Zawartość
P:
Jakie są pięć szkół uczenia maszynowego?
ZA:
Dla tych, którzy nie zbadali, co kryje się za nowoczesnym uczeniem maszynowym i pracą nad sztuczną inteligencją, cały ten wysiłek i badania często wyglądają jak jedna wielka amorficzna zbieranina. Kiedy jednak zarysujesz powierzchnię i spojrzysz na to, co robią przywódcy naukowi w tych dziedzinach, zobaczysz, że w pewnym sensie istnieje naprawdę pięć różnych głównych podejść do kwestii popychania sztucznej inteligencji do przodu.
Tych pięć „szkół” lub „plemion” zostało spopularyzowanych przez pracę Pedro Domingosa w jego książce „Master Algorytm” na temat rozwoju AI, ale są one również rozważane w innych częściach świata naukowego.
Pierwsza szkoła sztucznej inteligencji nazywa się łącznością. Ta szkoła koncentruje się na faktycznych połączeniach neuronowych i fizyce ludzkiego mózgu. Opiera się na idei propagacji wstecznej, która śledzi te połączenia w celu uzyskania wyników. Niektórzy nazywają szkołę związkową „próbą odwrócenia inżynierii ludzkiego mózgu”.
Kolejną szkołą sztucznej inteligencji jest symbolika. Symboliści używają logiki i istniejącej wiedzy do budowania modeli, które działają inteligentnie. Pod pewnymi względami symboliczne podejście jest podobne do tego, które pojawiło się wcześnie w świecie sztucznej inteligencji, zanim opracowano sieci neuronowe. Jeśli skompilujesz wystarczająco dużą bazę wiedzy i poradzisz sobie z nią w określony sposób, zacznie ona tworzyć formę sztucznej inteligencji, i to właśnie stoi za symbolicznym podejściem, które zostało połączone z niektórymi innymi nowoczesnymi podejściami.
Trzecia szkoła to szkoła ewolucjonizmu. Tutaj koncentruje się nie tylko teoria ewolucji, ale także genetyka i biofizyka, a także bioinformatyka. To ramię sztucznej inteligencji można postrzegać jako kategorię, która działa na ludzki genom i stosuje nowoczesne technologie w dziedzinie genetyki. W tym sensie ewolucjonistyczna sztuczna inteligencja jest wyjątkowa. To nieco inny rodzaj projektu niż pozostałe cztery szkoły.
Szkoła bayesowska jest czwartą szkołą sztucznej inteligencji. Jest to ponownie jedna ze starszych szkół, która została wcześnie zastosowana, na przykład w celu eliminacji spamu z folderów.
Model Bayesa i podejście jest modelem heurystycznym. Działa na zasadzie prawdopodobieństwa ewolucji modeli, które wycinają niepożądane wyniki lub dążą do innych celów, w oparciu o to, gdzie zdarzenia mogą się zdarzyć, lub na podstawie innych wskaźników. Innym popularnym zastosowaniem logiki bayesowskiej jest bezpieczeństwo sieci - w ciągu ostatnich kilku lat inżynierowie bezpieczeństwa szeroko stosowali logikę bayesowską do wykrywania zagrożeń dla sieci poprzez modelowanie miejsc, w których mogą one wystąpić i jak.
Piąta i ostatnia szkoła uczenia maszynowego nazywa się analogowaniem. Jest to także szkoła, która być może jest łatwiejsza do zrozumienia dla przeciętnego konsumenta. Silniki rekomendacji takich firm jak i Google oparte są na podejściu analogicznym. Biorą algorytmy takie jak „najbliższy sąsiad” i łączą je z różnymi rodzajami sygnałów, aby spróbować dopasować pomysły do innych pomysłów lub naprzemiennie do ludzi. Komputer, który twierdzi, że wie, jaką muzykę lubisz, jest dobrym przykładem tego podejścia.
Wszystkie te szkoły myślenia łączą się, tworząc zbiór badań nad nowoczesną sztuczną inteligencją. Naukowcy pracują nad popchnięciem każdego z nich do przodu w połączeniu ze sobą i generalnie rozwijają dziedzinę - i starają się to zrobić w bardzo interesujący sposób. Niektórzy z czołowych liderów technologii w ciągu ostatnich kilku dziesięcioleci ostrzegali, że oprócz popierania sztucznej inteligencji do przodu, należy skupić się na etyce i odpowiedzialnym korzystaniu z technologii, aby zapobiec poważnym problemom społecznym. Musi to dotyczyć każdej z tych pięciu szkół uczenia maszynowego.