Q:
Kaip svertinis ar tikimybinis požiūris padeda AI peržengti grynai taisyklėmis pagrįstą ar deterministinį požiūrį?
A:Mašinų mokymosi ir dirbtinio intelekto principai sparčiai keičiasi, kaip veikia skaičiavimas. Vienas pagrindinių būdų, kaip tai vyksta, yra pasvertos arba tikimybinės įvestys, kurios iš tiesų deterministinės sistemos įvestis keičia į abstraktesnes.
Dirbtiniuose neuroniniuose tinkluose atskiri neuronai ar vienetai gauna tikimybinius duomenis. Tada jie nustato rezultatą ar rezultatą. Apie tai kalba specialistai, kalbėdami apie senojo programavimo pasaulio pakeitimą nauju kompiuterių „mokymo“ ar „mokymo“ pasauliu.
Paprastai, norint gauti skaičiavimo rezultatus, pagal nutylėjimą reikėjo naudoti programavimą. Programavimas yra fiksuotas deterministinių įėjimų rinkinys - taisyklės, kurių kompiuteris lojaliai laikysis.
Atvirkščiai, tikimybinių duomenų įvedimas yra šių taisyklių abstrakcija, savotiškas „vagių nuleidimas“, kad kompiuteris būtų atlaisvintas, kad būtų galima priimti sudėtingesnius sprendimus. Tam tikra prasme tikimybiniai duomenys nėra žinomi iš išorės ir nėra iš anksto nustatyti. Tai artimesnis mūsų tikrųjų smegenų veikimo principui, todėl mašinų mokymasis ir dirbtinio intelekto algoritmai, naudojantys šį metodą, yra paslėpti kaip kita dirbtinio pažinimo vystymosi riba.
Čia yra paprastas būdas galvoti apie svertinius ar tikimybinius duomenis. Tradiciniame programavime jūs turėjote „jei / tada“ teiginio tipą, kuris paprastai sako: jei tai, tada tai.
Norint peržengti taisyklėmis pagrįstą požiūrį, reikia pakeisti tai, kas yra TAI. Taikant taisyklėmis, tai yra tam tikras teksto įvedimas ar taisyklė: Jei manote, kad tai dvejetainis tekstas - mes žinome, ar tai tiesa, ar ne, ir tai daro kompiuteris. Taigi galite nuspėti kompiuterio reakciją į bet kurį įvestį.
Pagal naująjį požiūrį, tai iš tikrųjų yra bet kurios būklės duomenų rinkinys. Taigi, kadangi išorinis stebėtojas negalėtų lengvai modeliuoti, iš ko TAI susideda, jis negalėjo tiksliai numatyti, koks gali būti TAI rezultatas.
Pagalvokite apie šį principą, taikomą visose srityse ir pramonės šakose, pradedant rinkos segmentavimu ir baigiant finansiniu patikrinimu, baigiant pramogomis ir baigiant vandens ir kanalizacijos tvarkymu, ir jūs turite realią mašinų mokymosi, giluminio mokymosi ir dirbtinio intelekto galią nukreipti žmogaus reikalus į labai naują. būdas. Pavyzdžiui, sukčiavimo valdymo srityje ekspertai pabrėžia, kad tik taisyklėms skirtos sistemos nelabai gerai išsiaiškina skirtumą tarp įtartino ar rizikingo elgesio nuo normalaus elgesio - sudėtingesniais įvesties modeliais ginkluotos mašinų mokymosi sistemos yra pajėgesnės priimti sprendimus. apie tai, kokia veikla gali būti abejotina.
Kitas būdas apie tai galvoti yra tai, kad pasaulis išgyveno kodą, kaip identifikavimo kodą kaip naują mokymosi ir sprendimų priėmimo ribą. Pats savaime deterministinis kodais pagrįstas rezultatas buvo galingas modeliuojant visų rūšių žmogaus veiklą ir sprendimus. Visas šias idėjas pritaikėme rinkodarai, pardavimams, viešajam administravimui ir kt. Bet dabar ekspertai kalba apie „kodavimo pabaigą“, kaip ir šiame labai įžvalgiame ir pamokančiame kūrinyje „Wired“. Vyrauja ta pati mintis, kad kitoje eroje užuot kodavę, turėsime sistemą, kurioje mokysime kompiuterius mąstyti arčiau mūsų galvojimo būdų, kad galėtume išmokti bėgant laikui ir priversti atitinkamai priima sprendimus. Didžioji dalis to buvo padaryta pereinant nuo deterministinio skaičiavimo metodo prie metodo, kurio abstraktumas yra sudėtingesnis.
