Искусственный интеллект: мощная парадигма научных исследований

Искусственный интеллект: мощная парадигма научных исследований

Искусственный интеллект (ИИ) в сочетании с многообещающими методами машинного обучения (МО), хорошо известными из информатики, широко влияет на многие аспекты различных областей, включая науку и технологии, промышленность и даже нашу повседневную жизнь. Методы машинного обучения были разработаны для анализа данных с высокой пропускной способностью с целью получения полезной информации, категоризации, прогнозирования и принятия основанных на фактических данных решений новыми способами, которые будут способствовать росту новых приложений и стимулировать устойчивый бум ИИ. В этой статье проводится всесторонний обзор развития и применения ИИ в различных аспектах фундаментальных наук, включая информатику, математику, медицину, материаловедение, геонауку, науку о жизни, физику и химию. Проблемы, с которыми сталкивается каждая научная дисциплина,Подробно обсуждаются методы ИИ для решения этих задач. Более того, мы проливаем свет на новые направления исследований, влекущие за собой интеграцию ИИ в каждую научную дисциплину. Цель этой статьи — предоставить общее руководство по исследованиям фундаментальных наук с потенциальным внедрением ИИ, помочь мотивировать исследователей к глубокому пониманию современных приложений фундаментальных наук, основанных на ИИ, и тем самым способствовать продвижению непрерывное развитие этих фундаментальных наук.

графическая абстракция

[pic 1]

1. Скачать : Скачать изображение в высоком разрешении (237 КБ)
2. Скачать : Скачать полноразмерное изображение

• Предыдущая статья в выпуске
• Следующая статья в выпуске 

Ключевые слова

искусственный интеллект

машинное обучение

глубокое обучение

информационная наука

математика

медицинская наука

материаловедение

наука о Земле

наука о жизни

физика

химия

Введение

«Могут ли машины думать?» Алан Тьюринг задал этот вопрос в своей знаменитой статье «Вычислительные машины и интеллект». 1 Он считает, что для ответа на этот вопрос нам необходимо определить, что такое мышление. Однако трудно дать четкое определение мышлению, потому что мышление — это субъективное поведение. Затем Тьюринг ввел косвенный метод проверки способности машины мыслить — тест Тьюринга, который проверяет способность машины демонстрировать интеллект, неотличимый от человеческого. Машина, успешно прошедшая тест, получает статус искусственного интеллекта (ИИ).

ИИ относится к моделированию человеческого интеллекта системой или машиной. Целью ИИ является разработка машины, которая может думать как люди и имитировать человеческое поведение, включая восприятие, рассуждение, обучение, планирование, прогнозирование и так далее. Интеллект является одной из основных характеристик, отличающих людей от животных. С бесконечным возникновением промышленных революций все большее число типов машин постоянно заменяет человеческий труд во всех сферах жизни, и неминуемая замена человеческих ресурсов машинным интеллектом является следующей большой проблемой, которую необходимо решить. Многие ученые сосредотачиваются на области ИИ, и это делает исследования в области ИИ богатыми и разнообразными. Области исследований ИИ включают алгоритмы поиска, графы знаний, обработку естественных языков., экспертные системы, алгоритмы эволюции, машинное обучение (ML), глубокое обучение (DL) и так далее.

Общая структура ИИ показана на рисунке 1.. Процесс разработки ИИ включает перцептивный интеллект, когнитивный интеллект и интеллект принятия решений. Перцептивный интеллект означает, что машина обладает основными способностями зрения, слуха, осязания и т. д., которые знакомы людям. Когнитивный интеллект - это способность более высокого уровня индукции, рассуждения и приобретения знаний. Он вдохновлен когнитивной наукой, наукой о мозге и мозгоподобным интеллектом, чтобы наделить машины логикой мышления и когнитивными способностями, подобными человеческим. Когда машина обладает способностями к восприятию и познанию, часто ожидается, что она будет принимать оптимальные решения как люди, улучшать жизнь людей, промышленное производство и т. д. Интеллектуальные решения требуют использования прикладной науки о данных, социальных наук, теории принятия решений. и управленческая наука для расширения науки о данных, чтобы принимать оптимальные решения. Для достижения цели перцептивного интеллекта, когнитивного интеллекта и интеллекта для принятия решений требуется уровень инфраструктуры ИИ, поддерживаемый данными, хранилищем и вычислительной мощностью, алгоритмами машинного обучения и платформами ИИ. Затем, обучая модели, он может изучить внутренние законы данных для поддержки и реализации приложений ИИ. Прикладной уровень ИИ становится все более обширным и глубоко интегрированным с фундаментальными науками, промышленным производством, человеческой жизнью, социальным управлением и киберпространством, что оказывает глубокое влияние на нашу работу и образ жизни. и требуется ИИ-фреймворк. Затем, обучая модели, он может изучить внутренние законы данных для поддержки и реализации приложений ИИ. Прикладной уровень ИИ становится все более обширным и глубоко интегрированным с фундаментальными науками, промышленным производством, человеческой жизнью, социальным управлением и киберпространством, что оказывает глубокое влияние на нашу работу и образ жизни. и требуется ИИ-фреймворк. Затем, обучая модели, он может изучить внутренние законы данных для поддержки и реализации приложений ИИ. Прикладной уровень ИИ становится все более обширным и глубоко интегрированным с фундаментальными науками, промышленным производством, человеческой жизнью, социальным управлением и киберпространством, что оказывает глубокое влияние на нашу работу и образ жизни.