En informática, la inteligencia artificial (IA), llamada aprendizaje automático, se expresa mediante máquinas, además del conocimiento natural presentado por humanos y animales. La orientación de los cursos de escritura de IA describe a la escuela en la enseñanza de "habilidades inteligentes": alguien que conoce su juventud y toma medidas para mejorar su capacidad de lograr sus objetivos. . [1] Coloquuli, el término "conocimiento natural" se utiliza para describir máquinas (o computadoras) que realizan funciones "cognitivas" que se entrelazan con los humanos con la mente humana, como "aprender" o "resolver problemas".

 Con el advenimiento de las máquinas, las acciones que se consideraron "sabias" se han considerado desde la definición de IA, una característica bien conocida del problema de la IA. [3] Dice una broma en The Theorem Tesler "Ai no se crea". [4] Debido a que la potencia óptica a menudo se distingue de las consideradas IA, se ha convertido en la norma. [6] La capacidad de las máquinas modernas, como la IA, para comprender eficazmente el habla humana, está impulsando altos estándares en los sistemas de videojuegos (como el ajedrez y el Go). ,  automóviles dedicados a negocios, operaciones de inteligencia en la entrega de información detallada y sistemas militares 

 La teoría conceptual se desarrolló en una consultoría en 1955, y durante los muchos años que la ola de ideas se había desarrollado, fue seguida por el capitalismo y la desaparición del capitalismo. dinero (conocido como "invierno de IA"),  seguido de nuevos enfoques, beneficios y nuevos ingresos. 

  Durante la mayor parte de su historia, la investigación de IA se ha dividido en columnas que no pueden comunicarse entre sí. Estos lenguajes se basan en la lógica lógica, como objetivos específicos (por ejemplo, "robótica" o "aprendizaje automático"),  utilizando herramientas ("lógica" o "lógica" Tipo de neals neal). 

 Los sitios de campo se proporcionan en una variedad de comunidades (algunas de las cuales son especializadas o el trabajo de investigadores especializados). 

 Los problemas tradicionales (u objetivos) de la investigación de IA incluyen pensar, presentar conocimiento, planificación, capacitación, procesamiento del lenguaje natural, conocimiento y capacidad para moverse y Cosas atractivas. [16] La conciencia pública se encuentra entre los objetivos a largo plazo. 

 Hay cursos sobre aritmética, aritmética y procesamiento de señales AI. Los principales componentes se utilizan en IA, incluidos los centros de búsqueda y evaluación matemática, las redes neuronales locales y los campos de aritmética, probabilidad y navegación. La clave A para la IA es la informática, la informática, las matemáticas, la psicología, la lingüística, la filosofía y muchos más.

 La base se basó en la idea de que la información personal "se puede definir para que una máquina pueda entenderla". 

  Esto plantea serias controversias sobre la naturaleza del razonamiento y la igualdad de la creación de fenómenos naturales que se han presentado sin el conocimiento humano. Estos temas han sido impulsados ​​por la cultura, la moral y la filosofía desde la antigüedad. 

 Algunas personas piensan que la IA puede dañar a los humanos si no tienen éxito. 

  Algunas personas piensan que la IA, a diferencia de la mayoría de las tecnologías anteriores, creará el efecto de la tasa de desempleo. 

 Hace veintiún años, el advenimiento de la IA condujo a un resurgimiento tras los avances en potencia de la computadora, big data y pensamiento digital; y la IA se ha convertido en una parte importante de la industria de la tecnología, ayudando a resolver problemas complejos en informática, tecnología de ingeniería e investigación. 

 Historia

 Se cree que los artistas lingüísticos entraron en contacto con historiadores en el pasado  y fueron comunes en la no ficción, como en Frankenstein de Mary Shelley y R.U.R. de Karel Čapek. (Robots universales de Rossum).  Estos términos y sus culturas han contribuido a una variedad de temas que actualmente se discuten en el contexto del conocimiento natural.

 La unión de la lógica y la "causa" comenzó con los autores y las matemáticas en la antigüedad. El aprendizaje de la lógica matemática condujo directamente a la tradición de aprendizaje automático de Alan Turing, al recopilar símbolos como "0" y "1", que se pueden comparar con cualquier haciendo cálculos matemáticos Con este conocimiento, las computadoras pueden simular un proceso para el desarrollo básico, llamado tesis de Church-Turing. 

 Con varios descubrimientos en neurobiología, ciencias de la información y cibernética, esto ha llevado a los investigadores a considerar la posibilidad de un diseño asistido por computadora. Turing dijo que al cambiar la pregunta desde el punto de vista de las máquinas, sería "imposible para las máquinas expresarse". 

  El primer trabajo hasta la fecha considerado AI fue McCullouch y el trabajo de diseño general de Pitts de 1943 para "neuronas" completas de Turing.

 La investigación de IA nació en una columna del Dartmouth College en 1956,  donde John McCarthy acuñó el término "Inteligencia Artificial" para separar la escuela de la cibernética y escapar de la influencia de cibernético Norbert Wiener.  Únete a Allen Newell (CMU), Herbert Simon (CMU), John McCarthy (MIT), Marvin Minsky (MIT) y Arthur Samuel (IBM) como fundadores y líderes de la investigación de IA. 

  Ellos y sus estudiantes trabajaron junto en proyectos descritos por los medio de comunicacion como "impactantes":  las computadoras enseñan investigaciones (c. 1954) [36] (y en 1959, se sabía que el lenguaje era más efectivo que el humano),  la palabra se mejoró. problemas en álgebra, mostrando artículos relevantes (Logic Theorist, primer c. 1956) e inglés. 

  A mediados de la década de 1960, se estaban realizando más investigaciones en los EE. UU. contó con la asistencia del Consejo de Seguridad [39] y personal establecido internacionalmente. [40] Los fundadores de la IA continúan buscando el futuro: Herbert Simon predice que "las máquinas pueden hacer, dentro de veinte años, de hacer lo que un ser humano puede hacer". trabajo ". Marvin Minsky, escribiendo, estuvo de acuerdo en que "en una generación ... se eliminaría el problema de crear" sabiduría práctica ". "

 No pudieron reconocer la complejidad de ninguna de las tareas restantes. El progreso y 1974 se desarrollaron, en respuesta a las críticas de Sir James Lighthill  y un movimiento permanente del Congreso de los Estados Unidos para diseñar programas más grandes, Estados Unidos cortó y la investigación de Gran Bretaña sobre datos en IA. Los próximos años se llamarán "invierno AI", será difícil obtener financiación para proyectos de IA.

 En la década de 1980, el exitoso departamento de logística criticó la investigación de IA [42] como un tipo de proyecto de IA que dio forma al conocimiento y la evaluación de las tecnologías humanas. Para 1985, había un mercado para IA de más de mil millones de dólares. Al mismo tiempo, Japón ha mostrado un puñado de programas informáticos a los Estados Unidos y al gobierno británico para recuperar fondos para la investigación científica. 

  Sin embargo, comenzando con el colapso del mercado de máquinas Lisp en 1987, la IA volvió a caer en mal estado, y comenzó la segunda pausa más larga. [13]

 El desarrollo de la tecnología de semiconductores de óxido de metal (MOS) es de difusión masiva (VLSI), mientras que la síntesis de la tecnología de transistores MOS (CMOS) ha llevado a la creación de Red neuronal artificial (ANN) en la década de 1980. Un libro nacional sobre el libro es la Implementación de sistemas neuronales VLSI de 1989 de Carver A. Mead y Mohammed Ismail.

 A fines de la década de 1990 y principios del siglo XXI, la IA comenzó a usarse para logística, minería de datos, cáncer y otros lugares.  El éxito se encuentra en el aumento del poder competitivo (ver la ley de Moore y el código de transistores), más enfocado en resolver problemas complejos, nuevas relaciones entre AI y otros meses (como contabilidad, ingeniería y matemáticas), y la celebración de investigadores en trabajos de tecnología científica. 

  Deep Blue se convirtió en el primer sistema de computadora de ajedrez en lanzar la competencia mundial de ajedrez, Garry Kasparov, el 11 de mayo de 1997. 

 ¡En 2011, Jeopardy está aquí! En un enfrentamiento de preguntas, el entrevistador Watson de IBM dice que ha ganado el premio Jeopardy. personas mayores, Brad Rutter y Ken Jennings, por el margen. 
La computadora es mucho más rápida, mejora algorítmica y tiene muchas aplicaciones desarrolladas en aprendizaje y comprensión; El comienzo del aprendizaje profundo y la emoción profunda. 

 Kinect, que proporciona una versión en 3D de los escáneres de aptitud física para Xbox 360 y Xbox One, utiliza un algoritmo que ha surgido de la investigación de IA de larga data [48] como un medio. asistencia personal en habilidad. En marzo de 2016, AlphaGo ganó 4 de 5 juegos de Go en un partido con el campeón de Go Lee Sedol, convirtiéndose en el primer sistema Go-playing de computadora que venció a un jugador profesional de Go sin desventajas. 

 En la Cumbre Future of Go 2017, AlphaGo ganó el juego del título de tres días con Ke Jie,  que ha seguido dominando la Serie Mundial 1 durante dos años. 

  Esta es una mirada a la culminación del hito en el desarrollo de Art Intelligence as Go de una manera cada vez más compleja y compleja que el Ajedrez

 Definicion

 La informática ha definido la investigación de IA como el estudio de las "habilidades universales": una que reconoce a la comunidad y trabaja para mejorar su capacidad de lograr sus objetivos. La IA trabaja mal con "la capacidad de la regla de interpretar la información de manera efectiva, estudiar dicha información y utilizar esas lecciones para lograr mejor sus metas y objetivos". trabajar a través del cambio constante.

 Básicamente, la resolución de problemas.
Investigadores anteriores desarrollaron algoritmos que apuntan a cada atributo a lo largo del tiempo que una persona usa cuando ejecuta rompecabezas o secuencias maliciosas. [86] Durante las décadas de 1980 y 1990, AI desarrolló técnicas para tratar con inteligencia artificial o inteligencia artificial, utilizando ideas de impacto y ciencia. 

 Se ha demostrado que estos algoritmos son inadecuados para resolver problemas fundamentales porque han experimentado una "explosión exploratoria": se han vuelto cada vez más complejos.  

 De hecho, es más común que las personas pasen al siguiente paso que ha sido probado por las primeras investigaciones de IA. Resuelven la mayoría de sus problemas utilizando soluciones rápidas e intuitivas.