Domov V správach Ako pomáha vážený alebo probabalistický prístup posunúť sa ďalej od čisto pravidiel založeného alebo deterministického prístupu?

Ako pomáha vážený alebo probabalistický prístup posunúť sa ďalej od čisto pravidiel založeného alebo deterministického prístupu?

Anonim

Q:

Ako pomáha vážený alebo probabalistický prístup AI k prekročeniu čisto pravidiel založeného alebo deterministického prístupu?

A:

Princípy strojového učenia a umelej inteligencie rýchlo menia spôsob práce počítačov. Jedným z kľúčových spôsobov, ako sa to deje, sú vážené alebo pravdepodobnostné vstupy, ktoré menia vstupy zo skutočne deterministického systému na niečo abstraktnejšie.

V umelých neurálnych sieťach dostávajú jednotlivé neuróny alebo jednotky pravdepodobnostné vstupy. Potom určia výstup alebo výsledok. O tom hovoria odborníci, keď hovoria o nahradení starého sveta programovania novým svetom „školenia“ alebo „výučby“ počítačov.

Tradične bolo predvolené používať programovanie na získanie výsledkov výpočtov. Programovanie je pevná sada deterministických vstupov - pravidiel, ktoré bude počítač lojálne dodržiavať.

Naopak, umožnenie pravdepodobnostných vstupov je abstrakciou týchto pravidiel, istým druhom „uvoľnenia otlačkov“, aby sa počítač uvoľnil, aby mohol robiť pokročilejšie rozhodnutia. Pravdepodobne sú pravdepodobnostné vstupy z vonkajšej perspektívy nepoznateľné a nie sú vopred určené. Toto je bližšie k spôsobu, akým fungujú naše skutočné mozgy, a preto sa algoritmy strojového učenia a algoritmy umelej inteligencie využívajúce tento prístup považujú za ďalšiu hranicu umelého kognitívneho rozvoja.

Je to jednoduchý spôsob, ako premýšľať o vážených alebo pravdepodobných vstupoch. V tradičnom programovaní ste mali taký príkaz „if / then“, ktorý všeobecne hovorí: ak je tento, potom tento.

Prekročenie prístupu založeného na pravidlách vyžaduje zmenu toho, čo je toto. V prístupe založenom na pravidlách je TOTO toto zadanie alebo pravidlo: Ak si myslíte, že je to binárne - vieme, či je to pravda alebo nie, a tak to robí aj počítač. Takže môžete predpovedať reakciu počítača na akýkoľvek daný vstup.

V novom prístupe je to vlastne zbierka vstupov, ktoré môžu byť v akomkoľvek danom stave. Keďže vonkajší pozorovateľ by nemohol ľahko modelovať, z čoho tento pozostáva, nemohol presne predpovedať, aký by mohol byť tento výsledok.

Premýšľajte o tomto princípe, ktorý sa uplatňuje vo všetkých odvetviach a odvetviach, od segmentácie trhu po finančné overenie, po zábavu, správu vôd a kanalizácií, a máte skutočnú silu strojového učenia, hlbokého učenia a umelej inteligencie a usmerňujete ľudské záležitosti úplne novým smerom. spôsobom. Napríklad v oblasti riadenia podvodov odborníci zdôrazňujú, že systémy založené iba na pravidlách nie sú veľmi dobré na to, aby zistili rozdiel medzi podozrivým alebo rizikovým správaním a normálnym správaním - systémy strojového učenia vyzbrojené sofistikovanými vstupnými modelmi sú schopné robiť rozhodnutia. o tom, ktorá aktivita by mohla byť sporná.

Ďalším spôsobom, ako si to predstaviť, je, že svet prešiel obdobím identifikácie kódu ako novej hranice pre vzdelávanie a rozhodovanie. Samy o sebe deterministické výstupy založené na kóde boli silné, pokiaľ ide o modelovanie všetkých druhov ľudskej činnosti a rozhodnutí. Všetky tieto nápady sme aplikovali na marketing, predaj, verejnú správu, atď. Ale teraz odborníci hovoria o „konci kódovania“, ako v tomto veľmi bystrom a poučivom článku v káblovej sieti. Myšlienka prevládajúca tu je rovnaká myšlienka, že v nasledujúcom období budeme mať namiesto kódovania systém, v ktorom trénujeme počítače, aby rozmýšľali spôsobmi, ktoré sú bližšie tomu, ako si myslíme, aby sme sa mohli učiť v čase a robiť podľa toho. Veľa z toho sa dosiahlo prechodom od deterministického počítačového prístupu k prístupu, ktorý je abstrahovaný sofistikovanejšími vstupmi.

Ako pomáha vážený alebo probabalistický prístup posunúť sa ďalej od čisto pravidiel založeného alebo deterministického prístupu?