Starp zinātniekiem un ekspertiem ir daudz domstarpību par nākotni Mākslīgais intelekts. Lai gan daži ir satraukti par pašmācības datoriem un robotiem, citi, piemēram, Stephen Hawkings, ir par to izturējušās. Saskaņā ar Stephen Hawkings teikto, roboti var pārņemt planētu, ja mākslīgā intelekta izpēte netiek veikta pareizi.
Lasīt: Debates par mākslīgo intelektu.
Noteikumi mākslīgā intelekta jomā
AI: Mākslīgais intelekts; attiecas uz mākslīgā intelekta jomu plašā nozīmē
Algoritms: Iespējams, ka esat saskārušies ar šo vārdu, ja esat iesaistījies programmēšanas procesā. Tas attiecas uz instrukciju kopumu, kas ļauj veikt uzdevumu. Ar mākslīgo intelektu algoritms pastāsta mašīnām, kā izprast atbildes uz dažādiem jautājumiem vai jautājumiem.
Analogā izteiksme: Termins analogais parasti attiecas uz datiem, kas nav cipari, bet, kad runa ir par AI jomu, analoģisks pamatojums ir process, kurā cilvēki (zinātnieki) secina, pamatojoties uz iepriekšējiem rezultātiem. Tas vairāk nozīmē prognozēt akciju tirgus. Kartes un diagrammas tiek veidotas, balstoties uz pagātnes datiem, un tiek izmantota analoga argumentācija jebkura procesa vai eksperimenta rezultātu prognozēšanai.
ANN: mākslīgās neironu tīkli: Mākslīgie neironu tīkli veido daudzu eksperimentu mugurkaulu domāšanas jomā. Sistēmas, kas nevar atrisināt sarežģītas problēmas, tiek modificētas, lai mākslīgo neironu tīklus iekļautu tādā veidā, ka viņi var domāt par sevi un atrisināt sarežģītas problēmas. Mākslīgo neironu tīkls balstās uz bioloģisko neironu tīklu un, iespējams, ir vissliktākais no visiem terminiem, ko izmanto mākslīgajā inteliģenē.
Atpakaļ izplatīšana: Kaut kas apgrieztās kodēšanas līnijās. Rezultāts jau ir, bet process, lai sasniegtu rezultātu, tiek izpētīts, ievadot saistītos procesus sistēmā, kas ir gatava AI vajadzībām.
Atpakaļ ķēdes: Izklausās kā atgriezeniskā saite, taču mērķis ir noskaidrot, vai ir pieejami dati, kurus var izmantot kā pierādījumus pašreizējam mērķim. Šajā sistēmā arī eksperti no jau esošā risinājuma izmanto procesus, kas palīdzēja rast risinājumu, un procesā, nosakot pierādījumus, ka procesi var būt atkarīgi.
CBR: lietas pamatā esošie apsvērumi: Metode, ar kuru problēmas tiek atrisinātas, pamatojoties uz līdzīgām lietām, kas atrisinātas agrāk.
Dziļa mācīšanās: Process, kurā izmanto specializētus algoritmus, lai modelētu un pētītu kompleksu datu kopas; metodi izmanto arī, lai izveidotu attiecības starp datiem un datu kopām
Forward Chaining: Process, kurā mašīnas pāriet no konkrētā punkta, izmantojot vajadzīgo mērķu sasniegšanas secību. Mērķis ir noskaidrot sistēmu, kas darbojas konkrētam problēmu lokam.
Induktīvie motīvi: Process, kurā pierādījumus un datu kopas izmanto, lai sasniegtu konkrētus mērķus. Tam nevajadzētu būt daudz atšķirīgam no parasta programmēšanas, jo tas darbojas jau esošajās datu kopās, nevis to uzbūvē. Tiek saukts datu apkopošanas un apkopošanas process, ņemot vērā to raksturu datu ieguves process un indukcijas pamatojums izmanto datu apkopošanas rezultātā radītās datu kopas.
Mašīnu apmācība: Vēl viens no drausmīgajiem terminiem, kas tiek izmantoti mākslīgajā intelekta sistēmā, "Machine Learning" attiecas uz mašīnām, kas strādā, neizmantojot programmas uzdevumu veikšanai. Iekārtas mācīšanās nāk un uzlabojas, jo sistēmas dzīvība palielinās. Tajā izmantoti pagātnē iegūto rezultātu modeļi, lai tie atbilstu pašreizējiem mērķiem.
NLP - dabiskā valodas apstrāde: Vēl viens no populārajiem terminiem, kas tiek izmantoti mākslīgajā inteliģenci, dabiskās valodas apstrāde balstās uz runas atpazīšanu vai žestu veidošanu. Šeit ir saprast cilvēka valodu, to uztverot kā komandas. Jo vairāk jūs mijiedarbosieties ar iekārtu, izmantojot NLP, jo labāk tas kļūs par jūsu komandu izpratni un apstrādi.
Atzarošana: Koda tīrīšanas process, lai novērstu nevēlamus risinājumus. Taču, samazinot kodu (atzarošana), lēmumu skaits, kurus var veikt mašīnas, ir ierobežots.
Spēcīga AI: Spēcīgs attiecas uz mākslīgā intelekta jomu, kas darbojas, lai nodrošinātu smadzeņu tipa spējas AI iekārtām; patiesībā tas darbojas, lai padarītu mašīnas tikpat saprātīgas kā cilvēkus
Vājš AI: Lielākā daļa AI sistēmu tirgū šodien ir vāji AI (mākslīgais intelekts). Vājš AI mehānisms joprojām var pieņemt savus lēmumus, pamatojoties uz pamatojumu un iepriekšējiem datu kopumiem.
Šie ir vissvarīgākie termini, kas tiek izmantoti mākslīgajā inteliģenē pēc manas izpratnes.
Lasīt: Fakti un mīti par mākslīgo intelektu: vājš AI, spēcīgs AI un Super AI.
