ఆర్టిఫిషియల్ ఇంటెలిజెన్స్: ఇది ఏమిటి మరియు ప్రస్తుత ఆచరణాత్మక ఉదాహరణలు?

కొన్ని సంవత్సరాలుగా, కంపెనీలు తమ సేవలు, అనువర్తనాలు మరియు ప్రాసెసర్లలో ప్రవేశపెట్టే ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ గురించి నిరంతరం మాతో మాట్లాడుతున్నాయి. అయినప్పటికీ, వారు అదే పేరును కలిగి ఉన్నప్పటికీ, దేవునికి ధన్యవాదాలు, మా వాషింగ్ మెషీన్ యొక్క ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (మన నుండి తప్పించుకునే కారణాల వల్ల) మరియు మా స్మార్ట్‌ఫోన్ వారి ఉనికిని మరియు వాటిపై మన శక్తిని ప్రతిబింబించేలా అభివృద్ధి చేయబడలేదు. ప్రస్తుతానికి…

AI అభివృద్ధి యుఎస్‌బి ఇంటెల్ మొవిడియస్‌పై మేము ఇప్పటికే మీకు చెప్పినట్లుగా, కృత్రిమ మేధస్సు ఇక్కడ ఉండటానికి మరియు రోజువారీ సమస్యలను పరిష్కరించడంలో మాకు సహాయపడుతుంది. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ అంటే ఏమిటి?

మూలం: మూల డెక్సెటర్

లోతైన న్యూరల్ నెట్‌వర్క్ ఎలా పనిచేస్తుందో మీరు పైన చూసిన gif చాలా సరళంగా చూపిస్తుంది. ఈ వ్యవస్థలకు తరువాత కఠినమైన శిక్షణ అవసరం, ఉదాహరణకు, చిత్రాలను గుర్తించడం, పరిష్కారాలను ఆప్టిమైజ్ చేయడం లేదా మరింత తెలుసుకోవడం. సారాంశంలో ఇది మేము AI లుగా వర్గీకరించగల అల్గోరిథంల సమితి మరియు అవి డీప్ లెర్నింగ్ రంగానికి చెందినవి.

విషయ సూచిక

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్: కొత్త ప్రోగ్రామింగ్

నేడు, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ సైన్స్ ఫిక్షన్ రచనలలో తరచుగా కనిపించే విధంగా మనస్సాక్షితో సంక్లిష్టమైన మిశ్రమ సాంకేతిక పరిజ్ఞానాన్ని రూపొందించదు. మేము సృష్టించినది సంక్లిష్ట అల్గోరిథంల నిర్వచనం మీద వస్తుంది, అవి ఇన్‌పుట్‌లు మరియు వారికి నేర్పించిన ఆదేశాల ఆధారంగా ఫలితాలను ఇస్తాయి. ఇది కేవలం అర్ధాలలో ఒకటి అయినప్పటికీ.

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌ను అర్థం చేసుకోవడానికి వివిధ మార్గాలు ఉన్నాయి, కాని మేము దానిని నాలుగు ప్రధాన సమూహాలుగా విభజించగలము:

మనుషులలాగే ఆలోచించే AI లు

వెన్న రోబోట్ రిక్ మరియు మోర్టీ

కాంప్లెక్స్ కంప్యూటర్ సిస్టమ్స్ వారి స్వంత మనస్సాక్షితో ఆలోచించి, వారి కోరిక ప్రకారం నిర్ణయిస్తాయి మరియు అవి ప్రోగ్రామ్ చేయబడిన లక్షణాలను మించిపోతాయి ( ఘోస్ట్ ఇన్ ది షెల్). ఇది ఇంకా మన పరిధిలో లేదు మరియు భవిష్యత్తులో ఇది సాధ్యమవుతుందో లేదో కూడా మాకు తెలియదు, కాబట్టి వ్యాఖ్యానించడానికి చాలా లేదు.

మనుషులలా పనిచేసే IA లు

మానవుడిలా ఆలోచించడం మానవుడిలా నటించినట్లు కాదు. ఈ రోజు మనం ఇలాంటి వ్యవస్థలను సృష్టిస్తాము, ఇక్కడ ఇంటెలిజెన్స్ ఒక వ్యక్తిలా భావిస్తుంది అనే భావనను ఇవ్వడానికి యాదృచ్ఛికత మరియు కాంక్రీట్ విధులు ప్రవేశపెట్టబడతాయి .

పెప్పర్ స్మార్ట్ అసిస్టెంట్

యంత్ర-నియంత్రిత శత్రువులు తరచూ మానవ తరహా ప్రవర్తనలను అనుకరించటానికి ప్రయత్నిస్తున్నందున వీడియో గేమ్‌లలో మేము దీనిని నిరంతరం చూస్తాము . వీడియో గేమ్‌ల నుండి వేరుచేయబడి, ఒక ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ఒక వ్యక్తి వలె లోపాలు మరియు అవకతవకలతో వ్రాయగలదని సాధించబడింది.

హేతుబద్ధంగా ఆలోచించే IA లు

ఈ రోజు ఈ సాంకేతిక పరిజ్ఞానం యొక్క అత్యంత సాధారణ వెర్షన్. సమర్థవంతంగా మరియు అర్ధవంతమైన ఫలితాలను అందించే సాధనాలను మేము వారికి ఇస్తున్నందున వారు హేతుబద్ధంగా ఆలోచిస్తారని మేము చెప్తాము . వారు తమ గురించి ఆలోచించటానికి దూరంగా ఉన్నప్పటికీ, వారు సులభంగా ఉన్న వాతావరణానికి అనుగుణంగా ఉంటారు.

ఆల్ఫాస్టార్ లెర్నింగ్

ఆల్ఫాస్టార్ (స్టార్‌క్రాఫ్ట్ II) లేదా ఆల్ఫాజీరో (చెస్, షోగి మరియు గో) వంటి వీడియో గేమ్‌లను ఆడే ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ దీనికి ఉదాహరణ. ఈ యంత్రాలు మానవ ప్రత్యర్థులతో పోరాడగల సామర్థ్యాన్ని కలిగి ఉంటాయి మరియు ఇప్పటికే అప్పుడప్పుడు ప్రపంచ ఛాంపియన్‌ను ఓడించాయి.

హేతుబద్ధంగా వ్యవహరించే IA లు

వారు 'చర్య' చేస్తున్నందున, మేము వారికి పంపిన డేటాను వారు ప్రాసెస్ చేయరని మేము కనుగొన్నాము, అవి హేతుబద్ధంగా ఆలోచించినట్లు కనిపిస్తాయి. ఇది ఈ సాంకేతిక పరిజ్ఞానం యొక్క అత్యంత సరళమైన సంస్కరణ మరియు ఇది మేము ఇప్పటికే ఎక్కువగా దాటిన దశ. కొన్ని కంప్యూటర్ సిస్టమ్స్ ఈ టెక్నాలజీని ఆశ్రయిస్తాయి, ఎందుకంటే ఇది ప్రోగ్రామ్ చేయడం చాలా సులభం మరియు వాటి పని సాధారణంగా సులభం.

స్మార్ట్ వాక్యూమ్ క్లీనర్

ఉదాహరణకు, కాల్‌లను స్వీకరించే యంత్రాలు మరియు వారి ఎంపికల ద్వారా లేదా వెబ్ పేజీల యొక్క తెలివైన సహాయకుల ద్వారా మీకు మార్గనిర్దేశం చేస్తాయి, ఇవి సాధారణంగా సంబంధిత పరిష్కారాలను సిఫార్సు చేయమని మిమ్మల్ని అడుగుతాయి.

ఇంటెలిజెన్స్ ఎంత క్లిష్టంగా ఉందో దాని ప్రకారం ఎలా పంపిణీ చేయబడుతుందనే దానిపై ఇప్పటికే ఆమోదయోగ్యమైన చిత్రం ఉంది, మిమ్మల్ని ఈ విషయం యొక్క గుండెకు తీసుకువెళ్ళండి.

ఆలోచన యొక్క గణితం

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ప్రోగ్రామ్ చేయడానికి ఒక మార్గం డేటాను టెన్సర్స్ అని పిలిచే inary హాత్మక యూనిట్లుగా నిర్వహించడం. టెన్సర్లు సంక్లిష్టమైన బీజగణిత యూనిట్ (స్కేలార్లు, వెక్టర్స్ మరియు మాత్రికలు), వాటితో సరిగ్గా పనిచేయడానికి గణిత పరిజ్ఞానం అవసరం. పర్యవసానంగా, AI అనువర్తనాల పనితీరు డేటా యొక్క గణిత అవకతవకలు నిర్వహించినంత బాగుంటుంది.

టర్న్‌బకిల్స్ యొక్క సరళీకృత వివరణ

ఈ రకమైన సాఫ్ట్‌వేర్ అభివృద్ధిని విస్తరించడానికి, అనేక సమూహాలు తమ కోడ్ లైబ్రరీలను ప్రజలకు సహకరించడానికి మరియు సృష్టించడానికి, సమాజంతో కలిసి, మరింత తెలివైన వ్యవస్థలను సృష్టించాయి మరియు తెరిచాయి. గూగుల్ చేత టెన్సార్ ఫ్లో , మైక్రోసాఫ్ట్ సిఎన్టికె, థియానో , కేఫ్ 2 మరియు కేరాస్ చాలా సందర్భోచితమైన ఉదాహరణలు. ప్రతి గ్రంథాలయాలు వేర్వేరు కోణాల నుండి సమస్యపై దృష్టి పెడతాయి మరియు దీనికి కృతజ్ఞతలు వివిధ స్థాయిలలో సంగ్రహణలో AI యొక్క అభివృద్ధి.

సంగ్రహణ స్థాయిలు ఏమిటో మీకు తెలియకపోతే, మాట్లాడే భాషకు కంప్యూటర్ భాష ఎంత దగ్గరగా ఉందో కొలిచే వ్యవస్థ ఇది. సంగ్రహణ యొక్క ఉన్నత స్థాయి, అది మానవ భాషను పోలి ఉంటుంది మరియు తక్కువ, ఎక్కువ మెషిన్ కోడ్, అంటే, సున్నాలు మరియు వాటితో మాత్రమే పనిచేసే ప్రపంచం.

కొత్త వ్యవస్థలు, కొత్త హార్డ్‌వేర్

అన్ని సాఫ్ట్‌వేర్‌లు హార్డ్‌వేర్‌లోనే నడుస్తాయని స్పష్టమవుతోంది, అయినప్పటికీ, క్లౌడ్ అన్నింటినీ తట్టుకోగలదనే భ్రమలో పడటం చాలా సులభం, కాని వాస్తవికత అంత మధురంగా ​​లేదు. కోడ్ ఎలా ఆప్టిమైజ్ చేయబడిందనే దానిపై ఆధారపడి , AI స్థానికంగా పనిచేస్తుంది (స్మార్ట్‌ఫోన్, పిసి లేదా ఇంటర్నెట్ ఆఫ్ థింగ్స్ పరికరంలో). లేదా పరికరాలను లెక్కలను సర్వర్లకు పంపించడానికి, ప్రాసెస్ చేయడానికి మరియు ఇవి ఫలితాన్ని ఇవ్వడానికి అనుమతించబడతాయి.

క్లౌడ్ సేవలు

అనేక సందర్భాల్లో , “చిన్న” పరికరం స్థానికంగా లెక్కల్లో ఎక్కువ భాగం నిర్వహించడానికి ప్రయత్నిస్తుంది మరియు సమస్య యొక్క కొంత భాగాన్ని మాత్రమే సర్వర్‌కు పంపుతుంది, తద్వారా అనేక సేవా నిర్వహణ ఖర్చులు ఆదా అవుతాయి.

రోజుకు కృత్రిమ మేధస్సు

దీని భవిష్యత్తు గురించి ఆలోచించడం చాలా ఆసక్తికరంగా ఉందని మరియు కొన్ని ఉత్తేజకరమైనదని మాకు తెలుసు, కాని మొదటి ఫలాలను చూడటానికి మీరు అంత దూరం వెళ్ళవలసిన అవసరం లేదు. నేటి సమాజంలో కృత్రిమ మేధస్సు యొక్క ఆనవాళ్లను ఎక్కడ కనుగొనవచ్చు?

మొబైల్‌లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్

ఇది గుర్తించబడనట్లు అనిపించవచ్చు, కానీ అది మనల్ని అన్ని వైపులా చుట్టుముడుతుంది. గృహ పరికరాలతో ప్రారంభించి, క్రొత్త మొబైల్‌లు తరచుగా మంచి ఫోటోలను తీయడంలో సహాయపడే ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ అని పిలువబడే చిన్న అంతర్నిర్మిత వ్యవస్థలను కలిగి ఉంటాయి. ఎంపిక చేసిన ఫోకస్, పోస్ట్-ప్రాసెస్ చిత్రాలు పదునుగా, మరింత రంగురంగులగా లేదా విరుద్ధంగా కనిపించేలా చేస్తాయి. కొంతమంది మేము సంగ్రహించిన వస్తువులను గుర్తించగలుగుతారు మరియు మాకు సంబంధిత శోధనలను అందిస్తారు.

ఈ ఫీల్డ్‌లో , 'సరే గూగుల్' దూరంగా ఉన్న సహోద్యోగి, మేము ఆమెకు చెప్పే ప్రతిదాని నుండి నేర్చుకుంటాము మరియు అనంతమైన అభ్యర్థనలను ప్రాసెస్ చేయగల సామర్థ్యం కలిగి ఉంటాము. మేము మిమ్మల్ని చాలా తేలికగా 'మెషీన్' చేసినట్లు కనుగొనగలిగినప్పటికీ (సంభాషణను కొనసాగించలేకపోవడం వంటివి), దాని వెనుక ఉన్న కృషిని మేము కొట్టిపారేయలేము.

గూగుల్ అసిస్టెంట్

మేము ఆసన్నమైన స్వయంప్రతిపత్తమైన డ్రైవింగ్ గురించి కూడా మాట్లాడాలి . టెస్లా వంటి కార్లు ఇప్పటికే కొన్ని దేశాలలో AI- నియంత్రిత ప్రత్యామ్నాయాలను అందిస్తున్నాయి. ఈ వ్యవస్థలు కారు చుట్టూ ఉన్న వాతావరణాన్ని సంగ్రహించడం, నిషేధాలు, ప్రమాదాలు మొదలైనవాటిని ప్రాసెస్ చేయగలవు మరియు తదనుగుణంగా సురక్షితంగా నడపగలవు.

ఆటోమోటివ్ ప్రపంచంలో మనం ఇంతటి తెలివితేటలకు వెళ్ళవలసిన అవసరం లేదు. కొన్ని కార్లు ఇప్పటికే అత్యవసర స్టాప్ డిటెక్షన్ లేదా ఆటోమేటిక్ పార్కింగ్ వంటి ఆసక్తికరమైన వ్యవస్థలను కలిగి ఉన్నాయని మనం చూడవచ్చు.

నీడలలో రాణి:

AI మీరు ప్రతిచోటా ఉన్నారని మరియు ఏ క్షణంలోనైనా వారు తిరుగుబాటు చేస్తున్నారని మీరు ఇప్పటికే ఆలోచిస్తూ ఉండవచ్చు, కాని మిగిలినవి భరోసా ఇవ్వండి, మీరు నిద్రపోతున్నప్పుడు మీ టోస్టర్ మిమ్మల్ని చంపదు. మేము నిర్ధారించగలిగేది ఏమిటంటే, ఈ సాంకేతికత మీరు అనుకున్నదానికంటే ఎక్కువ నియంత్రిస్తుంది మరియు సమాజంలోని అనేక పోకడలకు బాధ్యత వహిస్తుంది.

యూట్యూబ్, ట్విట్టర్, గూగుల్ యాడ్స్… ఇవన్నీ మీరు సూచించిన సెట్టింగుల ద్వారా కొంతవరకు నియంత్రించబడతాయి, కానీ మీకు ఏమి చూపించాలో నిర్ణయించే ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ కూడా. ఇలాంటి సందేశాన్ని మీరు విన్నారా: "నేను నా డేటాను Google తో భాగస్వామ్యం చేయాలనుకుంటున్నాను, తద్వారా ఇది నాకు ఆసక్తి కలిగించే ప్రకటనలను అందిస్తుంది" ?

ఇది ఎలా పని చేస్తుంది? సరే, మీరు చూస్తారు, మీరు ఇంటర్నెట్‌లో వినియోగించే వాటి ఆధారంగా, మీ అభిరుచులతో ఒక ప్రొఫైల్ సృష్టించబడుతుంది మరియు మీరు చాలా మంది వ్యక్తులతో సంబంధం కలిగి ఉంటారు. ఇంటర్నెట్ సేవలు మీకు ఏదైనా చూపించాల్సిన అవసరం వచ్చినప్పుడు, వారు మీకు ఆసక్తి కలిగించే వాటిని అంచనా వేయడానికి మిలియన్ల మంది వ్యక్తులతో కూడిన ఈ ప్రొఫైల్‌ను ఉపయోగిస్తారు .

సరళీకృత బిగ్ డేటా వివరణ

AI లను ఉపయోగించి భారీ మొత్తంలో డేటాను (బిగ్ డేటా) విశ్లేషించే ఈ మార్గం చాలా బలాన్ని తీసుకుంటోంది మరియు ఈ అంశంపై భవిష్యత్తును సిద్ధం చేయడానికి ప్రపంచవ్యాప్తంగా కెరీర్లు సిద్ధంగా ఉన్నాయి. మీరు అర్థం చేసుకున్నట్లుగా, వినియోగదారులు ఉపయోగించే డేటా ప్రతి సెకనుకు టెరాబైట్స్ లెక్కించబడుతుంది, కాబట్టి ఒక వ్యక్తి అవన్నీ విశ్లేషించలేడు. ఇక్కడే ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ డేటాతో పనిచేస్తుంది మరియు అంచనాలను రూపొందించడానికి దీనిని ఉపయోగించే వ్యక్తులు మరియు ఉదాహరణకు, గణాంకాలను ఉపయోగిస్తున్నారు.

మేము మీకు గూగుల్ హోమ్ మినీని సిఫార్సు చేస్తున్నాము: ఇది ఏమిటి మరియు దాని కోసం, లక్షణాలు

ఫౌండేషన్: డీప్, మెషిన్ లెర్నింగ్

డీప్ లెర్నింగ్‌ను కొంచెం బాగా అర్థం చేసుకోవడానికి మేము వీడియో గేమ్ ప్రపంచంలో కొంచెం నావిగేట్ చేయబోతున్నాం, ఎందుకంటే AI వీడియో గేమ్స్ రంగంలో ఆటగాడిగా (మేము ముందు చెప్పినట్లుగా) మరియు ప్రోగ్రామర్ మరియు డిజైనర్‌గా ప్రవేశించాము. మీరు పరిశ్రమ యొక్క పురోగతిని అనుసరిస్తే, ఎన్విడియా వివిధ సాంకేతిక పరిజ్ఞానాలకు అపఖ్యాతిని పొందుతోంది, వాటిలో DLSS (డీప్ లెర్నింగ్ సూపర్ శాంప్లింగ్) వ్యవస్థ, ఒక ఆర్టిఫిషియల్ ఇంటెలిజెన్స్, ఇది చిత్రాలను పునరుద్ధరించగల సామర్థ్యం కలిగి ఉంటుంది.

DLSS పోలిక

DLSS యొక్క పని ఏమిటంటే, ఒక చిత్రాన్ని పూర్తి హెచ్‌డి (1080p) నుండి అల్ట్రాహెచ్‌డి (4 కె) గా మార్చడం, మంచి ఫ్రేమ్ రేట్లతో ఎక్కువ డిమాండ్ ఉన్న శీర్షికలను ప్లే చేయగలదు. మొదట, వినియోగదారులు చిత్రాలు అస్పష్టంగా మరియు దృష్టి కేంద్రీకరించబడలేదని ఫిర్యాదు చేశారు, కానీ కొన్ని నెలల తరువాత ఫలితాలు చాలా బాగున్నాయి.

డీప్ లెర్నింగ్‌కు ఇది కృతజ్ఞతలు, దీని ద్వారా ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ప్రాక్టీస్ మరియు ఎర్రర్‌తో నేర్చుకుంటుంది. DLSS విషయంలో, ఎన్విడియా ఇంటెలిజెన్స్ అల్ట్రాహెచ్‌డి రిజల్యూషన్‌లోని చిత్రాలను నిరంతరం విశ్లేషిస్తుంది మరియు ఫుల్‌హెచ్‌డి చిత్రాన్ని ఉపయోగించి వాటిని పున ate సృష్టి చేయడానికి ప్రయత్నిస్తుంది. మరో మాటలో చెప్పాలంటే, వారు మీకు ఒక చిత్రం యొక్క పావు వంతు ఇచ్చినట్లుగా ఉంటుంది మరియు మీకు తెలియని అంతరాలను మీరు పూరించాలి. డీప్ లెర్నింగ్ అనేది స్పానిష్ భాషలో మెషిన్ లెర్నింగ్ లేదా ఆటోమేటిక్ లెర్నింగ్ అని పిలువబడే ఒక రకమైన వ్యవస్థ.

మెషిన్ లెర్నింగ్ మరియు డీప్ లెర్నింగ్

మెషిన్ లెర్నింగ్‌ను ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌కు పునాది రాయిగా వర్గీకరించవచ్చు. ఇవి వేర్వేరు అల్గోరిథంలు, ఇవి ఇతర విషయాలతోపాటు, పనులను నేర్చుకోవడానికి యంత్రాలకు తరచుగా ఉపయోగించబడతాయి. ఉదాహరణకు, ఒక చిత్రాన్ని గుర్తించడం, చదరంగం ఆడటం లేదా మనోభావాలను గుర్తించడం నేర్చుకోగల సవాళ్లు మరియు సవాలును బట్టి వివిధ రకాల అల్గోరిథంలు ఉపయోగించబడతాయి.

మెషిన్ లెర్నింగ్ అల్గోరిథంల సమితి అని చెప్పబడింది, ఇది ఒక యంత్రం పేరుకుపోతున్న అనుభవం నుండి నేర్చుకోవడానికి అనుమతిస్తుంది. మరోవైపు, డీప్ లెర్నింగ్ భిన్నమైన ఇన్పుట్లతో నేర్చుకోవడంపై దృష్టి పెడుతుంది. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ యొక్క భవిష్యత్తు అనిశ్చితంగా ఉన్నందున రెండు విభాగాలు అభివృద్ధి చేయబడ్డాయి మరియు శక్తితో అధ్యయనం చేయబడుతున్నాయి .

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ యొక్క భవిష్యత్తు

మా కోణం నుండి , ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ యొక్క అవకాశాలు అంతంతమాత్రంగానే కనిపిస్తాయి. మా పరిమితి ఏమిటో మాకు ఇంకా తెలియదు మరియు మనకు సమానమైన మరొకదాన్ని సృష్టించడానికి మేము ఇప్పటికే కృషి చేస్తున్నాము, కాని భవిష్యత్తులో మనం ఏమి ఆశించవచ్చు?

మేము వ్యాఖ్యానించే ఏదీ పెద్దగా తీసుకోలేము, కాని అవి ఈ యంత్రాలు ఎలా అభివృద్ధి చెందాయో గమనించడం నుండి ఉత్పన్నమైన కొన్ని వాదనలు ఆధారంగా చేసిన ప్రకటనలు .

ఇంటర్నెట్

అన్నింటిలో మొదటిది, మేము ఇంటర్నెట్ ఆధిపత్యం కలిగిన ప్రపంచం వైపు పయనిస్తున్నాం అని తప్పించుకోలేము , అందువల్ల AI లకు మాధ్యమంపై ఎక్కువ and చిత్యం మరియు శక్తి ఉంటుంది. ఇది మమ్మల్ని భయపెట్టవలసిన విషయం కాదు, ఎందుకంటే ప్లాట్‌ఫాం నిర్వహణను మేము నిర్ధారించగల ఏకైక మార్గం ఇది. దీనితో మేము వెబ్‌ను కొంత ఎక్కువ కాపలా ఉన్న స్థలంలో సర్ఫ్ చేయవచ్చు, కానీ అదే సమయంలో చాలా సురక్షితం. దీనికి మొదటి మార్గదర్శకులుగా మనకు ఫేస్బుక్ బాట్లు ఉన్నాయి, అవి ఆత్మహత్య ఆలోచనలు మీ ద్వారా నడుస్తాయో లేదో విశ్లేషించి అంచనా వేస్తాయి మరియు వారు దానిని కనుగొంటే వారు మిమ్మల్ని సంప్రదిస్తారు.

అదేవిధంగా, భౌతిక ప్రపంచంలో, స్వయంప్రతిపత్త మరియు సహాయక కార్లు డ్రైవింగ్ వినోదభరితంగా ఉండే క్షణం వరకు అధికంగా మారతాయి . బహుశా మార్పు వంద సంవత్సరాలు జరగదు, కానీ మార్పు జరుగుతుంది.

యంత్రాల కోసం హార్డ్ వర్క్ మార్పిడి కూడా is హించిన మరో మార్పు. ఇది చాలా మంది భయపడే విప్లవం, కానీ అది అనివార్యంగా అనిపిస్తుంది, కాబట్టి మనం సిద్ధంగా ఉండాలి.

సైబోర్గ్ నీల్ హార్బిసన్

సైన్స్ ఫిక్షన్ యొక్క విలక్షణమైనదిగా అనిపించినప్పటికీ, భవిష్యత్తులో మన శరీరంలో టెక్నాలజీ మరియు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌ను ఏకీకృతం చేసే మార్గాలను కనుగొనవలసి ఉంటుంది. వాస్తవానికి, చరిత్రలో మొట్టమొదటి సైబోర్గ్ ఇప్పటికే ఉంది మరియు దీనిని నీల్ హార్బిసన్ అని పిలుస్తారు.

ఈ తీరం దాటి ఆలోచనల సముద్రం అపారమైనది. ఎవరికి తెలుసు? ఒక కర్మాగారం యొక్క యంత్రాలు అన్నీ ఆదిమ యంత్ర-యంత్ర భాషలతో ఒక ప్రధాన యంత్రం ఆధ్వర్యంలో ఏకీకృతంగా పనిచేస్తాయి. బహుశా ఒక రోజు ఉత్తమ స్టాక్ మార్కెట్ స్పెక్యులేటర్ ఒక ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ లేదా ఉత్తమ మోటోజిపి బైకర్ కావచ్చు.

కృత్రిమ మేధస్సు

ఇది ఒక వింత, భయానక భవిష్యత్తులా అనిపించవచ్చు, కాని పరిష్కరించడానికి ప్రయత్నించడానికి మాకు ఖచ్చితంగా ఇతర సమస్యలు ఉన్నాయి!

AI ల గురించి మీకు ఏమి తెలుసు? ఏమి వస్తుందో చూడడానికి మీరు ఆసక్తిగా ఉన్నారా? ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ గురించి మీ ఆలోచనలు ఏమిటో మాకు చెప్పండి.

PowerDataIberdrolaIndraNewsRoom ఫాంట్