Čia yra 10 pagrindinių terminų, kuriuos kiekvienas AI entuziastas turėtų žinoti ir suprasti.
Dirbtinis intelektas (AI) tapo transformacine jėga įvairiose pramonės šakose, formuodama tai, kaip mes sąveikaujame su technologijomis ir aplinkiniu pasauliu. Tiems, kurie giliai į dirbtinio intelekto sritį, labai svarbu suprasti pagrindinę terminiją.
1. Dirbtinis intelektas (AI): Iš esmės dirbtinis intelektas reiškia kompiuterinių sistemų, galinčių atlikti užduotis, kurioms paprastai reikalingas žmogaus intelektas, kūrimą. Kai kurios iš šių užduočių yra mokymasis, samprotavimas, problemų sprendimas, suvokimas ir kalbos supratimas. AI sistemos naudoja algoritmus duomenims analizuoti, mokytis iš jų ir priimti pagrįstus sprendimus, imituodamas žmogaus intelektą.
Mašinų mokymasis (ML): Mašinų mokymasis yra dirbtinio intelekto pogrupis, kuriame pagrindinis dėmesys skiriamas algoritmų, leidžiančių sistemoms mokytis ir tobulėti iš patirties, plėtrai be aiškaus programavimo. Mašinų mokymosi algoritmai leidžia kompiuteriams atpažinti modelius, daryti prognozes ir pagerinti jų našumą laikui bėgant, nes jie yra veikiami daugiau duomenų.
3. Neuroniniai tinklai: Neuroniniai tinklai yra pagrindinis giluminio mokymosi komponentas, mašininio mokymosi pogrupis. Įkvėptas žmogaus smegenų struktūros, nervų tinklai susideda iš sujungtų mazgų sluoksnių arba dirbtinių neuronų. Šie tinklai yra mokomi duomenų atpažinti modeliais ir priimti sprendimus, įgalindami tokias sudėtingas užduotis kaip vaizdas ir kalbos atpažinimas.
Natūralios kalbos apdorojimas (NLP): Natūralios kalbos apdorojimas yra dirbtinio intelekto laukas, kuriame pagrindinis dėmesys skiriamas kompiuterių ir žmogaus kalbos sąveikai. NLP algoritmai leidžia kompiuteriams suprasti, interpretuoti ir generuoti žmonių kalbą, palengvinant tokias programas kaip pokalbių programos, kalbos vertimas ir sentimentų analizė.
5. Gilus mokymasis: gilus mokymasis yra mašininio mokymosi polaukis, apimantis kelis nervinių tinklų sluoksnius (giliųjų neuroninių tinklų). Šie tinklai gali automatiškai išmokti hierarchinių duomenų reprezentacijų, todėl jie yra labai galingi atliekant tokias užduotis kaip vaizdas ir kalbos atpažinimas bei natūralios kalbos apdorojimas.
Algoritmas yra žingsnis po žingsnio instrukcijų ar taisyklių rinkinys, kurio laikosi kompiuteris, siekdamas išspręsti konkrečią problemą ar atlikti konkrečią užduotį. Dirbtinio intelekto metu algoritmai yra labai svarbūs duomenų apdorojimui ir analizei, leidžiant mašinoms priimti sprendimus ar prognozes, pagrįstas modeliais ir informacija.
7, prižiūrimas mokymasis: Prižiūrimas mokymasis yra mašininio mokymosi rūšis, kai algoritmai mokomi pažymėti duomenų rinkiniai, tai reiškia, kad įvesties duomenys atitinka norimą atitinkamą išvestį. Algoritmas mokosi susieti įvestį su teisingu išvestimi, leisdamas jam numatyti naujus, nematytus duomenis.
8. Nepričiamas mokymasis: Priešingai nei prižiūrimas mokymasis, neprižiūrimas mokymasis apima algoritmo mokymą nepaženklintuose duomenų rinkinyje. Nesant aiškių rekomendacijų, algoritmai turi rasti modelius ir nuorodas duomenyse. Sumažinimas ir grupavimas yra dvi bendros programos.
9. Stiprinimo mokymasis: Stiprinimo mokymasis yra mašininio mokymosi rūšis, kurioje agentai mokosi priimti sprendimus bendraudami su aplinka. Priklausomai nuo jų elgesio, agentas gauna grįžtamąjį ryšį paskatų ar baudų forma, o tai padeda palaipsniui išmokti geriausią veiksmų eigą.
Kompiuterio matymas: Kompiuterių matymas yra tarpdisciplininė sritis, leidžianti mašinoms interpretuoti ir priimti sprendimus, pagrįstus vaizdiniais duomenimis. Tai apima tokias užduotis kaip vaizdo ir vaizdo atpažinimas, objektų aptikimas ir vaizdo segmentacija. Kompiuterių matymas yra neatsiejama programų, tokių kaip veido atpažinimas ir savarankiškai važiuojantys automobiliai, dalis.