Искусственный интеллект снова становится модным словом.
А вместе с ним появляются такие слова, как машинное обучение, большие данные, наука о данных, контролируемое и неконтролируемое обучение, нейронная сеть и т. д.
Может быть сложно уследить за значением этих модных словечек, если вы не работаете с ИИ. Лично мне потребовались недели, чтобы понять различные понятия и связи между наиболее распространенными словами.
Итак, чтобы упростить вам задачу, я создал этот краткий словарь ИИ, чтобы помочь вам создать обзор значения самых «современных» слов ИИ.
Искусственный интеллект (ИИ)
ИИ — это основное слово для описания работы с созданием интеллектуальных машин или компьютерных систем. ИИ пытается создать компьютерные системы, которые думают и действуют как люди.
Зонтик ИИ содержит множество различных компонентов и рабочих процессов, таких как машинное обучение и распознавание образов.
Как следует из названия, большие данные — это данные. Большие данные охватывают большое количество собранных данных.
Большие данные — это все типы данных, такие как транзакции продаж из вашей системы торговых точек, данные, собранные с помощью Google Analytics, зарегистрированные телефонные звонки в службу поддержки клиентов, данные о производственных машинах и так далее.
Системы компьютерного зрения
Это технология искусственного интеллекта, позволяющая просматривать и извлекать информацию из изображений реального мира. Цель систем компьютерного зрения — понять и автоматизировать задачи, которые люди могут выполнять визуально.
Наука о данных
Наука о данных — это область ИИ, в которой используются различные методы, процессы, алгоритмы и системы для извлечения информации, знаний и идей из большого набора различных данных — структурированных и неструктурированных. Цель науки о данных состоит в том, чтобы преобразовать данные в действенные идеи.
Глубокое обучение
Является подполем машинного обучения. Глубокое обучение использует нейронные сети для включения систем и поиска кластеров в данных, чтобы делать прогнозы с невероятной точностью.
В глубоком обучении нейронная сеть состоит как минимум из трех слоев, что позволяет сети «учиться» улучшать автоматизацию, выполняя аналитические и физические задачи без вмешательства человека.
Глубокое обучение — это технология, стоящая за многими приложениями и услугами машинного обучения, такими как цифровые помощники, беспилотные автомобили и обнаружение мошенничества с кредитами.
Экспертные системы
Экспертные системы берут знания от людей-экспертов и представляют их в виде набора правил, которые можно запрограммировать, чтобы компьютер мог помочь людям в принятии решений.
Генетические алгоритмы
Общий алгоритм — это основанный на поиске алгоритм, используемый для решения задач оптимизации в машинном обучении. Алгоритм основан на теории эволюции природы Дарвина: выживает сильнейший.
Имитируя естественный отбор, репродукцию и мутацию, генетический алгоритм может давать высококачественные решения различных задач, таких как поиск и оптимизация.
Интеллектуальные агенты
Интеллектуальные агенты — это программное обеспечение или объект, который решает включить искусственный интеллект в действие. Он выполняет операции вместо пользователей или программ после зондирования окружающей среды.
Агент имеет некоторый уровень автономии, что позволяет ему выполнять определенные, предсказуемые и повторяющиеся задачи для пользователей или приложений. Двумя основными функциями интеллектуальных агентов являются восприятие и действие.
Машинное обучение
Является наиболее распространенным методом искусственного интеллекта. Машинное обучение — это программное обеспечение, которое выявляет закономерности в массивных базах данных. Система учится на данных и выявляет закономерности в различных наборах данных с минимальным вмешательством человека.
Машинное зрение
Как следует из названия, машинное зрение — это способность компьютера «видеть».
Технология, лежащая в основе машинного зрения, обеспечивает автоматическую проверку и анализ для приложений, включая автоматический контроль, управление процессами и роботизированное управление с использованием обработки изображений.
Обработка естественного языка
Алгоритм машинного обучения, позволяющий компьютерам понимать и анализировать естественный человеческий язык.
Нейронная сеть
Это тепло алгоритма глубокого обучения. Нейронные сети состоят из наборов узлов, распределенных по входному, скрытому и выходному слоям. Каждый узел соединяется с другим и имеет соответствующий вес и порог.
Если выход отдельного узла выше указанного порогового значения, узел активируется и отправляет сигнал (данные) на следующий уровень. В противном случае узел не пересылает данные.
Нейронная сеть вдохновлена человеческим мозгом и имитирует то, как биологические нейроны посылают сигналы друг другу.
Роботизированная автоматизация процессов
Это когда машина может заменить человека и компьютерные системы для их управления и обработки информации.
Роботизированная автоматизация процессов использует технологии автоматизации для имитации бэк-офисных задач для людей, таких как извлечение данных, заполнение форм, перемещение файлов и посев.
Роботизированная автоматизация процессов также охватывает автоматизацию домашнего хозяйства с помощью роботов, таких как робот-пылесос, или автоматизацию роботов на производстве.
Распознавание речи
Это способность машины или программы распознавать слова, произнесенные вслух, и преобразовывать их в читаемый текст. Распознавание речи использует различные инструменты искусственного интеллекта для понимания уникальных входных данных, присутствующих в записанном звуке.
Контролируемое и неконтролируемое обучение
Обучение с учителем.
При обучении с учителем вы используете свой алгоритм с помеченными данными. Это означает, что некоторые из входных данных уже «помечены» правильным ответом.
Обучение без учителя.
Противоположное обучению с учителем. При работе с неконтролируемым обучением вы не контролируете алгоритм с данными меток. Вместо этого вы позволяете алгоритму работать и выявлять шаблоны без участия человека.
Структурированные и неструктурированные данные
Структурированные данные.
Структурированные данные хорошо организованы и отформатированы, чтобы их было легко найти.
Неструктурированные данные.
При работе с неструктурированными данными данные не предопределены и не организованы, что усложняет их сбор, обработку и анализ.
Я буду обновлять «словарь» спорадически в будущем. Если вам нужно объяснить слово или концепцию, не стесняйтесь обращаться ко мне.
Первоначально опубликовано на https://www.borbaki.com 12 октября 2021 г.
