番号 5 テクノロジー

人工知能

人工知能は何です。?

人工知能 (YZ) 何か、一般的な AI と狭い YZ 間の違いは何です。?

現在そこの周りの人工知能の多くの混乱と不一致をするよう.

チューリング テスト AI システムについて進行中の討論を評価し始めるつもり, ハイパー インテリジェント マシンは私たちを殺すか AI やロボットとして怖いことが保証から私たちの仕事は、すべてのアラートやトピックのより恐ろしい. しかし, IBM ワトソン, 今すぐ Google の Google と Apple とマイクロソフトの Cortanası シーリス アシスタントなどシステムの出現を見たように私に話の深い学習が可能. このすべてに加えて, システムが完全に混乱でいっぱいそれが本当に知能を作成することが可能かどうか. 各ヘッドの声….
答えは、その質問に簡単な答えを得るを理解する必要があります。: AI とは何? スタンフォード大学研究員ジョン ・ マッカーシー, 1956ダートマス会議で定義されている領域内の愛の主なタスク、言葉準備中こう. まずこれ、定義, 通常、スマート彼らは AI と AI の任意のプログラムを考えることができます何かを作る場合の人. 何が間違っているではないです。, これを行うことができますプログラムをだけでなく、します。. スマートは、スマート AI が機能することができますプログラムは、します。, しかし、私たちのようなスマートである必要はないです。. 強い AI, 弱い AI とそれらの違い; AI システムを作成する非常に異なった人々 がターゲットのことが判明して、ビルド マシンに応じて 3 つのクラスに従事する彼らがどれだけ近いかの形式で人々 の作業方法で、
彼らは、する傾向があります。. それは本当に人間の推論は、シミュレーションの研究を目指してください。, “強い AI” 呼ばれる傾向があります。; いずれかの結果, システムを作成すると、思っても、人々 が考える方法を説明する使用することができます. しかし, 解決すべき非常に困難な問題です。, 人間の知識の強い AI 実際シミュレーション システムの実際のモデルを見ていない、または. 2 行目の, システムを目的とした仕事を始めて、 “弱い AI” 呼ばれる, システム kurabilsek ドとして使用できる人, 結果はどのように人々 は彼が考えているについて何も言うしようと教えてください。. これは最も重要な例の 1 つ, IBM のディープ ブルー, マスターのチェス プレーヤーはシステムを, 確かに人々 が再生できませんでしたが、. 強い、弱い AI の真ん中に場所第 3 部します。 (“検索”):
人間の推論は、情報またはシステムからインスピレーションを得た. これ, 強力なもののほとんどが今日発生している傾向があります。. これらのシステムは、します。, 彼らは、人間の心をガイドとして使用しています。, 完璧なモデリングのターゲットにリダイレクトされませんが、. 良い例 IBM ワトソン. ワトソン, 証拠の信頼レベルでの作品の数千を見て結論は見つけた答えを作成します。. テキストのパターンを認識する能力, これらのパターン マッチは証拠の重量を量る多くの異なる機能を組み合わせた. 開発、, ハードと高速のルールの結論を作ることができるし、観測の証拠のコレクションを作成することができますなしの人々 を導く.
人々 と同じように, ワトソンはまたテキストのいくつかの証拠を提供します、これをパターンに気づくことができる答えを得るための証拠を収集するために挿入します。. 同じように, 深い学習に Google の仕事, 脳の実際の構造体と同様に、在庫 esinlenildiği. ニューロンは深い学習システムの動作を把握して、します。,
プレゼンテーション層の機能を学ぶことによって画像や音声認識などのタスク. 全脳のようです。, しかし、彼にちなんで. これらの重要な領域, AI を考慮するために事をした我々 のようなシステムがないだけ賢いあなたの脳の要件. 狭い YZ 対. 一般的な AI のここに別の違いがあります。 – 特定のタスク用に設計された AI システム (ほとんどの部分は “狭い YZ”) 一般的に理にかなって、
用に設計されたいくつかのシステムの違いについて考える能力 (“一般的な AI” 呼ばれる、) . 時々 人々 秋びっくりこの区別と、その結果, 特定のエリアの特定の結果, 偶発的なカバー方法でスマートな行動の一部を解釈します。. 自分の過去の行動は何かを提供することができますベースのシステム, 画像の例の異なるシステムに異なる証拠合成システムに基づく決定をする可能性があるし、認識することを学ぶ. これらはすべて、練習の例としては、狭い YZ をすることができます, ancak akıllı bir makinenin tek başına uğraşması gereken tüm konuları ele almak üzere genelleştirilebilir olmayabilir. Örneğin, en yakın benzin istasyonunun nerede olduğunuzu anlamada mükemmel bir sistem olmasını istemiyorum. Tıbbi teşhislerimi gerçekleştirmek için. Bir sonraki adım, bu fikirlerin akıllı sistemlerde görmeyi beklediğimiz farklı yeteneklerde ve bugün ortaya çıkan YZ ekosisteminde nasıl etkileşime girdiğini inceliyoruz. Yani ne yaptıklarını ve birlikte nasıl
birlikte oynayacaklarını. Bu yüzden devam ediyoruz. Kısaca YZ, bir gün sizden daha akıllı hale gelebilir, günümüz
şartlarında bunu diyemiyoruz.

 

著者について

藍亜 Vip マガジン