Мы пишем этот блог, чтобы мотивировать всех разработчиков к использованию искусственного интеллекта, и, читая этот блог, мы просто устраняем сложность, которую A.I. (Искусственный интеллект) - это сложно, сложно и бла-бла-бла. Итак, теперь мы исследуем совершенно новый мир искусственного интеллекта.
Итак, что такое искусственный интеллект? Хм. это сложный вопрос. Мы не собираемся усложнять ситуацию, поэтому A.I. - это машина, которая решает вашу реальную проблему, не вовлекая в нее людей, или, чтобы быть конкретнее, мы можем сказать, что программное обеспечение, которое похоже на маленького ребенка, которое нуждается в некотором обучении, а затем оно способно решить вашу реальную жизнь проблемы.
И если вам нужно конкретное определение Алана Тьюринга, искусственный интеллект (ИИ) обычно определяется как наука о том, как заставить компьютеры делать то, что требует интеллекта, когда это делается людьми. Искусственный интеллект - это большое дерево, у которого есть множество ветвей, на которых нужно изучать и специализироваться. Я не буду углубляться в эти темы. Ниже представлено изображение дерева искусственного интеллекта. Извините, если мы пропустили некоторые темы, но это рудиментарные ветки, хотя их гораздо больше, вы можете проверить здесь.
Почему мы должны изучать или приближаться к ИИ? Да, это первый вопрос, который возникает у нас в голове. Мы думаем, черт возьми, жизнь идет отлично, почему мы должны углубиться в эту сложную тему и запутаться в искусственном интеллекте. thread, но это совсем несложно, на сегодняшний день легко доступны A.I. программное обеспечение, которое упрощает разработку искусственного интеллекта.
Итак, вы, возможно, смотрели / читали комиксы Marvel и DC про Ironman и Batman, где они оба используют искусственный интеллект. (Jarvis и HARDAC соответственно) или пользователи IOS могут использовать известный персональный помощник SIRI и готовящуюся к выпуску Windows Cortana. Вам не кажется, что они классные и крутые? А.И. это не только фрагмент кода, когда он выполняется, это результат вашей тяжелой работы, которую вы проделали над его созданием. В наши дни многие ИТ-отрасли и автомобильные отрасли заинтересованы в автоматизации, например, Tesla и компания будущего Faraday, а также игровые отрасли правят. умы молодежи путем внедрения / включения ИИ в их системах. Если у вас есть базовый набор навыков программирования, вы можете разработать свой собственный Jarvis, SIRI или Cortona (не идеальный, но да, работоспособный и настраиваемый код AI в соответствии с вашими потребностями), мы предполагаем, что теперь это звучит несколько интересно.
Как упоминалось ранее, мы не собираемся углубляться в детали. Я расскажу о горячих темах, которые сейчас в моде, на рынке автоматизации или в ИТ-индустрии. Ниже представлены наши интересы
· Глубокое обучение.
· Оптимизация - Ускорение / распараллеливание стохастического градиентного спуска, координатного спуска и других алгоритмов на основе градиента.
· Вложения слов.
Примечание. В этом блоге мы сосредоточимся на глубоком обучении, а остальные темы будут обсуждаться в следующем блоге.
Давайте начнем нашу короткую экскурсию.
Глубокое обучение:
Глубокое обучение - сладчайшая изюминка искусственного интеллекта. Кроме того, он старый и произошел от машинного обучения, или мы можем сказать, что это еще одна ветвь машинного обучения. Глубокое обучение - это не что иное, как алгоритм, который намного умнее алгоритмов поверхностного машинного обучения, но его сложнее обучить эти нейронные сети. Примерами глубокого обучения являются самоуправляемый автомобиль Google, распознавание лиц, SIRI, персональный помощник Cortana, все они разработаны с использованием алгоритма глубокого обучения, а также недавно представленные магазины Amazon Go включают глубокое обучение.
Итак, как это работает?
Изображение слева подразумевает, что нейроны присутствуют в человеческом мозге, а изображение справа показывает, как это происходит с использованием искусственного интеллекта. алгоритмы, поэтому глубокое обучение также включает нейронную сеть, но имеет более сложную структуру. Мы можем наблюдать, что есть две нейронные клетки, которые связаны с помощью аксона, который передает электрический сигнал для любого движения наших мышц. Подобно этому, мы создаем нейронные структуры, которые связаны между собой и имитируют человеческий мозг.
Благодаря глубокому обучению стало возможным реализовать множество практических приложений машинного обучения. Глубокое обучение разбивает задачи таким образом, что все виды машинной помощи кажутся возможными, даже вероятными. Беспилотные автомобили, лучшая профилактическая медицинская помощь, даже лучшие рекомендации по просмотру фильмов - все это здесь сегодня или в ближайшем будущем. AI - это настоящее и будущее. С помощью Deep Learning ИИ может даже добраться до состояния научной фантастики, о котором мы так долго мечтали. У вас есть (C-3PO), я возьму его. Терминатор можно оставить себе (подробнее на Nvidia).
Это все, ребята
Таким образом, вышеупомянутые темы были в тренде в области искусственного интеллекта, где глубокое обучение внедряется во многих автомобильных отраслях и ведущих сайтах электронной коммерции, например, Faradays Future и Amazon соответственно. Вы можете попробовать некоторую концепцию глубокого обучения, реализовав ИИ с помощью небольших фрагментов кода, или есть также доступное программное обеспечение, такое как Neuroph, нейронная сеть Matlab, с их помощью вы можете протестировать свою логику ИИ и нейронные сети. Вскоре мы продолжим оставшиеся темы в следующем блоге, а пока желаю счастливого кодирования.
Вы можете подписаться на меня в Twitter и LinkedIn.
Хакерский полдень - это то, с чего хакеры начинают свои дни. Мы часть семьи @AMI. Сейчас мы принимаем заявки и рады обсуждать рекламные и спонсорские возможности.
Если вам понравился этот рассказ, мы рекомендуем прочитать наши Последние технические истории и Современные технические истории. До следующего раза не воспринимайте реалии мира как должное!
