![Jak sztuczna inteligencja oszukała człowieka](https://i.ytimg.com/vi/vz6ANX7oChg/hqdefault.jpg)
Zawartość
- Definicja - Co oznacza sztuczna inteligencja (AI)?
- Wprowadzenie do Microsoft Azure i Microsoft Cloud | W tym przewodniku dowiesz się, na czym polega przetwarzanie w chmurze i jak Microsoft Azure może pomóc w migracji i prowadzeniu firmy z chmury.
- Techopedia wyjaśnia sztuczną inteligencję (AI)
Definicja - Co oznacza sztuczna inteligencja (AI)?
Sztuczna inteligencja (AI) to dziedzina informatyki, która kładzie nacisk na tworzenie inteligentnych maszyn, które działają i reagują jak ludzie.
Niektórych działania, do których zaprojektowano komputery ze sztuczną inteligencją, obejmują:
- Rozpoznawanie mowy
- Uczenie się
- Planowanie
- Rozwiązywanie problemów
Wprowadzenie do Microsoft Azure i Microsoft Cloud | W tym przewodniku dowiesz się, na czym polega przetwarzanie w chmurze i jak Microsoft Azure może pomóc w migracji i prowadzeniu firmy z chmury.
Techopedia wyjaśnia sztuczną inteligencję (AI)
Sztuczna inteligencja to dziedzina informatyki, której celem jest tworzenie inteligentnych maszyn. Stało się istotną częścią przemysłu technologicznego.
Badania związane ze sztuczną inteligencją są wysoce techniczne i wyspecjalizowane. Podstawowe problemy sztucznej inteligencji obejmują programowanie komputerów dla niektórych takich cech
tak jak:
- Wiedza, umiejętności
- Rozumowanie
- Rozwiązywanie problemów
- Postrzeganie
- Uczenie się
- Planowanie
- Umiejętność manipulowania i przenoszenia obiektów
Inżynieria wiedzy jest kluczową częścią badań nad AI. Maszyny mogą często działać i reagować jak ludzie tylko wtedy, gdy mają bogate informacje dotyczące świata. Sztuczna inteligencja musi mieć dostęp do obiektów, kategorii, właściwości i relacji między nimi wszystkimi w celu wdrożenia inżynierii wiedzy.
Inicjowanie zdrowy rozsądek, zdolność rozumowania i rozwiązywania problemów w maszynach jest trudnym i żmudnym zadaniem.
Uczenie maszynowe jest również kluczową częścią sztucznej inteligencji. Uczenie się
bez rodzaj nadzoru wymaga umiejętności rozpoznawania wzorców w strumieniach danych wejściowych, podczas gdy uczenie się z odpowiednim nadzorem obejmuje klasyfikację i regresje liczbowe.
Klasyfikacja określa kategorię, do której należy obiekt, i dotyczy regresji
uzyskiwanie zestaw liczbowych przykładów wejścia lub wyjścia,
a tym samym odkrywanie funkcji umożliwiających generowanie odpowiednich wyników z odpowiednich danych wejściowych. Analiza matematyczna algorytmów uczenia maszynowego i ich wydajności jest dobrze zdefiniowaną gałęzią informatyki teoretycznej, często nazywaną komputerową teorią uczenia się.
Percepcja maszynowa dotyczy możliwości wykorzystania danych sensorycznych w celu wywnioskowania różnych aspektów świata, podczas gdy wizja komputerowa jest siłą do analizy danych wizualnych za pomocą
kilka sub-problemy takie jak
twarzowy, rozpoznawanie obiektów i gestów.
Robotyka to także ważna dziedzina związana z AI. Roboty wymagają inteligencji do obsługi zadań, takich jak manipulacja obiektami i nawigacja, a także podproblemów lokalizacji, planowania ruchu i mapowania.