Tässä on 10 keskeistä termiä, jotka jokaisen AI -harrastajan tulisi tietää ja ymmärtää.
Keinotekoisesta älykkyydestä (AI) on tullut muuttuva voima toimialojen välillä, mikä muotoilee tapaa, jolla olemme vuorovaikutuksessa tekniikan ja ympäröivän maailman kanssa. Niille, jotka ovat syvällä keinotekoisen älykkyyden alalla, taustalla olevan terminologian ymmärtäminen on ratkaisevan tärkeää.
1. Keinotekoinen älykkyys (AI): Keinotekoinen älykkyys viittaa sen ytimessä tietokonejärjestelmien kehittämiseen, jotka kykenevät suorittamaan tehtäviä, jotka yleensä vaativat ihmisen älykkyyttä. Oppiminen, päättely, ongelmanratkaisu, havainto ja kielen ymmärtäminen ovat joitain näistä tehtävistä. AI -järjestelmät käyttävät algoritmeja tietojen analysointiin, oppimiseen IT: stä ja tekemään tietoisia päätöksiä, jäljittelemällä ihmisen älykkyyttä.
Koneoppiminen (ML): Koneoppiminen on osa keinotekoista älykkyyttä, joka keskittyy algoritmien kehittämiseen, joiden avulla järjestelmät voivat oppia ja parantaa kokemuksesta ilman nimenomaista ohjelmointia. Koneoppimisalgoritmit antavat tietokoneille mahdollisuuden tunnistaa kuviot, tehdä ennusteita ja parantaa niiden suorituskykyä ajan myötä, koska ne ovat alttiina lisää tietoa.
3. Neuraaliverkot: Neuraaliverkot ovat avainasemassa syvän oppimisen, koneoppimisen osajoukon. Ihmisen aivojen rakenteen innoittamana hermoverkot koostuvat toisiinsa kytketyistä solmukerroksista tai keinotekoisista neuroneista. Nämä verkot koulutetaan tietoihin kuvioiden tunnistamiseksi ja päätöksentekoon, mikä mahdollistaa monimutkaiset tehtävät, kuten kuvan ja puheentunnistuksen.
Luonnollinen kielenkäsittely (NLP): Luonnollinen kielenkäsittely on tekoälyn ala, joka keskittyy tietokoneiden ja ihmisen kielen vuorovaikutukseen. NLP -algoritmit antavat tietokoneille mahdollisuuden ymmärtää, tulkita ja luoda ihmisen kieltä, helpottaa sovelluksia, kuten chatbotit, kielen käännös ja tunteen analyysi.
5. Syvä oppiminen: Syvä oppiminen on koneoppimisen alakenttä, johon sisältyy useita hermoverkkojen kerroksia (syvät hermoverkot). Nämä verkot voivat automaattisesti oppia datan hierarkkisia esityksiä, mikä tekee niistä erittäin tehokkaita tehtäviin, kuten kuvan ja puheentunnistuksen ja luonnollisen kielen käsittelyn.
Algoritmi on joukko vaiheittaisia ohjeita tai sääntöjä, joita tietokone noudattaa tietyn ongelman ratkaisemiseksi tai tietyn tehtävän suorittamiseksi. Keinotekoisessa älykkyydessä algoritmit ovat ratkaisevan tärkeitä tietojen käsittelemiseksi ja analysoinnille, mikä antaa koneille mahdollisuuden tehdä päätöksiä tai ennusteita kuvioiden ja tietojen perusteella.
7, valvottu oppiminen: Ohjattu oppiminen on eräänlainen koneoppiminen, jossa algoritmit koulutetaan merkittyihin tietojoukkoihin, mikä tarkoittaa, että syöttötiedot vastaavat haluttua vastaavaa tulosta. Algoritmi oppii kartoittamaan syötteen oikeaan lähtöön, jolloin se voi tehdä ennusteita uusista, näkymättömästä tiedosta.
8. Valvomaton oppiminen: Toisin kuin valvottu oppiminen, valvomaton oppiminen sisältää algoritmin kouluttamisen leimaamattomaan tietojoukkoon. Explisiittisen ohjeen puuttuessa algoritmien on löydettävä tietojen kuvioita ja linkkejä. Vähennys ja klusterointi ovat kaksi yleistä sovellusta.
9. Vahvistusoppiminen: Vahvistusoppiminen on eräänlainen koneoppiminen, jossa edustajat oppivat tekemään päätöksiä vuorovaikutuksessa ympäristön kanssa. Käyttäytymisestä riippuen agentti saa palautetta kannustimien tai rangaistusten muodossa, mikä auttaa vähitellen oppimaan parhaan toimintatavan.
Tietokonevisio: Tietokoneen visio on monitieteinen kenttä, jonka avulla koneet voivat tulkita ja tehdä päätöksiä visuaalisen tiedon perusteella. Tämä sisältää tehtävät, kuten kuvan ja videon tunnistamisen, objektien havaitsemisen ja kuvan segmentoinnin. Tietokonevisio on olennainen osa sovelluksia, kuten kasvojentunnistus ja itse ajavat autot.