인공 지능은 기계에 의해 나타나는 지능으로 정의되며 오늘날의 사회에서 많은 응용 분야를 가지고 있습니다. 더 구체적으로 말하면, 그것은 A. AI의 형태 인 약한 AI입니다. 전자 진단, 전자 거래, 로봇 제어 및 원격 감지와 같은 다양한 활동에 활용되는 특정 작업을 수행하기위한 프로그램이 개발되었습니다. 인공 지능은 금융, 건강 관리, 교육, 운송 등을 포함한 수많은 분야와 산업을 개발하고 발전시키는 데 사용되어 왔습니다.

선한 사람을위한 AI
AI for Good은 기관들이 세계에서 가장 위대한 경제적, 사회적 도전에 대처하기 위해 AI를 채택하고있는 운동입니다. 예를 들어, 남 캘리포니아 대학 (University of Southern California)은 노숙자와 같은 사회적으로 관련된 문제를 해결하기 위해 인공 지능 (AI)을 사용한다는 목표로 사회에 인공 지능 센터를 출범 시켰습니다. 스탠포드 대학 연구자들은 AI를 사용하여 인공위성 이미지를 분석하여 빈곤 수준이 가장 높은 지역을 파악합니다.

비행
Air Operations Division (AOD)는 규칙 기반 전문가 시스템에 AI를 사용합니다. AOD는 전투 및 훈련 시뮬레이터, 임무 관리 보조 장치, 전술적 의사 결정을위한 지원 시스템, 시뮬레이터 데이터를 상징적 요약으로 후 처리하는 대리 운영자를위한 인공 지능을 위해 사용됩니다.

시뮬레이터에서 인공 지능을 사용하면 AOD에 매우 유용합니다. 비행기 시뮬레이터는 시뮬레이션 된 비행에서 가져온 데이터를 처리하기 위해 인공 지능을 사용합니다. 시뮬레이션 비행 이외에도 시뮬레이션 항공기 전쟁이 있습니다. 컴퓨터는 이러한 상황에서 최고의 성공 시나리오를 제시 할 수 있습니다. 컴퓨터는 또한 배치와 크기, 속도 및 힘과 힘의 강도를 기반으로 전략을 세울 수 있습니다. 조종사는 컴퓨터로 전투 중에 항공기에 도움을 줄 수 있습니다. 인공 지능형 프로그램은 정보를 분류하고 조종사에게 최선의 기동을 제공 할 수 있으며 인간이 수행 할 수없는 특정 기동을 없앨 수 있습니다. 컴퓨터 시뮬레이션 파일럿이 데이터를 수집하는 데 사용되도록 일부 계산에 적합한 근사값을 얻으려면 여러 항공기가 필요합니다. 이 컴퓨터 시뮬레이트 된 조종사는 또한 미래의 항공 교통 관제사를 훈련시키는데도 사용됩니다.

성능을 측정하기 위해 AOD가 사용하는 시스템은 대화식 오류 진단 및 격리 시스템 또는 IFDIS입니다. TF-30 문서에서 정보를 수집하고 TF-30에서 작동하는 기계공의 전문가 조언을 수집하여 규칙 기반 전문가 시스템입니다. 이 시스템은 RAAF F-111C의 TF-30 개발에 사용되도록 설계되었습니다. 성과 시스템은 전문 인력을 대체하기 위해 사용되었습니다. 이 시스템을 통해 정규직 근로자는 시스템과 의사 소통하고 실수 나 계산 착오를 피하거나 전문직 종사자 중 한 명과 이야기해야했습니다.

AOD는 또한 음성 인식 소프트웨어에서 인공 지능을 사용합니다. 항공 교통 관제사는 인공 조종사에게 지시를 내리고 있으며 AOD는 조종사가 간단한 응답으로 ATC에 응답하기를 원합니다. 음성 소프트웨어를 포함하는 프로그램은 훈련을 받아야합니다. 즉, 신경망을 사용한다는 의미입니다. 사용 된 프로그램 인 Verbex 7000은 여전히 ​​개선의 여지가 많은 매우 초기 프로그램입니다. ATC가 매우 구체적인 대화를 사용하고 매번 정확하고 신속하게 통신 할 수 있어야하기 때문에 개선이 반드시 필요합니다.

Artificial Intelligence가 지원하는 Design of Aircraft (AIDA)는 설계자가 항공기의 개념 설계를 만드는 과정을 돕는 데 사용됩니다. 이 프로그램을 사용하면 설계자는 설계 자체보다는 설계 자체에 더 집중할 수 있습니다. 이 소프트웨어를 사용하면 사용자가 소프트웨어 도구에 집중할 수 있습니다. AIDA는 규칙 기반 시스템을 사용하여 데이터를 계산합니다. 이것은 AIDA 모듈 배열의 다이어그램입니다. 간단하지만이 프로그램은 효과적임이 증명됩니다.

2003 년 NASA의 Dryden Flight Research Center 및 다른 많은 회사에서는 손상된 항공기가 안전한 착륙 지점에 도달 할 때까지 비행을 계속할 수있는 소프트웨어를 만들었습니다. 이 소프트웨어는 손상되지 않은 구성 요소에 의존하여 모든 손상된 구성 요소를 보완합니다. 이 소프트웨어에 사용 된 신경망은 효과적이고 인공 지능의 승리로 입증되었습니다.

NASA에서 항공기 탑승시 사용하는 통합 차량 상태 관리 시스템은 항공기의 다양한 센서에서 가져온 데이터를 처리하고 해석해야합니다. 시스템은 항공기의 구조적 무결성을 결정할 수 있어야합니다. 시스템은 또한 차량에 손상이 발생한 경우 프로토콜을 구현해야합니다.

하이 탐 바 오마 (Haitham Baomar)와 피터 벤틀리 (Peter Bentley)는 런던 대학 (University College of London)의 한 팀을 이끌고 인공 지능 기반 인공 지능 자동 조종 시스템 (IAS)을 개발하여 자동 조종 장치가 고도의 숙련 된 조종사처럼 행동하도록 가르치기 위해 고안되었습니다. 날씨, 난기류 또는 시스템 장애. 자동 조종 장치를 교육하는 것은 “젊은 자동 조종 장치를 비행 학교에가는 인간 제자로 취급하는 감독 된 기계 학습”개념에 의존합니다. 자동 조종 장치는 인공 신경망을 사용하여 학습 모델을 생성하는 인간 조종사의 동작을 기록합니다. 그러면 자동 조종 장치가 완전히 제어되고 조종사는 조종 훈련을 실시합니다.

Intelligent Autopilot System은 Apprenticeship Learning 및 Behavioral Cloning의 원칙을 결합하여 자동 조종 장치가 항공기 기동에 필요한 저수준 동작과 이러한 동작을 적용하는 데 사용 된 고급 전략을 준수하는지 확인합니다. IAS 구현에는 세 단계가 사용됩니다. 파일럿 데이터 수집, 교육 및 자율적 제어. Baomar와 Bentley의 목표는 조종사가 응급 상황에 대처하는 데 도움이되는 자율적 인 자동 조종 장치를 만드는 것입니다.

컴퓨터 과학
인공 지능 연구원은 컴퓨터 과학에서 가장 어려운 문제를 해결할 수있는 많은 도구를 만들었습니다. 많은 발명품이 주류 컴퓨터 과학에 채택되어 더 이상 인공 지능의 일부로 간주되지 않습니다. (AI 효과를 참조하십시오.) Russell & amp; Norvig (2003, p.15)는 원래 AI 실험실에서 시분할, 인터프리터 인터프리터, 그래픽 사용자 인터페이스와 컴퓨터 마우스, 빠른 개발 환경, 링크드리스트 데이터 구조, 자동 스토리지 관리, 기호 프로그래밍 , 기능 프로그래밍, 동적 프로그래밍 및 객체 지향 프로그래밍을 포함합니다.

AI는 잠재적으로 익명의 바이너리 개발자를 결정하는 데 사용될 수 있습니다.

인공 지능은 다른 인공 지능을 만드는 데 사용할 수 있습니다. 예를 들어, 2017 년 11 월경에는 새로운 신경망 토폴로지를 발전시키는 Google의 AutoML 프로젝트가 ImageNet 및 COCO에 최적화 된 시스템 인 NASNet을 만들었습니다. Google에 따르면 NASNet의 성능은 이전에 게시 된 모든 ImageNet 성능을 능가했습니다.

교육
생물학에서 컴퓨터 과학에 이르기까지 다양한 주제를 아이들에게 가르치기위한 로봇을 만드는 많은 회사가 있지만, 그러한 도구는 아직 널리 보급되지 않았습니다. 또한 고등 교육에서 지능형 개인 교습 시스템 (ITS)이 등장했습니다. 예를 들어, SHERLOCK이라는 ITS는 공군 기술자에게 항공기의 전기 시스템 문제를 진단하도록 가르칩니다. 또 다른 예로 DARPA (Defense Advanced Research Projects Agency)가 있습니다.이 기관은 인공 지능을 사용하여 해군 신병 훈련을 단기간에 기술 스킬로 훈련시키는 디지털 교사를 개발했습니다. 대학은 자금 부족이나 이러한 도구의 효과에 대한 회의론으로 인해 인공 지능 기술을 채택하는 데 시간이 많이 걸렸지 만, 앞으로 더 많은 교실에서는 ITS와 같은 기술을 활용하여 교사를 보완 할 것입니다.

자연어 처리의 발전은 기계 학습과 결합되어 과제의 자동 채점뿐만 아니라 개별 학생의 학습 요구에 대한 데이터 기반 이해를 가능하게합니다. 이로 인해 전 세계의 학생들이 온라인 수업을들을 수있는 MOOCs의 인기가 폭발적으로 증가했습니다. 이러한 대규모 온라인 학습 시스템에서 수집 한 데이터 세트는 학습 분석을 가능하게하여 규모에 따른 학습의 질을 높이는 데 사용됩니다. 학습 분석을 통해 학습 품질을 향상시키는 방법의 예로는 어떤 학생이 실패 할 위험이 있는지 예측하고 학생 참여를 분석하는 방법이 있습니다.

재원
알고리즘 트레이딩
알고리즘 트레이딩은 복잡한 AI 시스템을 사용하여 인간이 할 수있는 것보다 몇 배 빠른 속도로 거래 의사 결정을 내리고 사람이 개입하지 않아도 하루 수백만 건의 거래를하는 경우가 있습니다. 자동화 된 거래 시스템은 일반적으로 대형 기관 투자가에 의해 사용됩니다.

시장 분석 및 데이터 마이닝
몇몇 대형 금융 기관은 투자 관행을 지원하기 위해 AI 엔진에 투자했습니다. BlackRock의 AI 엔진 인 Aladdin은 회사 내부와 고객 모두에게 투자 결정에 도움을주기 위해 사용됩니다. 다양한 기능에는 뉴스, 브로커 보고서 및 소셜 미디어 피드와 같은 텍스트를 읽는 자연어 처리 기능이 포함됩니다. 그런 다음 언급 된 회사에 대한 정서를 측정하고 점수를 지정합니다. UBS 및 Deutsche Bank와 같은 은행에서는 Sqreem (Sequential Quantum Reduction and Extraction Model)이라는 인공 지능 엔진을 사용하여 소비자 프로파일을 개발하고 가장 많이 원하는 자산 관리 제품과 데이터를 일치시킬 수 있습니다. Goldman Sachs는 통계 컴퓨팅과 큰 데이터 및 자연 언어 처리를 결합한 시장 분석 플랫폼 인 Kensho를 사용합니다. 자사의 기계 학습 시스템은 웹상의 수많은 데이터를 조사하고 세계 사건과 자산 가격에 미치는 영향 간의 상관 관계를 평가합니다. 인공 지능의 일부인 정보 추출은 실시간 뉴스 피드에서 정보를 추출하고 투자 결정을 지원하는 데 사용됩니다.

개인 금융
사람들이 개인 재정을 지원할 수 있도록 AI를 활용하는 여러 제품이 출현하고 있습니다. 예를 들어, Digit은 인공 지능으로 구동되는 앱으로, 소비자가 자신의 개인적인 습관과 목표에 따라 지출 및 저축을 최적화하도록 자동 지원합니다. 이 앱은 월 소득, 현재 잔액 및 지출 습관과 같은 요인을 분석 한 다음 자체 결정을 내리고 저축 예금 계좌로 돈을 이체 할 수 있습니다. 샌프란시스코에서 곧 시작되는 Wallet.AI는 스마트 폰 체크인부터 짹짹까지 소비자가 떠날 데이터를 분석하여 소비자에게 소비 행동을 알리는 에이전트를 구축합니다.

포트폴리오 관리
로보 어드바이저는 투자 관리 업계에서 더 널리 사용되고 있습니다. 로보 어드바이저는 인간의 개입을 최소화하면서 재무 자문과 포트폴리오 관리를 제공합니다. 이 클래스의 재무 고문은 고객의 투자 목표 및 위험 허용성에 따라 금융 포트폴리오를 자동으로 개발하기 위해 구축 된 알고리즘을 기반으로 작동합니다. 시장의 실시간 변화에 맞춰 포트폴리오를 조정할 수 있습니다.

언더라이팅
온라인 대출 업체 인 Upstart는 방대한 양의 소비자 데이터를 분석하고 기계 학습 알고리즘을 사용하여 소비자의 채무 불이행 가능성을 예측하는 신용 ​​위험 모델을 개발합니다. 그들의 기술은 은행에 대한 라이센스가 주어져 언더라이팅 프로세스에 대해서도 활용할 수 있습니다.

ZestFinance는 특히 신용 보험 업무용으로 Zest Automated Machine Learning (ZAML) 플랫폼을 개발했습니다. 이 플랫폼은 기계 학습을 이용하여 차용인을 채점하기 위해 신용 업계에서 사용되는 수천 가지 전통적 및 비 전통적 변수 (구매 거래에서 고객이 양식을 채우는 방법에 이르기까지)를 분석합니다. 이 플랫폼은 천년기와 같이 제한된 신용 기록이있는 사람들에게 신용 점수를 할당하는 데 특히 유용합니다.

지리학 및 생태학
응용 프로그램은 Prolog 언어로 Papadimitriou (2012)에 의해 지중해 경관을 참조하여 제공됩니다.

구직 검색
고용 시장은 인공 지능 구현으로 인해 현저한 변화를 보았습니다. 채용 담당자와 구직자 (즉, Google for Jobs 및 온라인 신청) 모두의 프로세스가 단순화되었습니다. Indeed.com의 Raj Mukherjee에 따르면, 65 %의 사람들이 채용 된 지 91 일 만에 다시 구직 활동을 시작합니다. 인공 지능 엔진은 직무 기술, 급여 및 사용자 경향에 대한 정보를 조작하여 사람들을 가장 관련성이 높은 위치에 매치시킴으로써 구직 활동의 복잡성을 간소화합니다. 기계 지능은 특정 업무에 적합한 임금을 계산하고 전문 소프트웨어를 사용하여 텍스트에서 관련 단어 및 구문을 추출하는 자연어 처리를 사용하여 채용 담당자를위한 이력서 정보를 가져 와서 강조 표시합니다. 또 다른 응용 프로그램은 동일한 작업을 수행하는 시간을 소비하는 것과는 대조적으로 CV를 컴파일하는 데 5 분이 소요되는 AI 다시 시작 빌더입니다. AI 시대에 chatbots는 웹 사이트 방문자를 돕고 매일 워크 플로우를 해결합니다. 혁신적인 AI 도구는 사람들의 기술을 보완하고 HR 관리자가 우선 순위가 높은 작업에 집중할 수 있도록합니다. 그러나 인공 지능이 직업 연구에 미치는 영향은 2030 년까지 지능형 에이전트와 로봇이 세계 인적 노동의 30 %를 제거 할 수 있음을 시사합니다. 또한이 연구 결과에 따르면 자동화는 400 ~ 800 만 명의 직원을 대신 할 것으로 예상됩니다. Glassdoor의 연구 보고서에 따르면 채용 및 HR 팀은 2018 년 이후 고용 시장에서 AI를 훨씬 광범위하게 채택 할 것으로 예상됩니다.

중공업
로봇은 많은 산업 분야에서 보편적으로 사용되고 있으며 종종 인간에게 위험한 작업을 제공받습니다. 로봇은 집중력이 약해져 실수 나 사고로 이어질 수있는 매우 반복적 인 일에서 효과가 입증되었으며 인간이 굴욕감을 느낄 수도 있습니다.

2014 년에는 중국, 일본, 미국, 대한민국, 독일이 로봇 총 판매량의 70 %를 차지했습니다. 특히 자동화 수준이 높은 자동차 산업 분야에서 일본은 세계에서 산업용 로봇의 밀도가 가장 높았습니다. 10,000 명당 1,414 개입니다.

병원 및 약
인공 신경망은 EMR 소프트웨어의 개념 처리 기술과 같이 의료 진단을위한 임상 의사 결정 지원 시스템으로 사용됩니다.

인공 지능에 의해 잠재적으로 수행 될 수 있고 개발되기 시작한 의학에서의 다른 임무는 다음과 같습니다 :

의학 이미지의 컴퓨터 지원 해석. 이러한 시스템은 디지털 이미지 (예 : 전형적인 외모와 가능한 질병과 같은 눈에 띄는 부분을 강조하기 위해 컴퓨터 단층 촬영에서. 전형적인 응용은 종양의 탐지입니다.
심장 소리 분석
노인 간병을위한 동반자 로봇
보다 유용한 정보를 제공하기 위해 의료 기록 마이닝.
치료 계획을 세웁니다.
약물 관리를 포함한 반복적 인 업무를 지원하십시오.
상담을 제공하십시오.
의약품 제조
임상 훈련을 위해 환자 대신 아바타 사용
외과 수술로 인한 사망의 가능성 예측
HIV 진행 예측

현재이 분야에서 일하는 보건 산업 분야에는 90 개 이상의 AI 벤처 기업이 있습니다.

IDx의 첫 번째 솔루션 인 IDx-DR은 FDA의 상용화가 승인 된 최초의 자율 인공 지능 기반 진단 시스템입니다.

인적 자원 및 모집
인공 지능의 또 다른 응용 분야는 인적 자원 및 채용 공간입니다. 인적 자원 및 채용 전문가가 AI를 사용하는 세 가지 방법이 있습니다. AI는 이력서를 스크리닝하고 자격 등급에 따라 후보자를 순위 지정하는 데 사용됩니다. Ai는 또한 직업 매칭 플랫폼을 통해 주어진 역할에서 후보자 성공을 예측하는 데 사용됩니다. 이제 AI는 반복적 인 커뮤니케이션 작업을 자동화 할 수있는 채팅 로봇을 채용하고 있습니다.

일반적으로 이력서 심사에는 이력서 데이터베이스를 통해 모집 한 신병 모집인이나 다른 HR 전문가가 참여합니다. 이제 Pomato와 같은 신생 기업은 기계 학습 알고리즘을 만들어 이력서 심사 프로세스를 자동화합니다. Pomato의 이력서 개설 AI는 기술 인력 파견 회사의 기술 지원자 확인에 중점을 둡니다. Pomato의 AI는 초 단위로 각 이력서에 대해 20 만 건 이상의 계산을 수행 한 다음 채굴 된 기술을 기반으로 맞춤식 기술 인터뷰를 디자인합니다. 2014 년에 설립 된 KE Solutions는 후보자의 직업 순위를 결정하고 고용주의 이력서 순위를 매기는 추천 시스템을 개발했습니다. KE Solutions에서 개발 한 jobster.io는 개념 기반 검색을 사용하여 기존 ATS와 비교하여 정확도가 80 % 향상되었습니다. 채용 담당자가 기술 장벽을 극복하는 데 도움이됩니다.

소비재 회사 인 유니레버는 2016 년부터 2017 년까지 인공 지능을 사용하여 모든 초급 직원을 선별했습니다. 유니레버의 인공 지능은 신경 과학 기반 게임, 기록 된 인터뷰 및 얼굴 / 음성 분석을 사용하여 고용 성공을 예측합니다. 유니레버는 Pymetrics 및 HireVue와 협력하여 소설 AI 기반 심사를 지원하고 지원자를 1 년에 1 만 5 천에서 3 만 명으로 늘 렸습니다. AI와의 모집은 Unililever의 “가장 다양한 학급”을 만들어 냈습니다. 또한 Unilever는 4 개월에서 4 주까지의 시간을 줄이고 신입 사원 모집 시간을 50,000 시간 이상 절약했습니다.

이력서 심사에서부터 신경 과학, 음성 인식 및 얼굴 분석에 이르기까지 AI는 인적 자원 분야에 막대한 영향을 미치고 있습니다. AI의 또 다른 발전은 채팅 봇을 모집하는 것입니다. 베이 지역 출신 인 TextRecruit은 Ari (자동 모집 인터페이스)를 발표했습니다. Ari는 후보자와 양방향 텍스트 메시지 대화를 할 수 있도록 설계된 모집 챠트 봇입니다. Ari는 게시 작업, 광고 오프닝, 후보자 선별, 인터뷰 일정 수립 및 고용 깔대기를 따라 진행되는 업데이트와의 후보 관계 육성을 자동화합니다. Ari는 현재 TextRecruit의 후보 계약 플랫폼의 일부로 제공됩니다.

마케팅
마케팅 및 인공 지능 분야는 시장 예측, 프로세스 및 의사 결정 자동화, 일반적으로 인간에 의해 수행되는 작업 효율성 증대와 같은 분야를 지원하는 시스템에 수렴됩니다. 이러한 시스템의 과학은 신경 네트워크와 전문가 시스템, 입력을 처리하고 마케팅 담당자에게 귀중한 결과물을 제공하는 컴퓨터 프로그램을 통해 설명 할 수 있습니다.

소셜 컴퓨팅 기술을 기반으로하는 인공 지능 시스템을 웹의 소셜 네트워크를 이해하는 데 적용 할 수 있습니다. 데이터 마이닝 기술을 사용하여 다양한 유형의 소셜 네트워크를 분석 할 수 있습니다. 이 분석은 마케팅 담당자가 네트워크 내의 영향력있는 주체 또는 노드를 식별하고 정보를 적용하여 사회적 마케팅 접근 방식을 취하는 데 도움이됩니다.

미디어
일부 인공 지능 응용 프로그램은 영화, TV 프로그램, 광고 비디오 또는 사용자 제작 콘텐츠와 같은 시청각 미디어 콘텐츠 분석에 적합합니다. 이 솔루션에는 AI의 주요 응용 분야 인 컴퓨터 비전이 포함됩니다.

일반적인 유스 케이스 시나리오에는 객체 인식 또는 얼굴 인식 기술을 사용하는 이미지 분석이나 관련 장면, 객체 또는 얼굴을 인식하기위한 비디오 분석이 포함됩니다. AI 기반 미디어 분석을 사용하려는 동기는 – 미디어 검색의 촉진, 미디어 항목에 대한 설명 키워드 집합 만들기, 미디어 콘텐츠 정책 모니터링 (특정 콘텐츠에 대한 콘텐츠의 적합성 확인과 같은) TV 시청 시간), 보관 또는 기타 목적을위한 텍스트 연설, 관련 광고 배치를위한 로고, 제품 또는 유명 인사 얼굴 검색 등이 포함됩니다.

미디어 분석 AI 회사는 종종 기술에 대한 기계 기반의 자동 액세스를 가능하게하고 결과를 기계 판독 할 수있는 REST API를 통해 서비스를 제공합니다. 예를 들어 IBM, Microsoft, Amazon 및 비디오 AI 회사 Valossa는 RESTful API를 사용하여 미디어 인식 기술에 액세스 할 수 있습니다.

음악
음악의 진화는 항상 기술의 영향을 받았지만 인공 지능은 과학적 진보를 통해 인간과 유사한 구성을 어느 정도 에뮬레이션 할 수있었습니다.

주목할만한 초기 노력 가운데 David Cope는 Algorithmic Computer Music 분야에서 잘 알려진 Emily Howell이라는 AI를 만들었습니다. Emily Howell의 알고리즘은 미국 특허로 등록되어 있습니다.

AI Iamus는 2012 년 컴퓨터로 완전히 구성된 최초의 완전한 클래식 앨범을 만들었습니다.

AIVA (인공 지능 가상 아티스트)와 같은 다른 노력은 주로 교향곡 음악 작곡에 중점을두고 있으며 주로 영화 평론을위한 클래식 음악입니다. 음악 전문가 협회가 인정한 최초의 가상 작곡가가되어 세계 최초로 달성했습니다.

인공 지능은 멜로믹스가 컴퓨터 생성 음악을 스트레스와 통증 완화에 사용하려는 노력을 통해 의료 환경에서 사용할 수있는 음악을 제작할 수도 있습니다.

또한 구글 브레인 (Google Brain) 팀이 진행하는 구글 마젠타 (Google Magenta)와 같은 이니셔티브는 인공 지능이 매력적인 예술을 창작 할 수 있는지 알아 내고자합니다.

Sony CSL 연구소의 Flow Machines 소프트웨어는 방대한 노래 데이터베이스에서 음악 스타일을 학습하여 팝송을 만들었습니다. 스타일의 고유 한 조합을 분석하고 기술을 최적화함으로써 어떤 스타일로도 구성 할 수 있습니다.

IBM Research가 작성한 또 다른 인공 지능 음악 프로젝트 인 The Watson Beat는 단순한 씨앗으로 음악을 구성하기 위해 강화 학습과 딥 (Deep Belief) 네트워크를 사용하기 때문에 Google Magenta 및 Flow Machines 프로젝트와 같이 거대한 데이터베이스 데이터베이스가 필요하지 않습니다. 입력 멜로디와 선택 스타일. Taryn Southern과 같은 소프트웨어는 오픈 소스 뮤지션이기 때문에 음악 제작 프로젝트와 협력하고 있습니다.

뉴스, 출판 및 작문
Narrative Science라는 회사는 영어로 게임의 통계 데이터를 기반으로 팀 스포츠 경기를 요약하는 것을 포함하여 컴퓨터에서 생성 된 뉴스 및 보고서를 상업적으로 이용할 수 있도록합니다. 또한 재무 보고서 및 부동산 분석을 생성합니다. 마찬가지로 Automated Insights는 Yahoo Sports Fantasy Football에 대한 개인화 된 요약본 및 미리보기를 생성합니다. 이 회사는 2013 년에 3 억 5 천만 개에서 2014 년에 10 억 개의 스토리를 창출 할 것으로 예상됩니다.

Echobox는 게시자가 Facebook 및 Twitter와 같은 소셜 미디어 플랫폼에 기사를 ‘지능적으로 게시’하여 트래픽을 늘리는 데 도움이되는 소프트웨어 회사입니다. 대용량의 데이터를 분석하여 특정 시간대의 특정 기사가 다른 기사에 어떻게 반응 하는지를 학습합니다. 그런 다음 게시 할 최고의 스토리를 선택하고 게시 할 최적의 시간을 선택합니다. 이 도구는 과거 및 현재 데이터를 모두 사용하여 과거에 잘 작동 한 것은 물론 현재 웹에서 트렌드를 파악합니다.

또 다른 회사 인 Yseop은 인공 지능을 사용하여 구조화 된 데이터를 지능적인 주석과 자연어로 추천합니다. Yseop은 재무 보고서, 임원 요약서, 개인화 된 판매 또는 마케팅 문서 등을 초당 수천 페이지의 속도로 작성하고 영어, 스페인어, 프랑스어 및 스페인어 등 여러 언어로 작성할 수 있습니다. 독일 사람.

Boomtrain은 AI의 또 다른 예입니다. 적절한 방법으로 적절한 채널을 통해 보내지는 정확한 기사로 개별 독자를 효과적으로 참여시키는 방법을 배우기 위해 설계되었습니다. 이는 독자와 가장 관련이 있습니다. 그것은 완벽한 독서 경험을 선별하기 위해 개인 독자마다 개인 편집자를 고용하는 것과 같습니다.

AI가 미래에 일을 쓸 가능성도 있습니다. 2016 년 일본의 AI는 단편 소설을 공동 작사했으며 거의 ​​문학상을 받았다.

온라인 및 전화 고객 서비스
인공 지능은 웹 페이지에서 아바타로 볼 수있는 자동화 된 온라인 도우미로 구현됩니다. 기업이 운영 및 교육 비용을 절감 할 수 있습니다. 이러한 시스템의 주요 기본 기술은 자연 언어 처리입니다. Pipestream은 고객과의 의사 소통을 간소화하도록 설계된 모바일 애플리케이션에 자동화 된 고객 서비스를 사용합니다.

현재 주요 기업들은 어려운 고객을 처리하기 위해 AI에 투자하고 있습니다. Google의 최근 개발은 언어를 분석하고 음성을 텍스트로 변환합니다. 플랫폼은 언어를 통해 분노한 고객을 식별하고 적절하게 대응할 수 있습니다.

센서
인공 지능은 IdeaCuria Inc.의 Digital SpectrometryTM과 같은 많은 센서 기술과 결합되어 집에서의 수질 모니터링과 같은 많은 어플리케이션을 가능하게합니다.

정보 통신 유지 보수
많은 통신 회사는 휴먼 스틱 검색을 사용하여 직원 관리에 활용합니다. 예를 들어 BT Group은 20,000 명의 엔지니어의 작업 일정을 제공하는 스케줄링 응용 프로그램에 휴리스틱 검색을 배포했습니다.

장난감 및 게임
1990 년대에는 교육이나 여가를위한 국내 인공 지능 유형을 국내에서 목표로 한 대량 생산이 시도되었습니다. 이것은 Digital Revolution과 함께 크게 번성하여 사람들, 특히 어린이들에게 Tamagotchis 및 Giga Pets, iPod Touch, 인터넷 및 널리 출시 된 첫 번째 로봇의 형태로 다양한 유형의 인공 지능을 다루는 삶에 도움을주었습니다 , Furby. 불과 1 년 후 개선 된 유형의 가정용 로봇이 지능형 기능과 자율성을 갖춘 로봇 개인 아이보 (Aibo) 형태로 출시되었습니다.

Mattel과 같은 회사는 3 세부터 어린 아이를위한 인공 지능 완구 장난감을 만들고 있습니다. 독점적 인 인공 지능 엔진과 음성 인식 도구를 사용하여 대화를 이해하고 지능적인 응답을 얻고 신속하게 배울 수 있습니다.

인공 지능은 비디오 게임 (예 : 비디오 게임 봇)에도 적용되었습니다.이 봇은 인간이 이용 가능하지 않거나 원하는 상대가 아닌 사람으로 서기 위해 고안되었습니다.

교통
퍼지 로직 컨트롤러는 자동차의 자동 기어 박스 용으로 개발되었습니다. 예를 들어, 2006 Audi TT, VW Touareg 및 VW Caravell은 Fuzzy Logic을 사용하는 DSP 전송을 특징으로합니다. Škoda 변형 (Škoda Fabia)에는 현재 Fuzzy Logic 기반 컨트롤러가 포함되어 있습니다.

오늘날의 자동차에는 셀프 주차 및 고급 크루즈 컨트롤과 같은 AI 기반의 운전자 보조 기능이 있습니다. AI는 트래픽 관리 애플리케이션을 최적화하는 데 사용되어 대기 시간, 에너지 사용 및 배출량을 최대 25 %까지 줄입니다. 앞으로는 완전히 자율적 인 자동차가 개발 될 것입니다. AI의 운송은 환경과 지역 사회에 미치는 영향을 최소화하면서 안전하고 효율적이며 신뢰할 수있는 운송 수단을 제공 할 것으로 기대됩니다. 이 인공 지능을 개발하기위한 주요 도전 과제는 운송 시스템이 본질적으로 매우 많은 수의 구성 요소와 서로 다른 당사자를 포함하는 복잡한 시스템이라는 사실입니다. 각 구성 요소마다 서로 다른 목적이 종종 있습니다.

다른
인공 지능의 다양한 도구는 또한 국토 안보, 음성 및 텍스트 인식, 데이터 마이닝 및 전자 메일 스팸 필터링에 널리 배포되고 있습니다. 제스처 인식 (기계에 의한 수화 이해), 개인 음성 인식, 글로벌 음성 인식 (시끄러운 방의 다양한 사람들로부터), 감정 및 비언어적 신호의 해석을위한 표정 인식을 위해 애플리케이션이 개발되고 있습니다. 다른 애플리케이션으로는 로봇 내비게이션, 장애물 회피 및 객체 인식이 있습니다.

응용 프로그램 목록

인공 지능 방법이 적용되는 일반적인 문제
광학 문자 인식
필기 인식
음성 인식
얼굴 인식
인공 창조성
컴퓨터 비전, 가상 현실 및 이미지 처리
사진 및 비디오 조작
진단 (인공 지능)
게임 이론 및 전략 계획
게임 인공 지능 및 컴퓨터 게임 봇
자연 언어 처리, 번역 및 Chatterbots
비선형 제어 및 로보틱스

AI 방법이 구현되는 다른 필드
인공 생명
자동 추론
오토메이션
생물학적으로 영감을 얻은 컴퓨팅
개념 마이닝
데이터 수집
지식 표현
시맨틱 웹
전자 메일 스팸 필터링
로봇 공학
행동 기반 로봇
인지 적
사이버네틱스
발달 로봇 (후성 유전학)
진화 로봇
하이브리드 지능형 시스템
지능형 에이전트
지능형 제어
소송