Что такое искусственный интеллект?

Искусственный интеллект (ИИ) - это отрасль компьютерных наук, цель которой - дать машинам или компьютерам способность думать так же разумно, как и люди, а в некоторых случаях лучше, чем люди, обучаясь у много данных.

Цель ИИ - захватить коллективный разум людей и выполнить поставленную задачу лучше, чем любой человек в отдельности.

Приложения искусственного интеллекта в современном мире

Что такое Data Science?

Наука о данных - это комплексный процесс, который включает сбор данных, очистку данных, визуализацию данных и использование различных статистических или методов искусственного интеллекта для решения проблемы. Методы искусственного интеллекта - это часть процесса анализа данных.

Компоненты ИИ

1. Компоненты ИИ - Машинное обучение (ML)

Машинное обучение - это подполе ИИ, которое использует алгоритмы для автоматического обучения, как выполнять данную задачу, без явного программирования правил.

1.1 Компоненты машинного обучения (ML)

Машинное обучение состоит из 3 основных ветвей: обучение с учителем, обучение без учителя и обучение с подкреплением.

Давайте возьмем пример того, как маленький ребенок учится, и применим его, чтобы понять эти различные подотрасли машинного обучения.

Обучение с учителем

Предположим, у вас есть корзина с фруктами нескольких видов. Сначала вы показываете ребенку каждый фрукт и говорите ему, как он называется. Например: яблоко, банан, апельсин, гранат и т. Д.

Затем вы даете новую корзину с фруктами и просите его / ее идентифицировать (классифицировать) фрукты в ней. Это называется обучением с учителем. Сначала вы предоставили ярлыки (названия фруктов) с обучающими примерами (фрукты), и ребенок учится. Затем вы используете его / ее обучение, чтобы автоматически классифицировать фрукты в новой корзине с фруктами.

В рамках контролируемого обучения существует несколько видов алгоритмов, таких как деревья решений, вспомогательные векторные машины, глубокое обучение (нейронные сети) и т. Д. Можно предположить, что эти алгоритмы похожи на разные мозги . У каждого из них есть свои возможности обучения и сложности.

Выявление мошенничества с кредитными картами, прогнозирование цен на жилье и т. Д. - это примеры контролируемого обучения, когда вы используете исторические знания, полученные в ходе обучения, для прогнозирования результатов для новой выборки.

Обучение без учителя

Возьмите ту же задачу, что и выше. Если вы дадите корзину с фруктами и попросите ребенка разделить фрукты на разные группы, не давая начальных знаний о том, как называется каждый фрукт, это называется обучением без учителя (кластеризация). В этом случае ребенок использует свою интуицию для группирования фруктов по форме, цвету и т.д. .

Выявление клиентских сегментов в покупках, фильтрация спама и не спама и т. Д. Являются примерами обучения без учителя.

Предоставление обучающего набора данных с метками (именами) и просто предоставление данных для кластеризации в фиксированное количество категорий - это основное различие между контролируемым и неконтролируемым обучением.

Обучение с подкреплением:

Если вы позволяете ребенку научиться игре, играя в нее, но не сообщая явным образом никаких правил, это подпадает под категорию обучения с подкреплением. Вы даете вознаграждение за каждое правильное действие, и после нескольких попыток агент (ребенок или машина) научится выполнять задачу автоматически.

Обучение машин игре в такие игры, как Alpha Go, обучение роботов автоматическому выполнению определенных задач и т. Д. - вот примеры обучения с подкреплением.

1.2 Особое внимание - глубокое обучение (DL)

Глубокое обучение. Глубокое обучение - это часть машинного обучения, в котором используется набор алгоритмов под названием Искусственные нейронные сети, вдохновленный человеческим мозгом.

Это ближайший алгоритм, который пытается имитировать человеческий мозг.

Подобно тому, как в человеческом мозге есть нейроны, существуют искусственные нейроны, которые образуют сеть при глубоком обучении. Каждый искусственный нейрон - это просто математическая функция, которая принимает взвешенную комбинацию входных данных и производит выходные данные.

То, что раньше было другим алгоритмом под названием Нейронные сети в рамках машинного обучения, приобрело известность, переименовав себя в Глубокое обучение из-за современной вычислительной мощности графического процессора. . Сейчас большинство проблем AI / ML решаются в первую очередь с помощью глубокого обучения. Отсюда особая направленность.

2. Компоненты ИИ - компьютерное зрение

Компьютерное зрение - это подраздел искусственного интеллекта, который использует алгоритмы для распознавания изображений и видео так же, как человеческий глаз.

Приложения компьютерного зрения

3. Компоненты ИИ - Обработка естественного языка

Обработка естественного языка - это подполе ИИ, которое использует алгоритмы для понимания, интерпретации и манипулирования человеческим языком (текст и речь).

Приложения на естественном языке

Удачного обучения!

Нетехническое введение в ИИ - первый в мире курс, проводимый аватарами ИИ

Я запустил курс Udemy, подробно разъясняющий эту тему, который охватывает ИИ и связанные с ним модные слова, а также такие термины, как обучение и развертывание моделей. Если хотите посмотреть, вот ссылка.

Это также первый в мире курс, который проводят реалистичные AI-аватары.

Генерация вопросов с помощью НЛП - Курс

Я запустил очень интересный курс Udemy под названием Генерация вопросов с помощью НЛП, в котором подробно рассматриваются некоторые методы, обсуждаемые в этом сообщении в блоге. Если хотите посмотреть, вот ссылка.