AI

State od Science Index: technologie nas fascynują, gorzej z praktyką
Co wyróżnia ekosystem przemysłu przyszłości?
Współdzielenie danych przez firmy, chmura branżowa i blockchain – trendy według Deloitte
Polski przepis na AI
sztuczna inteligencja
Prawa autorskie sztucznej inteligencji powinny być chronione?
łańcuch utworzony z cyfrowych elementów wypełnionych zerami i jedynkami
Projekty badawcze z zakresu AI i blockchainu dla doktorantów
Jak SI wpływa na przedsiębiorstwa?
Data scientists. Male programmer using laptop analyzing and developing in various information on futuristic virtual interface screen. Algorithm. marketing and deep learning of artificial intelligence
Sztuczna inteligencja w zastosowaniach
AI monitoruje bezpieczeństwo przejazdów kolejowych

Sztuczną inteligencją określa się specjalizację informatyki zajmującą się badaniem tego, jak działają i myślą ludzie oraz naukę o maszynach umiejących wykonywać zadania, które do tej pory były domeną ludzi. W europejskiej Białej Księdze artificial intelligence jest opisywana jako zbiór technologii łączących dane, algorytmy i moc obliczeniową, których główna siła napędowa to coraz łatwiejsza dostępność informacji. Za ojca AI zwykło się uważać Alana Turinga, brytyjskiego matematyka i jednego z twórców informatyki, który pracował nad stworzeniem maszyny myślącej jak człowiek, a w 1950 roku przygotował tzw. test Turinga pozwalający ocenić, czy robot potrafi imitować ludzką logikę i zachowanie w takim stopniu, że nie sposób odróżnić obydwu reakcji. Terminu sztuczna inteligencja jako pierwszy użył amerykański informatyk, John McCarthy – według niego, SI to nauka i inżynieria tworzenia inteligentnych maszyn.

Technologię stosowaną w zakładach produkcyjnych nazywa się przemysłową AI. Industrial artificial intelligence umożliwia tworzenie innowacyjnych produktów i usług oraz ulepszanie procesów. Algorytmy analizujące dane z maszyn są w stanie z wyprzedzeniem informować o nieprawidłowościach i tym samym ułatwić konserwację zapobiegawczą, a także wskazywać, które etapy wytwarzania wymagają optymalizacji. Dodatkowo IAI przydaje się do automatycznego wykrywania uszkodzeń w produktach czy anomalii na nagraniach z kamer instalowanych w halach. Z kolei przetworzenie informacji dotyczących stanu surowców przez AI pozwala trafniej planować dostawy. Algorytmy mogą być też wsparciem przy projektowaniu nowych towarów, dzięki analizie kosztów związanych z produkcją i jej modelowaniu.