Dirbtinis intelektas (AI) ir mašininis mokymas (ML) pastaraisiais metais tapo vis labiau paplitęs. Tačiau nesunku suplėšyti tarp šių dviejų koncepcijų ir išsiaiškinti jų poveikį. Pedro Rodriguezas, ekspertas tiek AI, tiek ML srityse, aptarė šias sąvokas Breaking Defense webinare. Diskusijos tikslas buvo pabrėžti esamą AI/ML įrankių praktinį panaudojimą, o ne spekuliuoti apie jų ateities galimybes. Rodriguezo kompanija buvo Andrius Pepleris, vyresnis strategijos ir politikos analitikas, ir Vivek Chilukuri, vyresnysis tyrėjas.
Paklaustas apie AI, Rodriguezas aiškina, kad tai yra mašinų sistemų, galinčių prognozuoti, rekomenduoti ar veikti realiomis ar virtualiomis aplinkomis, sąvoka. Iš esmės, AI apima mintis ir veiksmus. Tačiau terminas „AI” apima platų apibrėžimų spektrą. Rodriguezo asmeniniai norai linkėti mašininio mokymosi sąvokai, kuri gali būti įvardijama kaip AI poaibis. Mašininis mokymasis leidžia kompiuteriams mokytis iš duomenų be aiškaus programavimo, pasikliaunant duomenimis paremtais metodais. Kaip pagrindinis AI techninis vadovas taikomojoje fizikos laboratorijoje, Rodriguezas mano, kad aiškus mašininio mokymosi apibrėžimas yra naudingesnis.
Nors mašininis mokymasis egzistavo penkiasdešimt metų, daugiausia pabrėždavo žinių perkėlimą iš žmonių į mašinas. Tačiau dabartinės AI bangos yra unikalios. Gili mokymosi technologija, skatinanti šią bangą, reiškia kompiuterių apmokymą dideliais duomenų ir vaizdų kiekiais. Tikslas yra, kad kompiuteriai nepriklausomai nustebtų reikšmingus modelius šiose įvestyse. Didžiuliai kiekliai duomenų, apdorojami kompiuteriais, dažnai vadinami dideliais mokymosi modeliais, revoliucionizavo šią sritį.
Webinare Pepleris, Departamentą gynimo duomenų analitikos ir AI įsivertimo strategiją, diskutavo keletą temų. Viena iš jų buvo sritys, kuriose AI jau padarė ženklų progresą, tokių kaip duomenų organizavimas analitikams ir AI modeliams. Be to, diskusija pasinagrinėjo AI sistemų vertinimą ir testavimą, bei iššūkius reguliuoti AI era, kurioje net socialiniai tinklai ir kriptovaliutų rinka vengia išsamios kongreso teisės aktų reguliavimo.
Jei norite sužinoti daugiau, galite peržiūrėti visą nemokamą webinara pasirinktinai čia.
D.U.K.
1. Kas yra dirbtinis intelektas (AI)?
AI kalba apie mašinų sistemas, galinčias prognozuoti, rekomenduoti, priimti sprendimus, įtakoti realiąsias ar virtualiąsias aplinkas. Tai apima problemos formulavimą ir veiksmus.
2. Kuo mašininis mokymas skiriasi nuo AI?
Mašininio mokymosi yra AI poaibis, leidžiantis kompiuteriams mokytis iš duomenų be aiškaus programavimo. Tai paremta duomenimis grįstais metodais.
3. Kokia gili mokymosi reikšmė dabartiniame AI bume?
Gili mokymasis apima kompiuterių mokymą dideliais duomenų ir vaizdų kiekiais, leidžiant jam nepriklausomai nustebti reikšmingus modelius.
4. Kokie yra keli praktiniai AI taikymo atvejai?
AI sklinda įvairiose srityse, tokiomis kaip duomenų organizavimas analitikams ir AI modeliams.
5. Kokios yra iššūkiai reguliuojant AI?
AI reguliavimas yra iššūkis, ypač atsižvelgiant į teisėjų ribotą supratimą apie jos poveikį, kaip rodo kovų su išsamia kongreso socialinių tinklų ir kriptovaliutų reguliavimu.
Raktažodžiai
– Dirbtinis intelektas (AI): Mašinu pagrindu veikiančios sistemos, galinčios prognozuoti, rekomenduoti, paveikti realiąsias ar virtualiąsias aplinkas.
– Mašininis mokymas (ML): AI poaibis, leidžiantis kompiuteriams mokytis iš duomenų be aiškaus programavimo.
– Gili mokymasis: Apsiriboja kompiuterių treniravimu dideliais duomenų kiekiais ir vaizdais, leidžiant jiems nepriklausomai nustebti reikšmingus modelius.
– Dideli mokymosi modeliai: Didžiuliai duomenų kiekiai, apdorojami kompiuteriais AI sistemose.
Susiję nuorodos
– Norėdami sužinoti daugiau apie AI ir mašininį mokymą, galite peržiūrėti visą nemokamą webinara pasirinktinai čia.
The source of the article is from the blog aovotice.cz