Erfahren Sie in einem Artikel, wie künstliche Intelligenz Maschinen zum Lernen befähigt?

Im Artikel „Künstliche Intelligenz (KI) in einem Artikel verstehen“ haben wir die komplexen Probleme vorgestellt, die KI lösen kann. Diese Probleme können nicht durch feste Regeln gelöst werden und erfordern, dass Maschinen endgültige Urteile auf der Grundlage vergleichender Bewertungen anhand vergangener Beispiele fällen. Maschinen müssen Menschen beim Lernen nachahmen.

Der menschliche Lernprozess kann in die folgenden Phasen unterteilt werden: Wahrnehmung, Gedächtnis, Vergleich und Induktion, Zusammenfassung und Übung.

Wahrnehmung: Erhalten Sie Informationen von der Außenwelt durch Ihre eigenen Sinne (Sehen, Hören, Tasten, Schmecken und Riechen), beobachten und erleben Sie die Umgebung und das Geschehen. Um Informationen effizienter zu erhalten, hören sich die Menschen neben persönlichen Erfahrungen auch Geschichten an, lesen Bücher und schauen sich Videos an, um zu verstehen, was in der Vergangenheit passiert ist.

Gedächtnis: Wenn wir neue Informationen erhalten, merken wir uns die Informationen, die wir in Zukunft benötigen, in unserem Gehirn und „werfen“ die Informationen weg, die wir für unnötig halten.

Vergleich und Verallgemeinerung

: Der beste Weg für Menschen, neue Informationen zu verstehen, besteht darin, sie mit den Informationen in ihrem eigenen Gedächtnis zu vergleichen. Verstehen Sie neue Informationen und klassifizieren Sie unterschiedliche Informationen, indem Sie ihre Ähnlichkeiten und Unterschiede vergleichen.

Zusammenfassung

: Menschen integrieren einzelne Informationen zusammen und leiten die Zusammenhänge und Muster zwischen den Informationen ab. Bauen Sie ein Informationsnetzwerk auf, um die Ursachen und Folgen von Dingen zu verstehen.

Üben: Der Sinn des Lernens besteht darin, das erworbene Wissen auf reale Lebenssituationen anzuwenden. Überprüfen Sie die Anwendbarkeit und Richtigkeit des Wissens bei der Problemlösung. Während des Verifizierungsprozesses ist eine neue Runde des Wahrnehmungsprozesses eingetreten.

Schematische Darstellung des Lernprozesses In diesen fünf Schritten ist das Gedächtnis das, was Computer am besten beherrschen. Die natürliche und humanistische Datenwahrnehmung erfordert viel Arbeitskraft. Datenindikatoren, die von Instrumenten erfasst werden können Die Datenerfassung kann automatisiert werden. Der Vergleich und die Induktion im dritten Schritt sowie die Zusammenfassung im vierten Schritt sind Teil der Algorithmusimplementierung. Der größte Unterschied zwischen maschinellen Lernprogrammen und gewöhnlichen Programmen ist der praktische Teil. Nachdem das gewöhnliche Softwareprogramm die Ergebnisse ausgegeben hat, ist der gesamte Prozess abgeschlossen. Aber das maschinelle Lernprogramm kann jedes Ergebnis bewerten, und der Algorithmus kann dann das Ergebnis der

-Operation basierend auf der Bewertung anpassen.

Da die Maschine zum Lernen Feedback von den laufenden Ergebnissen benötigt, umfasst der Entwicklungsprozess von Algorithmen für maschinelles Lernen zwei Phasen: Schreiben und Lernen des Algorithmus. Die Phase des maschinellen Lernens wird auch Trainingsphase genannt, in der bekannte Daten zum Lernen und zur Validierung verwendet werden. Die Ergebnisse jeder Trainingseinheit werden ausgewertet und der Algorithmus angepasst. Dieser Lernprozess wird in zwei Typen unterteilt: überwachtes Lernen und unüberwachtes Lernen.

Überwachtes Lernen eignet sich für Probleme, die mit klaren Erwartungen gelöst werden sollen, und man hofft, dass die Maschine ähnliche Probleme vorhersagen kann, die in der Zukunft auftreten werden. Die Trainingsdaten für überwachtes Lernen müssen paarweise erscheinen und Funktionsinformationen der Programmeingabe und Ergebnisinformationen der Programmausgabe enthalten. Während des überwachten Lerntrainings wird der Trainingssatz zufällig in zwei Teile geteilt: Ein Teil wird zum Trainieren des Programms verwendet und der andere Teil wird verwendet, um zu überprüfen, ob die Verarbeitungsergebnisse des Algorithmus den Erwartungen entsprechen.

Unüberwachtes Lernen wird verwendet, um die Beziehungen und Muster zwischen Daten zu untersuchen und die Ergebnisse eines bestimmten Problems zu erhalten. Die Trainingsdaten des unbeaufsichtigten Lernens enthalten nur die vom Programm eingegebenen Funktionsinformationen, und die gesamten Daten werden zum Lernen während des Trainings verwendet. Die durch unüberwachtes Lernen erzielten Trainingsergebnisse können nicht mit dem Trainingssatz überprüft werden und müssen vor der Anpassung des Algorithmus separat ausgewertet werden.

Der Prozess des maschinellen Lernens imitiert den Prozess des menschlichen Lernens. Im Prozess des Verstehens von maschinellem Lernen erlernen wir nur ein IT-Wissen. Wir können auch darüber nachdenken, wie wir unseren eigenen Lernprozess optimieren können.

Das obige ist der detaillierte Inhalt vonErfahren Sie in einem Artikel, wie künstliche Intelligenz Maschinen zum Lernen befähigt?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!