Когда мы говорим об ML, это не набор цифр. Мы должны проникнуть в лежащую в основе философию, чтобы достичь ее основного уровня. Речь идет о кульминации новых концепций, человеческого интеллекта и вычислений. Неважно, на каком уровне мы достигнем имитации человеческого мозга, но будет ряд вещей, которые не обработает компьютер с аналогичным выходом.
Сегодня я собираюсь поделиться некоторыми важными и реальными проблемами, с которыми мы сталкиваемся в индустрии искусственного интеллекта, в четкой форме. После тщательного исследования я объединил несколько моментов, которые могут помочь вам пролить свет на это с точки зрения долгосрочного видения.
Ближайшие проблемы машинного обучения
Контроль ошибок для нескольких решений
Система, создающая рынки
Управление взаимодействиями на границе облака
Проектирование систем, которые могут создавать осмысленные, выверенные представления об их неопределенности.
Проектирование систем, которые могут объяснить их решения
Поиск причин и выполнение причинных рассуждений
Системы, которые выполняют долгосрочные цели и активно собирают данные для обслуживания этих целей.
Достижение целей производительности в реальном времени
Достижение справедливости и разнообразия
Стойкость перед лицом непредвиденных ситуаций и противников
Защита конфиденциальности и права собственности на данные
Обмен данными между отдельными лицами и организациями
Проектирование систем, способных быстро находить абстракции
Примечание:
Как создатель, это помогает мне расти и продолжать создавать подобный контент.
Спасибо, что прочитали это. Я надеюсь, что эта статья принесла вам некоторую пользу и помогла вам в достижении вашей цели обучения. Поскольку обучение — это бесконечное путешествие, я хотел бы услышать ваши отзывы о любых недостатках, которые могут помочь мне стать лучше. Надеюсь, вам понравится !!!
Спасибо за поддержку!
