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.
