Искусственный интеллект!
Друзья мои, эта тема сейчас у всех на уме. Беспилотные автомобили от Google, обнаружение мошенничества с помощью PayPal, Alexa, Siri и Cortana - они помогают нам автоматизировать рутинные дела и вести непринужденную жизнь.
AI и ML - это интересно, запутанно, весело, сложно и даже немного страшно!
Ладно, кошмар роботов, правящих всеми нами, никогда не будет возможен. Не переживай!
(Помните время, когда Facebook выключил своих роботов после того, как они начали разговаривать друг с другом на своем родном языке?)
С другой стороны, существуют различные модели машинного обучения в результате ИИ, и они связаны с опытом людей, потому что «естественный интеллект» у людей привел к предложению различных моделей машинного обучения с помощью «искусственного интеллекта».
Одна из моих любимых моделей машинного обучения - это концепция деревьев решений, которая является частью категории контролируемого обучения.
Деревья решений основаны на идее достижения наиболее целесообразного решения, которое должно быть принято после анализа данных. Чтобы принять правильное решение в большинстве случаев, необходимо задать ряд вопросов, на которые можно ответить только «да» или «нет».
Благоприятные исходы и вероятность того, что решение будет принято, всегда являются ключевыми в этой модели. Одна из причин, по которой мне нравится эта модель, заключается в том, что она дает разработчику возможность провести мозговой штурм, прежде чем принимать важные решения.
Деревья решений формируются на основе входных данных и возможных результатов, которые возникают, когда задаются вопросы «да / нет». Эту модель можно использовать, чтобы сузить круг до наилучшего возможного решения, которое мы можем принять во времена хаоса и неразберихи.
Допустим, нам нужно решить, поможет ли уход с работы осуществить нашу мечту стать предпринимателем. Как мы можем на это решиться? Мы должны записать как можно больше вопросов и убедиться, что все готовы, прежде чем уйти.
Обобщая факты и разделяя их на вариант A и вариант B, можно было бы следовать приведенному ниже дереву решений. Поскольку наши доброжелатели также предлагают варианты, мы можем включить их в наше дерево решений и получить рациональный и удачный выбор для большинства наших недоразумений.
Может возникнуть сомнение, почему последнее условие заставляет нас следовать только варианту А. Подумайте об этом, используя логические связки для всех входов до результирующего условия, и вы поймете, что:
1) Вариант А лучше, чем вариант Б
2) Вариант А лучше, чем предложение вашего доброжелателя
3) Вариант Б может быть лучше, а может и не быть.
= ›(Вариант A лучше, чем вариант B) ^ (Вариант A лучше, чем предложение) ^ (Вариант B (ИЛИ) Предложение)
= ›Вариант А явно лучший из возможных вариантов.
Как насчет того времени, когда во время учебы в колледже нам приходилось выбирать между наукой и искусством? Время, когда нам приходилось выбирать между двумя городами для работы? Время, когда мы должны выбирать между пиццей и DBC? (LOL, даже сложные модели ИИ не могут помочь мне выбрать одну из двух!)
Я пытаюсь сказать, что во времена, когда вера или надежда отказываются от нас, практический анализ помогает лучше всего.
Логический вывод может быть сделан, когда мы решаем мыслить в рамках структурированного подхода к любому типу решения, которое мы должны принять.
До скорого! 😊
Примечание из публикации: Компания maice создает маркетинговую платформу, которая готовит писателей и маркетологов к будущему контент-маркетинга. Зарегистрируйтесь на нашем сайте, чтобы узнать больше, когда мы запустим. Следуйте за нами в LinkedIn здесь. Заинтересованы в написании статей для нашей публикации? Щелкните здесь, чтобы отправить свои данные, и вы будете добавлены. Мы тоже награждаем хорошие истории.
