«Ты продолжаешь использовать это слово. Я не думаю, что это означает то, что вы думаете.».
Я много читаю и добываю МНОГИЕ лучшие материалы в своем браузере для дальнейшего использования. Я даю каждой закладке описательное имя, включающее ключевые слова, чтобы ее было легче найти в дальнейшем, и чтобы все это было ясно (в основном), я разработал ключевые слова. strong>иерархия папок.
Искусственный интеллект (ИИ) — это область исследований, которая всегда меня увлекала, и с помощью этих вложенных папок я веду свои собственные. простая таксономия ИИ в течение многих лет, основанная на статьях, которые я читал о различных процессах и методах, используемых в каждом типе ИИ, просто чтобы попытаться удержать все это в своей голове.
Одна из вещей, которые я всегда считал действительно интересной особенностью таксономии, заключается в том, что всегда существует несколько способов организации или «классификации» одного и того же набора вещей.
Например, биологи классифицируют живые существа по домену, царству, типу, классу, отряду, семейству, роду и виду, но они также могут систематизировать их по размеру (маленький, средний или большой), цвету, дате открытия и т.д. или любую другую существенную характеристику. Все эти способы организации одного и того же набора вещей могут быть действительными; они просто представляют разные точки зрения или интересы.
Итак, при всем недавнем интересе (и необоснованном страхе) к ИИ, я заметил, что термины ИИ часто используются неправильно и в вводят в заблуждение, что приводит к путанице, а иногда и к конфликтам, поэтому Я делюсь своей таксономией, чтобы попытаться внести некоторую ясность и последовательность в обсуждения по этой теме. В конце концов, если мы не можем договориться о терминологии, мы просто говорим мимо друг друга, не так ли?
Авторитетные источники сходятся во мнении, что ИИ бывает шести основных типов:
- Машинное обучение (ML)
- Обработка естественного языка (NLP)/Понимание естественного языка (NLU)
- Нейронные сети
- Робототехника
- Экспертные системы
- Нечеткая логика
Первый тип ИИ, Машинное обучение, имеет три основных подтипа:
- Обучение с учителем, «парадигма машинного обучения для задач, в которых доступные данные состоят из помеченных примеров, что означает, что каждая точка данных содержит функции (ковариаты) и связанный ярлык”
- Обучение без учителя пытается представить области возможной значимости и интереса во входных данных, которые можно использовать для исследования данных или для анализа или создания новых данных
- Обучение с подкреплением (RL) фокусируется на том, как интеллектуальные агенты должны действовать в окружающей среде, чтобы максимизировать понятие совокупного вознаграждения
Второй тип, Обработка естественного языка/Понимание естественного языка, включает в себя текстовый генеративный искусственный интеллект, такой как ChatGPT, который в последнее время попал в заголовки газет:
- Большая языковая модель (LMM)
Третий тип, Нейронные сети, включает в себя
- Глубокое обучение
Четвертый тип, Робототехника, ориентирован на
- Пространственные отношения
- Компьютерное зрение
- Захват предметов
- Управления движением
Пятый тип, Экспертные системы, можно далее классифицировать как
- Основанный на правилах
- На основе фреймов
- Нейронный
- Нечеткий
- Нейро-нечеткий
Шестой тип, Нечеткая логика, включает в себя
- Синглтон-фаззификатор
- Гауссов фаззификатор
- Трапециевидный или треугольный фаззификатор
В совокупности это выглядит так:
Искусственный интеллект (ИИ)
- Машинное обучение (ML)
– Обучение с учителем
– Обучение без учителя
– Обучение с подкреплением (RL) - Обработка естественного языка (NLP)/понимание естественного языка (NLU)
– Модель большого языка (LMM) - Нейронные сети
– Глубокое обучение - Робототехника
– Пространственные отношения
– Компьютерное зрение
– Захват объектов
– Управление движением - Экспертные системы
– На основе правил
– На основе фреймов
– Нейронные
– Нечеткие
– Нейро-нечеткие - Нечеткая логика
– Синглтон-фаззификатор
– Гауссов фаззификатор
– Трапециевидный или треугольный фаззификатор
Это один из способов классификации и организации различных областей исследований ИИ и связанных с ними возможностей, но можно, конечно, утверждать, что этот взгляд смешивает или игнорирует технику с целью или намерением. Например, генеративный текстовый ИИ, такой как ChatGPT, использует методы глубокого обучения из мира нейронных сетей с целью обработки естественного языка/понимания естественного языка с использованием больших языковых моделей. Все сложно.
Но еще одна полезная таксономия могла бы заключаться в рассмотрении «этапов» развития ИИ:
Искусственный интеллект (ИИ)
- Искусственный узкий интеллект (ANI) или «слабый» ИИ, узко определенный набор конкретных задач
- Общий искусственный интеллект (AGI) или «сильный» ИИ, думает и принимает решения, как мы.
- Искусственный сверхинтеллект (ИСИ), превосходящий человеческий интеллект
И отличается от «типов»:
Искусственный интеллект (ИИ)
- Реакция, использование данных о ситуации, отсутствие выводов для оценки будущих вариантов.
- Ограниченная память, временное хранение прошлого опыта и решений для оценки будущих вариантов.
- Теория разума, ориентированная на психологию и эмоциональный интеллект для понимания человеческих мыслей и убеждений.
- Самосознание
Для меня это разные оси: временная, фокусная и процедурная.
Нашли ли вы другие способы классифицировать ИИ? Я хотел бы услышать ваши мысли. А пока я надеюсь, что эти таксономии и определения окажутся полезными.
