广告

了解机器如何学习以及为什么AI不智能

机器学习是人类能力做出至关重要的决策,从机器能够照顾众多二人麻将的体验中分析和学习和学习。

随着技术的进步,现在有机器和机器人 人工智能 创造了做很多人对人类的事情。这些机器是以智力创造的,能够像人类一样学习。但是,虽然我们知道人类通过各种学习平台教导他们所知道的事情,以及他们的生活经历,这些机器如何学习?

我们知道机器被编程为执行特定的指令组,以执行某些任务。但这些机器现在能够通过一个名为的过程来自己学习 机器学习。

机器学习

广告

这是使用 人工智能 为计算机提供自动学习的能力,也可以自动从他们的经验自动改进,并知道他们没有预先编程和知道的事情。

为了简单地解释机器学习是什么,它是人类能力做出至关重要的决策,分析和学习的能力,从他们的经验中获取机器照顾众多二人麻将的能力。机器学习基本上是关于为机器添加人的触摸。

机器学习的部分

机器学习具有不同的部件和元素。要完全理解机器学习是什么以及它的工作原理,您需要了解所有这些元素。元素包括二人麻将,任务,模型,丢失,学习和评估。

二人麻将 :这是机器学习的第一步。在没有二人麻将的情况下,机器学习就不会发生。这是机器的行为。它就像到机器的输入,而没有输入,没有输出。

机器学习中有许多二人麻将类型。二人麻将可以是其中的表中具有数字值,视频,文本,音频,图像或来自许多其他可能源的数值。无论二人麻将类型如何,都可以使用不同的方法(例如语音信号频率,图片中的每个像素的RBG值等)来编码它们。这改善了二人麻将并使其成为高维度。

要获取二人麻将,还存在许多方法也使用。可以使用具有大型二人麻将库的网站,例如Google AI。您也可以使用自由职业网站,您可以轻松地让人们为您提供 纸写作服务s,但在这种情况下,您将聘请人们帮助您获取二人麻将。例如,您可以给他们数百种图像,其中包含不同的食品和食品,用指示写出特定细节,如食品成分,有关过敏,重量等的信息。

任务: 现在您拥有您的二人麻将,机器学习的下一步是分配任务。您可以在这种方法中分配此任务,这些任务可以以大量的方式使用。您可以使用二人麻将来确定不同文本的2个二人麻将之间的关系。然后使用这种关系来生产其他二人麻将,例如使用电子邮件内容来确定自动响应的等等。

有两种类型的任务;监督任务和无监督任务。

监督任务是您负责提供二人麻将的二人麻将,以及执行任务的二人麻将,这是输出。这是这样的 机器学习 这种模式并能够在其他情况下使用您的方法。这种类型的学习主要负责在机器学习中被记录的大多数成功,并且它使用多级和二进制分类。

另一方面,无监督的任务是您只提供输入的计算机,然后根据算法或多个规则,它能够生成有意义的输出。

楷模: “y = f(x)”是输入二人麻将和输出之间的关系,计算机生成给定y是输出,x是输入。何时找到在不同二人麻将之间的功能时,有时容易像y = mx + c,这是直线方程。但在大多数情况下,它比这更困难,甚至可能含有大于25的订单的变量。

该机器利用这些复杂的方程来计算方程式并获得其参数值。谈到制作模型时,使用的术语包括正则化和过度装备。

损失功能: 可以派生功能和开槽,以输入和输出(x和y)。然而,这些参数可以基于用户类型改变值,因此,这导致开发不同的模型。必须设计一种方法,用于确定最佳的模型,这些模型是可用的解决方案。
丢失功能方法是通常使用的方法,它是L = SUM。这是从实际输出中减去实验输出的结果的平方。

您可以采取所计算的几种损耗功能的最佳模型。损失如KL发散,并且损失方差。

学习算法: 实际上,解决了搜索模型参数的问题。用蛮力搜索是不可行的;特别是对于具有高阶的模型。搜索这些参数值的原因是优化该损失函数。可以使用诸如Adagrad,ADAM,RMS支撑和梯度下降的算法。

评估: 这是机器学习的最后阶段。在此之前完成所有阶段之后,不同型号需要基准的系统 机器学习。为了评估这一点,将预测的输出与真正的输出进行比较。然后给出精度的百分比。第二种方法是从大量的输出中选择一个包含答案的小数。

F1,召回和精度是此方法所需的一些元素。在此阶段,执行不同的测试以确定每个模型如何执行。这是因为确定解决方案所涉及的不同方法,您只需要最好的方法。

人工智能真的很聪明吗?

人工智能 以能够进行不同任务的计算机为中心,以理想地要求人类的智能,例如决策,语言翻译,语音识别和视觉感知等。

通过这种定义,很难争辩,人工智能真的很聪明。这是因为只创建了机器以遵循一组规则或说明来执行他们所做的任务。

例如,机器可能能够做出某些决策并执行特定的任务,但它无法识别出现它的任务,或者为什么它必须携带任务或者任务的目的。事实上,它甚至不能说出它在做什么。然而,它可以使用一组算法来完成任务,甚至比人类更快地更快地做到这一点。这真的是如何定义智能的?能够遵循一组规则来完成任务,但并不真正知道任务是什么或能够思考盒子?

重点是,有一个 人工智能问题 它非常有限。计算机被预编程为遵循特定算法或一组规则来执行他们所做的事。它们仍然限制在那些算法中。你可能会争辩说机器学习。毫无疑问,他们这样做。他们能够采用众多二人麻将,分析它并尝试从中学习。但他们可以在此二人麻将中获取的唯一原因并从中学习它们是它们的编程为。它们仍然受到他们的算法的限制,并且他们已经暴露的二人麻将。

与人类智慧不同,这些智慧有意识地和不知不觉地利用其感官,这些机器就感觉不到。它们被编程为执行他们所做的事情并建立以实现结果。他们也无法培养像人类那样的情绪智力,实际上使它们变得薄弱。

您可能能够用一个非常高效和超级生产的机器更换人工。但实际上,他们只是建造了实现某些目标,并比人类可以更快地执行一些任务。但他们不是自己的聪明,永远不会是。它们是自动化的事实并不使其成为智能化。这是许多相信AI的人的错误。

分享

更多来自信息管理
发布时间: 2021-05-15 01:03:13

最近发表