tutorial

Pergalên îstîxbarata artificial û cognitive, ew çi ne û serîlêdanên gengaz

Intelligencestîxbarata artêşî dikare wekî şiyana pergalek hesas a ji bo pêkanîna peywiran, çalakiyan û çareserkirina pirsgirêkên tîpî yên ji hiş û jêhatiya mirov re tê dîtin. 

Dema xwendinê ya texmînkirî: 7 minuti

Theagirt wekî şaxek teknolojiya agahdariyê hate dinê, bi mebest çêkirina makîneyan:

  • "Hem hardware û nermalav";
  • di hundurê hemî rewşên ku mirov dikare bifikire ku tenê deverek mirov fahm bike ku têgîn fahm dike û li gorî wê tevbigerihê.

Bi salane, îstîxbarata artificial bi gelemperî nîqaşa felsefî hildiweşand ku bersivên li ser mûhtemeliya şûna mirovantiyê ji makîneyê re dide ... ma gelo? 

Di vê derbarê de em dikarin du ramanên ramanê nas bikin:

  • Intelligencestîxbarata zebeş a qels
  • Intelligencestîxbarata zexm a hişk

Em di derheqê îstîxbarata hunerî ya qels (Weak Artificial Weak) de nîqaş dikin dema ku armanc ne avakirina pergalên ku îstîxbarata ku ji wî mirovan re bihevra ye. Lê pergalên ku dikarin bi rengek serfirazî di yek an çend çalakiyên mirovî yên tevlihev de tevbigerin, wek wergera otomatîkî ya nivîsaran. 

Di van rewşan de nermalava, di peywirê de peywira ku ji bo wê hat program kirin, tevdigere wekî ku ew bû mijareke hişmend, lê ji bo armancên encam girîng nîne ka ew bi rastî ye an na. 

Em ji ber vê yekê di derheqê wan rewşên ku makîneyê bixweber nekare bifikirin de, di heman demê de hê jî îstîxbaratek hêsan dike, ji îstîxbarata hunerî ya qels re biaxive. 

Ev celeb AI di rewşên ku têgihîştina pêvajoyên lêgerîna mirovî de ji encama dawî ne girîng in re dibe. 

Em ji genceehrezayiya Hunerî ya Zexm re axivîn dema ku makîneya ku bi îstîxbarata artificial ve tê de ne tenê "amûrek" e. 

Ger ku bi guncanî were pêşvexistin ew bixwe dibe ramînek ramanê, bi têgihiştinek jêhatîbûnê ya ku ji mirov re nayê cûdakirin. 

Di vê felsefeyê de raman ev e ku bi hin şêwazên îstîxbaratî dikare bi rastî sedem û pirsgirêkan çareser bike, wekî mirov dikare bibîne, ji ber vê yekê ciyawaziya encamên makîneyê an mirov dê mumkun be.

Peyva Fêrbûna Makîneyê (fêrbûna otomatîk) ji komek mekanîzmayên ku girêdayî cîhana îstîxbarata çêkirî ne, vedibêje. 

Van mekanîzmayan destûrê didin makîneyek hişmend ku karibe xwe û performansa xwe ya bi demê re baştir bike, bixweber bi ezmûnê fêr bibe da ku hin karên hanê bike, performansa wê bêhtir bi demê re baştir bike. 

Mînakek ji AlphaGo ye, ji nermalava Fêrbûna Machine yê ku bi dîtina bi mîlyonan tevgerên ku di dema lîstikên cûda de ji hêla lîstikvanên Go ve hatine çêkirin, hatine hîn kirin û xwedan makîneya li hember xwe lîstin, bi encam ew bû ku bikaribe tiştê ku di vê lîstikê ya cîhanê de lîstikvanê herî baş tê hesibandin bişkîne. 

Sê kategoriyên sereke yên fêrbûna makîneyê ev in:

  • Fêrbûna çavdêrî: pergal nimûneyên li gorî hilberîna ku têne wergirtin nîşangir digire û, ji van daneyên perwerdehiyê dest pê dike, divê ew qaîdeyek gelemperî derxe ku labelê rast bi her inputê nû re têkildar bike;
  • Baweriyek tune: daneyên nîşankirî tune, ew pergal e ku, ji navgînan dest pê bike, divê di hundurê danûstendinê de strukturek bibîne;
  • Fêrbûna xurtkirinê: Sîstem ji hawîrdemê ve input digire û çalakiyan pêk tîne. Pergal hewl dide ku ji bo bidestxistina xelatan çalakiyan bike. Pergal dê hewl bide ku pêkanînên ku bi xelatdayînê ve girêdayî ye girêdayî rewşa hawîrdora derdorê bicîh bike.

nûçenameya Innovation
Nûçeyên herî girîng ên li ser nûjeniyê ji bîr nekin. Sign up ji bo wergirtina wan bi e-nameyê.
Il Deep Learning jêr kategoriyek fêrbûna Machine ye, ew malbatek rêbaz e ku ji îstîxbarata aramî ya ku ji hêla struktur û fonksiyonê mêjî ve hatî şewitandin: ev e, ew e, torên neuralîkî yên مصنوعی (Tora Neural Artificial). 

Van mîmarîgezên di çarçoveyên cûda de têne bicîh kirin:

  • Vision Computer
  • pejirandina zimanê deng û vegotinê
  • proseskirina zimanên xwezayî
  • bioinformatics

Taybetmendiyên Deep Learning li gorî teknîkên din ên AI-ê:

  • Vê algorîtmayê ne ku asta cuda yên yekîneyên ne-linear bikar tînin. Van astan di kaskadeyê de têne bikar anîn da ku peywirên ku dikarin wekî pirsgirêkên taybetmendiyên veguherînê yên ku ji daneyan têne derxistin têne categorîzekirin têne bikar anîn; her ast di deriyê asta berê de wekî input bikar tîne;
  • Van algorîtmayan têxin nav çîna berfireh a algorîtmayên fêrbûna nûneriya daneyan di fêrbûna makîneyê de;
  • Ew ji hêla gelek nûnertiyên pirjimar ve têne damezirandin ku dikarin wekî astên cihêreng werin fam kirin, ku bikaribin bibin hiyerarşû ya têgehan.

Il Deep Learning ew bi heman mekanîzmayên mêjî tevdigere, makîne wekî fêrbûna makîneyê xweser fêr dibe, lê wê bi rengek "kûr"tir wekî mejiyê mirovî dike. Bi kûrahî mebesta me "li ser çend astên têgînî" ye. 

Dibe ku xuya bibe ku daxwaziya xurt a ji bo kapasîteyên hesabkerî dibe ku sînorek be, lê mezinbûna Deep Learning zêdebûna dane û algorîtmayên berdest ew e ku ew ji Fêrbûna Makîneyê cûda dike: 

  • ez sîstemî di Deep Learning ew performansa xwe her ku dane zêde dibin baştir dikin
  • Serlêdanên hînbûna makîneyê, gava ku asta gihînek gihîştî gihîştibe, naha qewimîn e. 
Ji bo pergalek perwerde bikin Deep Learning bi gelemperî hûn daneyan etîket dikin. 

Mînakî, di warê naskirina dîtbar de, meta tag "pisîk" dikare têxe nav nîgarên ku pisîk vedigire û, bêyî ku ji pergala xwe re vebêje ka wê çawa nas bike, pergalê bixwe, bi astên pirjimar hiyerarşîk, dê texmîn bike ka kîjan diyar dike. pisîk (pênûs, tilî, fur, hwd.) û ji ber vê yekê divê ku ew fêr bibin. 

Daneyên nehsandî dema ku ew bêne pêk anîn û gihîştine astek bêkêmasî ya pejirandinê, dikarin ji hêla modela fêrbûna kûr ve bêne analîz kirin, lê ne ji bo qonaxa hînbûna destpêkê.

Il Deep Learning îro ew jixwe di warên cihêreng de tê sepandin:

  • otomobîl bêyî ajokerek fîzîkî
  • dron û robotan ku ji bo radestkirina parcelê an ji bo rêveberiya acîl hatine bikar anîn
  • ji bo chatbots û robotên karûbar naskirina axaftin û hevberdanê
  • naskirina facê ji bo çavdêriyê
  • sererastkirina pêşîn
Compostasyona berbiçav


Sîstemên teknolojiya herî pêşkeftî bicihanîn, û karanîna algorîtmayên xweya hînbûnê yên wekî:

  • Daneyên madenê
  • analîzên daneyên mezin
  • nasandina nimûneyê
  • proseskirina zimanên xwezayî
  • pêvajoyê

platformên teknolojîk têne afirandin ku hewl didin ku mêjûya mirov lê mêze bikin, ji çalakiyên hêsan dest pê bikin da ku bigihîjin pêvajoyên berbiçav ên tevlihev.

Nîşanek guherînek demkî ya rewşa laşî ya pergalê an jî kêmbûna fîzîkî ye ku tête bikar anîn ji bo nûnertkirin û veguhestina peyaman, ango agahdarî li dûr.

Google Deepminde, e Baidu Minwa îro nimûneyên herî naskirî ne.

Ne ku ji dîrokê re behs dikin IBM Watson, yekem super-komputera bazirganî ya bi vî rengî.

Xwendinên Têkildar

Ercole Palmeri

Innovation addicted


nûçenameya Innovation
Nûçeyên herî girîng ên li ser nûjeniyê ji bîr nekin. Sign up ji bo wergirtina wan bi e-nameyê.

Gotarên dawî

Smart Lock Market: Rapora lêkolîna bazarê hate weşandin

Têgîna Smart Lock Market vedibêje pîşesazî û ekosîstema ku li dora hilberîn, belavkirin û karanîna…

27 Marzo 2024

Nimûneyên sêwiranê çi ne: çima wan bikar tînin, dabeşkirin, erênî û neyînî

Di endezyariya nermalavê de, qalibên sêwiranê ji pirsgirêkên ku bi gelemperî di sêwirana nermalavê de çêdibin çareseriyên çêtirîn in. Ez wek…

26 Marzo 2024

Pêşveçûna teknolojîk a nîşankirina pîşesaziyê

Nîşankirina pîşesazî têgehek berfireh e ku çend teknîkan vedihewîne ku ji bo afirandina nîşanên domdar li ser rûberê…

25 Marzo 2024

Nimûneyên Excel Macros bi VBA ve hatî nivîsandin

Nimûneyên makro yên Excel-ê yên jêrîn bi karanîna dema xwendina texmînkirî ya VBA hatine nivîsandin: 3 hûrdem Mînak…

25 Marzo 2024