A tudósok és a szakértők között sok a nézeteltérés a jövőben Mesterséges intelligencia. Míg egyesek izgatottak az öntanuló számítógépek és robotok kilátásai miatt, mások, mint Stephen Hawkings, fenntartásokkal rendelkeznek. Stephen Hawkings szerint a robotok átvehetik a bolygót, ha a mesterséges intelligencia kutatás nem megfelelően történik.
Olvas: Vita a mesterséges intelligenciáról.
A mesterséges intelligencia fogalmai
AI: Mesterséges intelligencia; a tág értelemben vett mesterséges intelligencia területére utal
Algoritmus: Lehet, hogy találkoztál ezzel a szóval, ha bejöttél a programozásba. Ez egy sor utasításra vonatkozik, amelyek elvégzik a feladatot. A mesterséges intelligenciában az algoritmus azt mondja a gépeknek, hogyan kell kitalálni a válaszokat különböző kérdésekre vagy kérdésekre.
Analóg érvelés: Az analóg kifejezés általában nem digitális adatokra utal, de az AI területén az analóg érvelés az az eljárás, ahol az emberek (tudósok) a múltbeli eredmények alapján következtetéseket vonnak le. Ez több, mint a tőzsdék előrejelzése. A térképeket és a diagramokat a korábbi adatok alapján rajzolják, és az analóg indoklást bármely folyamat vagy kísérlet eredményeinek előrejelzésére alkalmazzák.
ANN: Mesterséges Neuron Hálózatok: A mesterséges neuronhálózatok számos kísérlet gerincét alkotják, az érvelés területén. Azok a rendszerek, amelyek nem képesek megoldani a bonyolult problémákat, módosulnak úgy, hogy a mesterséges neuronhálózatokat olyan módon, hogy képesek gondolkodni magukról és összetett problémák megoldására. A mesterséges neuronhálózat a biológiai neuron hálózaton alapul és valószínűleg a mesterséges intelligenciában használt valamennyi kifejezés közül a legfélelmetesebb.
backpropagation: Valami a fordított kódolás sorában. Az eredmény már létezik, de az eredmény eléréséhez szükséges folyamat a kapcsolódó folyamatoknak az AI célra kész rendszerbe való betöltése.
Visszavágó láncolás: Úgy hangzik, mint a visszaáramlás, de itt az a cél, hogy kiderítsük, vannak-e olyan adatok, amelyek bizonyítékként felhasználhatók az aktuális célhoz. Ebben a rendszerben a szakértők egy már meglévő megoldásból dolgoznak olyan folyamatokhoz, amelyek segítettek a megoldás elérésében, és ebben a folyamatban bizonyítékokat találtak arról, hogy a folyamatok függhetnek.
CBR: esetalapú érvelés: Olyan módszer, amely megoldja a problémákat a múltban megoldott hasonló esetek alapján.
Deep Learning: Olyan folyamat, amely speciális algoritmusokat alkalmaz komplex adatkészletek modellezésére és tanulmányozására; a módszert az adatok és adatkészletek közötti kapcsolatok létrehozására is használják
Továbbláncozás: Olyan folyamat, ahol a gépek egy bizonyos ponttól előre megpróbálkoznak - egy sor if-then alfolyamatot használva a kívánt cél eléréséhez. A cél az, hogy meghatározzunk egy olyan rendszert, amely egy adott problémamegoldáshoz működik.
Induktív érvelés: Olyan folyamat, ahol a bizonyítékokat és adatkészleteket konkrét célok elérésére használják. Ez nem különbözik a normál programozástól, mivel a meglévő adatkészleteken dolgozik, ahelyett, hogy megalkotná őket. Az adatgyűjtés és a természetük alapján történő összesítés folyamatát hívják adatbányászat és az induktív érvelés az adatbányászat eredményeként létrehozott adatkészleteket használja.
Gépi tanulás: A mesterséges intelligenciában használt félelmetes kifejezések közül a Machine Learning olyan gépekre utal, amelyek anélkül járnak el, hogy feladatokat végeznek. A gépi tanulás jön, és javul, ahogy a rendszer élettartama nő. Használja a múltban elért eredmények mintáit a jelenlegi célok érdekében.
NLP - Természetes nyelvfeldolgozás: A mesterséges intelligenciában használt népszerű kifejezések egyike, a természetes nyelv feldolgozása a beszédfelismerésen vagy a gesztus alapú bemeneteken alapul. A lényeg itt az, hogy megértsük az emberi nyelvet, mint parancsot. Minél inkább kölcsönhatásba lép a gépvel az NLP használatával, annál jobb lesz a parancsok megértése és feldolgozása.
fametszés: A kód tisztításának folyamata, így a nemkívánatos megoldások kiküszöbölhetők. De a kód lecsökkentésével (metszés) a gépi döntések száma korlátozott.
Erős AI: Erős a mesterséges intelligencia területére utal, amely arra irányul, hogy az AI gépekhez agy-szerű hatalmakat biztosítson; valójában úgy működik, hogy a gépek olyan intelligensek legyenek, mint az emberek
Gyenge AI: A legtöbb mai AI rendszer a piacon gyenge AI (mesterséges intelligencia). A gyenge AI gépek továbbra is döntéseket hozhatnak az érvelés és a múltbeli adatok alapján.
Ezek a legfontosabb kifejezések, amelyeket a mesterséges intelligenciában a megértésem szerint használnak.
Olvas: Tények és mítoszok a mesterséges intelligenciáról: gyenge AI, erős AI és Super AI.