Скачать для фотошопа и для создания сайта Четверг, 25.07.2024, 13:57
Приветствую Вас Гость | RSS
[ Обновленные темы · Новые сообщения · Участники · Правила форума · Поиск · RSS ]
  • Страница 1 из 1
  • 1
Машинное обучение? Нейронные сети?
MarcoДата: Пятница, 29.12.2023, 10:22 | Сообщение # 1
Генералиссимус
Группа: Администраторы
Сообщений: 1691
Offline
Машинное обучение? Нейронные сети? Вот ваш путеводитель по многим аспектам искусственного интеллекта.



Искусственный интеллект в настоящее время присутствует повсюду, и он отвечает за все - от виртуальных помощников на наших смартфонах до самоуправляемых автомобилей, которые вскоре появятся на наших дорогах, и передовых систем распознавания изображений, о которых сообщает ваш покорный слуга.

Если вы не жили под угрозой исчезновения последние десять лет, велика вероятность, что вы слышали об этом раньше — и, возможно, даже использовали. Прямо сейчас искусственный интеллект для Кремниевой долины - то же, что One Direction для 13-летних девочек: вездесущий источник навязчивой идеи, на которую можно потратить все свои деньги, мечтая о женитьбе, когда Гарри Стайлс наконец будет готов остепениться. (Ладно, мы все еще работаем над аналогией!)

Но что именно такое искусственный интеллект? — и могут ли такие термины, как “машинное обучение”, “искусственные нейронные сети”, “искусственный интеллект” и “Зейн Малик” (мы все еще работаем над этой аналогией ...) использоваться взаимозаменяемо?

Похожие
Инструмент искусственного интеллекта для перевода проливает свет на секретный язык mice
Умные комбинезоны для искусственного интеллекта могут выявить, когда у младенцев развиваются проблемы с подвижностью
Это приложение на базе искусственного интеллекта может определить рак кожи с 95-процентной точностью
Чтобы помочь вам разобраться в некоторых модных словечках и жаргоне, которые вы слышите, когда люди говорят об искусственном интеллекте, мы составили это простое руководство, которое поможет вам разобраться во всех нюансах искусственного интеллекта — хотя бы для того, чтобы вы не допустили никаких оплошностей, когда машины, наконец, возьмут верх.

Искусственный интеллект
Мы не будем здесь слишком глубоко углубляться в историю искусственного интеллекта, но важно отметить, что искусственный интеллект - это дерево, ветвями которого являются все нижеперечисленные термины. Например, обучение с подкреплением - это разновидность машинного обучения, которое является подразделом искусственного интеллекта. Однако искусственный интеллект не является (обязательно) обучением с подкреплением. Понятно?

До сих пор никто не создал общий интеллект.

Официального консенсуса относительно того, что означает искусственный интеллект (некоторые люди предполагают, что это просто крутые вещи, которые компьютеры пока не могут делать), но большинство согласится, что речь идет о том, чтобы заставить компьютеры выполнять действия, которые считались бы разумными, если бы их выполнял человек.

Впервые этот термин был введен в обиход в 1956 году на летнем семинаре в Дартмутском колледже в Нью-Гэмпшире. В настоящее время большое различие в искусственном интеллекте проводится между узким ИИ для конкретной предметной области и общим искусственным интеллектом. До сих пор никто не создал общий интеллект. Как только это произойдет, все ставки отменяются…

Символический искусственный интеллект.
Сегодня вы не так много слышите о символическом искусственном интеллекте. Также называемый старым добрым искусственным интеллектом, символьный искусственный интеллект построен на логических шагах, которые могут быть переданы компьютеру сверху вниз. Это предполагает предоставление компьютеру (или роботу) множества правил о том, как он должен действовать в конкретном сценарии.

Это привело к множеству ранних прорывов, но оказалось, что они очень хорошо работали в лабораториях, где можно было идеально контролировать каждую переменную, но часто менее эффективно в беспорядке повседневной жизни. Как язвительно заметил один писатель о символическом искусственном интеллекте, ранние системы искусственного Интеллекта были немного похожи на бога из Ветхого Завета — с множеством правил, но безжалостных.

Сегодня такие исследователи, как Селмер Брингсджорд, борются за возвращение внимания к основанному на логике символическому искусственному интеллекту, построенному на превосходстве логических систем, которые могут быть поняты их создателями.

Машинное обучение
Если вы слышите о крупном прорыве в области искусственного интеллекта в наши дни, скорее всего, если не будет поднят большой шум, свидетельствующий об обратном, вы слышите о машинном обучении. Как следует из названия, машинное обучение заключается в создании машин, которые, ну, в общем, обучаются.

Как и в разделе Искусственный интеллект, машинное обучение также имеет несколько подкатегорий, но что их всех объединяет, так это ориентированная на статистику способность собирать данные и применять к ним алгоритмы для получения знаний.

Существует множество различных отраслей машинного обучения, но та, о которой вы, вероятно, услышите больше всего, - это…

Нейронные сети
Если вы проводили время в нашем разделе интересных технологий, вы, вероятно, слышали об искусственных нейронных сетях. Как системы, основанные на мозге, предназначенные для воспроизведения способа обучения людей, нейронные сети модифицируют свой собственный код, чтобы найти связь между вводом и выводом - или причину и следствие — в ситуациях, когда эта связь сложна или неясна.

Искусственные нейронные сети выиграли от внедрения глубокого обучения.

Концепция искусственных нейронных сетей на самом деле восходит к 1940-м годам, но на самом деле только в последние несколько десятилетий она начала по-настоящему реализовывать свой потенциал: этому способствовало появление таких алгоритмов, как “обратное распространение”, которые позволяют нейронной сети корректировать свои скрытые слои нейронов в ситуациях, когда результат не соответствует тому, на что надеется создатель. (Например, сеть, предназначенная для распознавания собак, которая ошибочно идентифицирует кошку.)

В этом десятилетии искусственные нейронные сети выиграли от появления глубокого обучения, при котором разные уровни сети извлекают разные функции, пока она не сможет распознать то, что ищет.

В рубрике "Нейронные сети" представлены разные модели потенциальных сетей — с прямой связью и сверточными сетями, которые, вероятно, будут теми, о которых вам стоит упомянуть, если вы окажетесь рядом с инженером Google на званом обеде.

Обучение с подкреплением
Обучение с подкреплением - еще одна разновидность машинного обучения. Он во многом вдохновлен бихевиористской психологией и основан на идее, что программный агент может научиться выполнять действия в среде, чтобы максимизировать вознаграждение.

В качестве примера, еще в 2015 году DeepMind от Google опубликовал документ, показывающий, как он обучил искусственный интеллект играть в классические видеоигры, без каких-либо инструкций, кроме отображения на экране и примерно 30 000 пикселей, составляющих каждый кадр. Обучение с подкреплением означало, что программный агент постепенно учился играть в игру методом проб и ошибок.



В отличие от экспертной системы, для обучения с подкреплением не нужен эксперт-человек, который объяснил бы ей, как увеличить количество баллов. Вместо этого со временем она сама это выясняет. В некоторых случаях правила, которые он изучает, могут быть фиксированными (как при игре в классическую игру Atari). В других он продолжает адаптироваться с течением времени.

Эволюционные алгоритмы
Известный как универсальный алгоритм метаэвристической оптимизации на основе популяции, если вы еще не были знакомы с ним ранее, эволюционные алгоритмы представляют собой еще один тип машинного обучения; разработан для имитации концепции естественного отбора внутри компьютера.

Процесс начинается с того, что программист вводит цели, которых он или она пытается достичь с помощью своего алгоритма. Например, НАСА использовало эволюционные алгоритмы для проектирования компонентов спутников. В этом случае функция может заключаться в разработке решения, способного поместиться в коробку размером 10 х 10 см, способного излучать сферический или полусферический рисунок и способного работать в определенном диапазоне Wi-Fi.

Затем алгоритм создает несколько поколений итеративных проектов, тестируя каждый на соответствие заявленным целям. Когда кто-то в конечном итоге ставит все нужные галочки, он прекращает работу. Помимо помощи НАСА в проектировании спутников, эволюционные алгоритмы являются фаворитом креативщиков, использующих искусственный интеллект в своей работе: таких, как дизайнеры этой изящной мебели.
Прикрепления: 6593359.webp (16.9 Kb)


Скоро новый год
 
  • Страница 1 из 1
  • 1
Поиск:

Copyright MyCorp © 2024