Q:
Bagaimanakah pendekatan yang berwajaran atau kepelbagaian membantu AI untuk bergerak melampaui pendekatan semata-mata berdasarkan peraturan atau deterministik?
A:Pembelajaran mesin dan prinsip perisikan buatan cepat berubah bagaimana kerja pengkomputeran. Salah satu cara utama yang berlaku ialah dengan input berwajaran atau probabiliti yang mengubah input dari sistem yang benar-benar menentukan menjadi sesuatu yang lebih abstrak.
Dalam rangkaian saraf buatan, neuron atau unit individu menerima input probabilistik. Mereka kemudian membuat penentuan tentang keluaran atau keputusan. Inilah yang dikatakan para profesional apabila mereka bercakap mengenai penggantian dunia lama pengaturcaraan dengan dunia baru "latihan" atau "mengajar" komputer.
Secara tradisinya, lalai adalah menggunakan pengaturcaraan untuk mendapatkan keputusan pengkomputeran. Pengaturcaraan adalah satu set tetap penentu deterministik - peraturan yang akan dipatuhi oleh komputer.
Sebaliknya, membolehkan input probabilistik merupakan abstraksi peraturan ini, sejenis "kekurangan kendali" untuk membebaskan komputer untuk membuat keputusan yang lebih maju. Dengan cara ini, input probabilistik tidak dapat diketahui dari perspektif luar dan tidak ditentukan terlebih dahulu. Ini lebih dekat dengan cara otak sebenar kita bekerja, dan itulah sebabnya pembelajaran mesin dan algoritma kecerdasan buatan menggunakan pendekatan ini dipuji sebagai perbatasan seterusnya pembangunan kognitif buatan.
Berikut adalah cara mudah untuk memikirkan input berwajaran atau probabilistik. Dalam pengaturcaraan tradisional, anda mempunyai jenis "jika / kemudian" kenyataan yang secara amnya mengatakan: jika THIS, maka BAHAWA.
Melangkah keluar dari pendekatan berasaskan peraturan melibatkan mengubah apa yang INI. Dalam pendekatan berasaskan peraturan, INI adalah beberapa input teks atau peraturan: Jika anda memikirkannya sebagai binari - kita tahu apakah itu benar atau tidak, dan begitu juga komputer. Oleh itu, anda boleh meramalkan tindak balas komputer terhadap sebarang input yang diberikan.
Dalam pendekatan baru, INI sebenarnya merupakan kumpulan input yang mungkin dalam keadaan tertentu. Oleh kerana pemerhati luar tidak mudah dapat memodelkan apa yang INI terdiri daripada, dia tidak dapat dengan tepat meramalkan apa hasilnya.
Fikirkan tentang prinsip ini yang digunakan untuk pelbagai bidang dan industri, dari segmen pasaran hingga pengesahan kewangan kepada hiburan ke air dan pengurusan pembetungan, dan anda mempunyai kekuatan sebenar pembelajaran mesin, pembelajaran mendalam dan kecerdasan buatan untuk mengarahkan urusan manusia dalam yang sangat baru cara. Sebagai contoh, dalam bidang pengurusan penipuan, pakar menunjukkan bahawa sistem peraturan hanya tidak begitu baik untuk mengetahui perbezaan antara tingkah laku yang mencurigakan atau berisiko dan tingkah laku biasa - sistem pembelajaran mesin bersenjata dengan model input yang canggih lebih mampu membuat keputusan mengenai aktiviti apa yang mungkin dipersoalkan.
Satu lagi cara untuk memikirkan bahawa dunia telah melalui era mengenal pasti kod sebagai sempadan baru untuk pembelajaran dan membuat keputusan. Dalam dan dari dirinya sendiri, keputusan berasaskan kod deterministik adalah kuat dari segi pemodelan pelbagai aktiviti dan keputusan manusia. Kami menggunakan semua idea ini untuk pemasaran, jualan, pentadbiran awam, dan lain-lain Tetapi sekarang, pakar-pakar sedang bercakap tentang "akhir pengkodan, " seperti dalam sekeping yang sangat mendalam dan teliti dalam Wired. Idea yang utama di sini ialah idea yang sama, bahawa pada era berikutnya, bukan pengekodan, kita akan mempunyai sistem di mana kita melatih komputer untuk berfikir dengan cara yang lebih dekat dengan cara kita berfikir, untuk dapat belajar dari masa ke masa dan membuat keputusan yang sewajarnya. Kebanyakan ini telah dicapai dengan berpindah dari pendekatan pengkomputeran deterministik kepada satu yang digerakkan dengan input yang lebih canggih.
