Artefarita intelekto

Artefarita intelekto[1] ofte ankaŭ artefarita inteligenteco (AI) estas kampo de informadiko. Simple dirite, temas pri la konceptado kaj ebligo, ke maŝino elmontru homajn kapablojn havantajn ecojn de intelekto kiel rezonado, lernado, planado kaj kreado, kaj pri konduto kaj strukturo de tiaj maŝinaj sistemoj.

Simbola ilustraĵo de AI generita de AI, Midjourney, la 5an de februaro 2023
Akvarela portreto (efektivigita pere de sistemo de AI) de Alan Turing konsiderata la patro de AI (vidu: Testo de Turing).
Pentraĵo, kiun AI generis laŭ jena priskribo: "Moderna arkitektura konstruaĵo kun grandaj vitrofenestroj situanta sur klifo vid-al-vide al serena oceano ĉe sunsubiro."

La jardekojn longa filozofia disputo, ĉu el la konduto de tiaj maŝinoj oni rajtas konkludi, ĉu kaj kiugrade aliaj intelektohavaj estaĵoj baziĝas sur similaj strukturoj, ankoraŭ restas senkonkluda. Alan Turing proponis tiurilate sian faman teston: oni detektu intelektajn kapablojn nur laŭ la konduto en konversacio aŭ intervjuo.

La artefaritan intelekton oni fojfoje nomas maŝina intelekto, t.e. intelekto montrata de maŝinoj, kontraste al la natura intelekto de homoj kaj aliaj animaloj. En komputoscienco la esplorado de AI estas difinita kiel la pristudado de "intelektaj agantoj": temas pri ajna aparato, kiu perceptas sian medion kaj entreprenas agojn pliigantajn ĝian ŝancon sukcese atingi siajn celojn.[2] Populare, la termino "artefarita intelekto" estas aplikata kiam maŝino imitas "kognajn" funkciojn, kiujn homoj asocias kun aliaj homaj mensoj, kiel "lernado" kaj "problemosolvado".[3]

Artefarita intelekto estis fondita kiel scienca fako en 1956, kaj ekde tiam ĝi trapasis kelkajn tajdojn de optimismo,[4][5] sekvite de seniluziiĝo kaj la perdo de financado (konata kiel "AI vintro"),[6][7] sekvite de novaj alproksimiĝoj, sukcesoj kaj plinovigita financado.[8] Dum plejparto de ĝia historio, la esplorado de AI estis dividita en subfakojn, kiuj ofte interagas unu kun alia.[9] Tiuj subfakoj estas bazitaj sur teknikaj konsideroj, kiel specifaj celoj (ekz. "robotiko" aŭ "maŝinlernado"),[10] la uzado de specialaj iloj ("logikaj" aŭ artefaritaj neŭroretoj), aŭ profundaj filozofiaj diferencoj.[11][12][13] Subfakoj estis bazitaj sur sociaj faktoroj (speciale institucioj aŭ la verko de individuaj fakuloj).[14]

En la 21-a jarcento, AI-teknikoj travivis renesancon sekvantan samtempajn progresojn en komputikpotenco, la amasiĝon de grandaj kvantoj da datumoj, kaj teorian komprenon; kaj AI-teknikoj fariĝis esenca parto de la teknologia industrio, helpante solvi multajn malfacilajn problemojn en komputiko, softvarinĝenierado kaj operacia esplorado.

Historio

redakti
 
John McCarthy kreis la terminon artefarita intelekto.

Konferenco ĉe Dartmouth

redakti

En Julio 1956 ĉe la Kolegio Dartmouth okazis konferenco organizita de John McCarthy, Marvin Minsky, Nathan Rochester kaj Claude Shannon. La nocion "artefarita intelekto" (AI) fiksis McCarthy.

Hipotezo de fizika simbola sistemo

redakti

Per apogo sur la studoj de Alan Turing, interalie per la artikolo Komputa maŝinaro kaj intelekto (angle Computing machinery and intelligence), Allen Newell (1927–1992) kaj Herbert Simon (1916–2001) de Carnegie Mellon Universitato en Pittsburgh formulis la hipotezon de fizika simbola sistemo, laŭ kiu la pensado estas prilaborado de informoj. La prilaborado de informoj estas proceso de kalkulado, do prilaborado de simboloj. Ne gravas baze la cerbo je la pensado: intelekto estas menso formita per iu ajn formebla speco de materialo.

Forta AI

redakti
 
Marvin Minsky estis fakulo pri artefarita intelekto.

La opinion, ke intelekto estas sendependa de la portanta substanco, subtenas adeptoj de la tezo pri forta AI, kiel, ekzemple, Marvin Minsky (naskiĝinta en 1927) el MIT (Massachusetts Institute of Technology), unu el la pioniroj de AI, por kiu "la celo de AI estas la venko kontraŭ la morto". Hans Moravec (naskiĝinta en 1948), specialisto pri robotoj, el Universitato Carnegie Mellon priskribas en sia libro infanoj de la menso (angle Mind Children) la scenejon de la evoluo de la postbiologia vivo: roboto transigas la sciaron stokitan en homa cerbo al komputilo, tiel ke la biologia materio de la cerbo fariĝas superflua kaj povas komenciĝi posthoma epoko, dum kiu atingeblo de la stokita sciaro povas daŭri senfine.

1960-aj jaroj

redakti

Speciale la komenca fazo de la AI estis regata de preskaŭ senlima espero kaj kredo rilate la povo de komputiloj, "solvi taskojn, por kies solvo estas bezonata inteligenteco, se ili estas realigitaj de homoj" (Minsky). Simon prognozis en 1957 interalie, ke ene de la sekvantaj dek jaroj komputilo fariĝos monda ĉampiono de ŝako kaj ke komputilo eltrovos kaj pruvos gravan matematikan leĝon. Tiuj prognozoj ne veriĝis. Fakte nur en 1997 la komputilo Deep Blue de la firmao IBM sukcesis venki kontraŭ la mondĉampiono Garri Kasparov. McCarthy proponis en 1958 uzi predikatan logikon por efektivigi aŭtomatan rezonadon de artefarita intelekto.

Newell kaj Simon evoluigis dum la 1960-aj jaroj la Ĝeneralan solvilon de problemoj, nome programon, kiu devus solvi iujn problemojn per simplaj metodoj. Post dek jaroj de evoluado tiu projekto fine estis haltigita.

Fine de la 1960-aj jaroj Joseph Weizenbaum (1923–2008) de la MIT evoluigis la programon Eliza, ĉe kiu la dialogo de psikiatro kun paciento estas ŝajnigita. La efiko de tiu programo estis impresega. Weizenbaum mem estis surprizita, ke, per relative simpla maniero, oni povas doni la iluzion de animhavanta partnero al homoj. Weizmann formulis: "Se oni miskomprenas la programon, tiam oni povas juĝi ĝin kiel sensacio"[15].

Ekde la 1980-aj jaroj

redakti

Komence de la 1980-aj jaroj, esplorado por AI estis revivigita pro la komerca sukceso de ekspertaj sistemoj,[16] formo de AI-programo, kiu modelis la sciaron kaj analizajn kapablojn de homaj fakuloj. Ĉirkaŭ 1985, la merkato de AI estis atinginta ĉirkaŭ milo da milionoj da dolaroj. Samtempe, japana projekto de kvingeneraciaj komputiloj inspiris la usonan kaj britan registarojn restarigi financadon por scienca esplorado.[17] Tamen, dekomence per la falo de la merkato de la LISP-maŝino en 1987, AI denove falis en malfavoron, kaj komenciĝis dua, pli longdaŭra "AI-vintro".[18]

 
Homsimila roboto NAO. Robotiko ludis gravan rolon en la disvolvigo de AI.

Multaj esploristoj ekdubis, ke la nuntempaj praktikoj kapablus ŝajnigi ĉiujn procezojn de homa kognado, speciale perceptado, robotiko, maŝinlernado kaj modelrekonado. [19] nombraj esploristoj ekrigardis en "sub-simbolaj" alproksimiĝoj.[20] Esploristoj pri robotiko, kiel Rodney Brooks, malakceptis "reprezentadon" ĝenerale kaj fokusis rekte al inĝenieradaj maŝinoj kiuj moviĝas kaj survivas. Judea Pearl, Lofti Zadeh kaj aliaj fakuloj disvolvis metodojn, kiuj prilaboris nekompletan kaj necertan informaron, farante fidindajn supozojn anstataŭ precizan logikon.[21] Sed la plej grava disvolvigo estis la revivado de "konektismo", inkludante esploradon per neŭra reto, fare de Geoffrey Hinton kaj aliaj.[22] En 1990, Yann LeCun sukcese montris, ke la konvoluciaj neŭraj retoj povas rekoni manskribitajn ciferojn, la unua el multaj sukcesaj aplikaĵoj de neŭraj retoj. [23]

AI laŭgrade restarigis sian reputacion fine de la 1990-aj jaroj kaj komence de la 21-a jarcento ekspluatante formalajn matematikajn metodojn kaj trovante specifajn solvojn al specifaj problemoj. Tiu "mallarĝa" kaj "formala" fokuso ebligis al esploristoj produkti verigeblajn rezultojn kaj kunlaboris kun aliaj kampoj (kiel statistiko, ekonomiko kaj matematiko).[24] Ĉirkaŭ 2000, solvoj disvolvitaj de AI esploristoj estis amplekse uzataj, kvankam en la 1990-aj jaroj ili estis rare priskribitaj kiel "artefarita intelekto".[25]

Kelkaj akademiaj esploristoj konstatis, ke AI ne plu klopodis al la origina celo kreadi plur-talentajn, tute inteligentajn maŝinojn. Dekomence ĉirkaŭ 2002, ili fondis la subfakon nomitan "artefarita ĝenerala intelekto" (aŭ "AĜI"), kiu havis kelkajn bone financitajn instituciojn ĉirkaŭ la 2010-aj jaroj.[26]

Profunda lernado ekdominis industriajn markojn en 2012 kaj estis adoptita tra la tuta fako.[27] Por multaj specifaj taskoj, aliajn metodojn oni abandonis. Matteo Wong verkis en The Atlantic:

 
 "Kvankam dum jardekoj, komputikaj fakoj kiel procezado de naturaj lingvoj, komputika vido, kaj robotiko uzis tre diferencajn metodojn, nune ĉiuj el ili uzas programigan metodon nomitan "profunda lernado." Kiel rezulto, iliaj kodo kaj alproksimiĝoj pli kaj pli similiĝis, kaj iliaj modeloj estas pli facile integreblaj unu en alia."[28] 

La sukceso de la profunda lernado estis bazita en plibonigoj de aparataro (pli rapidaj komputiloj,[29] de grafika procezado, nuba komputado[30]) kaj aliro al grandaj kvantoj de datumoj[31] (inklude datumbazojn,[32]) kiel ImageNet).

La sukceso de la profunda lernado kondukis al enorma pliiĝo en intereso kaj financado por AI. Jack Clark skribis en Bloomberg: "Post duona jardeko de silentaj elrompoj en artefarita intelekto, 2015 estis mejloŝtona jaro. Komputiloj estas pli saĝaj kaj lernas pli rapide ol iam ajn," kaj notis, ke la nombro de projektoj de programaro kiuj uzas maŝinlernado en Google pliiĝis el "sporada uzado" en 2012 al pli ol 2 700 projektoj en 2015.[33]

La kvanto de maŝinlernada esplorado (mezurita laŭ totala nombro de publikaĵoj) pliiĝis je ĉirkaŭ 50% en la jaroj 2015–2019,[34] kaj WIPO informis, ke AI estis la plej fekunda aperinta teknologio laŭ terminoj de la nombro de patentaj aplikaĵoj kaj aprobitaj patentoj.[35] Laŭ AI Impacts, ĉirkaŭ la jaro 2022 nur en Usono la nivelo de jara investado en AI atingis 50 miliardojn da usonaj dolaroj, kaj ĉirkaŭ 20% de novaj usonaj doktoriĝintoj pri komputoscienco specialiĝis pri AI;[36] ĉirkaŭ 800 000 AI-rilataj laborpostenoj kreitaj en Usono ekzistis en 2022.[37] La granda plimulto de antaŭeniroj okazis en Usono, kaj ties kompanioj, universitatoj, kaj esplorlaboratorioj estris la esploradon en artefarita intelekto.[38]

En 2016, jam aperis temoj pri justeco kaj misuzo de tia teknologio, kaj ili estis lanĉitaj al la centro de la podioj de kongresoj pri maŝinlernado, publikaĵoj ege pliiĝis, financado iĝis disponebla, kaj multaj esploristoj re-fokusigis siajn karierojn al tiuj temoj. La problemoj por la kongruigo de AI iĝis grava serioza kampo de akademia studado.[39]

Aliaj firmaoj

redakti
  • Google DeepMind estas brita firmao por la disvolviĝo de artefarita intelekto, fondita en septembro 2010 sub la nomo DeepMind Technologies, kaj akirita de Google en 2014

2020-aj jaroj

redakti
 
Trajtodetekto (bildigita kiel randa detekto) helpas artefaritan intelekton formi informajn abstraktajn strukturojn el krudaj datumoj.

En la lasta jardeko AI enorme disvolviĝis:

  • 2020
    • En Februaro 2020, Microsoft enkondukas sian Turing Natural Language Generation (T-NLG), kiu estas "la plej granda lingva modelo iam publikigita je 17 mil milionoj da parametroj".[40]
    • En Novembro 2020, AlphaFold 2 de DeepMind, modelo kiu plenumas antaŭdirojn de proteinstrukturo, venkas en la konkurenco CASP.[41]
  • OpenAI enkondukas GPT-3, memregresa lingvomodelo kiu uzas profundan lernadon por produkti varion de komputilaj kodoj, poezio kaj aliaj lingvaj taskoj escepte pli similaj, kaj preskaŭ nedistingebla el tiuj verkitaj de homoj. Ties kapablo estas dek fojojn pli granda ol tiu de T-NLG. Ĝi estis enkondukita en Majo 2020,[42] kaj estis en beta testado en Junio 2020.
  • 2022

AI estas uzebla por ĉiu ago, kiu de homa plenumanto postulas pensadon aŭ inteligenton. Ju pli da tempo pasas, des pli da uzoj de AI estas trovitaj kaj grandskale uzataj. Sur kelkaj kampoj AI atingis sukcesojn, ekzemple ĉe strategiaj ludoj (ŝako, damludo, goo ktp.)[43][44]; rekomendaj sistemoj (uzataj de YouTube, Amazon kaj Netflix); interagado per homa parolado (kiel Google Assistant, Siri kaj Alexa); ĉe prilaborado de matematikaj simboloj, ĉe la simulado de robotoj, ĉe pruvado de logikaj kaj matematikaj formuloj, ĉe senŝoforaj veturiloj (kiel ekzemple Waymo), ĉe detektado de malsanoj el bildoj kaj genoj, ĉe bilda rekonado, ĉe detektado de spamo, ĉe plialtigo de trafiko en sociaj retoj, ĉe retaj serĉiloj kiel Google kaj Yandex, ĉe aŭtomataj tradukiloj kiel DeepL, kaj ĉe trejnado (ekzemple, milita).[45]

Artefarita intelekto ebligas ellaboradon de algoritmoj kaj modeloj, per kiuj maŝinoj povas percepti sian medion, rezoni pri ĝi kaj agi por atingi specifitajn celojn. Ĉi tiuj algoritmoj uzas grandajn volumojn de datumoj kaj altnivelajn teknikojn kiel maŝinlernado, profunda lernado, naturlingva prilaborado kaj komputila vidado.

Spertaj sistemoj

redakti

En sperta sistemo estas reprezentata formala regul-bazita aŭ model-bazita sciaro de speciala fako. La sistemo ebligas sekve, ke je konkretaj demandoj, reguloj estu aŭtomate aplikataj ankaŭ je tiaj kombinoj, kiuj antaŭe ne nepre estis detale kaptitaj de la homaj spertuloj.

Bildarta kapablo de artefarita intelekto

redakti
  Pli detalaj informoj troveblas en artikolo Bildarta kapablo de artefarita intelekto.
 
Bildo kreita de DALL-E 2 laŭ anglalingva teksta priskribo signifanta "Arto de 1960-aj de bovino forrabata de NIFO en mez-okcidento".

Bildarton kapablas krei diversaj programoj de artefarita intelekto. En 2023 temas ĉefe pri laŭtekstaj bildokreaj modeloj. Oni distingu tian arton de cifereca arto;[46] ambaŭ uzas ciferecan teknologion, sed pri artefarita intelekto temas, nur se la bildon generaj algoritmoj kaj profundlernaj teknikoj kreas aŭtonome, sen rekta interveno de homa artisto.[46][47]

Multaj mekanismoj por krei bildojn per artefarita intelekto estas evoluigitaj, interalie procedoj kiuj uzas matematikajn regulojn, algoritmoj kiuj imitas la efikon de pentriloj, kaj profundlernaj algoritmoj, ekzemple generaj kontraŭkonkuraj retoj (GKR-oj) kaj transformiloj.

Riskoj

redakti

AI permesas aŭtomatigon de pli kaj pli kompleksaj taskoj. Tiu aŭtomatigado anstataŭigadas parton de la homa laboro kaj povas konduki al maldungeco, ekzemple en asekurkompanioj.[48]. Tio okazas ĉar robotoj ne bezonas salajron, kaj povas fari simplan laboron multe pli bonkvalite kaj precize ol homoj.

La potenco de AI prezentas ankaŭ alian riskon: ke ĝi estos uzata maletike, ekzemple por konstrui aŭtomatajn armilojn, kiuj povas decidi mortigi sen aprobo de iu ajn homo. Pro tio, homoj deziras juron, por ke AI ne estu uzata en fakoj, kie ĝi povus senrege minaci homajn vivojn.[49]

Realigo

redakti

AI realiĝas per la programlingvoj kiel LISP, Python, C++, Java, kaj Prolog.

En Esperanto aperis

redakti

Bildaro

redakti

Referencoj

redakti
  1. NPIV, «artefarita intelekto».
  2. Difino de AI kiel la studado de intelektohavaj agantoj:
    • Poole, Mackworth & Goebel 1998, p. 1, kiuj havigas la difin-version uzatan en tiu ĉi artikolo. Notu, ke ili uzas la terminon "komputila intelekto" kiel sinonimon por artefarita intelekto.
    • Russell & Norvig (2003), kiuj preferas la terminon "racia aganto" kaj skribas "La ĉia-aganta vidpunkto estas nuntempe amplekse akceptita en la fako" (Russell & Norvig 2003, p. 55).
    • Nilsson 1998
    • Legg & Hutter 2007.
  3. Russell & Norvig 2009, p. 2.
  4. Optimismo de la dekomenca AI:
    • Citaĵo de Herbert Simon: Simon 1965, p. 96, citita en Crevier 1993, p. 109.
    • Citaĵo de Marvin Minsky: Minsky 1967, p. 2, citita en Crevier 1993, p. 109.
  5. Eksplodo de la 1980-aj jaroj: apero de ekspertaj sistemoj, Projekto de Kvina Generacio, Alvey, MCC, SCI:
    • McCorduck 2004, pp. 426–441
    • Crevier 1993, pp. 161–162,197–203, 211, 240
    • Russell & Norvig 2003, p. 24
    • NRC 1999, pp. 210–211
  6. First AI Winter, Mansfield Amendment, Lighthill report
    • Crevier 1993, pp. 115–117
    • Russell & Norvig 2003, p. 22
    • NRC 1999, pp. 212–213
    • Howe 1994
  7. Dua AI vintro:
    • McCorduck 2004, pp. 430–435
    • Crevier 1993, pp. 209–210
    • NRC 1999, pp. 214–216
  8. AI iĝis tre sukcesa en la komenco de la 21a jarcento. Clark 2015
  9. Pamela McCorduck (2004, pp. 424) skribis "the rough shattering of AI in subfields—vision, natural language, decision theory, genetic algorithms, robotics ... and these with own sub-subfield—that would hardly have anything to say to each other."
  10. Tiu listo de intelektaj trajtoj estis bazita sur la temoj kovritaj de ĉefaj AI lernolibroj, kiel:
    • Russell & Norvig 2003
    • Luger & Stubblefield 2004
    • Poole, Mackworth & Goebel 1998
    • Nilsson 1998
  11. Biologia intelekto kontraŭ intelekto ĝenerale:
    • Russell & Norvig 2003, pp. 2–3, kiu faras la analogion kun la aviada inĝenierado.
    • McCorduck 2004, pp. 100–101, kiu skribas ke estas "two major branches of artificial intelligence: one aimed at producing intelligent behavior regardless of how it was accomplished, and the other aimed at modeling intelligent processes found in nature, particularly human ones."
    • Kolata 1982, per artikolo en la gazeto Science, kiu priskribas la indiferenton de McCarthy pri biologiaj modeloj. Kolata citas McCarthy skribante: "This is AI, so we don't care if it's psychologically real" [1][rompita ligilo] McCarthy ĵuse ripetis sian pozicion ĉe la AI@50 konferenco kie li diris "Artificial intelligence is not, by definition, simulation of human intelligence" (Maker 2006).
  12. Neats vs. scruffies:
    • McCorduck 2004, pp. 421–424, 486–489
    • Crevier 1993, pp. 168
    • Nilsson 1983, pp. 10–11
  13. Simbola kontraŭ subsimbola AI:
    • Nilsson (1998, p. 7), kiu uzas la terminon "subsimbola".
  14. Pamela McCorduck (2004, pp. 424)
  15. [2] Dokumenta filmo Plug & Pray de Joseph Weizenbaum kaj Raymond Kurzweil
  16. Ekspertaj sistemoj:
  17. Financaj iniciatoj komence de la 1980-aj jaroj estas ekzemple jenaj: Fifth Generation Project (Japanio), Alvey (Unuiĝinta Reĝlando), Microelectronics and Computer Technology Corporation (Usono), Strategic Computing Initiative (Usono):
  18. Dua AI Vintro:
  19. Russell kaj Norvig, 2021, p. 24
  20. Nilsson, 1998, p. 7
  21. Russell kaj Norvig, 2021, p. 25
  22. Russell kaj Norvig, 2021, p. 26
  23. Formalaj kaj mallarĝaj metodoj adoptiĝis en la 1990-aj jaroj:
  24. AI amplekse uzata fine de la 1990-aj jaroj:
  25. Artificial general intelligence:
    • Russell & Norvig (2021, pp. 32–33, 1020–1021)
    • Propono por moderna versio: Pennachin & Goertzel (2007)
    • Avertoj de ĉefaj esploristoj pri troa specialigo en AI:
      • Nilsson (1995)
      • McCarthy (2007)
      • Beal & Winston (2009)
  26. Revolucio de la profunda lernado, AlexNet:
  27. Wong 2023
  28. Leĝo de Moore kaj AI:
  29. Clark, 2015b
  30. Datumarego:
  31. Clark, 2015b
  32. Clark, 2015b
  33. UNESCO, 2021
  34. Intellectual Property and Frontier Technologies. Arkivita el la originalo je 2a de Aprilo 2022. Alirita 30a de Marto 2022 .
  35. DiFeliciantonio, 2023
  36. Goswami, 2023
  37. Frank, 2023
  38. Christian, 2020, pp. 67, 73
  39. Sterling, Bruce (13a de Februaro 2020). "Web Semantics: Microsoft Project Turing introduces Turing Natural Language Generation (T-NLG)". Wired. ISSN 1059-1028. Arkivita el la originalo la 4an de Novembro 2020. Alirita la 31an de Julio 2020.
  40. Sample, Ian (2a de Decembro 2018). "Google's DeepMind predicts 3D shapes of proteins". The Guardian. Alirita la 19an de Julio 2019.
  41. Brown, Tom B.; Mann, Benjamin; Ryder, Nick; Subbiah, Melanie; Kaplan, Jared; Dhariwal, Prafulla (22a de Julio 2020). "Language Models are Few-Shot Learners". arXiv:2005.14165 [cs.CL].
  42. KP068 Artefarita inteligenteco. Alirita 12an de Septembro 2017 .
  43. AlphaGo venkis. Arkivita el la originalo je 2017-09-12. Alirita 12an de Septembro 2017 .
  44. Ĉu Artefarita Inteligenteco okazigos la trian mondmiliton?. Alirita 12an de Septembro 2017 .
  45. 46,0 46,1 (2021-08-02) ““Who inspires who?” Aesthetics in front of AI art”, Philosophical Inquiries 9 (2), p. 195–220. doi:10.4454/philinq.v9i2.367. 
  46. (2022) “Blockchain and AI in Art: A Quick Look into Contemporary Art Industries”, Blockchain and Applications (en), p. 272–280. doi:10.1007/978-3-030-86162-9_27. 
  47. Artefarita Inteligenteco anstataŭas dungitojn ĉe asekurkompanio. Alirita 12an de Septembro 2017 .
  48. Ĉu artefarita intelekto bezonas leĝojn?. Alirita 12an de Septembro 2017 .

Literaturo

redakti

En Esperanto

redakti

Alilingve

redakti
  • Beal, J.; Winston, Patrick (2009), "The New Frontier of Human-Level Artificial Intelligence", IEEE Intelligent Systems, 24: 21–24, doi:10.1109/MIS.2009.75, hdl:1721.1/52357, S2CID 32437713
  • Bundy, Alan (1980). Artificial Intelligence: An Introductory Course (2a eld.). Edinburgh University Press. ISBN 0-85224-410-X.
  • Christian, Brian (2020). The Alignment Problem: Machine learning and human values. W. W. Norton & Company. ISBN 978-0-393-86833-3. OCLC 1233266753.
  • Clark, Jack (2015b). "Why 2015 Was a Breakthrough Year in Artificial Intelligence". Bloomberg.com. Arkivita el la originalo la 23an de Novembro 2016. Alirita la 23an de Novembro 2016.
  • Crevier, Daniel (1993). AI: The Tumultuous Search for Artificial Intelligence. New York, NY: BasicBooks. ISBN 0-465-02997-3.
  • DiFeliciantonio, Chase (3a de Aprilo 2023). "AI has already changed the world. This report shows how". San Francisco Chronicle. Arkivita el la originalo la 19an de Junio 2023. Alirita la 19an de Junio 2023.
  • Frank, Michael (22a de Septembro 2023). "US Leadership in Artificial Intelligence Can Shape the 21st Century Global Order". The Diplomat. Alirita la 8an de Decembro 2023. "Instead, the United States has developed a new area of dominance that the rest of the world views with a mixture of awe, envy, and resentment: artificial intelligence... From AI models and research to cloud computing and venture capital, U.S. companies, universities, and research labs – and their affiliates in allied countries – appear to have an enormous lead in both developing cutting-edge AI and commercializing it. The value of U.S. venture capital investments in AI start-ups exceeds that of the rest of the world combined."
  • Goldman, Sharon (14a de Septembro 2022). "10 years later, deep learning 'revolution' rages on, say AI pioneers Hinton, LeCun and Li". VentureBeat. Alirita la 8an de Decembro 2023.
  • Goswami, Rohan (5a de Aprilo 2023). "Here's where the A.I. jobs are". CNBC. Arkivita el la originalo la 19an de Junio 2023. Alirita la 19an de Junio 2023.
  • Howe, J. (Novembro 1994). "Artificial Intelligence at Edinburgh University: a Perspective". Arkivita el la originalo en 15a de Majo 2007. Alirita la 30an de Aŭgusto 2007.
  • Hutter, Marcus (2005). Universal Artificial Intelligence. Berlin: Springer. ISBN 978-3-540-22139-5.
  • Jackson, Philip (1985). Introduction to Artificial Intelligence (2a eld.). Dover. ISBN 0-486-24864-X.

Vidu ankaŭ

redakti

Eksteraj ligiloj

redakti