Quelle est la différence entre l'inférence IA et la formation ? savez-vous?

Si vous voulez résumer la différence entre l'entraînement à l'IA et le raisonnement en une phrase, je pense que « une minute sur scène, dix ans de travail acharné hors scène » est la plus appropriée.

Xiao Ming sort avec la déesse qu'il admire depuis de nombreuses années, et il a beaucoup d'expérience pour lui demander de sortir avec elle, mais il est toujours confus quant au mystère.

Avec l'aide de la technologie de l'IA, peut-on obtenir des prédictions précises ?

Xiao Ming a réfléchi encore et encore et a résumé les variables qui peuvent affecter si la déesse accepte l'invitation : que ce soit des vacances, le temps est mauvais, trop chaud/trop froid, de mauvaise humeur, malade, il a un autre rendez-vous et des proches viennent à la maison ......etc.

Photos

La somme pondérée de ces variables, si elle est supérieure à un certain seuil, la déesse acceptera définitivement l'invitation. Alors, quel poids ont ces variables et quels sont les seuils ?

Il s'agit d'un problème très complexe difficile à résoudre avec précision par des méthodes simples. Par conséquent, Xiao Ming prévoit de mener des recherches en utilisant des réseaux neuronaux profonds et de les appliquer à de grandes quantités de données accumulées à des fins de formation, afin que le modèle d'intelligence artificielle puisse apprendre les modèles par lui-même.

Photos

Le plus grand avantage de Xiao Ming est qu'il dispose d'une riche accumulation de données. Il a donc organisé et répertorié avec précision toutes les variables et les a mappées exactement selon que l'offre était réussie ou non. Cette pratique est appelée « annotation de données ».

Photos

Une fois que vous avez les données, transmettez-les à l'IA. L'IA lit chaque ensemble de données, l'évalue à l'aide des poids initiaux par défaut, puis obtient les résultats de sa propre analyse. Ce processus est appelé « propagation directe ».

Ensuite, vérifiez si les résultats de l'IA sont corrects.

Une "fonction de perte" doit être introduite ici pour calculer la différence entre le résultat et la bonne réponse. Si le résultat n'est pas idéal, il reviendra pour optimiser et ajuster les poids, et obtenir à nouveau les résultats pour évaluation. Ce processus est appelé « rétro-propagation ».

Après les tests, j'ai constaté que les résultats de l'évaluation et les bonnes réponses sont un pas de plus. Après plusieurs séries d'itérations, la bonne réponse est progressivement approchée en ajustant les poids des paramètres. Ce processus est appelé « descente de gradient ».

Photos

Après de nombreux cycles de baptême en profondeur de données connues, la précision de l'évaluation de l'IA est déjà assez élevée. Xiao Ming a donc mis fin à la formation, corrigé les poids des paramètres, supprimé les paramètres redondants dont les poids n'étaient pas activés et a déclaré passer à l'étape suivante.

Il est temps de tester les résultats du travail acharné accompli il y a quelque temps !

Photos

Ainsi, Xiao Ming a choisi un jour bon et propice pour préparer tous les nouveaux paramètres et les saisir dans l'IA. L'IA a rapidement donné sa propre conclusion d'évaluation : la déesse acceptera l'invitation !

Le processus ci-dessus est appelé « raisonnement ».

Xiao Ming a pris un bain et a changé de vêtements, a soigneusement rangé, réservé des billets de cinéma et a soigneusement demandé son avis à la déesse. Effectivement, la déesse a accepté !

Désormais, avant chaque invitation, Xiao Ming laissera religieusement l'IA prédire si elle réussira ou non. Il s’avère que l’IA peut réussir la plupart du temps. On peut dire que l’effet de « généralisation » de l’IA est très bon.

Photos

Pour résumer, la soi-disant formation à l'IA est le processus consistant à permettre au réseau neuronal d'apprendre de nouvelles capacités à partir des données existantes.

Ce processus est très compliqué, tout comme neuf années d'enseignement obligatoire depuis l'enfance. Il implique la coopération étroite des écoles, des livres, des enseignants et d'autres facteurs. Le débit de données est important et c'est un calcul intensif. passer du temps à s'entraîner.

Le raisonnement dit de l'IA consiste à saisir de nouvelles données dans l'IA entraînée et à la laisser résoudre de nouveaux problèmes du même type.

C'est comme un étudiant qui obtient son diplôme universitaire, quittant l'école, les livres et les enseignants, et utilisant les connaissances acquises pour traiter de manière indépendante de nouveaux problèmes, le débit de données est relativement faible, mais il doit être de garde et donner des réponses. vite et bien.

Les applications d'IA avec lesquelles nous entrons généralement en contact sont des APP formées par des prestataires de services. Nous proposons diverses tâches ci-dessus, et l'arrière-plan répond rapidement et donne des réponses en quelques secondes. Elles appartiennent toutes au raisonnement de l'IA.

Avec une bonne maîtrise de l'IA, nous pouvons faire notre travail en toute simplicité et obtenir deux fois le résultat avec la moitié de l'effort.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!