P:
Kako ponderirani ili probabalistički pristup pomaže AI-u da prijeđe čisto čist ili utemeljen na pravilima zasnovan na pravilima?
A:Principi strojnog učenja i umjetne inteligencije brzo se mijenjaju kako funkcionira računarstvo. Jedan od ključnih načina da se to dogodi je pomoću ponderiranih ili vjerojatnih ulaza koji promjene ulaza iz stvarno determiniranog sustava u nešto apstraktnije.
U umjetnim neuronskim mrežama pojedini neuroni ili jedinice primaju vjerojatne unose. Zatim utvrđuju izlaz ili rezultat. O tome profesionalci razgovaraju kada zamijene stari program programiranja novim svijetom računala "osposobljavanja" ili "podučavanja".
Tradicionalno, zadano je bilo korištenje programa za dobivanje rezultata računalstva. Programiranje je fiksni skup determinističkih ulaza - pravila kojih će se računalo vjerno pridržavati.
Suprotno tome, omogućavanje vjerojatnih unosa je apstrakcija ovih pravila, vrsta "slabljenja uzde" za oslobađanje računala za donošenje naprednijih odluka. Na neki se način vjerojatni ulazi ne mogu prepoznati iz vanjske perspektive i nisu unaprijed određeni. To je bliže načinu rada naših stvarnih mozgova, i zato se algoritmi strojnog učenja i umjetne inteligencije koriste ovim pristupom kao sljedeća granica umjetnog kognitivnog razvoja.
Evo jednostavnog načina razmišljanja o ponderiranom ili vjerojatnom ulaganju. U tradicionalnom programiranju imali ste vrstu izjave "ako / onda" koja uglavnom kaže: ako je ovo, onda to.
Prelazak izvan pristupa koji se temelji na pravilima uključuje promjenu onoga što je TO. U pristupu utemeljenom na pravilima, OVO je neko unošenje teksta ili pravilo: Ako to mislite kao binarni oblik - znamo da li je istina ili ne, kao i računalo. Na taj način možete predvidjeti odgovor računala na bilo koji dani ulaz.
U novom pristupu, OVO je zapravo skup podataka koji se mogu nalaziti u bilo kojem stanju. Budući da vanjski promatrač ne bi mogao lako modelirati od čega se OVO sastoji, on ili ona nisu mogli točno predvidjeti kakav bi to mogao biti rezultat.
Razmislite o ovom principu koji se primjenjuje na svim vrstama polja i industrija, od segmentacije tržišta do financijske provjere do zabave do upravljanja vodama i kanalizacijom, a vi imate pravu moć strojnog učenja, dubokog učenja i umjetne inteligencije za usmjeravanje ljudskih poslova u vrlo novom put. Na primjer, na području upravljanja prevarama, stručnjaci ističu da sustavi koji rade samo na pravilima nisu baš dobri u otkrivanju razlike između sumnjivog ili rizičnog ponašanja i normalnog ponašanja - sustavi strojnog učenja naoružani sofisticiranim ulaznim modelima sposobniji su za donošenje odluka o tome koja bi aktivnost mogla biti upitna.
Drugi način razmišljanja je da je svijet prošao kroz razdoblje identificiranja koda kao nove granice za učenje i odlučivanje. Sami po sebi, determinirani ishodi temeljeni na kodu bili su snažni u pogledu modeliranja svih vrsta ljudskih aktivnosti i odluka. Sve ove ideje primijenili smo na marketing, prodaju, javnu upravu itd. Ali sada stručnjaci govore o "kraju kodiranja", kao u ovom vrlo pronicljivom i poučnom djelu u Wiredu. Ideja koja ovdje prevladava ista je ideja da ćemo u slijedećem dobu, umjesto kodiranja, imati sustav u kojem treniramo računala da razmišljaju na načine koji su bliži onome kako mislimo, kako bismo mogli vremenom učiti i stvarati odluke u skladu s tim. Mnogo je toga postignuto prelaskom s determiniranog računalnog pristupa na onaj koji je apstrahiran s više sofisticiranih ulaza.
