Χαρακτηριστικό παράδειγμα το Ερευνητικό Κέντρο της Google στην Ευρώπη, που άνοιξε σχετικά πρόσφατα στην Ζυρίχη και στελεχώνεται από εξειδικευμένους αναλυτές και προγραμματιστές προκειμένου μεταξύ των άλλων, με απλά λόγια να επιτύχει την καλύτερη «εκπαίδευση» των έξυπνων κινητών τηλεφώνων και φορητών συσκευών με την ανάπτυξη κατάλληλων προϊόντων. Αποτέλεσμα της «εκπαίδευσης» των έξυπνων κινητών, του Machine Learning, όπως αναφέρει η Anna Ukhanova μια από τους επικεφαλής του ερευνητικού Κέντρου της Ζυρίχης της Google είναι μεταξύ άλλων οι αναζητήσεις μέσω Google με την χρήση της σχετικής εφαρμογής να γίνονται πλέον κατά 20% φωνητικά και όχι μέσω της κλασικής μεθόδου πληκτρολόγησης. Επίσης μέσω του smart replay το 12% όλων των απαντήσεων στα εκατοντάδες εκατομμύρια μειλ των χρηστών της Google να γίνεται πλέον με το πάτημα ενός μόνον κουμπιού χρησιμοποιώντας μια από τις πολλαπλές επιλογές που διατίθενται, αποφεύγοντας να γράψει ο χρήστης από μόνος του την απάντηση.
Αντίστοιχα ιδιαίτερα μεγάλη πρόοδος έχει παρατηρηθεί και στην εφαρμογή Google translation που πλέον αναγνωρίζει 103 γλώσσες, κατανοεί την ομιλία σε 55 γλώσσες. και χρησιμοποιείται από 500 εκατ ανθρώπους. Συνεχείς εξελίξεις υπάρχουν και στο Google Assistant που μέσω μιας σειράς τεχνολογιών machine lerarning, υπάρχει πλέον η δυνατότητα άμεσης αμφίδρομης φωνητικής επικοινωνίας μεταξύ του κατόχου του κινητού με το κινητό του για μια σειρά ζητημάτων. Μέχρι σήμερα διατίθεται στην αγγλική γλώσσα και στην γερμανική γλώσσα (στα pixel phones) ενώ στο προσεχές μέλλον θα λανσαριστεί σταδιακά και σε άλλες γλώσσες μεταξύ των οποίων και στην Ελληνική. Πως όμως με απλά λόγια μετατρέπονται οι απλές συσκευές/μηχανές σε έξυπνες; Πως εκπαιδεύονται. Μέσω της επιστήμης της Τεχνητής Νοημοσύνης, που αποτελεί ένα ποικίλο μείγμα τεχνικών πληροφορικής που χρονολογούνται από το 1950. To Machine learning, η μελέτη των αλγόριθμων των υπολογιστών που βελτιώνονται με την εμπειρία αποτελεί ένα σημαντικό κομμάτι της Τεχνικής Νοημοσύνης που «εκπαιδεύει» ένα πρόγραμμα με παραδείγματα (π.χ. εκπαιδεύοντας το να αναγνωρίζει γάτες απλά με την προβολή φωτογραφιών με την ετικέτα ‘γάτα') παρά να το μαθαίνει βήμα προς βήμα.
Σταδιακά έχουν επιτευχθεί σημαντικά βήματα προόδου των προγραμμάτων Τεχνικής Νοημοσύνης καθώς μπορούν να λύνουν το ένα πρόβλημα μετά το άλλο, στηριζόμενα σε γνώσεις που απέκτησαν στην πορεία, χωρίς να «σβήνουν» την εμπειρία που έχουν αποκτήσει. Ο απώτερος στόχος είναι φυσικά να δημιουργηθούν μηχανήματα με γενική τεχνητή νοημοσύνη, που να αντικατοπτρίζουν την ανθρώπινη νοημοσύνη με φυσικό και ολοκληρωμένο τρόπο Οι περισσότεροι υπολογιστές με τεχνητή νοημοσύνη βασίζονται στα λεγόμενα νευρωνικά δίκτυα, που μαθαίνουν για παράδειγμα να παίζουν σκάκι ή πόκερ μέσω ατελείωτων δοκιμών ορθού-λάθους.
ΑΠΕ-ΜΠΕ
![](https://buffer.com/add?url=https://freegr.blogspot.com/2017/04/blog-post_2.html&picture=https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgwjv0ZvP0-8CvfIqbhun4apjZ-qXhdO29UVEKXMk07xbFOqGTS_Ir6u8akQVh6U8n-4PsTZHjGYP_QVyA9RR8ATZNOLU36tLljuv88LeW2z3gKgSUasx4Y5XbZ4Ot-D1qkq7TH5YLQCQ/s72-c/FREEGR.jpg&text=Μηχανές και έξυπνα κινητά στα "θρανία"&via=stc_network)
0 Post a Comment:
Δημοσίευση σχολίου