Laut einem Forschungsbericht des MIT Sloan Administration Assessment, der 2017 veröffentlicht wurde, waren 81 % der Organisationen nicht mit der IA vertraut und/oder haben sie nicht angenommen. [1]
In unseren Tagen haben wir mit der ganzen Welt über „IA“ gesprochen, aber die Mehrheit der Unternehmen hatte keine Ahnung, wie man mit ihrer eigenen Tätigkeit Gewinne erzielen kann. Sie waren sich gerade so sicher, dass sie der Magie ähnelten.
Der Begriff „IA“ wird als allgemeiner Begriff für die Entwicklung einer Familie von Techniken verwendet, die von Lehrkräften und Lehrkräften in der Funktion derjenigen verwendet werden, die einfach über die Anweisungen ihres Vaters informiert sind erstellt von einem Programmierer.
Wir geben Ihnen den folgenden Befehl ab: Wenn wir einen Code geschrieben haben, nennen wir ihn „Automatischer Lehrling“. Wenn es in einer schönen Präsentation geschrieben wurde, nennen wir es „IA“.
In diesem Artikel haben wir uns alle auf die Idee gebracht, den allgemeinen Begriff zu verstehen, und wir haben alle die IA erklärt und diese Zweige ausführlicher erklärt.
Additionally, wir kommentieren die Definition der künstlichen Intelligenz.
Künstliche Intelligenz (L’intelligence artificielle)
Es gibt zahlreiche Definitionen auf den Quellen, die wir von uns benötigen. Heute zitiere ich das Buch „Grundlagenmodelle für die Verarbeitung natürlicher Sprache: Vorab trainierte Sprachmodelle unter Integration von Medien“ [2]où l’on entend par IA ce qui suite :
„KI ist ein weitreichendes Forschungsgebiet, das darauf abzielt, intelligente Maschinen zu schaffen, die sich ähnlich verhalten wie Menschen und Tiere mit natürlicher Intelligenz.“
Wir reisen, weil der künstliche Geheimdienst (IA) eine Disziplin ist (die ersten Ideen auf dem IA seit 50 Jahren); Ein Zweig der Informatik, der auf dem Gebiet der intelligenten Agenten liegt. Diese bemerkenswerten Systeme verfügen über die Fähigkeit, selbstständig zu arbeiten, zu lernen und auszuführen. Im Grunde conflict ich Autor der Konzeption und Entwicklung von Maschinen, die über die Fähigkeit zur Reflexion und den Preis der Entscheidung verfügten, ähnlich wie menschliche Zellen.
Aufgrund dieser Disziplin verfügt die künstliche Intelligenz über verschiedene Bereiche, wie die folgende Abbildung:
Ich bin ein Merkmal der Theorie und der Methoden zur Konstruktion von Maschinen, die wie Menschen denken und agieren.
Ich weiß nicht, dass es zwei Arten künstlicher Intelligenz gibt: Starke KI und Schwache KI.
Starke KI.
L’IA forte se compose de l’intelligence générale artificielle (Künstliche allgemeine Intelligenz – AGI) und die künstliche Superintelligenz (Künstliche Superintelligenz – ASI).
Die allgemeine künstliche Intelligenz (AGI) oder die allgemeine Intelligenz ist eine Kind der IA-Theorie in einer Maschine, die eine Intelligenz besitzt, die in der Zelle des Menschen liegt; Sie haben ein sicheres Gewissen, das in der Lage ist, Probleme zu lösen, zu verstehen und den Weg zu planen.
Die künstliche Superintelligenz (ASI) ist auch unter dem Namen Superintelligenz bekannt und übertrifft die Intelligenz und die Fähigkeiten des menschlichen Gehirns.
Aujourd’hui, die künstliche Intelligenz ist rein theoretisch, wir haben uns immer wieder mit der Frage beschäftigt, ob sie dem realen Leben ähnelt, die Beispiele grenzen an die Science-Fiction, wie Jarvis darin Der Movie Iron Man.
Schwache KI.
Im übrigen Teil, wir haben die IA faible, également appellée IA étroite ou artificielle étroite Intelligence (schmal Künstliche Intelligenz – ANI), das wir als eine IA-Kind und ein Konzentrat definieren, um bestimmte Dinge zu bewirken.
Die IA stammt ursprünglich von der Mehrheit der IA ab, als wir uns ins Haus begaben, und sie kann nicht von jemandem selbst empfangen oder gewartet werden, ohne dass der Mensch eingreift. Wir haben zum Teil Beispiele von virtuellen Assistenten wie Siri oder Alexa, den Gesichtsaufklärungssystemen oder autonomen Fahrzeugen.
Maschinelles Lernen (L’apprentissage automatique)
In dieser enormen Disziplin steckte die Faszination des automatischen Lehrlings hinter ihm, ein mächtiges Werkzeug, das ihn auf dem Weg zur Welt machte. Die ersten Nutzungsfälle werden seit 80 Jahren angezeigt.
Um Kohärenz zu schaffen, lesen wir die Referenz des Buches „Grundlegende Modelle für die Verarbeitung natürlicher Sprache: Vorab trainierte Sprachmodelle, die Medien integrieren“, oder das, was zu Ihnen passt:
„Maschinelles Lernen (ML) ist ein Teilgebiet der künstlichen Intelligenz, das statistische Techniken einsetzt, um Maschinen die Fähigkeit zu geben, aus Daten zu ‚lernen‘, ohne explizite Anweisungen zu erhalten, was zu tun ist.“
Die automatische Ausbildung ist ein riesiger Bereich, in dem es eine Vielzahl unterschiedlicher Techniken gibt, aber falsche Ideen (und in der populären Kultur fälschlicherweise verwendete Begriffe) sind nicht mehr verfügbar. Sie halten und berechnen, stellen sicher, dass sie mehr und mehr komplex sind.
Wir müssen einen automatischen Lernalgorithmus definieren, der ein logisches Programm ist, das die Leistungen unserer Lehrlinge anhand von Beispielen oder anderen verbessern kann.
Die automatische Anwendung mathematischer Modelle (Algorithmen oder statistische Formeln) besteht darin, eine Reihe von Rechenpunkten in ein einzigartiges Ergebnis umzuwandeln, das über zusätzliche Kenntnisse und das Auffinden von Modellen verfügt, die Menschen nicht leicht zu manipulieren wissen.
Die Modelle, die dem Programm beigefügt sind, identifizieren während der gesamten Zeit die Modelle und Korrelationen zwischen den Empfängern und werden für die Erstellung neuer Perspektiven und Vorhersagen verwendet, ohne dass sie ausdrücklich in Programmen zum Verkauf angeboten werden.
Enfin, ich kann Ihnen nur empfehlen, Maßnahmen zu ergreifen, verfügt jedoch nicht über Systeme, die ohne menschliches Eingreifen funktionieren.
Da es sich dabei nicht um verschiedene Algorithmen für automatische Lehrlinge handelt, gibt es aufgrund der unterschiedlichen Methoden für Lehrlinge drei verschiedene Zweige für automatische Lehrlinge.
Überwachtes Lernen (Apprentissage supervisé)
Das Hauptziel der Aufsicht des Auszubildenden besteht darin, sicherzustellen, dass die Funktion allgemein bekannt ist, und dass sie in der Lage ist, mit präziser Etikette vorzugehen und die Sichtbarkeit zu verbessern.
Ein Mensch ist im System mit Eingängen und Einsätzen ausgestattet, und das Ziel besteht darin, ein Modell zu erlernen, das den Eingängen und Einsätzen entspricht.
Unüberwachtes Lernen (Apprentissage non supervisé)
Das Hauptziel besteht darin, nach Erkenntnissen zu suchen, die nicht in einem Informationskomplex ohne praktische Etikette und mit einer minimalen menschlichen Haltung entdeckt wurden.
Anstelle der Aufforderung, den Auszubildenden mit Hilfe von Beispielpaaren zu Beginn zu überwachen, wird der Algorithmus des Auszubildenden benötigt, um Modelle und nicht entdeckte Informationen zu ermitteln.
Alle Einsatzetiketten sind dem Lehrlingssystem zugeordnet. Ich habe die Struktur neben den Eingangsbereichen gefunden.
Reinforcement Studying (Apprentissage par renforcement)
Ich bin bestrebt, einem intelligenten Agenten die Möglichkeit zu geben, Entscheidungen zu treffen und mit seiner Umgebung interagiert zu werden. Es basiert auf dem Prinzip der Vergütung positiver oder negativer Sanktionen, um den Agenten in Bezug auf sein Verhalten zu leiten.
Das System interagiert mit einer Umgebung in der Nähe und strebt ein festes Ziel an, ohne dass ein Mensch ihm dies ausdrücklich sagt.
Deep Studying (Apprentissage profond)
Als wir auf die Präsentation des Profi-Lehrlings zugingen, wählten wir „Grundlagenmodelle für die Verarbeitung natürlicher Sprache: Vorab trainierte Sprachmodelle unter Integration von Medien“ und legten die passende Definition vor:
„Deep Studying ist ein Bereich des ML, bei dem eine Eingabe schichtweise Schritt für Schritt so transformiert wird, dass komplexe Muster in den Daten erkannt werden können.“
Der professionelle Lehrling ist eine Artwork automatischer Lehrling, der künstliche Neuronenressourcen nutzt, der es ihm ermöglicht, Modelle und Komplexe zu verstehen, die der automatische Lehrling besitzt. Diese künstlichen neuronalen Kräfte sind vom menschlichen Gehirn inspiriert.
Die künstlichen neuronalen Ressourcen, die wir bereits im Jahr 1970 nutzten, waren bereits im Jahr 2010 auf den Markt gekommen, als die IA-Domäne den tiefgreifenden Lehrling übernommen hatte (Deep Studying). .
Die Struktur der neuronalen Ressourcen kann variieren und sich durch die Konfigurationen auf einem oder mehreren Sofas auszeichnen. Die Einführung zusätzlicher Sofas verbessert die Kapazität des Speichers, um die Wirksamkeit der gewünschten Leistung zu gewährleisten.
Wir weisen darauf hin, dass die professionelle Lehrlingsausbildung in der Mathematik sehr wichtig ist, und dass die meisten klassischen Ansätze für die automatische Lehrlingsausbildung wichtig sind, und dass es sich dabei um eine Jahresplanung handelt, die für die Berechnung der Rechenleistung ausreichen muss neuronaux pratiques.
Die profunde Ausbildung kann sehr leistungsfähig sein, da die traditionellen ML-Techniken mit komplexen Données und souveräner Dimension arbeiten.
Sehr intestine, dieser Artikel hat nichts mit Lende zu tun!
Wir können uns jetzt auf die eigentlichen Themen konzentrieren, bis zum gegenwärtigen Zeitpunkt besteht das Ziel darin, ein hohes Verständnisniveau der IA-Domänen eines ganzheitlichen Blickwinkels zu erreichen „Bemühen Sie sich um die Einführung der IA im Unternehmen, es gibt viele andere Themen, die besprochen werden sollen, sagen wir Ihnen, was für eine Imaginative and prescient, welche Risiken und Regelungen Sie haben, welche Strategien Sie für die Einführung haben und wie das System darauf ausgerichtet ist.“ „IA, das ist das Materials für einen anderen Artikel.“
Zum Mitnehmen
– Zahlreiche Organisationen sind nicht mit der IA vertraut und werden von ihr nicht übernommen, da in diesem Bereich eine Ausbildung erforderlich ist.
– Ich bin ein allgemeiner Begriff, der die Techniken beschreibt, die es Maschinen ermöglichen, von der Arbeit an Menschen zu lernen und autonome Tätigkeiten auszuüben.
– L’IA besteht aus der Schaffung von Maschinen mit ausgeprägter Reflexionsfähigkeit und einem Entscheidungspreis, der den menschlichen Zellen ähnelt.
– Die automatische Lehrlingsausbildung ist eine Domäne der Welt, die statistische Techniken nutzt, um Lehrlingsmaschinen seitens ihrer Kinder zu unterstützen.
– Die automatische Lehrlingsausbildung umfasst die Aufsicht über die Lehrlingsausbildung (die Lehrlingsauszubildende à partir de données étiquetées), die Lehrlingsausbildung ohne Aufsichtslehre (die Suche nach Modellen für die Lehrlingsausbildung ohne Etikette) und die Lehrlingsausbildung par renforcement (die Lehrlingsausbildung auf der Grundlage von Interaktionen mit ihnen). ‚Umwelt).
– Der professionelle ML-Lehrling ist ein ML-Typ, der künstliche neuronale Ressourcen nutzt, um komplexe Modelle in der Schule zu entwickeln, die über traditionelle Techniken hinausgehen.
En savoir plus…
Was ist Künstliche Intelligenz? — Konzepte und Beschreibungen von IBM
AI 101 — Brandon Leshchinskiy schlägt eine Einführung in die künstliche Intelligenz speziell für Menschen vor, die keine Erfahrung mit der Materie haben.
Künstliche Intelligenz — Dieser Kurs präsentiert die Darstellungen, die Techniken und die Architekturen, die für die Konstruktion von Anwendungssystemen und für die Erlangung der Intelligenz eines Informationspunkts verwendet werden.
Sie können die englische Model dieses Artikels finden:
Verweise.
1. Sam Ransbotham, David Kiron, Philipp Gerbert und Martin Reeves. (2017). Unternehmen mit künstlicher Intelligenz neu gestalten. MIT Sloan Administration Assessment.
2. Paass, G. & Giesselbach, S. (2023). Grundmodelle für die Verarbeitung natürlicher Sprache: Vorab trainierte Sprachmodelle unter Integration von Medien (1. Aufl.). Springer Worldwide Publishing.
3. B., Marizel & Salenga, Ma. Louella. (2018). Ertragsvorhersage für Bittermelonen mithilfe des Algorithmus für maschinelles Lernen. Internationale Zeitschrift für fortgeschrittene Informatik und Anwendungen. 9. 10.14569/IJACSA.2018.090301.
4. Rose, D. (nd). Starke und schwache künstliche Intelligenz. Informit.com. Abgerufen am 26. Juni 2023 von https://www.informit.com/articles/article.aspx?p=3100062&seqNum=4
5. Krzyk, Okay. (2018, 25. Juli). Codieren von Deep Studying für Anfänger. Auf dem Weg zur Datenwissenschaft. https://towardsdatascience.com/coding-deep-learning-for-beginners-types-of-machine-learning-b9e651e1ed9d
6. van Veen, F. & Leijnen, S. (2016, 14. September). Der neuronale Netzwerk-Zoo. Das Asimov-Institut. https://www.asimovinstitute.org/neural-network-zoo/
