欧美日韩国产一区二区|qovd片|小明个人发布看看|小浪货你夹真紧水又多|老头把我添高潮了A片故|99热久久精品国产一区二区|久久久春色AV

  1. 首頁 > 科技 > >

算法|人工智能，根據機器的能力，分為人工一般智能匯編和強人工智能

算法機器學習

算法|人工智能，根據機器的能力，分為人工一般智能匯編和強人工智能

文章圖片

算法|人工智能，根據機器的能力，分為人工一般智能匯編和強人工智能

文章圖片

算法|人工智能，根據機器的能力，分為人工一般智能匯編和強人工智能

文章圖片


機器的能力分為人工一般智能匯編(AGI)或“強”人工智能(實際思考) ， 以及“窄”或“弱”人工智能(模擬思考)盡管AGI還需要幾十年的時間 ， 但未來學家預測 ， 當機器能夠實現AGI時 ， “智能爆炸”將發生 ， 人類文明將發生深刻的變化然而 ， 與此同時 ， 今天所看到的狹義人工智能正開始通過傳感器、機器人等物理設備或實現智能dss的數字軟件應用程序提供一套綜合人工智能服務 。

【算法|人工智能，根據機器的能力，分為人工一般智能匯編和強人工智能】ML 是 AI 的一個子學科 ， 它使計算機能夠從數據中學習 。ML 是實現 AI 的幾種不同方法的總稱 ， 并且是 AI 商業應用增長的主要驅動力 。 ML 已成為獲取認知洞察、做出預測和支持決策的主要AI 工具 。 一臺計算機 。 ML 代表了與早期 AI 方法（專家系統）的不同 ， 這些方法使用一套詳盡的邏輯規則 ， 在軟件中手工編碼 ， 試圖預測問題的所有可能結果 。 有了 ML ， 計算機可以能夠使用先進的軟件方法（算法）推斷出自己的規則 。

雖然機器學習中使用的許多算法以前已經被統計學家使用過 ， 但最近一代的大量數字數據——圖像、文本、交易、人類和環境感知數據（“大數據”）——可以存儲在云中而不是內部部署 ， 并且可以通過圖形處理單元更快、更便宜地進行分析 ， 這使得“訓練”機器執行任務成為可能 ， 而無需明確編程 。 當前使用的各種機器學習方法包括互聯網搜索、電子商務、商品和服務推薦系統、圖像識別、圖像和語音識別、傳感器技術、機器人設備和認知 DSS 。

所有這些應用都源于幾種不同的機器學習方法 ， 這些方法支持機器學習 。 監督學習使用由人類專家正確標記的訓練數據集來查找模式并進行預測 。 例如 ， 訓練集可用于對工傷保險索賠的大數據集進行自動編碼 ， 以推進工傷監測的科學化 。 使用監督學習訓練數據集 ， 放射圖像分類算法可以學習輸入圖像之間的正確關系例如 ， X 射線和輸出標簽 ， 例如肺癌 ， 然后應用該關系對計算機以前從未見過的未標記圖像進行分類 。

無監督學習不使用準備好的訓練數據集 。 相反 ， 未標記的數據被提供給學習算法 ， 然后計算機在沒有人工指導的情況下描述數據的隱藏結構 ， 將數據分成集群或組 。 例如 ， 可以使用無監督學習方法通過聚類來定位客戶 ， 從而導致市場細分 。 雖然監督學習的輸出可能比無監督學習的輸出更準確 ， 但監督學習是資源密集型的 ， 因為訓練數據集必須由人類專家準備 。 強化學習改編自心理學中的基本學習理論 ， 強化學習涉及一種基于獎勵期望行為和懲罰不期望行為的訓練方法 ， 這是計算機的一種順序實驗形式 。

強化學習使計算機能夠通過以下方式學習正確的結果（行為） 使用所有人都使用的試錯方法進行獎勵和懲罰 。為了在與動態外部環境交互的同時實現目標 ， 使用強化學習的計算機通過實驗和輸出優化生成自己的訓練數據 。強化學習在很大程度上是 AlphaGo 在與人類競爭對手下圍棋時學習獲勝動作的方式 。

相關經驗推薦