T:
Paano nakatutulong ang isang may timbang o probabalistic na diskarte sa AI na lumipat sa kabila ng isang panuntunan na batay sa panuntunan o deterministikong pamamaraan?
A:Ang pag-aaral ng makina at artipisyal na mga prinsipyo ng katalinuhan ay mabilis na nagbabago kung paano gumagana ang computing. Ang isa sa mga pangunahing paraan na nangyayari ito ay ang mga may timbang o probabilistikong input na nagbabago ng mga input mula sa isang tunay na deterministikong sistema sa isang mas abstract.
Sa mga artipisyal na neural network, ang mga indibidwal na neuron o yunit ay tumatanggap ng mga probabilistikong input. Pagkatapos ay gumawa sila ng isang pagpapasiya tungkol sa output o resulta. Ito ang pinag-uusapan ng mga propesyonal kapag pinag-uusapan nila ang pagpapalit ng dating mundo ng programming sa isang bagong mundo ng "pagsasanay" o "pagtuturo" na computer.
Ayon sa kaugalian, ang default ay ang paggamit ng programming upang makakuha ng mga resulta sa computing. Ang Programming ay isang nakapirming hanay ng mga deterministic input - mga patakaran na ang computer ay matapat na sundin.
Sa kabaligtaran, ang pagpapahintulot para sa mga probabilistikong pag-input ay isang abstraction ng mga patakarang ito, isang uri ng "slackening of the reins" upang palayain ang computer upang makagawa ng mas advanced na mga pagpapasya. Sa isang paraan, ang mga probabilistikong input ay hindi nalalaman mula sa isang panlabas na pananaw at hindi nauna nang natukoy. Ito ay mas malapit sa paraan ng aming aktwal na talino, at iyon ang dahilan kung bakit ang pag-aaral ng makina at mga artipisyal na algorithm ng intelektwal na gamit ang pamamaraang ito ay pinalalaki bilang susunod na hangganan ng artipisyal na pag-unlad na nagbibigay-malay.
Narito ang isang madaling paraan upang mag-isip tungkol sa mga timbang o probabilistikong input. Sa tradisyonal na programming, nagkaroon ka ng uri ng pahayag na "kung / pagkatapos" na sa pangkalahatan ay nagsasabi: kung ITO, kung gayon.
Ang paglipat na lampas sa diskarte na batay sa panuntunan ay nagsasangkot ng pagbabago kung ano ang ITO. Sa isang diskarte na batay sa panuntunan, ITO ay ilang mga pag-input o panuntunan ng teksto: Kung sa palagay mo ito bilang isang binary - alam namin kung totoo ito o hindi, at ganoon din ang computer. Kaya maaari mong mahulaan ang tugon ng computer sa anumang naibigay na input.
Sa bagong diskarte, ITO ay talagang isang koleksyon ng input na maaaring nasa anumang estado. Kaya't dahil ang isang tagamasid sa labas ay hindi madaling ma-modelo kung ano ang binubuo ng ITO, hindi niya tumpak na mahulaan kung ano ang maaaring maging resulta.
Isipin ang alituntuning ito na inilalapat sa lahat ng uri ng mga larangan at industriya, mula sa pagkakabukod sa merkado hanggang sa pag-verify sa pananalapi hanggang sa libangan sa pamamahala ng tubig at pamasahe, at mayroon kang tunay na kapangyarihan ng pag-aaral ng makina, malalim na pag-aaral at artipisyal na katalinuhan upang idirekta ang mga gawain ng tao sa isang napaka bago paraan. Halimbawa, sa larangan ng pamamahala ng pandaraya, itinuturo ng mga eksperto na ang mga panuntunan-mga sistema lamang ay hindi napakahusay sa pag-isip ng pagkakaiba sa pagitan ng kahina-hinalang o peligrosong pag-uugali at normal na pag-uugali - ang mga sistema ng pag-aaral ng machine na armado ng sopistikadong mga modelo ng input ay mas may kakayahang gumawa ng mga pagpapasya tungkol sa kung ano ang maaaring maging kaduda-dudang aktibidad.
Ang isa pang paraan upang isipin ito ay ang mundo ay dumaan sa isang panahon ng pagkilala ng code bilang isang bagong hangganan para sa pag-aaral at paggawa ng desisyon. Sa loob ng sarili nito, ang mga resulta na nakabatay sa code ay malakas sa mga tuntunin ng pagmomodelo ng lahat ng uri ng aktibidad ng tao at pagpapasya. Inilapat namin ang lahat ng mga ideyang ito sa marketing, benta, pampublikong administrasyon, atbp Ngunit ngayon, pinag-uusapan ng mga eksperto ang tungkol sa "pagtatapos ng pag-coding, " tulad ng sa napaka-matalino at nakapagtuturo na piraso sa Wired. Ang ideya na namumuno dito ay ang parehong ideya, na sa susunod na panahon, sa halip na pag-cod, magkakaroon tayo ng isang sistema kung saan sinasanay namin ang mga computer upang mag-isip sa mga paraan na mas malapit sa kung paano natin iniisip, upang matuto sa paglipas ng panahon at gumawa nang naaayon sa mga pagpapasya. Karamihan sa mga ito ay nagawa sa pamamagitan ng paglipat mula sa isang deterministikong diskarte sa pag-compute sa isa na na-abstract na may mas sopistikadong mga input.
