ISSN 1789-8919
e-ISSN 2786-1562
Napjainkban a mesterséges intelligencia egy gyorsan fejlődő technológia, amely intelligens algoritmusok és tanulásra képes gépek fejlesztését foglalja magában. Ezért releváns és időszerű a téma vizsgálata. Ezek a mesterséges intelligencia algoritmusok és gépek képesek olyan feladatok elvégzésére, amelyek a múltban hagyományosan emberi intelligenciára támaszkodtak. Ez a tanulmány a mesterséges intelligencia rendszereinek és kulcsfontosságú összetevőinek mélyreható feltárását nyújtja. A mesterséges intelligencia rendszerek különféle aspektusait vizsgálja, beleértve a természetes nyelvi feldolgozást, a gépi tanulást, az észlelést és mintafelismerést, valamint a tudásreprezentációt és a mesterséges intelligencia rendszerek egyéb formáit. A természetes nyelvi feldolgozás lehetővé teszi a gépek számára, hogy megértsék és generálják az emberi nyelvet, míg a gépi tanulás lehetővé teszi a rendszerek számára, hogy tanuljanak az adatokból, és idővel javítsák teljesítményüket. A érzékelés és a mintafelismerés lehetővé teszi a mesterséges intelligencia rendszerek számára a komplex szenzoros bemenetek értelmezését és megértését, míg a tudásreprezentáció lehetővé teszi az információk tárolását és hasznosítását. Továbbá a mesterséges intelligencia rendszerek egyéb formáiról is szó lesz. Ez a tanulmány rávilágít a mesterséges intelligencia rendszerek alapvető elemeire, megnyitva az utat gyakorlati alkalmazásaik és fejlődésük előtt.
Beck, M., & Libert, B. (2017). The rise of AI makes emotional intelligence more important. Harvard Business Review, 15, 1-5.
Chowdhary, K. R. (2020). Natural Language Processing. In: Fundamentals of Artificial Intelligence. Springer. https://doi.org/10.1007/978-81-322-3972-7_19
Dietterich, T. G. (1990). Machine Learning. Annual Review of Computer Science, 4(1), 255–306. https://doi.org/10.1146/annurev.cs.04.060190. )
Duan, Y., & Edwards, J. S., & Dwivedi, Y. K. (2019). Artificial intelligence for decision making in the era of Big Data – evolution, challenges and research agenda. International Journal of Information Management, 48, 63–71. https://doi.org/10.1016/j.ijinfomgt
Fennell, R. D., & Lesser, V. R. (1977). Parallelism in Artificial Intelligence Problem Solving: A Case Study of Hearsay II. IEEE Transactions on Computers, C-26(2), 98–111. https://doi.org/10.1109/tc.1977.5009289
Flasiński, M. (2016). Introduction to Artificial Intelligence. Springer. https://doi.org/ 10.1007/978-3-319-40022-8
Forrest, S. (1996). Genetic algorithms. ACM Computing Surveys (CSUR), 28(1), 77-80.
Haenlein, M., & Kaplan, A. (2019). A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence. California Management Review, 61(4). https://doi.org/10.1177/0008125619864925
Hendershott T., Jones, C. M., & Menkveld, A. J. (2011). Does Algorithmic Trading Improve Liquidity? The Journal of Finance, 66(1), 1–33. https://doi.org/ 10.1111/j.1540-6261.2010.01624.x
Kahneman, D. (2011). Thinking Fast and Slow. Farrar, Straus and Giroux.
Lungarella, M., Iida, F., Bongard, J., & Pfeifer, R. (Eds.). (2007). 50 Years of Artificial Intelligence. Lecture Notes in Computer Science. https://doi.org/10.1007/978-3-540-77296-5
Mahroof, K. (2019). A human-centric perspective exploring the readiness towards smart warehousing: The case of a large retail distribution warehouse. International Journal of Information Management, 45, 176–190. https://doi.org/10.1016/j.ijinfomgt.2018. 11.008.
Négyesi, I. (2017). A mesterséges intelligencia és a hadsereg III. (Beszédfelismerő szoftverek II.), Hadtudományi szemle, 10(4), 142-155.
Parkes, D. C., & Wellman, M. P. (2015). Economic reasoning and artificial intelligence. Science, 349(6245), 267–272. https://doi.org/10.1126/science.aaa8403
Prentice, C., & Lopes D. S., & Xuequn, W. (2019). Emotional intelligence or artificial intelligence– an employee perspective. Journal of Hospitality Marketing & Management, 29(4), 377–403. https://doi.org/10.1080/19368623.2019.1647124
Sharma, L., & Garg, P. K. (2021). Knowledge representation in artificial intelligence: an overview. Artificial intelligence.
Sun-Chong, W. (2003). Artificial Neural Network. In: Interdisciplinary Computing in Java Programming. The Springer International Series in Engineering and Computer Science, vol 743. Springer. https://doi.org/10.1007/978-1-4615-0377-4_5
Werner, G., &, Hanka, L. (2016). „Az Emberi észlelésen Alapuló mesterséges Intelligencia modellezése a személyazonosításban”. Köztes-Európa, 8(1-2), 187-97.
Zadeh, L. A. (1988). Fuzzy logic. Computer, 21(4), 83-93.
