A mesterséges intelligencia vagy gépi intelligencia azon intelligenciai képességet és tényezőt jelöli, amely valamilyen erre alkalmas eszközön keresztül képes megfigyelni a környezetét és olyan cselekvéseket tud végrehajtani, amely javítja a siker esélyeit egy előre meghatározott cél érdekében.
Mesterséges intelligencia (Artifical Intelligence) fogalom akkor használandó, amikor egy gép olyan kognitív képességeket utánoz, melyeket az emberi elme tulajdonságaival társítjuk, mint például a tanulás vagy a problémamegoldás.
A létrejötte azon elmélethez kötődik, hogy az emberi elme vagy psziché egy olyan egyértelműen leírható dolog a tudomány szempontjából, hogy akár egy számítógép is képes lehetne utánozni azt. Nincs lefektetett irányelv a mesterséges intelligenciák fejlesztésében, a fejlesztőknek gyakran eltérő véleményük a problémákkal kapcsolatban.
Eltérő, hogy milyen területen kerül alkalmazásra, de leggyakrabban érvelés, tudás halmozás és rendszerezés, tervezés és természetes nyelvi adatfeldolgozás céljából használják. De nagyon fontos az érzékelés pl. látás, a dolgok mozgatása, a veszély különböző formáinak érzékelése és lereagálása is.
A mesterséges intelligenciák analógiákra való tanítása egyre fontosabb a fejlesztés és a problémamegoldás különböző területein. A kidolgozásukban cél, hogy a gépek minél több feladatunkat legyenek képesek helyettünk ellátni.
Amíg ez várat magára, addig is érdemes olyan internetes szolgáltatóval leszerződni, amelyik mindig kész az újításra, mint például a Doclernet.
Az analógiák általánosan különböző dolgok összehasonlításai azon célból, hogy tisztázzuk mások számára egy koncepcióval kapcsolatos szempontunkat. A Carnegie Mellon Egyetem és a Jeruzsálemi Zsidó Egyetem kutatóinak egy mély tanulási projektje fűződik azon software fejlesztéséhez, amely olyan szabadalmak, találmányok és kutatási cikkek adatait vizsgálja amelyek potenciálisan képesek lehetnek részt venni különböző innovatív eszközök gyártásában és kreatív probléma megoldási stratégiák kidolgozásában.
A módszer maga az adatok egységes kézi bevétele helyett, már meglévő online adatbázisokhoz való hozzáférést követően adatválogatási szempontokhoz mérten keres hasonlóságokat a termékek között, vagy új használhatósági módszereket rendel azokhoz.
A rendszer teszteredményei szerint azon fejlesztők, akik a software algoritmusa által összeegyeztetett adatokkal lettek ellátva sokkal szélesebb szempontból voltak képesek a feladatuk szerint megoldandó problémát szemlélni – olyan dolgokat is képesek voltak meglátni, amiket maguktól nem vettek volna észre a megoldás keresése során.
A kutatók a munkájukat a navifaxi KDD 2017, tudás-felfedezés és adatbányász konferencián fogják prezentálni Nova Scotia-ban.
