Es hängt davon ab, wie Sie künstliche Intelligenz (KI) definieren, aber gemäß "Was KI kann und was nicht" [^ 1]
"Technologie, mit der Computer intelligent arbeiten können"
Es scheint, dass. Computer können nur als Computer für sich selbst fungieren, aber intellektuelle Arbeit kann nicht allein durch Berechnungen geleistet werden. Heutzutage wird nur noch schwache KI (künstliche Intelligenz, die für eine bestimmte Aufgabe gut ist) hergestellt, und das Forschungszentrum ist auch schwache KI. Wie in AlphaGo und Todai Robo zu sehen ist, taucht jedoch allmählich eine KI auf, die die menschlichen Fähigkeiten übersteigt, und obwohl sie unvollständig ist, zieht sie Menschen an. Darüber hinaus taucht KI in der Werbung und bei politischen Aktivitäten auf, und es wird unmöglich, dies auch im täglichen Leben zu vermeiden, beispielsweise bei der Anzeige gefälschter Videos und personalisierter Werbung. Wenn eine starke KI abgeschlossen ist und der Computer verschiedene Dinge selbst sprechen, ausdrücken und tun kann, wird er die Singularität und das Spiel "Detroit: Become Human" nicht mehr überwinden. Und im Film "I, Robot" kann es Realität werden, dass KI menschliche Absichten ignoriert oder wegläuft und Menschen angreift (obwohl es extrem ist). Es soll auch ein Problem von 2045 sein. Gegenwärtig ist AI nur ein Algorithmus. In diesem Sinne halte ich es für unwahrscheinlich, dass er die Singularität überschreitet.
Die Geschichte ist abweichend, aber es gibt vier Haupttypen künstlicher Intelligenz.
Die oben genannten drei werden zusammen als "Maschinenlernen" bezeichnet. Einfach ausgedrückt ist maschinelles Lernen ein Algorithmus, der automatisch die bedingte Verzweigung lernt. Das Vorhersagemodell wird nicht vom Menschen erstellt, sondern automatisch generiert. Die Werte bestimmter Parameter müssen jedoch vom Menschen bestimmt werden. Solche Parameter werden als hyperparameters bezeichnet. Als Teilmenge des maschinellen Lernens gibt es __tiefes Lernen __.
Obwohl es allgemein als "KI = tiefes Lernen" angesehen wird, ist KI nicht auf tiefes Lernen beschränkt. Der Grund für seine Aufmerksamkeit ist, dass tiefes Lernen Nervenzellneuronen nachahmt und näher an der Struktur des menschlichen Gehirns liegt. Beim Erkennen von Objekten und Zeichen gibt es jedoch einen großen Unterschied zwischen menschlicher Erkennung und Computererkennung. In diesem Sinne wäre es unmöglich, das menschliche Gehirn zusammenzusetzen.
Übrigens verwendet AlphaGo _Deep Strengthing Learning, eine Kombination aus Deep Learning und Stärkung des Lernens.
Lassen Sie uns nun einen kurzen Blick auf einige Techniken für jedes maschinelle Lernen werfen.
Überwachtes Lernen ist eine Technologie, die ein Modell lernt, das auf Lehrerdaten (Eingabedaten + korrektes Antwortetikett) basiert und unbekannte Daten vorhersagt und klassifiziert. Das Bild ist zum Beispiel, dass der Lehrer den Schülern beibringt, wie man das Beispiel löst, und dann löst der Schüler, der die Lösung lernt, die Übungen. Ziel ist es, die Genauigkeitsrate des Schülers zu erhöhen. Wenn Sie jedoch zu viel unterrichten, entwickeln Sie seltsame Gewohnheiten und denken nicht für sich selbst. Infolgedessen können Sie nicht einmal einfache Probleme lösen, die Sie zuvor gelöst haben. Dieser Zustand heißt overfitting. Übertraining ist sozusagen eine Bedingung, die für Trainingsdaten zu geeignet ist. Mit anderen Worten, das Bild ist, dass die Schüler nur so lösen können, wie es gelehrt wurde, und sie können es nicht sofort lösen, indem sie den Wortlaut und die numerischen Werte der Problemsätze ändern. Daher muss ein Modell erstellt werden, das den Fehler minimiert, während die Parameter angepasst werden, um kein Übertraining zu verursachen. Es gibt zwei Arten von überwachtem Lernen: Regressions- und Klassifizierungsprobleme. Betrachten wir zunächst die Regression.
(Nach dem Entwurf des überwachten Lernens ...)
[^ 1]: Koji Fujimoto und Kazutomo Shibahara "Was KI kann und was nicht" Japanische Kritiker, 2019
Recommended Posts