상징적 AI가 비즈니스 운영에 중요한 이유는 무엇입니까?
Symbolic AI는 비즈니스 통찰력을 해석하고 모든 목표를 달성하도록 도울 수 있습니다.
많은 기업들이 기본 머신러닝(ML)과 딥러닝(DL) 모델을 활용해 인공지능 실험을 진행하고 있는 가운데, 실험실에서는 상징적 AI(Symbol AI)라는 새로운 유형의 인공지능이 등장하고 있으며, 이것이 가능하다. 인공 지능의 기능과 인간 감독자와의 관계를 변경합니다.
역사상 인공지능에는 상징적 인공지능과 비상징적 인공지능이라는 두 가지 범주가 있습니다. 각 유형의 인공 지능은 지능형 시스템을 구축하는 데 서로 다른 접근 방식을 취합니다. 기호적 접근 방식은 규칙과 지식을 기반으로 해석 가능한 행동을 갖춘 지능형 시스템을 만들려는 시도이고, 비기호적 접근 방식은 인간의 두뇌를 모방하는 컴퓨팅 시스템을 만드는 것을 목표로 합니다.
컴퓨터 과학의 궁극적인 목표는 생각하고, 논리하고, 학습할 수 있는 AI 시스템을 만드는 것입니다. 반면, 오늘날 대부분의 AI 시스템에는 학습 또는 추론이라는 두 가지 기능 중 하나만 있습니다. 상징적 접근 방식은 대규모 데이터 구조에 대해 생각하고, 해석하고, 관리하는 데 능숙하지만, 지각 세계에서 상징을 확립하는 데는 어려움을 겪습니다.
문제를 해결하기 위해 상징적 AI는 하향식 접근 방식을 채택합니다(예: 체스 컴퓨터). "열심히 노력하면 원하는 것을 찾을 수 있습니다." 검색은 상징적인 AI 기술입니다. 이 경우 컴퓨터가 잠재적인 솔루션을 단계별로 테스트하고 결과를 확인하는 것을 "검색"이라고 합니다. 이에 대한 좋은 예는 수백만 개의 다양한 미래 동작과 조합을 "상상"한 다음 결과에 따라 어떤 동작이 승리할 가능성이 가장 높은지를 "결정"하는 체스 컴퓨터입니다. 이는 인간의 마음과 유사합니다. 보드 게임이나 전략 게임을 하는 데 많은 시간을 보내는 모든 사람은 선택을 하기 전에 적어도 한 번은 마음속으로 동작을 "실행"해 본 적이 있습니다. 신경망은 "인간" 직관을 추가하고 계산해야 하는 작업 수를 줄이기 때문에 기존 AI 알고리즘에 도움이 될 수 있습니다. 이러한 기술을 통합함으로써 AlphaGo는 바둑과 같은 복잡한 게임에서 인간을 이길 수 있습니다. 컴퓨터가 각 단계에 대해 가능한 모든 움직임을 계산했다면 이는 불가능합니다.
아이디어가 규칙 엔진에 저장되면 수정하기가 어렵습니다. 이는 상징적 AI 또는 GOFAI의 주요 장애물 중 하나입니다. 전문가 시스템은 단조롭습니다. 즉, 더 많은 규칙을 추가할수록 더 많은 정보가 시스템에 인코딩되지만 새로운 규칙은 이전 지식을 파괴할 수 없습니다. 모노톤은 한 방향만을 가리키는 용어입니다. 기계 학습 알고리즘은 새로운 데이터에 대해 재교육할 수 있으며 필요한 경우 나중에 불러올 수 있는 임시 정보를 기록하는 데 더 좋습니다. 예를 들어, 데이터가 고정적이지 않은 경우 새 데이터를 기반으로 매개변수를 수정합니다.
상징적 사고의 두 번째 문제는 컴퓨터가 기호의 의미를 이해하지 못한다는 것입니다. 즉, 기호가 세계의 다른 비상징적 표현과 반드시 관련되지 않는다는 의미입니다. 이는 기호를 데이터의 벡터 표현(단순히 원시 감각 입력의 변환)에 연결할 수 있는 신경망과 다릅니다.
그러면 분명한 질문은 "이 기호는 누구를 위한 것입니까?"입니다. 로봇이 인간이 근본적인 생리학적 한계에 따라 정보를 전달하고 관리할 수 있는데 기호를 사용하는 이유는 무엇입니까? 아니면 돌고래와 팩스 기계가 공유하는 시끄러운 언어인가요?
예측해 봅시다. 기계가 이해할 수 있는 방식으로 서로 의사소통하는 법을 배우면 인간이 이해할 수 없는 언어를 사용하게 될 것입니다. 고대역폭 장치의 경우 대역폭이라는 단어만으로는 충분하지 않을 수 있습니다. 어쩌면 자신을 명확하게 표현하려면 추가적인 차원이 필요할 수도 있습니다. 언어는 기계가 우회하는 문에 있는 열쇠 구멍일 뿐입니다. 기껏해야 자연어는 인공지능이 인간에게 제공하는 API일 수도 있고, 최악의 경우에는 실제 기계지능으로부터의 전환일 수도 있습니다. 그러나 자연어는 우리가 지능을 보여주는 방식이기 때문에 이것을 성공의 정점과 혼동합니다.
이점:
- 지식 그래프 만들기: 챗봇이나 음성 도우미를 구축하기 위한 시작점으로 지식 그래프를 만듭니다. 지식 그래프는 미래의 데이터 구조이며, 미래의 모든 인공지능 기반 애플리케이션의 기반이 될 것입니다.
- 프로세스 구현: 데이터를 디지털화하고 정리하는 준비는 기업에게 불가피합니다. 따라서 조만간 지식 그래프의 생성은 불가피하다. 향후 빈번한 지식 문서화 및 업데이트에 필요한 조직적 절차 및 워크플로를 설정합니다.
- 최대한의 편의성: 백엔드 세부 정보가 온라인으로 처리되므로 기업은 데이터 준비 및 추가에 집중할 수 있습니다. 온라인 대화 AI 플랫폼을 통해 사용자는 언제든지 모든 정보를 쉽게 편집하거나 수정할 수 있습니다.
- 포괄적인 접근 방식: 온라인은 프로세스의 모든 단계에서 사용자를 지원하여 완전한 경험을 제공합니다. 지식 그래프 형식으로 정보를 저장하는 것부터 사실을 흡수하고 적절하게 응답하며 사용자가 원하는 거래(예: 구매)를 완료할 수 있는 기능을 챗봇이나 음성 도우미에게 제공하는 것까지. 가능성은 무한합니다.
위 내용은 상징적 AI가 비즈니스 운영에 중요한 이유는 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
핫 AI 도구
Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱
AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.
Undress AI Tool
무료로 이미지를 벗다
Clothoff.io
AI 옷 제거제
AI Hentai Generator
AI Hentai를 무료로 생성하십시오.
인기 기사
뜨거운 도구
메모장++7.3.1
사용하기 쉬운 무료 코드 편집기
SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.
스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경
드림위버 CS6
시각적 웹 개발 도구
SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)
뜨거운 주제
7555
15
1384
52
83
11
59
19
28
96
Bytedance Cutting, SVIP 슈퍼 멤버십 출시: 연간 연속 구독료 499위안, 다양한 AI 기능 제공
Jun 28, 2024 am 03:51 AM
이 사이트는 6월 27일에 Jianying이 ByteDance의 자회사인 FaceMeng Technology에서 개발한 비디오 편집 소프트웨어라고 보도했습니다. 이 소프트웨어는 Douyin 플랫폼을 기반으로 하며 기본적으로 플랫폼 사용자를 위한 짧은 비디오 콘텐츠를 제작합니다. Windows, MacOS 및 기타 운영 체제. Jianying은 멤버십 시스템 업그레이드를 공식 발표하고 지능형 번역, 지능형 하이라이트, 지능형 패키징, 디지털 인간 합성 등 다양한 AI 블랙 기술을 포함하는 새로운 SVIP를 출시했습니다. 가격면에서 SVIP 클리핑 월 요금은 79위안, 연간 요금은 599위안(본 사이트 참고: 월 49.9위안에 해당), 월간 연속 구독료는 월 59위안, 연간 연속 구독료는 59위안입니다. 연간 499위안(월 41.6위안)입니다. 또한, 컷 관계자는 "사용자 경험 향상을 위해 기존 VIP에 가입하신 분들도
Rag 및 Sem-Rag를 사용한 상황 증강 AI 코딩 도우미
Jun 10, 2024 am 11:08 AM
검색 강화 생성 및 의미론적 메모리를 AI 코딩 도우미에 통합하여 개발자 생산성, 효율성 및 정확성을 향상시킵니다. EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG에서 번역됨, 저자 JanakiramMSV. 기본 AI 프로그래밍 도우미는 자연스럽게 도움이 되지만, 소프트웨어 언어에 대한 일반적인 이해와 소프트웨어 작성의 가장 일반적인 패턴에 의존하기 때문에 가장 관련성이 높고 정확한 코드 제안을 제공하지 못하는 경우가 많습니다. 이러한 코딩 도우미가 생성한 코드는 자신이 해결해야 할 문제를 해결하는 데 적합하지만 개별 팀의 코딩 표준, 규칙 및 스타일을 따르지 않는 경우가 많습니다. 이로 인해 코드가 애플리케이션에 승인되기 위해 수정되거나 개선되어야 하는 제안이 나타나는 경우가 많습니다.
미세 조정을 통해 LLM이 실제로 새로운 것을 배울 수 있습니까? 새로운 지식을 도입하면 모델이 더 많은 환각을 생성할 수 있습니다.
Jun 11, 2024 pm 03:57 PM
LLM(대형 언어 모델)은 대규모 텍스트 데이터베이스에서 훈련되어 대량의 실제 지식을 습득합니다. 이 지식은 매개변수에 내장되어 필요할 때 사용할 수 있습니다. 이러한 모델에 대한 지식은 훈련이 끝나면 "구체화"됩니다. 사전 훈련이 끝나면 모델은 실제로 학습을 중단합니다. 모델을 정렬하거나 미세 조정하여 이 지식을 활용하고 사용자 질문에 보다 자연스럽게 응답하는 방법을 알아보세요. 그러나 때로는 모델 지식만으로는 충분하지 않을 때도 있으며, 모델이 RAG를 통해 외부 콘텐츠에 접근할 수 있더라도 미세 조정을 통해 모델을 새로운 도메인에 적응시키는 것이 유익한 것으로 간주됩니다. 이러한 미세 조정은 인간 주석 작성자 또는 기타 LLM 생성자의 입력을 사용하여 수행됩니다. 여기서 모델은 추가적인 실제 지식을 접하고 이를 통합합니다.
7가지 멋진 GenAI 및 LLM 기술 인터뷰 질문
Jun 07, 2024 am 10:06 AM
AIGC에 대해 자세히 알아보려면 다음을 방문하세요. 51CTOAI.x 커뮤니티 https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou는 인터넷 어디에서나 볼 수 있는 전통적인 문제 은행과 다릅니다. 고정관념에서 벗어나 생각해야 합니다. LLM(대형 언어 모델)은 데이터 과학, 생성 인공 지능(GenAI) 및 인공 지능 분야에서 점점 더 중요해지고 있습니다. 이러한 복잡한 알고리즘은 인간의 기술을 향상시키고 많은 산업 분야에서 효율성과 혁신을 촉진하여 기업이 경쟁력을 유지하는 데 핵심이 됩니다. LLM은 자연어 처리, 텍스트 생성, 음성 인식 및 추천 시스템과 같은 분야에서 광범위하게 사용될 수 있습니다. LLM은 대량의 데이터로부터 학습하여 텍스트를 생성할 수 있습니다.
당신이 모르는 머신러닝의 5가지 학교
Jun 05, 2024 pm 08:51 PM
머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.
대형 모델에 대한 새로운 과학적이고 복잡한 질문 답변 벤치마크 및 평가 시스템을 제공하기 위해 UNSW, Argonne, University of Chicago 및 기타 기관이 공동으로 SciQAG 프레임워크를 출시했습니다.
Jul 25, 2024 am 06:42 AM
편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는
SOTA 성능, 샤먼 다중 모드 단백질-리간드 친화성 예측 AI 방법, 최초로 분자 표면 정보 결합
Jul 17, 2024 pm 06:37 PM
Editor | KX 약물 연구 및 개발 분야에서 단백질과 리간드의 결합 친화도를 정확하고 효과적으로 예측하는 것은 약물 스크리닝 및 최적화에 매우 중요합니다. 그러나 현재 연구에서는 단백질-리간드 상호작용에서 분자 표면 정보의 중요한 역할을 고려하지 않습니다. 이를 기반으로 Xiamen University의 연구자들은 처음으로 단백질 표면, 3D 구조 및 서열에 대한 정보를 결합하고 교차 주의 메커니즘을 사용하여 다양한 양식 특징을 비교하는 새로운 다중 모드 특징 추출(MFE) 프레임워크를 제안했습니다. 조정. 실험 결과는 이 방법이 단백질-리간드 결합 친화도를 예측하는 데 있어 최첨단 성능을 달성한다는 것을 보여줍니다. 또한 절제 연구는 이 프레임워크 내에서 단백질 표면 정보와 다중 모드 기능 정렬의 효율성과 필요성을 보여줍니다. 관련 연구는 "S"로 시작된다
SK하이닉스가 8월 6일 12단 HBM3E, 321고 NAND 등 AI 관련 신제품을 선보인다.
Aug 01, 2024 pm 09:40 PM
1일 본 사이트 소식에 따르면 SK하이닉스는 오늘(1일) 블로그 게시물을 통해 8월 6일부터 8일까지 미국 캘리포니아주 산타클라라에서 열리는 글로벌 반도체 메모리 서밋 FMS2024에 참가한다고 밝혔다. 많은 새로운 세대의 제품. 인공지능 기술에 대한 관심이 높아지고 있는 가운데, 이전에는 주로 NAND 공급업체를 대상으로 한 플래시 메모리 서밋(FlashMemorySummit)이었던 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage) 소개를 올해는 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage)으로 명칭을 변경했습니다. DRAM 및 스토리지 공급업체와 더 많은 플레이어를 초대하세요. SK하이닉스가 지난해 출시한 신제품
