人工知能の応用

機械によって展示されるインテリジェンスとして定義される人工知能は、今日の社会において多くの用途を有する。 具体的には、医療診断、電子取引、ロボット制御、リモートセンシングなど幅広い活動に利用されている特定のタスクを実行するためのプログラムが開発されたAIの形態である弱いAIです。 AIは、金融、ヘルスケア、教育、交通など、数多くの分野や産業を発展させ、発展させるために使用されてきました。

良いのAI
AI for Goodは、機関がAIを採用して、世界で最も大きな経済的、社会的課題に取り組む動きです。 例えば、南カリフォルニア大学は、ホームレスのような社会的に関連する問題にAIを使用して目標を達成するために、人工知能センターを社会で立ち上げました。 スタンフォード大学では、AIを使用して衛星画像を分析し、貧困層が最も高い地域を特定しています。

航空
航空業務部(AOD)は、ルールベースのエキスパートシステムにAIを使用しています。 AODは、戦闘および訓練シミュレータ、任務管理援助、戦術的意思決定のためのサポートシステム、およびシミュレータデータの記号的要約への後処理のための代理オペレータのための人工知能に使用されている。

シミュレータでの人工知能の使用は、AODにとって非常に有用であることが証明されている。 飛行機シミュレータは、シミュレートされた飛行から得られたデータを処理するために人工知能を使用しています。 シミュレートされた飛行以外にも、シミュレートされた航空戦があります。 これらの状況では、コンピュータは最高の成功シナリオを考え出すことができます。 コンピュータは、力と反撃力の配置、大きさ、速度、強さに基づいて戦略を立てることもできます。 パイロットは、コンピュータによる戦闘中に空中で支援を受けることができる。 人工知能プログラムは、人が実行することが不可能な特定の操縦を取り除くことは言うまでもなく、情報を分類し、パイロットに最良の可能な操縦を提供することができる。 いくつかの計算では良い近似を得るために複数の航空機が必要となり、コンピュータシミュレートされたパイロットがデータを収集するために使用されます。 これらのコンピュータシミュレートされたパイロットは、将来の航空交通管制官を訓練するためにも使用される。

性能を測定するためにAODによって使用されるシステムは、対話型障害診断および分離システム、すなわちIFDISであった。 それは、TF-30文書の情報とTF-30で作業するメカニックの専門家の助言を集めることによって、ルールベースのエキスパートシステムです。 このシステムは、RAAF F-111CのTF-30の開発に使用するように設計されています。 パフォーマンスシステムは、専門の労働者を置き換えるためにも使用されました。 システムにより、正規の労働者はシステムと通信し、間違いや誤算を避けたり、専門職の労働者の1人に話をしたりすることができました。

AODはまた、音声認識ソフトウェアにおいて人工知能を使用する。 航空管制官は人工パイロットへの指示を出しており、AODはパイロットに簡単な応答でATCに応答することを望んでいる。 スピーチソフトウェアを組み込んだプログラムは、ニューラルネットワークを使用していることを意味する訓練を受けていなければなりません。 使用したプログラムVerbex 7000はまだ改善の余地のある非常に初期のプログラムです。 ATCは非常に特殊なダイアログを使用し、ソフトウェアは毎回正確かつ迅速に通信できる必要があるため、改善は不可欠です。

人工知能をサポートするDesign of Aircraft(AIDA)は、設計者が航空機の概念設計を作成するプロセスを支援するために使用されます。 このプログラムを使用すると、設計者は設計自体に集中でき、設計プロセスに集中することができます。 このソフトウェアを使用することで、ソフトウェアツールに集中することも少なくなります。 AIDAはルールベースのシステムを使用してデータを計算します。 これは、AIDAモジュールの配置図です。 シンプルですが、プログラムは効果的であることが証明されています。

2003年、NASAのドライデンフライトリサーチセンターや他の多くの企業は、損傷した航空機が安全な着陸ゾーンに達するまで飛行を続けることを可能にするソフトウェアを開発しました。 ソフトウェアは、損傷を受けていないコンポーネントに依存することによって、すべての損傷したコンポーネントを補正します。 ソフトウェアで使用されているニューラルネットワークは、効果的であり、人工知能の勝利となりました。

NASAでも航空機に搭載されている統合車両健全性管理システムは、航空機のさまざまなセンサーから取得したデータを処理し、解釈する必要があります。 システムは、航空機の構造的完全性を決定できる必要があります。 システムはまた、車両に損傷が生じた場合に備えてプロトコルを実装する必要があります。

Haitham BaomarとPeter Bentleyは、University of Londonのチームを率いて、人工知能ベースのインテリジェントオートパイロットシステム(IAS)を開発し、オートパイロットシステムに、厳しい状況などの緊急事態に直面した経験豊富なパイロットのように行動するように教えています気象、乱気流、またはシステムの故障。 オートパイロットを教育することは、 “オート飛行機を飛行中の学校に行く人間の見習い人として扱う”教師付き機械学習の概念に依存している。 オートパイロットは、人工ニューラルネットワークを用いた学習モデルを生成する人間のパイロットの動作を記録する。 自動操縦は、完全に制御され、訓練の練習を実行する際にパイロットによって観察される。

Intelligent Autopilot Systemは、Apprenticeship LearningとBehavioral Cloningの原則を兼ね備えているため、自動操縦は、飛行機を操縦するために必要な低レベルの動作と、それらの動作を適用するための高水準の戦略を観察します。 IASの実装には3つのフェーズがあります。 パイロットデータの収集、訓練、および自律的な制御。 BaomarとBentleyの目標は、パイロットが緊急事態に対応するのを助ける、より自律的な自動操縦装置を作ることです。

コンピュータサイエンス
AI研究者は、コンピュータサイエンスで最も困難な問題を解決するために多くのツールを開発しました。 彼らの発明の多くは、主流のコンピュータサイエンスで採用されており、もはやAIの一部とはみなされていません。 Russell&Norvig(2003年、15頁)によれば、以下のものはすべて、もともとAI研究所で開発されたものです。タイムシェアリング、インタラクティブなインタプリタ、グラフィカルユーザインタフェース、コンピュータマウス、ラピッド開発環境、自動ストレージ管理、シンボリックプログラミング、関数型プログラミング、動的プログラミング、およびオブジェクト指向プログラミングを含む。

AIは、匿名のバイナリの開発者を潜在的に決定するために使用できます。

AIを使用して他のAIを作成することができます。 たとえば、2017年11月頃、新しいニューラルネットトポロジーを進化させるGoogleのAutoMLプロジェクトは、ImageNetとCOCOに最適化されたシステムであるNASNetを作成しました。 Googleによると、NASNetの性能は以前に公開されたすべてのImageNetのパフォーマンスを上回った。

教育
生物学からコンピュータサイエンスに至るまで、子供に科目を教えるロボットを作っている企業は数多くありますが、そのようなツールはまだ普及していません。 また、高等教育におけるインテリジェントな教授システム(ITS)の登場もあります。 例えば、SHERLOCKと呼ばれるITSは空軍技術者に航空機内の電気システムの問題を診断するよう教える。 もう一つの例はDARPA、国防総省高度研究プロジェクト庁であり、AIを使用して短時間で技術スキルの海軍新兵を訓練するデジタル教師を育成した。 大学は資金の不足やこれらのツールの有効性への疑念のためにAI技術の採用が遅れていましたが、今後数年間にITSのような技術を活用して教師を補完します。

機械学習と組み合わせた自然言語処理の進歩により、割り当ての自動格付けや個々の学生の学習ニーズに関するデータ駆動型の理解も可能になりました。 これによりMOOCsの人気が爆発的に高まりました.Macive Open Online Coursesでは、世界中の学生がオンラインでクラスを受講することができます。 これらの大規模なオンライン学習システムから収集されたデータセットは、ラーニング分析を可能にしており、規模の学習の質を向上させるために使用されます。 学習の質を向上させるために学習分析をどのように使用できるかの例には、どの学生が失敗の危険性があるかを予測し、学生の関与を分析することが含まれます。

ファイナンス
アルゴリズム取引
アルゴリズム取引には複雑なAIシステムを使用して、人間よりも数倍のスピードで取引を決定し、人間の介入なしに1日に何百万もの取引を行うことが多い。 自動取引システムは、通常、大規模な機関投資家によって使用されます。

市場分析とデータマイニング
いくつかの大手金融機関は、投資実務を支援するためにAIエンジンに投資してきました。 BlackRockのAIエンジンであるAladdinは、投資判断に役立つように、社内と顧客の両方に使用されています。 その幅広い機能には、ニュース、ブローカーレポート、ソーシャルメディアフィードなどのテキストを読むための自然言語処理の使用が含まれます。 それは言及された会社の感情を測定し、スコアを割り当てます。 UBSやDeutsche Bankなどの銀行は、Sqreem(Sequential Quantum Reduction and Extraction Model)と呼ばれるAIエンジンを使用して、データをマイニングして消費者のプロファイルを作成し、必要と思われる資産管理製品とマッチングさせることができます。 Goldman Sachsは、統計コンピューティングとビッグデータおよび自然言語処理を組み合わせた市場分析プラットフォームであるKenshoを使用しています。 その機械学習システムは、ウェブ上のデータの宝庫を掘り起こし、世界の出来事とその資産価格への影響との相関を評価します。 人工知能の一部である情報抽出は、ライブニュースフィードから情報を抽出し、投資判断を支援するために使用されます。

個人融資
AIを利用して人々の個人財政を支援するいくつかの製品が登場しています。 たとえば、Digitは人工知能によって強化されたアプリで、消費者は自分の個人的な習慣や目標に基づいて消費と貯蓄を最適化するのを自動的に支援します。 アプリは、毎月の収入、現在の残高、および消費習慣などの要因を分析し、独自の決定を下して貯蓄口座に送金することができます。 サンフランシスコの新興スタートアップであるWallet.AIは、消費者がスマートフォンのチェックインからつぶやきまで残すデータを分析し、消費行動を消費者に知らせるエージェントを構築する。

ポートフォリオ管理
ロボ・アドバイザーは投資管理業界でより広く使用されています。 ロボアドバイザーは、人間の介入を最小限に抑えながら財務アドバイスとポートフォリオ管理を提供します。 このクラスのファイナンシャル・アドバイザーは、クライアントの投資目標とリスク許容度に従って、ファイナンシャル・ポートフォリオを自動的に開発するために構築されたアルゴリズムに基づいて動作します。 市場のリアルタイム変化に対応し、ポートフォリオを調整することができます。

引受
オンライン貸し手であるUpstartは膨大な消費者データを分析し、機械学習アルゴリズムを利用して、消費者の不履行の可能性を予測する信用リスクモデルを開発する。 彼らの技術は、引き受けプロセスにも活用できるよう、銀行にライセンス供与されます。

ZestFinanceは、特にクレジット引受のためのZest Automated Machine Learning(ZAML)プラットフォームを開発しました。 このプラットフォームは、機械学習を利用して、借り手を獲得するために、クレジット業界で使用される数千の伝統的および非伝統的な変数(購入取引から顧客がフォームを記入する方法まで)を分析します。 プラットフォームは、千年単位などの限られた信用履歴を持つ人物に与信スコアを割り当てるのに特に便利です。

地理と生態
アプリケーションは、Prolog言語でPapadimitriou(2012)によって、地中海の風景を参照して与えられます。

仕事探し
雇用市場は、人工知能の実装のために顕著な変化を見た。 求人者と求職者(つまり、Google for Jobsとオンライン申請)のプロセスが単純化されています。 Indeed.comのRaj Mukherjeeによると、65%の人が採用されてから91日以内に就職活動を再開します。 AIエンジンを搭載したエンジンは、仕事のスキル、給料、ユーザーの傾向に関する情報を操作し、人を最も関連性の高い位置に対応させることによって、就職活動の複雑さを合理化します。 マシンインテリジェンスは、特定の仕事に適した賃金を計算し、特殊なソフトウェアを使用してテキストから関連する単語やフレーズを抽出する自然言語処理を使用して、採用担当者の履歴情報を取得して強調表示します。 もう1つのアプリケーションはAIレジュームビルダーであり、同じ仕事をしている時間を費やすのではなく、CVをコンパイルするのに5分かかる。 AI年齢では、チャットボットはウェブサイトの訪問者を支援し、毎日のワークフローを解決します。 革命的なAIツールは人々のスキルを補完し、人事マネージャーが優先度の高いタスクに集中できるようにします。 しかし、人工知能が雇用研究に与える影響は、2030年までに知能エージェントとロボットが世界の人間の労働力の30%を削減できることを示唆しています。 さらに、この調査によると、自動化は4億〜8億の従業員の間で移動することが証明されています。 Glassdoorの調査レポートによると、募集と人事部は、雇用市場2018年以降のAIの採用がより広範になると予想されている。

重工業
ロボットは多くの業界で一般的になってきており、人間にとって危険な仕事をしばしば与えられています。 ロボットは非常に反復的な仕事で効果的であることが証明されているため、濃度の低下や人間が悪化する可能性のある仕事のためにミスや事故につながることがあります。

2014年には、中国、日本、米国、韓国、ドイツが合計でロボットの販売台数の70%を占めました。 特に高度の自動化を誇る自動車産業では、日本の産業用ロボットの密度は世界で一番高く、10,000人あたり1,414人でした。

病院と医学
人工ニューラルネットワークは、EMRソフトウェアのコンセプトプロセッシング技術など、医療診断のための臨床決定支援システムとして使用されている。

人工知能によって潜在的に実行され、開発され始めている医療における他のタスクには、以下のものが含まれる:

医学的画像のコンピュータ支援解釈。 このようなシステムは、典型的な外観のために、例えば、コンピュータ断層撮影のようなデジタル画像をスキャンし、可能性のある疾患などの顕著な部分を強調するのに役立つ。 典型的な用途は腫瘍の検出である。
心音の分析
高齢者ケアのためのコンパニオンロボット
より有用な情報を提供するために医療記録を採掘する。
治療計画を立てる。
投薬管理を含む反復的な仕事を支援する。
相談を提供する。
創薬
臨床訓練のために患者の代わりにアバターを使用する
外科手術による死亡の可能性を予測する
HIVの進行を予測する

現在、これらの分野で働いている保健産業には、90を超えるAIのスタートアップがあります。

IDxの最初のソリューションであるIDx-DRは、FDAの商業化を認可された最初の自律型AIベースの診断システムです。

人材募集
AIのもう一つの応用は、人的資源と募集空間にある。 AIが人的資源と募集専門家によって使用されている3つの方法があります。 AIは、レジュームをスクリーニングし、資格のレベルに応じて候補をランク付けするために使用されます。 Aiはまた、ジョブマッチングプラットフォームを介して与えられた役割の候補者の成功を予測するためにも使用されます。 そして今、AIは繰り返しのコミュニケーションタスクを自動化できるチャットボットを採用しています。

典型的には、レジュメスクリーニングには、募集者またはその他の人事専門家が履歴書のデータベースをスキャンすることが含まれます。 現在、Pomatoのようなスタートアップは、スクリーニングプロセスの再開を自動化する機械学習アルゴリズムを作成しています。 PomatoのレジュメスクリーニングAIは、技術職員の技術者の検証を自動化することに重点を置いています。 PomatoのAIは、数秒で各履歴書に20万回以上の計算を実行し、採掘されたスキルに基づいてカスタムテクニカルインタビューを設計します。 2014年に設立されたKE Solutionsは、求職者の就職順位を推薦するための推薦システムを開発し、雇用主の履歴書のランク付けを行っています。 KEソリューションズが開発したjobster.ioは、従来のATSと比較してコンセプトベースの検索精度が80%向上しました。 採用担当者が技術的障壁を克服するのに役立ちます。

消費財企業ユニリーバは、2016年から2017年まで、人工知能を使用してすべての入社レベルの従業員を選別しました。 ユニリーバのAIは、ニューロサイエンスベースのゲーム、記録されたインタビュー、および顔/発話分析を使用して、雇用の成功を予測しました。 Unileverは、PymetricsとHireVueと提携して、新規AIベースのスクリーニングを可能にし、応募者を1年間で15,000から30,000に増やしました。 AIとの人材募集は、Unilileverの「最も多様なクラス」を作り出しました。 ユニリーバはまた、4ヶ月から4週間に雇用する時間を短縮し、5万時間以上の募集時間を節約しました。

レジュメスクリーニングから神経科学、音声認識、顔面分析まで、AIは人事分野に大きな影響を与えています。 AIのもう一つの発展は、チャットボットを募集することです。 ベイエリアのスタートアップであるTextRecruitは、アリ(自動求人インターフェイス)をリリースしました。アリは、求職者との双方向のテキストメッセージの会話を保持するように設計された採用チャットボットです。 Ariは、求人求人情報の掲載、求人広告の自動化、候補者のスクリーニング、インタビューのスケジューリング、求人に沿った進捗状況に応じた候補者との関係の育成を行います。 Ariは現在、TextRecruitの候補者エンゲージメントプラットフォームの一部として提供されています。

マーケティング
マーケティングおよび人工知能の分野は、市場予測、プロセスおよび意思決定の自動化、通常は人間によって実行される作業効率の向上などの分野を支援するシステムに統合されています。 これらのシステムの背後にある科学は、ニューラルネットワークとエキスパートシステム、入力を処理し、マーケティング担当者に貴重な出力を提供するコンピュータプログラムによって説明することができます。

ソーシャルネットワークを理解するために、ソーシャルコンピューティング技術に由来する人工知能システムを適用することができます。 データマイニング技術を使用して、さまざまなタイプのソーシャルネットワークを分析することができます。 この分析は、マーケティング担当者がネットワーク内の有力なアクターやノードを特定するのに役立ちます。情報は、その後、社会的なマーケティング手法をとるために適用することができます。

メディア
一部のAIアプリケーションは、映画、テレビ番組、広告ビデオまたはユーザ生成コンテンツなどの視聴覚メディアコンテンツの分析に向けられている。 このソリューションには、多くの場合、AIの主要なアプリケーション領域であるコンピュータビジョンが必要です。

典型的なユースケースのシナリオには、オブジェクト認識または顔認識技術を使用したイメージの分析、または関連するシーン、オブジェクトまたはフェイスを認識するためのビデオ分析が含まれます。 AIベースのメディア分析を使用する動機は、とりわけ、メディア検索の容易化、メディアアイテムのための記述的キーワードのセットの作成、メディアコンテンツポリシーのモニタリング(特定のコンテンツに対するコンテンツの適合性の検証テレビ視聴時間)、アーカイブまたは他の目的のためのテキストへのスピーチ、および関連する広告の配置のためのロゴ、製品または有名人の顔の検出を含む。

メディア分析AI企業は、マシンベースの自動アクセスを可能にし、結果の機械読み取りを可能にするREST APIを使用してサービスを提供することがよくあります。 たとえば、IBM、Microsoft、Amazon、およびビデオAI企業のValossaは、RESTful APIを使用してメディア認識テクノロジにアクセスできます。

音楽
音楽の進化は常に技術の影響を受けてきましたが、人工知能は科学的進歩によって人間のような構成をある程度エミュレートすることができました。

注目すべき初期の努力の中で、David CopeはAlgorithmic Computer Musicの分野でよく知られるEmily HowellというAIを作った。 Emily Howellの背後にあるアルゴリズムは、米国特許として登録されています。

AI Iamusは、2012年にコンピュータで完全に構成された最初の完全なクラシックアルバムを制作しました。

AIVA(人工知能バーチャルアーティスト)のような他の試みは、交響曲を構成することに焦点を合わせ、主に映画のためのクラシック音楽を作る。 それは、音楽専門家協会によって認められる最初の仮想作曲家になることによって、世界で最初に達成されました。

人工知能は、メロミックスがコンピュータ生成の音楽をストレスや痛みの緩和に使用しようと、医療環境で使用できる音楽を作り出すことさえできます。

さらに、Google Brainチームが実施したGoogle Magentaなどのイニシアチブでは、人工知能が魅力的な芸術を創造できるかどうかを知りたいと考えています。

ソニーのCSL研究所では、Flow Machinesソフトウェアが膨大な曲のデータベースから音楽スタイルを学習してポップソングを作成しています。 独自のスタイルの組み合わせとテクニックの最適化を分析することで、どのスタイルでも作成できます。

IBM Researchが書いた別の人工知能音楽プロジェクト、The Watson Beatは、シアン・シードで音楽を構成するために強化学習とディープ・ビリーフ・ネットワークを使用しているため、Google MagentaやFlow Machinesプロジェクトのような巨大なデータベースを必要としません入力メロディーと選択スタイルがあります。 ソフトウェアはオープンソースのミュージシャンであるため、Taryn Southernなどは音楽プロジェクトを作成するために協力しています。

ニュース、出版、執筆
Narrative Science社は、英語のゲームの統計データに基づいてチームのスポーツイベントを要約するなど、コンピュータで生成されたニュースとレポートを市販しています。 また、財務報告と不動産分析も作成します。 同様に、Automated Insights社は、Yahoo Sports Fantasy Footballのパーソナライズされたリキャップとプレビューを生成します。 同社は2014年に2013年に3億5千万から10億に増加すると予測されています。

Echoboxは、FacebookやTwitterなどのソーシャルメディアプラットフォームに記事を「インテリジェントに」投稿することで、サイト運営者がトラフィックを増やすのに役立つソフトウェア会社です。 大量のデータを分析することにより、特定の時間帯にどのように特定のユーザーが異なる記事に反応するかを学習します。 その後、投稿するベストストーリーと投稿するのに最適な時間を選択します。 履歴データとリアルタイムデータの両方を使用して、過去にうまくいったことと、現在ウェブ上で動向を把握しているものを理解します。

Yseopと呼ばれる別の会社は、人工知能を利用して、構造化されたデータを自然言語の賢明なコメントと推奨に変換します。 Yseopは、英語、スペイン語、フランス語、ドイツ語を含む多言語で、財務報告書、執行要約、パーソナライズされたセールスまたはマーケティング文書などを毎秒数千ページのスピードで書くことができます。

BoomtrainはAIのもうひとつの例です。適切なタイミングで適切なチャネルを介して送信された正確な記事を読者に最も関連付ける方法を学ぶためのものです。 それは完璧な読書の経験を管理するために個々の読者ごとに個人的な編集者を雇うようなものです。

AIが将来仕事を書く可能性もあります。 2016年、日本のAIは短編小説を共同執筆し、文学賞を受賞しました。

オンラインおよび電話カスタマーサービス
人工知能は、Webページ上のアバターと見ることができる自動オンラインアシスタントで実装されています。 企業は、運用コストとトレーニングコストを削減できます。 このようなシステムの主要な基礎技術は、自然言語処理です。 Pypestreamは、顧客とのコミュニケーションを合理化するために設計されたモバイルアプリケーションに自動顧客サービスを使用します。

現在、主要企業は、難しい顧客を将来的に処理するためにAIに投資しています。 Googleの最新の開発では、言語を分析し、音声をテキストに変換します。 プラットフォームは、怒っている顧客を言語で識別し、適切に対応することができます。

センサ
人工知能は、IdeaCuria Inc.のDigital SpectrometryTMなど、家庭の水質監視などの多くのアプリケーションを可能にする多くのセンサー技術と組み合わされています。

電気通信のメンテナンス
多くの電気通信会社はヒューマン・サーチを利用して人事管理を行っています。たとえば、BTグループはヒューマン・サーチをスケジューリング・アプリケーションに導入し、2万人のエンジニアの作業スケジュールを提供しています。

おもちゃとゲーム
1990年代には、教育やレジャーのために国内目的の基本的な人工知能を量産する最初の試みがいくつか見られました。 これはデジタル革命と大きく繁栄し、人、特に子供たちを、様々なタイプの人工知能、特にTamagotchisとGigaペット、iPod Touch、インターネット、そして最初に広くリリースされたロボット、Furby。 わずか1年後に改良型の家庭用ロボットがインテリジェントな機能と自律性を備えたロボット犬であるアイボの形でリリースされました。

Mattelのような会社は、3歳の若い子供たちのためのAI対応のおもちゃの品揃えを作り続けています。 独自のAIエンジンと音声認識ツールを使用して、会話を理解し、知的な応答を与え、素早く学習することができます。

AIは、ビデオゲーム、例えばビデオゲームのボットにも適用されており、人が利用できない、または望むことができない相手として立ち向かうように設計されている。

交通手段
ファジィ論理コントローラは自動車の自動ギアボックス用に開発されました。 たとえば、2006 Audi TT、VW Touareg、VW Caravellは、Fuzzy Logicを使用したDSP伝送を特長としています。 いくつかのシュコーダ(ŠkodaFabia)には現在、ファジーロジックベースのコントローラが含まれています。

今日の車は、セルフパーキングや先進クルーズコントロールなどのAIベースのドライバーアシスト機能を備えています。 AIは、トラフィック管理アプリケーションを最適化するために使用され、待ち時間、エネルギー使用量、排出量を最大25%削減します。 将来的には完全自律型車が開発されます。 輸送におけるAIは、環境や地域社会への影響を最小限に抑えながら、安全で効率的で信頼性の高い輸送を提供することが期待されています。 このAIを開発する上での主な課題は、交通システムが本質的に複雑なシステムであり、非常に多数のコンポーネントと異なるパーティを含み、それぞれが異なる、そしてしばしば矛盾する目的を持つという事実である。

その他
人工知能の様々なツールも、国土安全保障、音声とテキスト認識、データマイニング、電子メール迷惑メールフィルタリングに広く採用されています。 ジェスチャー認識(機械による手話の理解)、個人音声認識、グローバル音声認識(騒々しい部屋の様々な人々からの)、感情の解釈のための表情認識と非言語的合図のためのアプリケーションも開発されています。 他のアプリケーションには、ロボットナビゲーション、障害物回避、物体認識があります。

アプリケーション一覧

AI法が適用される典型的な問題
光学式文字認識
手書き認識
音声認識
顔認識
人工創造
コンピュータビジョン、バーチャルリアリティ、画像処理
写真とビデオの操作
診断(人工知能)
ゲーム理論と戦略計画
ゲームの人工知能とコンピュータゲームのボット
自然言語処理、翻訳、チャットボット
非線形制御とロボット工学

AIメソッドが実装されているその他のフィールド
人工生命
自動推論
オートメーション
生物学的に影響を受けた計算
コンセプトマイニング
データマイニング
知識表現
セマンティックWeb
スパムメールの電子メール送信
ロボット工学
行動ベースのロボット
認知
サイバネティクス
発達型ロボット(エピジェネティック)
進化型ロボット
ハイブリッドインテリジェントシステム
インテリジェントエージェント
インテリジェント制御
訴訟