволяют функционировать таким системам, как компьютеры, смартфоны и планшеты.

Устройства ввода и вывода — это важные элементы технологии, которые позволяют людям взаимодействовать с компьютерами и другими информационными системами. Клавиатуры, мыши, микрофоны и сканеры — все это примеры устройств ввода. К устройствам вывода могут относиться принтеры, мониторы, динамики, звуковые и видеокарты.

Оборудование, включая микропроцессоры, жесткие диски, блоки питания и съемные носители, также позволяет компьютерам хранить и обрабатывать данные.

Программное обеспечение

Программное обеспечение — это нематериальные программы, которые управляют функциями информационной системы, включая ввод, вывод, обработку и хранение.

Системное программное обеспечение, такое как операционные системы MacOS или Microsoft Windows, обеспечивает основу для запуска прикладного программного обеспечения.

Прикладное программное обеспечение управляет программами, предназначенными для конкретного использования в информационных системах. Например, приложения для обработки текстов используются для создания и редактирования текстовых документов. Программное обеспечение с графическим интерфейсом пользователя (GUI) является одним из наиболее распространенных прикладных программ; он представляет информацию, хранящуюся на компьютерах, и позволяет пользователям взаимодействовать с компьютерами с помощью цифровой графики, такой как значки, кнопки и полосы прокрутки, а не с помощью текстовых команд.

Программное обеспечение может быть как с открытым, так и с закрытым исходным кодом. Программное обеспечение с открытым исходным кодом общедоступно для пользователей и программистов, тогда как программное обеспечение с закрытым исходным кодом является собственностью.

Телекоммуникации

Телекоммуникационные системы соединяют компьютерные сети и позволяют передавать через них информацию. Телекоммуникационные сети также позволяют компьютерам и службам хранения получать доступ к информации из облака.

Существует ряд методов, используемых телекоммуникационными сетями для передачи информации. Коаксиальные кабели и волоконно-оптические кабели используются телефонными, интернет- и кабельными провайдерами для передачи данных, видео- и аудиосообщений.

Локальные сети (LAN) соединяют компьютеры для создания компьютерных сетей в специально отведенном месте, например в школе или дома. Глобальные сети (WAN) — это наборы локальных сетей, которые облегчают обмен данными на больших территориях. Виртуальная частная сеть (VPN) позволяет пользователю защитить свою конфиденциальность в Интернете путем шифрования данных в общедоступных сетях.

Микроволны и радиоволны также можно использовать для передачи информации в телекоммуникационных сетях.

Данные — это неосязаемые необработанные факты, которые хранятся, передаются, анализируются и обрабатываются другими компонентами информационных систем. Данные часто хранятся в виде числовых фактов и представляют количественную или качественную информацию.

Данные могут храниться в базе данных или хранилище данных в форме, наиболее подходящей для организации, которая их использует.

В базах данных хранятся коллекции данных, которые можно запрашивать или извлекать для определенных целей. Базы данных позволяют пользователям выполнять основные операции, такие как хранение и поиск. Хранилища данных, с другой стороны, хранят данные из нескольких источников для аналитических целей. Они позволяют пользователям оценивать организацию или ее деятельность.

Отдел кадров

Человеческие ресурсы являются важной частью информационных систем. Человеческий компонент информационных систем включает в себя квалифицированных специалистов, которые влияют на данные, программное обеспечение и процессы в информационных системах и манипулируют ими. Люди, вовлеченные в информационные системы, могут включать бизнес-аналитиков, аналитиков по информационной безопасности или системных аналитиков.

Бизнес-аналитики работают над улучшением операций и процессов организации. Они часто сосредоточены на повышении эффективности и производительности или рационализации распределения. Аналитики информационной безопасности работают над предотвращением утечек данных и кибератак. А системные аналитики используют информационные технологии, чтобы помочь организациям оптимизировать работу пользователей с программами.

Роль информационных систем

Информационные системы позволяют пользователям собирать, хранить, упорядочивать и распространять данные — функции, которые могут использоваться компаниями для самых разных целей. Многие предприятия используют свои информационные системы для управления ресурсами и повышения эффективности. А некоторые полагаются на информационные системы, чтобы конкурировать на мировых рынках. Исследователи Huawei обнаружили, что в 2016 году мировая цифровая экономика стоила 11,5 трлн долларов или 15,5% мирового ВВП [PDF, 22,8 МБ]. К 2025 году этот показатель, по прогнозам, еще больше возрастет и составит примерно 24 % мирового ВВП.

Существует множество приложений для различных типов информационных систем. Например, ГИС может помочь исследователям отслеживать движение морского льда, помогать в принятии решений в области сельского хозяйства или предлагать информацию о моделях преступности. Программное обеспечение электронной почты, такое как Microsoft Outlook, является распространенным типом системы автоматизации делопроизводства, которая может автоматически сортировать, расставлять приоритеты, сохранять сообщения и отвечать на них. А SIRI от Apple — это хорошо известная экспертная система, которая имитирует процесс принятия решений человеком, когда его подсказывают слова пользователей. Информационные системы, от просмотра веб-страниц до онлайн-банкинга, все больше интегрируются в повседневную жизнь.

Несмотря на то, что были приложены все усилия для соблюдения правил стиля цитирования, могут быть некоторые расхождения. Если у вас есть какие-либо вопросы, обратитесь к соответствующему руководству по стилю или другим источникам.

Наши редакторы рассмотрят то, что вы отправили, и решат, нужно ли пересматривать статью.

Инженерия человеческого фактора, также называемая эргономикой или инженерией человека, – это наука, связанная с применением информации о физических и психологических характеристиках при проектировании устройств и систем для использования человеком.

инженерия человеческого фактора, также называемая эргономикой или инженерией человека, наука, занимающаяся применением информации о физических и психологических характеристиках для проектирования устройств и систем для использования человеком.

Термин инженерия человеческого фактора в равной степени используется для обозначения совокупности знаний, процесса и профессии. Как совокупность знаний инженерия человеческого фактора представляет собой набор данных и принципов о человеческих характеристиках, возможностях и ограничениях в отношении машин, рабочих мест и окружающей среды. Как процесс, он относится к проектированию машин, систем машин, методов работы и сред с учетом безопасности, комфорта и производительности пользователей и операторов.Как профессия, инженер по человеческому фактору включает в себя ряд ученых и инженеров из нескольких дисциплин, которые связаны с отдельными людьми и небольшими группами на работе.

Термины инженерия человеческого фактора и инженерия человеческого фактора взаимозаменяемы на североамериканском континенте. В Европе, Японии и большей части остального мира преобладает термин эргономика, слово, образованное от греческих слов ergon, означающих «работа», и < em>nomos, что означает «закон». Несмотря на небольшие различия в акцентах, термины инженерия человеческого фактора и эргономика могут считаться синонимами. Эти термины использовались в 1920-х и 30-х годах для обозначения проблем человеческих отношений в промышленности, более старая коннотация, которая постепенно вышла из употребления. Некоторые небольшие специализированные группы предпочитают такие названия, как биокосмонавтика, биодинамика, биоинженерия и технология пилотируемых систем; они представляют собой особые акценты, различия которых намного меньше, чем сходство в их целях и задачах.

Данные и принципы инженерии человеческого фактора связаны с человеческими способностями, поведением и обучением в человеко-машинных системах; проектирование и разработка человеко-машинных систем; и системные биологические или медицинские исследования. Из-за своего широкого охвата инженерия человеческого фактора опирается на части таких социальных или физиологических наук, как анатомия, антропометрия, прикладная физиология, экологическая медицина, психология, социология и токсикология, а также на части инженерии, промышленного дизайна и исследования операций. .

Подход к дизайну с учетом человеческого фактора

Две основные предпосылки характеризуют подход инженера по человеческому фактору к практической проектной работе. Во-первых, инженер должен решать проблемы интеграции людей в машинные системы с помощью строгих научных методов, а не полагаться на логику, интуицию или здравый смысл. В прошлом типичный инженер был склонен либо игнорировать сложную и непредсказуемую природу человеческого поведения, либо решать ее вкратце, опираясь на обоснованные догадки. Инженеры по человеческому фактору пытались показать, что с помощью соответствующих методов можно выявить несоответствия человека и машины и что обычно можно найти действенные решения для этих несоответствий с помощью методов, разработанных в науках о поведении.

Вторая важная предпосылка подхода, основанного на человеческом факторе, заключается в том, что, как правило, дизайнерские решения не могут приниматься без большого количества проб и ошибок. Из тысяч тысяч инженеров в мире всего несколько тысяч инженеров, занимающихся человеческим фактором, проектируют новые машины, машинные системы и среды намного быстрее, чем ученые-бихевиористы могут собрать данные о том, как люди будут на них реагировать. Таким образом, создается больше проблем, чем есть готовых ответов на них, и специалист по человеческому фактору почти всегда вынужден прибегать к попыткам с разной степенью строгости, чтобы найти решения. Таким образом, хотя инженерия человеческого фактора стремится заменить догадки научным методом, ее конкретные методы обычно носят эмпирический, а не теоретический характер.

Модель человек-машина

Инженеры, занимающиеся человеческим фактором, рассматривают людей как элемент систем, и модель "человек-машина" – это обычный способ представления этих отношений. Простейшая модель человеко-машинного блока состоит из отдельного оператора, работающего с одной машиной. В любой машинной системе человек-оператор должен сначала почувствовать то, что называется машинным дисплеем, сигнал, который сообщает человеку что-то о состоянии или функционировании машины. Отображением может быть положение указателя на циферблате, мигание индикатора на панели управления, показания цифрового компьютера, звук предупредительного зуммера или голосовая команда, исходящая из громкоговорителя.

Почувствовав дисплей, оператор интерпретирует его, возможно, выполняет какие-то вычисления и принимает решение. При этом работник может использовать ряд человеческих способностей, в том числе способность запоминать и сравнивать текущее восприятие с прошлым опытом, согласовывать это восприятие со стратегиями, сформированными в прошлом, и экстраполировать восприятие и прошлый опыт для решения новых задач. проблемы. Психологи обычно называют эту деятельность высшими психическими функциями; инженеры по человеческому фактору обычно называют их обработкой информации.

Приняв решение, человек-оператор обычно предпринимает определенные действия. Это действие обычно выполняется с помощью какого-либо элемента управления — кнопки, рычага, рукоятки, педали, переключателя или рукоятки. Воздействие на один или несколько из этих элементов управления оказывает влияние на машину и ее производительность, что, в свою очередь, изменяет дисплей, так что цикл постоянно повторяется.

Система человек-машина не существует изолированно; он существует в какой-то среде.Поскольку природа этой среды влияет на эффективность и производительность оператора, инженер по человеческому фактору должен учитывать такие факторы окружающей среды, как температура, влажность, шум, освещение, ускорение, вибрация, вредные газы и загрязняющие вещества.

Пример человек-машина

Вождение автомобиля – это знакомый пример простой системы "человек-машина". Во время вождения оператор получает входные данные снаружи автомобиля (звуки и визуальные сигналы от движения, препятствий и сигналов) и от дисплеев внутри автомобиля (таких как спидометр, индикатор уровня топлива и датчик температуры). Водитель постоянно оценивает эту информацию, выбирает курс действий и переводит эти решения в действия с органами управления автомобилем — в основном с акселератором, рулевым колесом и тормозом. Наконец, на водителя влияют такие факторы окружающей среды, как шум, пары и температура.

Простая модель "человек-машина" обеспечивает удобный способ организации некоторых основных задач инженерии человека: выбор и проектирование дисплеев и элементов управления машины; планировка и дизайн рабочих мест; дизайн для ремонтопригодности; и рабочая среда.

Человеческий фактор в больших системах

Независимо от того, насколько важно согласовать отдельного оператора с машиной, при проектировании больших человеко-машинных систем и при интеграции людей-операторов в эти системы возникают одни из самых сложных и сложных проблем, связанных с человеческим фактором. Примерами таких крупных систем являются современный реактивный авиалайнер, автоматизированное почтовое отделение, промышленное предприятие, атомная подводная лодка и система запуска и восстановления космических аппаратов. При проектировании таких систем инженеры по человеческому фактору, помимо всех ранее упомянутых соображений, учитывают три фактора: персонал, обучение и рабочие процедуры.

Системы обычно разрабатываются для определенных типов операторов. Космический корабль, например, предназначен для избранной горстки астронавтов. Автомобили, с другой стороны, предназначены для размещения широкого круга людей. В больших системах спецификация требований к персоналу является неотъемлемой частью проектирования системы.

Персонал обучен; то есть им предоставляется соответствующая информация и навыки, необходимые для эксплуатации и обслуживания системы. Системный дизайн включает в себя разработку методов и программ обучения и часто распространяется на дизайн тренажерных устройств и учебных пособий.

Инструкции, рабочие процедуры и правила устанавливают обязанности каждого оператора в системе и определяют, как система должна функционировать. Адаптация правил эксплуатации к требованиям системы и людей в ней в значительной степени способствует безопасной, упорядоченной и эффективной работе.

Определение информационной системы

Хранилища данных. Хранилища данных — это системы управления данными, поддерживающие аналитику и другие действия бизнес-аналитики. Они консолидируют и анализируют данные из самых разных источников. Хранилища данных могут предоставить информацию о компаниях, чтобы помочь улучшить процесс принятия решений.
Корпоративные системы. Корпоративные системы, также известные как системы планирования ресурсов предприятия (ERP), представляют собой интегрированные системы, объединяющие все аппаратное и программное обеспечение, которое бизнес использует для выполнения различных функций в своей деятельности. Эти общеорганизационные системы помогают передавать информацию между отделами и позволяют интегрировать процессы из разных подразделений компании.
Экспертные системы. Экспертные системы используют искусственный интеллект для имитации принятия решений человеком. Программное обеспечение использует человеческие знания для решения проблем, которые обычно требуют опыта человека. Экспертные системы могут применяться в таких областях, как медицинская диагностика, учет и кодирование.
Геоинформационные системы. Географические информационные системы (ГИС) — это инструменты, которые собирают, систематизируют, отображают и анализируют данные с пространственным компонентом.ГИС может улучшить анализ и принятие решений, позволяя пользователям визуализировать данные на карте. Глобальные информационные системы — это разновидность ГИС, которая синтезирует данные со всего мира.
Системы офисной автоматизации. Системы автоматизации офиса сочетают в себе коммуникационные технологии, людей и компьютеры для выполнения офисных действий, таких как подготовка письменного сообщения, печать, планирование или создание отчетов.

Компоненты информационных систем

Оборудование

Программное обеспечение

Телекоммуникации

Микроволны и радиоволны также можно использовать для передачи информации в телекоммуникационных сетях.

Отдел кадров

Роль информационных систем

Искусственный интеллект использует компьютеры и машины, чтобы имитировать способность человеческого разума решать проблемы и принимать решения.

Что такое искусственный интеллект?

Несмотря на то, что за последние несколько десятилетий появилось несколько определений искусственного интеллекта (ИИ), Джон Маккарти предлагает следующее определение в этой статье 2004 года (PDF, 106 КБ) (ссылка не принадлежит IBM): «Это наука и проектирование создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. Это связано с аналогичной задачей использования компьютеров для понимания человеческого интеллекта, но ИИ не должен ограничиваться методами, которые можно наблюдать биологически."

Однако за несколько десятилетий до этого определения рождение разговора об искусственном интеллекте было обозначено основополагающей работой Алана Тьюринга «Вычислительные машины и интеллект» (PDF, 89,8 КБ) (ссылка находится за пределами IBM), которая была опубликована в 1950 году. В этой статье Тьюринг, которого часто называют «отцом информатики», задает следующий вопрос: «Могут ли машины думать?» Оттуда он предлагает тест, теперь известный как «Тест Тьюринга», в котором следователь-человек пытается различить текстовый ответ компьютера и человека. Несмотря на то, что с момента публикации этот тест подвергся тщательной проверке, он остается важной частью истории ИИ, а также актуальной философской концепцией, поскольку в нем используются идеи, связанные с лингвистикой.

Затем Стюарт Рассел и Питер Норвиг опубликовали книгу «Искусственный интеллект: современный подход» (ссылка не принадлежит IBM), которая стала одним из ведущих учебников по изучению ИИ. В нем они углубляются в четыре потенциальных цели или определения ИИ, которые различают компьютерные системы на основе рациональности и мышления по сравнению с действием:

Человеческий подход:

Системы, мыслящие как люди
Системы, которые действуют как люди

Идеальный подход:

Системы, мыслящие рационально
Системы, которые действуют рационально

Определение Алана Тьюринга подпадает под категорию «системы, которые действуют как люди».

В своей простейшей форме искусственный интеллект – это область, которая сочетает в себе информатику и надежные наборы данных для решения проблем. Он также охватывает подобласти машинного обучения и глубокого обучения, которые часто упоминаются в связи с искусственным интеллектом. Эти дисциплины состоят из алгоритмов ИИ, которые стремятся создать экспертные системы, которые делают прогнозы или классификации на основе входных данных.

Сегодня все еще много шумихи вокруг разработки ИИ, что ожидается от любой новой технологии, появляющейся на рынке. Как отмечается в цикле ажиотажа Gartner (ссылка находится за пределами IBM), инновации в продуктах, такие как беспилотные автомобили и персональные помощники, следуют «типичному прогрессу инноваций, от чрезмерного энтузиазма через период разочарования к конечному пониманию актуальности и роли инновации. на рынке или в домене». Как отмечает здесь (01:08:15) Лекс Фридман (ссылка находится за пределами IBM) в своей лекции в Массачусетском технологическом институте в 2019 году, мы находимся на пике завышенных ожиданий, приближаясь к пропасти разочарования.

По мере того, как возникают разговоры об этике ИИ, мы начинаем замечать первые проблески разочарования. Чтобы узнать больше о том, какую позицию IBM занимает в разговоре об этике ИИ, читайте здесь.

Типы искусственного интеллекта — слабый ИИ против сильного ИИ

Слабый ИИ – его также называют узким ИИ или искусственным узким интеллектом – это ИИ, обученный и ориентированный на выполнение определенных задач. Слабый ИИ управляет большей частью ИИ, который нас сегодня окружает.«Узкий» может быть более точным описанием этого типа ИИ, поскольку он совсем не слабый; он позволяет использовать некоторые очень надежные приложения, такие как Siri от Apple, Alexa от Amazon, IBM Watson и автономные транспортные средства.

Сильный ИИ состоит из искусственного общего интеллекта (AGI) и искусственного сверхразума (ASI). Искусственный общий интеллект (AGI) или общий ИИ — это теоретическая форма ИИ, в которой машина будет иметь интеллект, равный человеческому; у него будет самоосознающее сознание, способное решать проблемы, учиться и планировать будущее. Искусственный суперинтеллект (ИСИ), также известный как суперинтеллект, превзойдет интеллект и способности человеческого мозга. Хотя сильный ИИ по-прежнему является чисто теоретическим и практически не используется сегодня, это не означает, что исследователи ИИ также не изучают его развитие. А пока лучшие примеры ИСИ могут быть взяты из научной фантастики, например HAL, сверхчеловека, мошеннического компьютерного помощника в 2001: Космическая одиссея

Глубокое обучение против машинного обучения

Поскольку глубокое обучение и машинное обучение, как правило, используются взаимозаменяемо, стоит обратить внимание на нюансы между ними. Как упоминалось выше, и глубокое обучение, и машинное обучение являются подобластями искусственного интеллекта, а глубокое обучение фактически является подобластью машинного обучения.

Глубокое обучение на самом деле состоит из нейронных сетей. «Глубокое» в глубоком обучении относится к нейронной сети, состоящей из более чем трех слоев, включая входные и выходные данные, которые можно считать алгоритмом глубокого обучения. Обычно это представляется с помощью следующей схемы:

Способ, которым глубокое обучение и машинное обучение отличаются, заключается в том, как каждый алгоритм обучается. Глубокое обучение автоматизирует большую часть процесса извлечения признаков, устраняя часть необходимого ручного вмешательства человека и позволяя использовать большие наборы данных. Вы можете думать о глубоком обучении как о «масштабируемом машинном обучении», как отметил Лекс Фридман в той же лекции MIT сверху. Классическое или «неглубокое» машинное обучение в большей степени зависит от вмешательства человека. Эксперты-люди определяют иерархию функций, чтобы понять различия между входными данными, что обычно требует более структурированных данных для изучения.

"Глубокое" машинное обучение может использовать помеченные наборы данных, также известное как обучение с учителем, для информирования своего алгоритма, но для этого не обязательно требуется помеченный набор данных. Он может принимать неструктурированные данные в необработанном виде (например, текст, изображения) и может автоматически определять иерархию функций, которые отличают разные категории данных друг от друга. В отличие от машинного обучения, для обработки данных не требуется вмешательство человека, что позволяет масштабировать машинное обучение более интересными способами.

Приложения искусственного интеллекта

Сегодня существует множество реальных приложений систем искусственного интеллекта. Ниже приведены некоторые из наиболее распространенных примеров:

Распознавание речи. Оно также известно как автоматическое распознавание речи (ASR), компьютерное распознавание речи или преобразование речи в текст. Это функция, использующая обработку естественного языка (NLP) для преобразования человеческой речи в письменный формат. . Многие мобильные устройства включают в свои системы распознавание речи для осуществления голосового поиска. Siri — или предоставьте дополнительные возможности для текстовых сообщений.
Обслуживание клиентов. Виртуальные онлайн-агенты заменяют людей на пути клиента. Они отвечают на часто задаваемые вопросы (FAQ) по таким темам, как доставка, или предоставляют персональные советы, перекрестные продажи продуктов или предлагают размеры для пользователей, изменяя наше представление о взаимодействии с клиентами на веб-сайтах и платформах социальных сетей. Примеры включают боты для обмена сообщениями на сайтах электронной коммерции с виртуальными агентами, приложения для обмена сообщениями, такие как Slack и Facebook Messenger, а также задачи, обычно выполняемые виртуальными помощниками и голосовыми помощниками.
Компьютерное зрение. Эта технология искусственного интеллекта позволяет компьютерам и системам извлекать значимую информацию из цифровых изображений, видео и других визуальных входных данных и на основе этих входных данных выполнять действия. Эта способность давать рекомендации отличает его от задач распознавания изображений. Компьютерное зрение, основанное на сверточных нейронных сетях, применяется для пометки фотографий в социальных сетях, радиологических изображений в здравоохранении и беспилотных автомобилей в автомобильной промышленности.
Системы рекомендаций. Алгоритмы искусственного интеллекта, используя данные о прошлом потреблении, могут помочь обнаружить тенденции данных, которые можно использовать для разработки более эффективных стратегий перекрестных продаж. Это используется для предоставления релевантных дополнительных рекомендаций покупателям в процессе оформления заказа для интернет-магазинов.
Автоматизированная торговля акциями. Платформы для высокочастотной торговли на базе искусственного интеллекта, предназначенные для оптимизации портфелей акций, совершают тысячи и даже миллионы сделок в день без вмешательства человека.

История искусственного интеллекта: ключевые даты и имена

Идея "мыслящей машины" восходит к Древней Греции. Но с момента появления электронных вычислений (и относительно некоторых тем, обсуждаемых в этой статье) важные события и вехи в эволюции искусственного интеллекта включают следующее:

1950: Алан Тьюринг публикует Computing Machinery and Intelligence. В статье Тьюринг, известный тем, что взломал нацистский код ENIGMA во время Второй мировой войны, предлагает ответить на вопрос: «Могут ли машины думать?» и вводит тест Тьюринга, чтобы определить, может ли компьютер продемонстрировать тот же интеллект (или результаты того же интеллекта), что и человек. С тех пор о ценности теста Тьюринга ведутся споры.
1956 г. Джон Маккарти вводит термин "искусственный интеллект" на первой в истории конференции по искусственному интеллекту в Дартмутском колледже. (Маккарти впоследствии изобрел язык Лисп.) Позже в том же году Аллен Ньюэлл, Дж. К. Шоу и Герберт Саймон создали Logic Theorist, первую в мире программу для искусственного интеллекта.
1967: Фрэнк Розенблатт создает персептрон Mark 1, первый компьютер на основе нейронной сети, которая "обучалась" методом проб и ошибок. Всего год спустя Марвин Мински и Сеймур Пейперт публикуют книгу под названием Perceptrons, которая становится одновременно и знаковой работой по нейронным сетям, и, по крайней мере, на какое-то время, аргументом против будущих проектов по исследованию нейронных сетей.< /li>
1980-е: нейронные сети, которые используют алгоритм обратного распространения для самообучения, стали широко использоваться в приложениях ИИ.
1997: IBM Deep Blue побеждает тогдашнего чемпиона мира по шахматам Гарри Каспарова в шахматном матче (и матче-реванше).
2011: IBM Watson побеждает Кена Дженнингса и Брэда Раттера в Jeopardy!
2015 г. Суперкомпьютер Minwa компании Baidu использует особый тип глубокой нейронной сети, называемой сверточной нейронной сетью, для идентификации и классификации изображений с более высокой степенью точности, чем у среднего человека.
2016: программа DeepMind AlphaGo, основанная на глубокой нейронной сети, побеждает Ли Содоля, чемпиона мира по игре в го, в матче из пяти игр. Победа значима, учитывая огромное количество возможных ходов по ходу игры (более 14,5 триллионов всего за четыре хода!). Позже Google приобрела DeepMind за 400 млн долларов США.

Искусственный интеллект и IBM Cloud

IBM является лидером в продвижении технологий на основе искусственного интеллекта для предприятий и стала пионером в создании систем машинного обучения для различных отраслей. Основываясь на десятилетиях исследований ИИ, многолетнем опыте работы с организациями любого размера и опыте более 30 000 проектов IBM Watson, IBM разработала лестницу ИИ для успешного развертывания искусственного интеллекта:

Организация: создание бизнес-аналитической базы.
Анализ: создание масштабируемых и надежных систем на основе ИИ. Интеграция и оптимизация систем во всей бизнес-инфраструктуре. Перенесите свои приложения и системы с искусственным интеллектом в облако.

IBM Watson предоставляет предприятиям инструменты искусственного интеллекта, необходимые для преобразования их бизнес-систем и рабочих процессов, при этом значительно повышая автоматизацию и эффективность. Чтобы получить дополнительную информацию о том, как IBM может помочь вам завершить переход к ИИ, изучите портфель управляемых услуг и решений IBM

Читайте также: