Q:
Jak pomáhá vážený nebo probabalistický přístup umělé inteligenci překročit čistě pravidla založený na deterministickém přístupu?
A:Principy strojového učení a umělé inteligence rychle mění způsob práce počítače. Jedním z klíčových způsobů, jak k tomu dochází, jsou vážené nebo pravděpodobnostní vstupy, které mění vstupy ze skutečně deterministického systému na něco abstraktnějšího.
V umělých neuronových sítích přijímají jednotlivé neurony nebo jednotky pravděpodobnostní vstupy. Poté určují výstup nebo výsledek. To je to, o čem odborníci mluví, když mluví o nahrazení starého světa programování novým světem „školení“ nebo „výuky“ počítačů.
Ve výchozím nastavení bylo standardně používáno programování k získání výsledků výpočtu. Programování je pevná sada deterministických vstupů - pravidel, která bude počítač loajálně dodržovat.
Naopak, umožnění pravděpodobnostních vstupů je abstrakce těchto pravidel, druh „uvolnění otěže“, který uvolní počítač a učiní pokročilejší rozhodnutí. Pravděpodobně vstupy jsou tak z vnějšího pohledu nepoznatelné a nejsou předem stanoveny. To je blíže způsobu, jakým fungují naše skutečné mozky, a proto jsou algoritmy strojového učení a umělé inteligence využívající tento přístup vítány jako další hranice umělého kognitivního vývoje.
Zde je snadný způsob, jak přemýšlet o vážených nebo pravděpodobných vstupech. V tradičním programování jste měli typ prohlášení „if / then“, které obecně říká: pokud TOTO, pak THAT.
Překročení přístupu založeného na pravidlech vyžaduje změnu toho, co je toto. V přístupu založeném na pravidlech je TOTO některé zadávání textu nebo pravidlo: Pokud to považujete za binární - víme, zda je to pravda nebo ne, a stejně tak počítač. Můžete tedy předpovídat reakci počítače na jakýkoli daný vstup.
V novém přístupu je to vlastně soubor vstupů, které mohou být v jakémkoli daném stavu. Vzhledem k tomu, že vnější pozorovatel by nemohl snadno modelovat, z čeho je THIS složen, nemohl přesně předpovědět, jaký by mohl být tento výsledek.
Přemýšlejte o tomto principu aplikovaném na nejrůznější oblasti a průmyslová odvětví, od segmentace trhu, přes finanční ověřování až po zábavu, správu vod a kanalizací, a máte skutečnou sílu strojového učení, hlubokého učení a umělé inteligence a směřujte lidské záležitosti do zcela nového cesta. Například v oblasti řízení podvodů experti poukazují na to, že systémy založené pouze na pravidlech nejsou příliš dobré na to, aby zjistily rozdíl mezi podezřelým nebo riskantním chováním a normálním chováním - systémy strojového učení vyzbrojené sofistikovanými vstupními modely jsou schopny přijímat rozhodnutí o tom, jaká aktivita by mohla být sporná.
Dalším způsobem, jak si to představit, je, že svět prošel dobou identifikace kódu jako nové hranice pro učení a rozhodování. Samy o sobě deterministické výsledky založené na kódu byly silné, pokud jde o modelování všech druhů lidské činnosti a rozhodnutí. Všechny tyto nápady jsme aplikovali na marketing, prodej, veřejnou správu atd. Ale nyní odborníci mluví o „konci kódování“, jako v tomto velmi bystrém a poučném díle v kabelové síti. Myšlenka převládající zde je stejná myšlenka, že v příštím období budeme mít místo kódování systém, ve kterém školíme počítače, aby přemýšleli způsoby, které jsou blíže tomu, jak si myslíme, abychom se mohli v průběhu času učit a vytvářet podle toho rozhodnutí. Hodně z toho bylo dosaženo přechodem od deterministického počítačového přístupu k přístupu, který je abstrahován sofistikovanějšími vstupy.
