Технологические Тенденции

Какое программное обеспечение изначально было отличным, но устарело чем-то лучшим?

Любит | Нелюбов | Ответы | Вид | 4431


Эд Хорьх специалист по управлению конфигурацией программного обеспечения   
@ | Обновлено Right Now


Теперь это вопрос о многомиллионных долларах. Но что я могу сказать со всей определенностью:

Что такое искусственный интеллект - это НЕ машинное обучение и глубокое обучение.

Что такое машинное обучение и глубокое обучение НЕ является искусственным интеллектом.

ИИ имеет дело с (причинно-следственным) пониманием паттернов, где паттерны - это закономерности в мире, а МЛ - с распознаванием и сопоставлением паттернов в данных, требующих огромных масс данных, вычислительной мощности, хранения, разработки функций и времени выполнения, не говоря уже о пояснениях прозрачность и интерпретируемость.

Вот типичное недоразумение от SAS: Искусственный интеллект - что это такое и почему это важно

Просто прочитайте эти «определения», чтобы увидеть, есть ли какой-нибудь общий язык Реального ИИ с кривыми калькуляторами:

AI - это «изучение моделирования психических функций человека с помощью компьютерных программ». - Словарь Коллинза

«Машинное обучение - это наука о том, как заставить компьютеры действовать без явного программирования». - Стэнфордский университет

«Глубокое обучение - это подраздел машинного обучения, связанный с алгоритмами, основанными на структуре и функции мозга, называемыми искусственными нейронными сетями». - Мастерство машинного обучения

Кузены искусственного интеллекта

Real True AI - это три взаимосвязанные части света:

  • Реальность / окружающая среда / сущность / связь / Закономерность / модель / причинность
  • Представление / данные / сигналы / знаки / символы / стимул / информация
  • Разведка / интеллект / понимание / обучение / знание / ум / восприятие / познание / мышление / значение / взаимодействие.

Все крупные технологические платформы AutoML не имеют НИЧЕГО общего с РЕАЛЬНЫМ, ИСТИННЫМ, АКТУАЛЬНЫМ ИИ, будучи имитирующими, контрафактными и вымышленными ИИ, такими как имитационные бриллианты, имитация денег или свинец, окрашенный для имитации золота

Это касается спам-фильтров Gmail, расширенных алгоритмов поиска Google, системы машинного обучения TensorFlow, Google Assistant и Duplex, Alexa с Echo, Cortana или Siri; Распознавание лиц в Facebook; Инструменты Microsoft, управляемые искусственным интеллектом, через службу облачных вычислений Azure; ML / AWS от Amazon; Apple CreateML Framework работает на устройствах iOS и т. Д.

Как Facebook, Apple, Microsoft, Google и Amazon инвестируют в AI

Реальная система ИИ = восприятие + рассуждение / принятие решений (GOFAI) + обучение (ML & DL) + приведение в действие + окружение (реальный мир, виртуальная реальность и т. Д.)

Это делает систему обучения рациональной, как она определена Группой экспертов высокого уровня по искусственному интеллекту, независимой группой экспертов, которая была создана Европейской комиссией в июне 2018 года.

Рисунок 1: Схематическое изображение системы ИИ.

Рисунок 2: Упрощенный обзор под-дисциплин ИИ и их взаимосвязи.

И машинное обучение, и рассуждение включают в себя множество других методов, а робототехника включает в себя методы, которые находятся за пределами ИИ. Весь ИИ входит в дисциплину информатики.

Датчики и восприятие. На рисунке 1 датчики системы изображены в виде символа Wi-Fi. На практике это могут быть камеры, микрофоны, клавиатура, веб-сайт или другие устройства ввода, а также датчики физических величин (например, температура, давление, расстояние, сила / крутящий момент, тактильные датчики). В общем, мы должны предоставить системе ИИ датчики, которые были бы адекватны для восприятия данных, присутствующих в окружающей среде, которые соответствуют цели, поставленной для системы ИИ ее разработчиком-человеком. Например, если мы хотим построить систему искусственного интеллекта, которая автоматически очищает пол комнаты, когда она грязная, датчики могут включать камеры для съемки пола.

Что касается того, что касается собранных данных, часто полезно различать структурированные и неструктурированные данные. Структурированные данные - это данные, которые организованы в соответствии с заранее определенными моделями (например, в реляционной базе данных), в то время как неструктурированные данные не имеют известной организации (такой как изображение или фрагмент текста).

Аргументация и принятие решений. Эта группа методов включает представление и обоснование знаний, планирование, планирование, поиск и оптимизацию. Эти методики позволяют осуществлять рассуждение по данным, поступающим с датчиков. Чтобы это сделать, нужно преобразовать данные в знания, поэтому одна область ИИ связана с тем, как лучше всего моделировать такие знания (представление знаний). После того, как знания смоделированы, следующим шагом является их обоснование (обоснование знаний), которое включает в себя создание выводов с помощью символических правил, планирование и планирование действий, поиск по большому набору решений и оптимизацию среди всех возможных решений проблемы. Последний шаг - решить, какие действия предпринять.

Учусь. Эта группа методов включает в себя машинное обучение, нейронные сети, глубокое обучение, деревья решений и многие другие методы обучения. Эти методы позволяют системе ИИ научиться решать проблемы, которые не могут быть точно определены, или метод решения которых не может быть описан символическими правилами рассуждения. Примерами таких проблем являются те, которые связаны с возможностями восприятия, такими как понимание речи и языка, а также компьютерное зрение или прогнозирование поведения. Обратите внимание, что эти проблемы, по-видимому, легки, потому что они действительно обычно легки для человека. Тем не менее, они не так просты для систем искусственного интеллекта, поскольку они не могут полагаться на здравый смысл (по крайней мере, пока), и особенно сложны, когда система должна интерпретировать неструктурированные данные. Это где методы, следующие за подходом машинного обучения, пригодятся. Тем не менее, методы машинного обучения могут быть использованы для гораздо большего числа задач, чем только восприятие. Методы машинного обучения создают числовую модель (то есть математическую формулу), используемую для вычисления решения на основе данных.

Срабатывание. Как только действие будет решено, система ИИ готова выполнить его через доступные для него исполнительные механизмы. На рисунке выше приводы изображены в виде шарнирных рычагов, но они не должны быть физическими. Приводы также могут быть программными. В нашем примере очистки система AI может выдавать сигнал, который активирует пылесос, если действие заключается в очистке пола. В качестве другого примера, диалоговая система (то есть чатбот) действует, генерируя тексты для ответа на высказывания пользователя.

Выполненное действие, возможно, изменит среду, поэтому в следующий раз система должна снова использовать свои датчики для восприятия информации, которая может отличаться от измененной среды.

Рациональные системы искусственного интеллекта не всегда выбирают лучшее действие для своей цели, таким образом достигая только ограниченной рациональности из-за ограничений в ресурсах, таких как время или вычислительная мощность.

Рациональные системы ИИ являются очень базовой версией систем ИИ. Они изменяют окружающую среду, но не адаптируют свое поведение с течением времени, чтобы лучше достичь своей цели.

Рациональная система обучения - это рациональная система, которая после совершения действия оценивает новое состояние среды (через восприятие), чтобы определить, насколько успешным было его действие, а затем адаптирует свои правила рассуждения и методы принятия решений.

источники

Ответ Кирилла Персианова на Что такое машинное обучение и искусственный интеллект?

Ответ Кирилла Персианова «Чтобы получить разум, насколько различны пути человека и машины?

Ответ Кирилла Персианова «Когда был создан самообучающийся ИИ?

Реальный Манифест ИИ: Искусственный Глобальный Интеллект (AGI)

«Тот, кто создает настоящий искусственный интеллект, будет править миром»

https: //www.linkedin.com/pulse/g ...

Универсальная компьютерная онтология в применении к человеческому уму и общему искусственному интеллекту:

https: //www.igi-global.com/book / ...

Ответ Кирилла Персианова на «Каковы различия и сходства между ИИ, глубоким обучением и машинным обучением?

Ответ Кирилла Персианова «Какая технология супер-ИИ следит за массами, пока мы говорим?

Ответ Кирилла Персианова «Что такое искусственный интеллект, а не машинное обучение?». Можете ли вы привести такие примеры?

| |



Онлайн-курс
«Всё о блокчейне и криптовалютах»
Один из самых трендовых курсов в сфере Цифровой экономики.