Mengapa AI simbolik penting kepada operasi perniagaan?

AI Simbolik boleh menerangkan cerapan perniagaan dan membantunya mencapai semua matlamatnya.

Walaupun banyak perniagaan sedang bereksperimen dengan kecerdasan buatan menggunakan model pembelajaran mesin asas (ML) dan pembelajaran mendalam (DL), teknologi baharu yang dipanggil A new jenis kecerdasan buatan, yang dikenali sebagai AI simbolik, muncul di makmal, dengan potensi untuk mengubah fungsi kecerdasan buatan dan hubungannya dengan penyelia manusia.

Terdapat dua kategori kecerdasan buatan dalam sejarah: kecerdasan buatan simbolik dan kecerdasan buatan bukan simbolik. Setiap jenis kecerdasan buatan mengambil pendekatan yang berbeza untuk membina sistem pintar. Pendekatan simbolik cuba mencipta sistem pintar dengan tingkah laku yang boleh ditafsir berdasarkan peraturan dan pengetahuan bukan simbolik bertujuan untuk mencipta sistem pengkomputeran yang meniru otak manusia.

Matlamat utama sains komputer adalah untuk mencipta sistem AI yang boleh berfikir, logik dan belajar. Sebaliknya, kebanyakan sistem AI hari ini hanya mempunyai satu daripada dua keupayaan: pembelajaran atau penaakulan. Walaupun pendekatan simbolik pandai memikirkan, mentafsir dan mengurus struktur data yang besar, mereka berjuang untuk mewujudkan simbol dalam dunia persepsi.

Untuk menyelesaikan masalah, AI simbolik menggunakan pendekatan atas ke bawah (cth: komputer catur). "Selagi anda bekerja keras, anda akan menemui apa yang anda cari." Dalam kes ini, ujian langkah demi langkah komputer mengenai penyelesaian yang berpotensi dan pengesahan keputusan dipanggil "carian." Contoh yang baik tentang ini ialah komputer catur yang "membayangkan" berjuta-juta pergerakan dan kombinasi masa depan yang berbeza dan kemudian "memutuskan" langkah mana yang paling berkemungkinan menang berdasarkan keputusan. Ia serupa dengan minda manusia: setiap orang yang menghabiskan banyak masa bermain permainan papan atau permainan strategi telah "bermain" dalam fikiran mereka sekurang-kurangnya sekali sebelum membuat pilihan. Rangkaian saraf boleh membantu algoritma AI tradisional kerana ia menambah intuisi "manusia" dan mengurangkan bilangan tindakan yang perlu dikira. Dengan menyepadukan teknologi ini, AlphaGo dapat mengalahkan manusia dalam permainan kompleks seperti Go. Ini tidak mungkin berlaku jika komputer mengira semua kemungkinan pergerakan untuk setiap langkah.

Apabila idea disimpan dalam enjin peraturan, sukar untuk mengubah suainya, yang merupakan salah satu halangan utama kepada AI simbolik atau GOFAI. Sistem pakar adalah monotonik, bermakna lebih banyak peraturan yang anda tambahkan, lebih banyak maklumat dikodkan dalam sistem, tetapi peraturan baharu tidak boleh memusnahkan pengetahuan terdahulu. Monoton ialah istilah yang merujuk kepada satu arah sahaja. Algoritma pembelajaran mesin boleh dilatih semula pada data baharu dan ia lebih baik dalam merekod maklumat sementara yang mungkin dipanggil semula kemudian jika perlu. Sebagai contoh, apabila data tidak pegun, mereka mengubah suai parameter berdasarkan data baharu.

Masalah kedua dengan pemikiran simbolik ialah komputer tidak memahami makna simbol, yang bermaksud ia tidak semestinya berkaitan dengan perwakilan bukan simbolik lain di dunia. Ini berbeza daripada rangkaian saraf, yang mungkin menghubungkan simbol kepada perwakilan data vektor, yang hanya merupakan transformasi input deria mentah.

Maka, persoalan yang jelas ialah: "Untuk siapakah simbol ini berguna untuk mesin? Mesin 't berkomunikasi menggunakan vektor atau bahasa bising yang dikongsi oleh ikan lumba-lumba dan mesin faks? Mari kita buat ramalan: Apabila mesin belajar berkomunikasi antara satu sama lain dengan cara yang mudah difahami, mereka akan Menggunakan bahasa yang tidak dapat difahami? kepada manusia. Untuk peranti jalur lebar tinggi, mungkin perkataan lebar jalur tidak mencukupi. Mungkin ia memerlukan dimensi tambahan untuk menyatakan dirinya dengan jelas. Bahasa hanyalah lubang kunci di pintu yang dipintas oleh mesin. Paling baik, bahasa semula jadi mungkin merupakan API yang disediakan oleh kecerdasan buatan kepada manusia supaya manusia boleh menaiki ekornya, paling teruk, ia mungkin lencongan daripada kecerdasan mesin sebenar. Walau bagaimanapun, kami mengelirukan ini dengan kemuncak kejayaan kerana bahasa semula jadi adalah cara kami menunjukkan kecerdasan.

Faedah:

Cipta graf pengetahuan: Cipta graf pengetahuan sebagai titik permulaan untuk membina sebarang chatbot atau pembantu suara. Graf pengetahuan ialah struktur data masa hadapan dan akan menjadi asas untuk semua aplikasi berasaskan kecerdasan buatan masa hadapan.

• Pelaksanaan Proses: Pendigitalan dan penyediaan data tersusun tidak dapat dielakkan untuk perusahaan. Oleh itu, penciptaan graf pengetahuan tidak dapat dielakkan lambat laun. Wujudkan prosedur dan aliran kerja organisasi yang akan diperlukan untuk dokumentasi dan kemas kini pengetahuan masa hadapan yang kerap.
• Kemudahan Terhebat: Butiran bahagian belakang dikendalikan dalam talian, membolehkan perniagaan menumpukan pada penyediaan dan penambahan data. Platform AI perbualan dalam talian membolehkan pengguna mengedit atau mengubah suai sebarang maklumat dengan mudah pada bila-bila masa.
• Pendekatan Komprehensif: Dalam talian menyediakan pengalaman lengkap dengan membantu pengguna melalui semua peringkat proses. Daripada menyimpan maklumat dalam bentuk graf pengetahuan, kepada menyediakan chatbots atau pembantu suara dengan keupayaan untuk menyerap fakta, bertindak balas dengan sewajarnya, dan membenarkan pengguna menyelesaikan transaksi yang diingini (seperti pembelian). Kemungkinannya tidak berkesudahan.

Atas ialah kandungan terperinci Mengapa AI simbolik penting kepada operasi perniagaan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!