Sin dagli albori dei computer, i ricercatori hanno cercato di creare sistemi che imitano l'intelligenza umana. Mentre un silicio Einstein potrebbe essere ancora una possibilità remota, intelligenza artificiale, o AI, ci ha portato telefoni che riconoscono il linguaggio umano, auto che guidare se stessi e sistemi esperti che competono su quiz televisivi. Nel corso degli anni, AI ricerca si è mossa attraverso numerose evoluzioni e, come ogni tecnologia è maturata, essi sono diventati parte della nostra esperienza quotidiana.

Apprendimento automatico

I primi ricercatori lottato con deposito di potenza e computer di elaborazione limitata, ma ancora gettato le fondamenta della AI linguaggi di programmazione come LISP e concetti come decision trees e apprendimento automatico. Programmi scritti in LISP potrebbero facilmente analizzare giochi come gli scacchi, mappa di tutte le possibili mosse per alcuni turni, quindi scegliere l'alternativa migliore. Questi programmi potrebbero anche modificare la loro logica di decisione e imparare dagli errori precedenti, diventando "più intelligenti" nel corso del tempo. Con computer più potenti e meno memoria di massa, questo ramo dell'IA ha generato il computer gaming industria, nonché una varietà di motori di ricerca personalizzati e shopping online siti che non solo ricordano le nostre preferenze, ma anticipano le nostre esigenze.

Sistemi esperti

Mentre la prima ondata di ricercatori AI invocata computing cicli per simulare il ragionamento umano, l'approccio successivo è invocata da fatti e dati di imitare l'esperienza umana. Sistemi esperti raccolte di fatti e regole in una knowledge base quindi utilizzati motori inferenziali basati su computer per dedurre nuovi fatti o rispondere alle domande. Ingegneri di conoscenza ha intervistato esperti in medicina, riparazione autoveicoli, disegno industriale o altre professioni, poi ridotto questi risultati in macchina leggibile fatti e regole. Queste basi di conoscenza sono state poi usate da altri per aiutare a diagnosticare i problemi o rispondere alle domande. Come la tecnologia maturata, i ricercatori hanno trovato modi per automatizzare lo sviluppo della knowledge base, alimentazione in risme di letteratura tecnica, o lasciare che la ricerca per indicizzazione di software Web per trovare informazioni pertinenti sul proprio.

Reti neurali

Un altro gruppo di ricercatori ha cercato di riprodurre il funzionamento del cervello umano con la creazione di reti artificiali dei neuroni e delle sinapsi. Con formazione, queste reti neurali potrebbero riconoscere i modelli da ciò che sembrava dati casuali. Immagini o suoni sono alimentati sul lato di ingresso della rete, con le risposte corrette alimentate il lato di uscita. Nel corso del tempo, le reti riorganizzare la loro struttura interna in modo che quando un ingresso simile viene alimentato, la rete restituisce la risposta corretta. Reti neurali funzionano bene quando si risponde al linguaggio umano o quando si traduce immagini scansite in testo. Software che si basa su questa tecnologia può leggere libri a persone non vedenti o tradurre il discorso da una lingua a altra.

Grandi quantità di dati

Analisi di dati su larga scala, spesso chiamato "big data" sfrutta la potenza di molti computer per scoprire fatti e relazioni nei dati che la mente umana non può comprendere. Migliaia di miliardi di pagamenti con carta di credito o miliardi di relazioni di rete sociale possono essere analizzati e correlati utilizzando una varietà di metodi statistici per scoprire informazioni utili. Società di carte di credito possono trovare modelli che indicano che l'acquisto di una carta è stato rubato o che il titolare della carta è in difficoltà finanziarie. Commercianti al dettaglio possono trovare acquistare modelli che indicano che un cliente è incinta, prima ancora che lei sa questo se stessa. Grandi quantità di dati consente ai computer di capire il mondo in modi che noi esseri umani non potrebbe mai da soli.