Konstgjord intelligens förklarade helt enkelt. I mängden, t.ex. Big Data håller en översikt? Detta är bara möjligt om du är orienterad eller orienterad mot vissa mönster.
Artificial Intelligence (AI) - Enkel syntax
En självtest: Du har en viss bild i huvudet. Det sägs vara ett rött skåp med vita handtag idag. Vad gör du?
I Google -sökningen "skåp röda, vita handtag".
Avkastning? Blygsam.
Försök 2: Du går in i "röda skåp, vita händer" i Google -sökningen.
Resultatet är bättre, men kan säkert bli ännu bättre.
Med Google -sökningen görs det första steget i programmeringen. Samlingen av sökningar, omvandlingen av detta till algoritmer och koder utgör det neurala nätverket.
Maskininlärning som visas i den bästa grafiken är därför inte en sak för snabb implementering. Det finns mycket tid och arbete inuti. Detta förklarar också motsvarande utvecklingskostnader. Men om du anser att AI inte känner någon semester, ingen pension eller andra naturliga misslyckanden ser det väldigt annorlunda ut igen.
Men är det röda skåpet med vita handtag fortfarande uppdaterade imorgon? Passar det fortfarande livsstilen? Smakar förändring. Det är precis där det djupa inlärningen kommer in. För att stanna hos vårt exempel: Med den ytterligare sökningen lär AI och baserat på de andra ämnena som är intresserade av hur ditt sökbeteende har förändrats och oberoende utvecklar nya algoritmer för att "förutsäga" att ett grönt skåp med blå handtag kan vara intresserade av köket på ett år.
Fruktansvärd? Detta är skrämmande för vissa. Men det är faktiskt inte. Då spelar rädslan för det okända en prank. Om vi frågade en grupp människor som kan vara intresserade av TV imorgon, kommer du att få en mängd olika svar i enlighet därmed. Inte enhetlig. Vilket mönster bestämmer du vilket förslag du skulle acceptera? Är det det tekniska bidraget eller sedan det attraktiva utseendet på den berörda personen?
Det är så det är med AI. Beroende på hur svagt eller starkt det neurala nätverket har ”programmerats” är uttalandet i enlighet därmed. Det handlar om mönsteranalys som borde hjälpa oss att fatta ett bra beslut. Inte för att kontrollera oss. För om vi inte skapar provanalys i big data, går vi nådelöst under. Och det är det verkliga skräckscenariot.
Hålla kontakten med
