Szacowany czas czytania: 7 minuti
Dyscyplina narodziła się jako gałąź technologii informacyjnej, której celem jest produkcja maszyn:
Na przestrzeni lat sztuczna inteligencja często wywoływała filozoficzną debatę, której celem było udzielenie odpowiedzi na temat możliwości zastąpienia człowieka maszyną… czy to możliwe?
W związku z tym możemy wyróżnić dwa nurty myślowe:
O słabej sztucznej inteligencji (słabej sztucznej inteligencji) mówimy, gdy celem nie jest tworzenie systemów, które mają inteligencję porównywalną z ludzką. Ale systemy, które mogą z powodzeniem działać w jednej lub większej liczbie złożonych czynności ludzkich, takich jak automatyczne tłumaczenie tekstów.
W takich przypadkach oprogramowanie, wykonując zadanie, do którego zostało zaprogramowane, działa tak, jakby było inteligentnym podmiotem, ale dla wyniku nie ma znaczenia, czy rzeczywiście nim jest, czy nie.
Dlatego mówimy o słabej sztucznej inteligencji we wszystkich przypadkach, w których maszyna nie jest w stanie samodzielnie myśleć, ale nadal jest w stanie symulować inteligencję.
Ten rodzaj sztucznej inteligencji ma zastosowanie w przypadkach, gdy zrozumienie procesów poznawczych człowieka nie jest istotne dla ostatecznego wyniku.
O silnej Sztucznej Inteligencji mówimy wtedy, gdy maszyna wyposażona w sztuczną inteligencję to nie tylko „narzędzie”.
Właściwie rozwinięty sam staje się myślącym umysłem o zdolnościach poznawczych nie do odróżnienia od ludzkiej.
W tej filozofii chodzi o to, że niektóre formy sztucznej inteligencji mogą naprawdę rozumieć i rozwiązywać problemy tak, jak zrobiłby to człowiek, dlatego rozróżnienie rezultatów działania maszyny lub człowieka byłoby niemożliwe.
Mechanizmy te pozwalają inteligentnej maszynie na ulepszanie swoich możliwości i wydajności w czasie, automatycznie ucząc się wraz z doświadczeniem wykonywania określonych zadań, poprawiając jej wydajność w miarę upływu czasu.
Przykładem jest AlphaGo, oprogramowanie z Nauczanie maszynowe który został nauczony obserwując miliony ruchów wykonywanych przez graczy Go podczas różnych gier i zmuszając maszynę do gry przeciwko sobie, w wyniku czego była w stanie pokonać tego, który był uważany za najlepszego gracza na świecie w tej grze.
Trzy główne kategorie uczenia maszynowego to:
Te architektury są stosowane w różnych kontekstach:
Charakterystyka Deep Learning w porównaniu z innymi technikami AI:
Il Deep Learning działa na tych samych mechanizmach co mózg, maszyna uczy się autonomicznie jak w uczeniu maszynowym, ale robi to w bardziej „głęboki” sposób, tak jak zrobiłby to ludzki mózg. Głęboko rozumiemy „na kilku poziomach pojęciowych”.
Mogłoby się wydawać, że ograniczeniem może być duże zapotrzebowanie na możliwości obliczeniowe, ale skalowalność Deep Learning do wzrostu dostępnych danych i algorytmów jest tym, co odróżnia ją od uczenia maszynowego:
Na przykład w dziedzinie rozpoznawania wizualnego metatag „kot” można wstawić do obrazów zawierających kota i bez wyjaśniania systemowi, jak go rozpoznać, sam system, na wielu poziomach hierarchicznych, odgadnie, co charakteryzuje kota (łapy, ogon, futro itp.), a tym samym nauczyć się go rozpoznawać.
Dane nieustrukturyzowane mogą być analizowane przez model uczenia głębokiego po ich utworzeniu i osiągnięciu akceptowalnego poziomu dokładności, ale nie w początkowej fazie szkolenia.
Il Deep Learning dzisiaj jest już stosowany w różnych dziedzinach:
Wdrażanie najbardziej zaawansowanych technologii sprzętowych oraz wykorzystanie algorytmów samouczących się takich jak:
powstają platformy technologiczne, które próbują naśladować ludzki mózg, począwszy od prostszych czynności, aż po coraz bardziej złożone przetwarzanie.
Sygnał jest czasową zmianą stanu fizycznego systemu lub wielkości fizycznej, która jest używana do reprezentowania i przesyłania wiadomości, tj. Informacji na odległość, dlatego analiza sygnałów jest elementem wspierającym obliczenia poznawcze.
Głęboki umysł GoogleI Baidu Minwa to najsłynniejsze dostępne obecnie przykłady.
Nie wspominając o historyku IBM Watson, pierwszy tego rodzaju komercyjny superkomputer.
Uzależniony od innowacji
Rozporządzenie w sprawie zielonych domów, opracowane przez Unię Europejską w celu zwiększenia efektywności energetycznej budynków, zakończyło proces legislacyjny…
Zaprezentowano roczny raport Casaleggio Associati na temat handlu elektronicznego we Włoszech. Raport zatytułowany „AI-Commerce: granice e-commerce ze sztuczną inteligencją”.…
Wynik ciągłych innowacji technologicznych i zaangażowania w ochronę środowiska i dobrostan ludzi. Bandalux przedstawia Airpure®, namiot…
Wzorce projektowe to specyficzne, niskopoziomowe rozwiązania powtarzających się problemów występujących w projektowaniu oprogramowania. Wzorce projektowe to…