0 просмотров

Автоматизированное мышление, новое глубокое обучение, могут ли они работать вместе?

Исследования автоматизированного мышления способствуют созданию компьютерных программ, которые позволяют компьютерам рассуждать полностью автономно. Это связано с ИИ, а также с теоретической информатикой и философией. Искусственный интеллект и машинное обучение — основа следующей компьютерной революции. Эти технологии основаны на способности различать закономерности и прогнозировать будущие события на основе данных, собранных в прошлом. Это объясняет, почему крупные компании придумывают идеи, когда вы покупаете в Интернете, или почему вам нравятся фильмы 80-х.Хотя компьютеры, использующие концепции ИИ, иногда называют «умными», большинство этих систем не обучаются самостоятельно; требуется человеческое программирование. Специалисты по данным готовят входные данные, выбирая, какие переменные использовать для прогнозной аналитики.

С другой стороны, глубокое обучение с включением автоматизированных рассуждений способно выполнять задачи, требующие интенсивного участия человека, без фактического участия человека.

В этом блоге мы будем изучать, что такое автоматизированное мышление, что такое глубокое обучение и как они могут работать вместе.

Что такое автоматизированное мышление

Автоматизированное рассуждение — это широкая техника, которая обеспечивает упорядоченную основу для алгоритмов машинного обучения и глубокого обучения для осмысления, подхода и решения проблем. Хотя автоматизированное рассуждение является скорее теоретической темой изучения, чем конкретной техникой, оно поддерживает многочисленные подходы к машинному обучению, такие как логическое программирование, нечеткая логика, байесовский вывод и рассуждение с максимальной энтропией. Конечной целью является разработка систем глубокого обучения, которые могут имитировать человеческую дедукцию без необходимости вмешательства человека.

Статья в тему:  3. что такое искусственный интеллект

Автоматизированное мышление основано на логике — области математики, восходящей к попыткам Аристотеля понять и формализовать человеческое мышление. Автоматизированное логическое мышление — старейшая и наиболее интенсивно изучаемая дисциплина в области искусственного интеллекта (ИИ); он также изучается в области представления знаний (KR), глубокого обучения (DL) и обработки естественного языка (NLP) среди других областей.

Между этими профессиями нет жестких границ. НЛП использует методы KR и DL. KR использует автоматизированное рассуждение. Алгоритмы глубокого обучения являются компонентами автоматизированных систем рассуждений и наоборот. Конвергенция всех этих более мощных стратегий естественна и сейчас происходит. Несколько недавних достижений в области понимания значительно расширили возможности автоматизированного мышления.

Что такое новое глубокое обучение

Глубокое обучение можно рассматривать как ветвь машинного обучения. Это область, основанная на самообучении и совершенствовании путем изучения компьютерных алгоритмов. Глубокое обучение, в отличие от машинного обучения, работает с искусственными нейронными сетями, которые должны имитировать то, как люди думают и учатся. До недавнего времени сложность нейронных сетей была ограничена из-за нехватки мощности компьютера. С другой стороны, достижения в области аналитики больших данных позволили создать более крупные и мощные нейронные сети, позволяющие компьютерам отслеживать, понимать и реагировать на сложные ситуации быстрее, чем люди. Категоризация изображений, языковой перевод и распознавание речи — все они выиграли от глубокого обучения. Он может решить любую проблему распознавания образов без необходимости взаимодействия с человеком.

Статья в тему:  Как искусственный интеллект меняет мир сочинение

Глубокое обучение основано на искусственных нейронных сетях с несколькими слоями. Глубокие нейронные сети (DNN) — это сети, в которых каждый уровень может выполнять сложные операции, такие как представление и абстракция, чтобы понять смысл изображений, музыки и текста. Глубокое обучение, самая быстрорастущая дисциплина в машинном обучении, представляет собой действительно прорывную цифровую технологию, которая используется все большим числом фирм для создания новых бизнес-моделей.

Автоматизированное мышление и глубокое обучение

Первоначально компьютеры использовались для помощи ученым в сложных и часто трудоемких числовых расчетах. Впоследствии мощность компьютеров была расширена за пределы числовой области до символической области, где вычисления с бесконечной точностью, выполняемые программами компьютерной алгебры, стали обычным явлением. Цель автоматизированного мышления заключалась в том, чтобы расширить возможности машины в области дедукции, где ее можно использовать в качестве помощника по рассуждениям, чтобы помочь своим пользователям установить истину с помощью доказательства.

Глубокое обучение считает автоматизированное рассуждение подполем. Однако и методы, и реализации достаточно уникальны, чтобы их можно было рассматривать как отдельные вещи.Глубокое обучение, например, обычно включает в себя модальную логику, своего рода рассуждения, которые сочетают классическую логику с утверждением модальности (возможности или невозможности). В отличие от того, как работает автоматизированное мышление, фраза «Глубокое обучение» может также относиться к компьютеру, который работает как человеческий мозг.

Наиболее популярным применением автоматизированных рассуждений является дедуктивное рассуждение, которое используется для поиска, проверки и проверки математических доказательств с использованием системы глубокого обучения. Проверка доказательств с помощью автоматизированной системы рассуждений гарантирует, что вычисления пользователя будут безошибочными.

Статья в тему:  Какие проблемы с искусственным интеллектом

Кроме того, автоматизированное мышление находит применение во многих областях, включая математику, инженерию, информатику и нематематические приложения, такие как решение философских проблем. Однако многие из этих дополнительных тем должны быть выражены на языке, понятном программному обеспечению.

Автоматизированное мышление — это развивающаяся дисциплина, которая способствует здоровому балансу базового обучения и применения. В автоматизированной дедукции используются различные методы доказательства теорем, в том числе разрешение, исчисление секвенций, естественная дедукция, методы матричных соединений, переписывание терминов, математическая индукция и другие. Растущее число проблем в формальной логике, математике и информатике, логическом программировании, проверке программного и аппаратного обеспечения, проектировании схем, точной философии и других областях решается с использованием алгоритмов глубокого обучения и автоматизированных рассуждений. Значительное количество программ для доказательства теорем разрослось благодаря разнообразию формализмов и автоматизированных методов вывода.

Вывод

Большинство экспертов считают, что предстоит проделать гораздо больше работы, чтобы продвинуть тему автоматизированного мышления. Будущие инициативы, скорее всего, будут включать в себя способы повышения эффективности различных потребительских товаров за счет включения крошечных чипов с возможностями автоматического рассуждения.Более крупные приложения с использованием моделей, основанных на глубоком обучении и автоматических рассуждениях, могут значительно улучшить подход к государственному администрированию и другим областям управления высокого уровня.

чтобы просмотреть или добавить комментарий, сделать вход чтобы просмотреть или добавить комментарий, сделать вход

голоса
Рейтинг статьи
Статья в тему:  Как создать базу знаний искусственного интеллекта
Ссылка на основную публикацию
0
Оставьте комментарий! Напишите, что думаете по поводу статьи.x