Quelles sont les classifications de l'intelligence artificielle ?

La classification de l'intelligence artificielle comprend l'IA cognitive, l'IA d'apprentissage automatique et l'apprentissage profond. L'intelligence artificielle est une nouvelle science technique qui étudie et développe des théories, des méthodes, des technologies et des systèmes d'application pour simuler, étendre et développer l'intelligence humaine.

L'environnement d'exploitation de cet article : système Windows 10, ordinateur thinkpad t480.

Intelligence Artificielle, l'abréviation anglaise est AI. Il s'agit d'une nouvelle science technique qui étudie et développe des théories, des méthodes, des technologies et des systèmes d'application pour simuler, étendre et développer l'intelligence humaine.

1. IA cognitive (IA cognitive)

L'informatique cognitive est la branche la plus populaire de l'intelligence artificielle, responsable de toutes les interactions qui semblent « humaines ». L’IA cognitive doit être capable de gérer facilement la complexité et l’ambiguïté, tout en apprenant continuellement de l’expérience de l’exploration de données, du NLP (traitement du langage naturel) et de l’automatisation intelligente.

Les gens sont désormais de plus en plus enclins à considérer l’IA cognitive comme un mélange des meilleures décisions prises par l’intelligence artificielle et des décisions des travailleurs humains pour superviser des événements plus difficiles ou incertains. Cela peut contribuer à étendre l’applicabilité de l’IA et à générer des réponses plus rapides et plus fiables.

2. Machine Learning AI (Machine Learning AI)

Machine Learning (ML) L'IA est le type d'intelligence artificielle qui peut conduire de manière autonome votre Tesla sur l'autoroute. Il est encore à la pointe de l'informatique, mais il devrait avoir un impact considérable sur le lieu de travail quotidien à l'avenir. L'apprentissage automatique consiste à trouver des « modèles » dans le Big Data, puis à utiliser ces modèles pour prédire des résultats sans trop d'explications humaines, et ces modèles ne peuvent pas être observés dans une analyse statistique ordinaire.

3. Deep Learning

Si l'apprentissage automatique est à la pointe, alors l'apprentissage en profondeur est à la pointe. C'est le genre d'IA que vous enverriez à un quiz. Elle combine l’analyse du big data et des algorithmes non supervisés. Ses applications tournent souvent autour de grands ensembles de données non étiquetés qui doivent être structurés en clusters interconnectés. Cette inspiration pour l’apprentissage profond provient entièrement des réseaux de neurones de notre cerveau, c’est pourquoi on peut à juste titre l’appeler réseaux de neurones artificiels.

L'apprentissage profond est la base de nombreuses méthodes modernes de reconnaissance vocale et d'image et permet une plus grande précision dans le temps que les méthodes sans apprentissage jamais proposées.

Espérons qu'à l'avenir, l'apprentissage profond IA puisse répondre de manière autonome aux demandes des clients et finaliser les commandes par chat ou par e-mail. Ils peuvent également contribuer au marketing en suggérant de nouveaux produits et spécifications basés sur leurs vastes pools de données. Ou peut-être qu’un jour ils pourraient devenir des assistants à part entière sur le lieu de travail, brouillant complètement les frontières entre les robots et les humains.

Vidéos d'apprentissage recommandées : Introduction à la programmation

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!