了解机器如何学习以及AI为何不智能

现在注册

随着技术的进步,现在有机器和机器人 人工智能 被创造来做很多人类共有的事情。这些机器具有智能和学习能力,就像人类一样。但是,尽管我们知道人类是通过各种学习平台以及他们的生活经验来教给他们的,但这些机器如何学习呢?

我们知道机器被编程为执行特定的指令集以完成某些任务。但是这些机器现在可以通过称为 机器学习。

机器学习

这是使用 人工智能 使计算机具有自动学习的能力,并且还可以根据自己的经验来自动改进做事和了解未预先编程要去做和不知道的事情。

为了简单地解释什么是机器学习,它是人类做出重要决策,分析并从他们的经验中学习的能力与机器处理大量二人麻将的能力的组合。机器学习基本上是为机器增加人性化的内容。

机器学习的组成部分

机器学习具有不同的部分和元素。要完全了解什么是机器学习及其工作原理,您需要了解所有这些要素。这些元素包括二人麻将,任务,模型,损失,学习和评估。

二人麻将:这是机器学习的第一步。没有基准就无法进行机器学习。这是机器所作用的。就像机器的输入一样,没有输入就没有输出。

机器学习中有许多二人麻将类型。二人麻将可以是包含数值,视频,文本,音频,图像或其他许多可能来源的表格。无论是哪种二人麻将类型,都可以使用不同的方法(例如语音信号频率,图片中每个像素的RBG值等)进行编码。这样可以改善二人麻将并使其具有较高的维度。

为了获取二人麻将,还使用了许多方法。可以使用具有大型二人麻将库的网站,例如Google AI。您还可以使用自由职业者网站,您可以在其中轻松地让人们为您提供 论文写作服务s,但在这种情况下,您将雇用人员来帮助您获取二人麻将。例如,您可以为他们提供数百张包含不同食物和食品的图像,并附有指令以写出特定细节,例如食物成分,有关过敏,体重的信息等。

任务: 现在您已经拥有了二人麻将,机器学习的下一步就是分配任务。您可以以多种方式使用二人麻将的方式来分配此任务。您可以使用该二人麻将来确定两个不同文本的二人麻将之间的关系。然后,此关系用于生成其他二人麻将,例如使用电子邮件内容来确定自动响应的内容等。

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(即输入)和执行任务结果(即输出)的任务。这样的话 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机器学习中记录的大多数成功,并且使用多类和二进制分类。

另一方面,无监督任务是只向计算机提供输入的任务,然后根据算法或许多规则,它可以生成有意义的输出。

楷模: “ y = f(x)”是输入二人麻将和计算机生成的输出之间的关系,假设y是输出,x是输入。在查找不同二人麻将之间的函数时,有时很容易,例如y = mx + c,这是直线方程。但是在大多数情况下,它比这困难得多,甚至可能包含阶数大于25的变量。

机器利用这些复杂的方程式来计算方程式并获取其参数值。在制作模型时,使用的术语包括正则化和过度拟合。

损失函数: 函数可以作为输入和输出(x和y)的值导出并放入。但是,这些参数可能会根据用户类型具有变化的值,因此,这会导致开发不同的模型。必须设计一种方法来根据可用的解决方案确定最佳模型。
损失函数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。

您可以采用计算得出的几个损失函数的最佳模型。存在诸如KL散度的损失和平方误差的损失。

学习算法: 实际上,这就是解决了搜索模型参数的问题。用蛮力搜索是不可行的。特别是对于高阶模型。搜索这些参数值的原因是为了优化损失函数。可以使用Adagrad,Adam,RMS prop和Gradient Descent等算法。

评价: 这是机器学习的最后阶段。在经历了之前的所有阶段之后,需要针对不同模型的基准系统 机器学习。为了对此进行评估,将预测输出与真实输出进行比较。这样就给出了准确度的百分比。第二种方法是从大量输出中选择一个小的数字,其中包含答案。

F1,Recall和Precision是此方法所需的一些元素。在此阶段,将执行不同的测试以确定每个模型的性能。这是因为确定解决方案涉及不同的方法,因此您只需要其中的最好方法即可。

那么,人工智能真的很聪明吗?

人工智能 重点在于计算机的创建,这些计算机能够执行理想地需要人类智能的不同任务,例如决策,语言翻译,语音识别和视觉感知等。

按照这个定义,很难说人工智能是真正的智能。这是因为仅创建机器时要遵循一组规则或指令来执行它们执行的任务。

例如,机器可能能够做出某些决定并执行特定任务,但是却无法告知其实际执行的任务是什么,为什么必须执行任务或任务的目的。事实上,它甚至不能说自己在做什么。但是,它可以使用一组算法来完成任务,甚至比人类更快,更有效地完成任务。那真的是如何定义智力的吗?能够遵循一组规则来完成一项任务,但又不是真的知道任务是什么,或者是否能开箱即用地思考?

关键是,有一个 人工智能的问题 而且非常有限。对计算机进行预编程,使其遵循特定的算法或一组规则来完成其工作。它们仍然局限于这些算法中。您可能会争辩说机器学习。毫无疑问,他们这样做。他们能够获取大量二人麻将,对其进行分析并尝试从中学习。但是他们能够获取这些二人麻将并从中学习的唯一原因是他们已经编程了。它们仍然受其算法以及所接触到的二人麻将的限制。

不同于人类的智能通过感知来有意识和无意识地学习,这些机器无法感觉到。他们被编程以做他们要做的事情,并且为了取得结果而建立。他们也无法像人类一样发展情绪智力,这实际上使他们变得虚弱。

您也许可以用非常高效和高产的机器代替人工。但实际上,它们只是为了实现某些目标并以比人类可能更快的速度执行某些任务而构建的。但是他们本身并不聪明,永远不可能。它们是自动化的事实并不能使其变得智能。这是许多相信人工智能的人犯的错误。

对于本文的转载和许可请求, 点击这里.