Asal-usul dan Simbolisme Kepintaran Buatan
Selain teori logik dan penyelesai masalah umum, simbolisme juga telah menyumbang kepada kami siri teknologi cemerlang seperti sistem pakar, pangkalan pengetahuan dan graf pengetahuan. Ia telah banyak berkembang dan mempengaruhi pembangunan banyak bidang.
Dengan populariti ChatGPT, kecerdasan buatan telah mencetuskan satu lagi gelombang kegilaan dalam industri. Hari ini kita akan bercakap tentang proses pembangunan kecerdasan buatan.
Kecerdasan buatan, seperti yang difikirkan secara umum, berasal dari persidangan DARTMOUTH pada tahun 1956, di mana penyelidik mencadangkan konsep kecerdasan buatan (Kecerdasan Buatan). Tetapi sebenarnya, kecerdasan buatan telah pun mula berkembang sebelum itu. Pada tahun 1955, Persidangan Persekutuan Komputer Amerika Syarikat Barat telah diadakan di Los Angeles, yang termasuk Session on Learning Machine (Session on Learning Machine).
Pada mesyuarat itu, Allen Newell, wakil sekolah simbolisme kecerdasan buatan, mengambil bahagian dalam perbincangan.
Allen Newell (19 Mac 1927 - 19 Julai 1992)
Symbolism and Connectionism, Behaviorism (Actionism) ialah tiga aliran arus perdana kecerdasan buatan .
Simbolisme juga dikenali sebagai Logik, Psikologi atau Komputerisme.
Secara khusus, perlambangan percaya bahawa unit asas pemikiran manusia ialah simbol, dan satu siri operasi berdasarkan simbol membentuk proses kognitif, jadi kedua-dua manusia dan komputer boleh dianggap sebagai mampu membuat penaakulan logik. dengan kata lain, komputer boleh mensimulasikan "kecerdasan" manusia melalui pelbagai operasi simbolik.
Pada penghujung tahun 1955, Newell dan Simon telah membangunkan program yang dipanggil LOGIC THEORIST. Program ini dianggap oleh ramai sebagai program AI yang pertama. Ia mewakili setiap masalah sebagai model pokok, dan kemudian memilih cawangan yang berkemungkinan besar mendapat kesimpulan yang betul untuk menyelesaikan masalah tersebut. Program ini boleh membuktikan 38 teorem matematik dalam Principia Mathematica (kemudian membuktikan kesemua 52 teorem), dan beberapa penyelesaian adalah lebih bijak daripada yang disediakan oleh ahli matematik manusia.
Pada tahun 1957, Herbert Simon, J.C. Shaw, Allen Newell dan lain-lain memperkenalkan seni bina penaakulan General Problem Solver (GPS) dan idea carian heuristik Idea ini mempunyai pengaruh yang meluas kepada AlphaGO, yang sangat popular pada tahun ini dan mengalahkan Ke Jie, meminjam idea ini.
Penyelesaikan masalah universal boleh menyelesaikan banyak masalah akal. Dua tahun selepas program itu dilancarkan, IBM menubuhkan kumpulan penyelidikan AI untuk mengkaji masalah yang sama.
GPS ialah program pertama di dunia yang cuba menyelesaikan semua masalah umum Ia direka untuk menyelesaikan semua masalah yang boleh diterangkan menggunakan algoritma asas. Untuk tujuan ini, penyelidik juga mencipta bahasa pengaturcaraan Bahasa Pemprosesan Maklumat (IPL) khusus untuknya. Prasyarat untuk menggunakan prosedur ini ialah masalah itu boleh dinyatakan dalam satu set formula biasa. Formula ini boleh menjadi sebahagian daripada graf terarah dengan berbilang sumber dan sink. Sumber mewakili nod permulaan dan sinki mewakili nod penamat. Dalam GPS, sumber mewakili aksiom dan sink mewakili kesimpulan.
Walaupun bercita-cita besar pembangun, sebenarnya GPS hanya boleh digunakan untuk menyelesaikan masalah yang jelas, seperti masalah matematik, masalah geometri atau permainan papan. Kerana masalah ini boleh diformalkan ke tahap yang boleh diterima. Di dunia nyata, kemungkinan telah meletup, dan dengan cepat merentasi semua kemungkinan telah menjadi masalah yang melebihi kuasa pengkomputeran.
Langkah-langkah menggunakan GPS untuk menyelesaikan masalah umum adalah seperti berikut:
1. Tentukan matlamat, seperti pergi ke kedai untuk membeli sekotak susu.
2. Tentukan prasyarat ini harus berkaitan dengan matlamat Contohnya, jika anda ingin membeli susu, anda perlu mempunyai laluan ke kedai, dan kedai juga perlu menjual susu.
3. Atas dasar ini, kita boleh menentukan proses operasi. Sebagai contoh, jika kita perlu memandu ke kedai dan kereta kehabisan minyak, maka kita perlu memastikan bahawa kita mempunyai wang untuk mengisi minyak, dan kita masih mempunyai wang untuk membeli susu selepas mengisi minyak
An proses operasi boleh mengendalikan semua situasi berdasarkan keadaan. Ia terdiri daripada tingkah laku, prasyarat, dan perubahan yang terhasil daripada tingkah laku. Dalam contoh sebelumnya, tingkah laku itu terdiri daripada membayar wang ke kedai, dan prasyarat untuk membayar ialah mempunyai wang di tangan. Tindakan membayar menukar status wang dan memperoleh susu.
GPS boleh menyelesaikan semua masalah yang serupa, tetapi kerana ia mencapai matlamat ini dengan merentasi semua proses yang mungkin, dalam dunia nyata, kerumitan masalah selalunya melebihi kuasa pengkomputeran.
Selain teori logik dan penyelesai masalah umum, simbolisme juga telah menyumbang kepada kami beberapa siri teknologi cemerlang seperti sistem pakar, pangkalan pengetahuan dan graf pengetahuan. Ia telah banyak berkembang dan mempengaruhi pembangunan banyak bidang.
Atas ialah kandungan terperinci Asal-usul dan Simbolisme Kepintaran Buatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas
