Ketahui bagaimana kecerdasan buatan membolehkan mesin belajar dalam satu artikel?

Dalam artikel "Memahami Kepintaran Buatan (AI) dalam Satu Artikel" kami memperkenalkan masalah kompleks yang boleh diselesaikan oleh AI. Masalah ini tidak boleh diselesaikan dengan peraturan tetap dan memerlukan mesin membuat pertimbangan akhir berdasarkan penilaian perbandingan berdasarkan contoh lepas. Mesin perlu meniru manusia dalam mempelajari sesuatu.

Proses pembelajaran manusia boleh dibahagikan kepada peringkat berikut: persepsi, ingatan, perbandingan dan induksi, ringkasan dan amalan.

Persepsi: Dapatkan maklumat dari dunia luar melalui deria anda sendiri (penglihatan, pendengaran, sentuhan, rasa dan bau), memerhati dan mengalami persekitaran sekeliling dan apa yang berlaku. Selain pengalaman peribadi, untuk mendapatkan maklumat dengan lebih cekap, orang ramai mendengar cerita, membaca buku dan menonton video untuk memahami apa yang berlaku pada masa lalu.

Memori: Apabila kita memperoleh maklumat baharu, kita akan mengingati maklumat yang perlu kita gunakan pada masa hadapan dalam otak kita, dan membuangmaklumat yang kita fikir tidak perlu.

Perbandingan dan Generalisasi: Cara terbaik untuk orang ramai memahami maklumat baharu ialah membandingkannya dengan maklumat dalam ingatan mereka sendiri. Fahami maklumat baharu dan klasifikasikan maklumat yang berbeza dengan membandingkan persamaan dan perbezaannya.

Ringkasan: Orang ramai menyepadukan cebisan maklumat individu bersama-sama dan menyimpulkan perkaitan dan corak antara maklumat. Bina rangkaian maklumat untuk membantu memahami sebab dan akibat sesuatu.

Amalan: Maksud pembelajaran ialah mengaplikasikan pengetahuan yang diperolehi kepada situasi kehidupan sebenar. Mengesahkan kebolehgunaan dan ketepatan pengetahuan semasa menyelesaikan masalah. Semasa proses pengesahan, pusingan baharu proses persepsi telah masuk.

Gambarajah skematik proses pembelajaran

Dalam lima langkah ini, ingatan adalah yang terbaik untuk persepsi data semulajadi dan kemanusiaan adalah proses yang memerlukan banyak tenaga kerja yang boleh dikesan oleh instrumen adalah Pengumpulan data boleh diautomasikan. Perbandingan dan aruhan dalam langkah ketiga dan ringkasan dalam langkah keempat adalah sebahagian daripada pelaksanaan algoritma. Perbezaan terbesar antara program pembelajaran mesin dan program biasa ialah bahagian praktikal. Selepas program perisian biasa mengeluarkan keputusan, keseluruhan proses selesai. Tetapi program pembelajaran mesin boleh menjaringkan setiap hasil, dan algoritma kemudiannya boleh melaraskan hasil operasi berdasarkan skor.

Memandangkan mesin memerlukan maklum balas daripada hasil yang sedang dijalankan untuk belajar, proses pembangunan algoritma pembelajaran mesin merangkumi dua peringkat: penulisan dan pembelajaran algoritma. Fasa pembelajaran mesin juga dipanggil fasa latihan, di mana data yang diketahui digunakan untuk pembelajaran dan pengesahan. Keputusan setiap sesi latihan dinilai dan algoritma diselaraskan. Proses pembelajaran ini terbahagi kepada dua jenis: pembelajaran diselia dan pembelajaran tidak diselia.

Pembelajaran yang diselia sesuai untuk masalah diselesaikan dengan jangkaan yang jelas, dan diharapkan mesin dapat meramalkan masalah serupa yang akan timbul pada masa hadapan. Data latihan untuk pembelajaran diselia mesti muncul secara berpasangan, mengandungi maklumat ciri input program dan maklumat hasil keluaran program. Semasa latihan pembelajaran diselia, set latihan dibahagikan secara rawak kepada dua bahagian: satu bahagian digunakan untuk melatih program, dan bahagian lain digunakan untuk mengesahkan sama ada hasil pemprosesan algoritma memenuhi jangkaan.

Pembelajaran tanpa pengawasan digunakan untuk meneroka hubungan dan corak antara data, dan mendapatkan keputusan masalah tertentu. Data latihan pembelajaran tanpa pengawasan hanya mempunyai input maklumat ciri oleh program, dan keseluruhan data digunakan untuk pembelajaran semasa latihan. Keputusan latihan yang diperolehi oleh pembelajaran tanpa pengawasan tidak boleh disahkan dengan set latihan dan perlu dinilai secara berasingan sebelum melaraskan algoritma.

Proses pembelajaran mesin meniru proses pembelajaran manusia. Dalam proses memahami pembelajaran mesin, kami hanya mempelajari pengetahuan IT. Kami juga boleh memikirkan cara mengoptimumkan proses pembelajaran kami sendiri.

Atas ialah kandungan terperinci Ketahui bagaimana kecerdasan buatan membolehkan mesin belajar dalam satu artikel?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!