Durch welchen Prozess erwirbt künstliche Intelligenz automatisch Wissen und Fähigkeiten und erreicht Selbstverbesserung?

Der Prozess zur Selbstverbesserung ist „maschinelles Lernen“. Maschinelles Lernen ist der Kern der künstlichen Intelligenz und die grundlegende Möglichkeit, Computer intelligent zu machen; es ermöglicht Computern, menschliches Lernverhalten zu simulieren, durch Lernen automatisch Wissen und Fähigkeiten zu erwerben, die Leistung kontinuierlich zu verbessern und sich selbst zu verbessern. Maschinelles Lernen untersucht hauptsächlich drei Aspekte: 1. Lernmechanismus, die angeborene Fähigkeit des Menschen, sich Wissen, Fähigkeiten und abstrakte Konzepte anzueignen; Ein System, das maschinelles Lernen bis zu einem gewissen Grad implementieren kann.

Die Betriebsumgebung dieses Tutorials: Windows 7-System, Dell G3-Computer.

Der Prozess, durch den künstliche Intelligenz automatisch Wissen und Fähigkeiten erwirbt und Selbstverbesserung erreicht, ist „maschinelles Lernen“.

Maschinelles Lernen ist der Kern der künstlichen Intelligenz und der grundlegende Weg, Computer intelligent zu machen.

Maschinelles Lernen:

Maschinelles Lernen ermöglicht es Computern, menschliches Lernverhalten zu simulieren, durch Lernen automatisch Wissen und Fähigkeiten zu erwerben, die Leistung kontinuierlich zu verbessern und Selbstverbesserung zu erreichen.

Maschinelles Lernen untersucht hauptsächlich die folgenden drei Aspekte:

(1) Lernmechanismus: die angeborene Fähigkeit des Menschen, sich Wissen, Fähigkeiten und abstrakte Konzepte anzueignen.
(2) Lernmethode: Die Struktur der maschinellen Lernmethode basiert darauf, den biologischen Lernmechanismus zu vereinfachen und ihn mithilfe rechnerischer Methoden zu reproduzieren.
(3) Lernsystem: Ein System, das maschinelles Lernen bis zu einem gewissen Grad realisieren kann.

Ein Lernsystem sollte im Allgemeinen aus vier Grundteilen bestehen: Umgebung, Lernen, Wissensbasis, Durchführung und Bewertung.

Klassifizierung des maschinellen Lernens

1. Klassifizierung nach Lernmethode (Winston, 1977)

Mechanisches Lernen, geführtes Lernen, Beispiellernen, Analogielernen, Erklärungslernen warten.

2. Klassifizierung nach Lernfähigkeit:

Überwachtes Lernen (Lernen mit Lehrern)

Reinforcement Learning (Reinforcement Learning oder Reinforcement Learning)

Nicht beaufsichtigt Lernen (Lehrerloses Lernen)

3. Klassifizierung nach Argumentationsmethode:

Abzugsbasiertes Lernen (Erklärungslernen).
Induktionsbasiertes Lernen (Beispiellernen, Entdeckungslernen usw.).

4. Klassifiziert nach umfassenden Attributen:

Induktives Lernen, analytisches Lernen, Verbindungslernen, genetisches Lernen usw.

Mechanisches Lernen

Mechanisches Lernen (Auswendiglernen) wird auch Gedächtnislernen oder Auswendiglernen genannt: Der Zweck des Lernens wird durch direktes Auswendiglernen oder Speichern von Informationen erreicht, die von der externen Umgebung bereitgestellt werden, und später durch die Manipulation des Wissens Basis Das durch Retrieval gewonnene entsprechende Wissen wird direkt zur Lösung des Problems verwendet.
Die Essenz des mechanischen Lernens besteht darin, Speicherplatz gegen Verarbeitungszeit einzutauschen.
Typisches Beispiel: Im Jahr 1959 startete Samuel (A.L.Samuel) das Dameprogramm CHECKERS.

Samuels Checkers-Programm CHECKERS

verwendet die Bewertungsfunktion, um das Muster unter einer bestimmten Suchtiefe zu bewerten, und berechnet den Backcast-Wert des oberen Knotens durch Backcast-Berechnung, um den aktuell besten Zug zu bestimmen.
Wenn Sie das nächste Mal auf die gleiche Situation stoßen, verwenden Sie direkt die Rückwärtsberechnung, um den besten Zug ohne Neuberechnung zu ermitteln.

Hauptprobleme beim maschinellen Lernen:

Speichern von Organisationsinformationen: Verwenden Sie geeignete Speichermethoden, um den Abruf so schnell wie möglich zu gestalten.
Umgebungsstabilität und Anwendbarkeit gespeicherter Informationen: Das maschinelle Lernsystem muss sicherstellen, dass sich die gespeicherten Informationen an Veränderungen in der externen Umgebung anpassen.
Kompromiss zwischen Speicherung und Berechnung: Ein wichtiger Punkt beim maschinellen Lernen ist, dass es die Effizienz des Systems nicht verringert.

Geführtes Lernen

Geführtes Lernen (Lernen durch Erzählen) wird auch instruktionales Lernen oder lehrendes Lernen genannt: Die externe Umgebung liefert allgemeine Anweisungen oder Vorschläge an das System, und das System wandelt diese gezielt in detailliertes Wissen um und sendet es an das Wissensbasis. Während des Lernprozesses muss das erworbene Wissen immer wieder evaluiert werden, um es kontinuierlich zu perfektionieren.

Der Lernprozess des geführten Lernens:

Anweisungen oder Vorschläge des Dozenten einholen, die Beratungsmeinungen in ausführbare interne Formulare umwandeln, zur Wissensdatenbank hinzufügen und auswerten.

Anweisungen oder Vorschläge vom Dozenten einholen

Einfache Beratung: Der Dozent gibt allgemeine Meinungen ab und das System konkretisiert sie.
Komplexe Beratung: Das System verlangt vom Dozenten nicht nur allgemeine Vorschläge, sondern identifiziert auch konkret mögliche Probleme in der Wissensdatenbank und gibt Änderungsvorschläge.
Passive Beratung: Das System wartet einfach passiv auf die Meinung des Dozenten.
Aktive Beratung: Das System nimmt Anweisungen nicht nur passiv entgegen, sondern stellt auch aktiv Fragen, um die Aufmerksamkeit des Dozenten auf bestimmte Themen zu lenken.

Konsultationsmeinungen in eine ausführbare interne Form umwandeln

Das Lernsystem sollte in der Lage sein, in einer vereinbarten Form ausgedrückte Konsultationsmeinungen in eine interne, computerausführbare Form umzuwandeln und in der Lage sein, Syntaxprüfungen und eine ordnungsgemäße semantische Analyse durchzuführen .

Treten Sie der Wissensdatenbank bei

Während des Beitrittsprozesses muss das Wissen auf Konsistenz überprüft werden, um Konflikte, Redundanzen, Schleifen und andere Probleme zu verhindern.

Bewertung

Bewertungsmethode: Testen Sie neues Wissen empirisch, dh führen Sie einige Standardbeispiele aus und prüfen Sie dann, ob die Ausführung mit der bekannten Situation übereinstimmt.

Beispiellernen

Beispiellernen (Lernen aus Beispielen, Beispiellernen oder Lernen aus Beispielen): Eine Lernmethode, die eine Reihe von Beispielen zu einem bestimmten Konzept aus der Umgebung erhält und ein allgemeines Konzept zusammenfasst.

Beim Beispiellernen liefert die externe Umgebung (Lehrer) eine Reihe von Beispielen (positive Beispiele und Gegenbeispiele), und dann wird aus diesem Spezialwissen allgemeines Wissen zusammengefasst, das auf einen größeren Bereich anwendbar ist und alle positiven Beispiele abdeckt und alle Gegenbeispiele ausschließt .

Lernmodell zum Beispiel Lernen

Weitere verwandte Informationen finden Sie in der Spalte FAQ!

Das obige ist der detaillierte Inhalt vonDurch welchen Prozess erwirbt künstliche Intelligenz automatisch Wissen und Fähigkeiten und erreicht Selbstverbesserung?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!