Наука ИИ

Ученые ИИ

Специалисты по искусственному интеллекту создают программное обеспечение с помощью алгоритмов, которые могут выполнять задачи, обычно требующие человеческого интеллекта.

Специалисты по искусственному интеллекту могут быть экспертами в нескольких областях искусственного интеллекта:

• Прикладная математика
• Вычислительная статистика
• Информатика
• Машинное обучение
• Глубокое обучение

Некоторые специалисты по искусственному интеллекту также имеют значительный опыт работы с большими данными:

• Бизнес-аналитика
• Дизайн базы данных
• Дизайн хранилища данных
• Сбор данных
• SQL-запросы
• SQL-отчетность

Слабый ИИ

Слабый искусственный интеллект ограничен определенными или узкими областями, как и большинство ИИ, которые мы имеем сегодня:

• Поисковые системы
• Siri от Apple
• Кортана от Microsoft
• Алекса от Амазонки
• IBM Watson

Слабый ИИ также называют узким ИИ.

Слабый ИИ имитирует человеческое познание в отличие от сильного ИИ, обладающего человеческим познанием .

Сильный ИИ

Сильный искусственный интеллект — это тип ИИ, который имитирует человеческий интеллект.

Сильный ИИ указывает на способность думать, планировать, учиться и общаться.

Сильный ИИ — это теоретически следующий уровень ИИ: Истинный интеллект .

Сильный ИИ движется к машинам с самосознанием, сознанием и объективными мыслями.

Машинное обучение (МО)

Классическое программирование использует программы для создания результатов:

Машинное обучение использует результаты для создания программ (алгоритмов):

Нейронные сети (NN)

Одним из самых значительных открытий в истории является мощь нейронных сетей (NN).

В нейронных сетях множество слоев данных, называемых нейронами , складываются вместе или накладываются друг на друга для вычисления новых уровней данных.

Часто используемые короткие имена:

• Глубокая нейронная сеть DNN
• Сверточная нейронная сеть CNN
• Рекуррентная нейронная сеть RNN

Глубокое обучение (DL)

Глубокое обучение — это алгоритмы, использующие нейронные сети для извлечения данных более высокого уровня.

Каждый последующий слой использует предыдущий слой в качестве входных данных.

Например, оптическое чтение использует нижние слои для определения краев, а более высокие уровни — для распознавания букв.

Глубокое обучение состоит из двух этапов:

1. Обучение: входные данные используются для расчета параметров модели.

2. Вывод: «обученная» модель выводит данные из любого заданного ввода.

Революция глубокого обучения

Революция глубокого обучения уже здесь!

Революция глубокого обучения началась примерно в 2010 году. С тех пор глубокое обучение использовалось для решения многих «неразрешимых» проблем.

Примеры

Сверточные нейронные сети (CNN)

Глубокие CNN, такие как ResNeta и Inception , снизили количество ошибок в классификации ImageNet с 25% в 2011 году до 5% в 2017 году.

ImageNet — это база данных изображений, организованная по иерархии WordNet, в которой каждый узел иерархии содержит сотни и тысячи изображений. ImageNet — это полезный ресурс для исследователей, преподавателей, студентов и всех, кто увлекается изображениями.

WordNet — это лексическая база данных семантических отношений между словами в более чем 200 языках. Он организован как комбинация словаря и тезауруса, связывая слова в семантические отношения с помощью синонимов, гипонимов и меронимов.

Рекуррентные нейронные сети (RNN)

RNN помогают создавать музыкальные партитуры и звуки новых инструментов:
https://magenta.tensorflow.org/demos .

История ИИ