Dyma 10 term allweddol y dylai pob selogwr AI eu gwybod a'u deall.
Mae deallusrwydd artiffisial (AI) wedi dod yn rym trawsnewidiol ar draws diwydiannau, gan lunio'r ffordd rydyn ni'n rhyngweithio â thechnoleg a'r byd o'n cwmpas. I'r rhai sy'n ddwfn i faes deallusrwydd artiffisial, mae deall y derminoleg sylfaenol yn hanfodol.
1. Deallusrwydd Artiffisial (AI): Yn greiddiol iddo, mae deallusrwydd artiffisial yn cyfeirio at ddatblygu systemau cyfrifiadurol sy'n gallu cyflawni tasgau sydd fel rheol yn gofyn am ddeallusrwydd dynol. Dysgu, rhesymu, datrys problemau, canfyddiad a dealltwriaeth iaith yw rhai o'r tasgau hyn. Mae systemau AI yn defnyddio algorithmau i ddadansoddi data, dysgu ohono, a gwneud penderfyniadau gwybodus, gan ddynwared deallusrwydd dynol.
Dysgu Peiriant (ML): Mae dysgu peiriant yn is -set o ddeallusrwydd artiffisial sy'n canolbwyntio ar ddatblygu algorithmau sy'n caniatáu i systemau ddysgu a gwella o brofiad heb raglennu penodol. Mae algorithmau dysgu peiriannau yn galluogi cyfrifiaduron i gydnabod patrymau, rhagfynegi, a gwella eu perfformiad dros amser gan eu bod yn agored i fwy o ddata.
3. Rhwydweithiau niwral: Mae rhwydweithiau niwral yn rhan allweddol o ddysgu dwfn, is -set o ddysgu peiriannau. Wedi'i ysbrydoli gan strwythur yr ymennydd dynol, mae rhwydweithiau niwral yn cynnwys haenau nod rhyng -gysylltiedig, neu niwronau artiffisial. Mae'r rhwydweithiau hyn wedi'u hyfforddi ar ddata i gydnabod patrymau a gwneud penderfyniadau, gan alluogi tasgau cymhleth fel delwedd a chydnabod lleferydd.
Prosesu Iaith Naturiol (NLP): Mae prosesu iaith naturiol yn faes deallusrwydd artiffisial sy'n canolbwyntio ar y rhyngweithio rhwng cyfrifiaduron ac iaith ddynol. Mae algorithmau NLP yn caniatáu i gyfrifiaduron ddeall, dehongli a chynhyrchu iaith ddynol, gan hwyluso cymwysiadau fel chatbots, cyfieithu iaith, a dadansoddi teimladau.
5. Dysgu Dwfn: Mae dysgu dwfn yn is -faes o ddysgu peiriant sy'n cynnwys haenau lluosog o rwydweithiau niwral (rhwydweithiau niwral dwfn). Gall y rhwydweithiau hyn ddysgu cynrychioliadau hierarchaidd o ddata yn awtomatig, gan eu gwneud yn bwerus iawn ar gyfer tasgau fel delwedd a chydnabod lleferydd a phrosesu iaith naturiol.
Mae algorithm yn set o gyfarwyddiadau neu reolau cam wrth gam y mae cyfrifiadur yn eu dilyn i ddatrys problem benodol neu gyflawni tasg benodol. Mewn deallusrwydd artiffisial, mae algorithmau yn hanfodol ar gyfer prosesu a dadansoddi data, galluogi peiriannau i wneud penderfyniadau neu ragfynegiadau yn seiliedig ar batrymau a gwybodaeth.
7, Dysgu dan oruchwyliaeth: Mae dysgu dan oruchwyliaeth yn fath o ddysgu peiriant lle mae algorithmau'n cael eu hyfforddi ar setiau data wedi'u labelu, sy'n golygu bod y data mewnbwn yn cyfateb i'r allbwn cyfatebol a ddymunir. Mae'r algorithm yn dysgu mapio'r mewnbwn i'r allbwn cywir, gan ganiatáu iddo ragfynegi am ddata newydd, nas gwelwyd o'r blaen.
8. Dysgu heb oruchwyliaeth: Mewn cyferbyniad â dysgu dan oruchwyliaeth, mae dysgu heb oruchwyliaeth yn cynnwys hyfforddi algorithm ar set ddata heb ei labelu. Yn absenoldeb arweiniad penodol, rhaid i algorithmau ddod o hyd i batrymau a dolenni yn y data. Mae lleihau a chlystyru yn ddau gais cyffredin.
9. Dysgu Atgyfnerthu: Mae dysgu atgyfnerthu yn fath o ddysgu peiriant lle mae asiantau'n dysgu gwneud penderfyniadau trwy ryngweithio â'r amgylchedd. Yn dibynnu ar eu hymddygiad, mae'r asiant yn derbyn adborth ar ffurf cymhellion neu gosbau, sy'n helpu i ddysgu'r ffordd orau o weithredu yn raddol.
Gweledigaeth Gyfrifiadurol: Mae gweledigaeth gyfrifiadurol yn faes rhyngddisgyblaethol sy'n galluogi peiriannau i ddehongli a gwneud penderfyniadau yn seiliedig ar ddata gweledol. Mae hyn yn cynnwys tasgau fel cydnabod delwedd a fideo, canfod gwrthrychau, a segmentu delwedd. Mae gweledigaeth gyfrifiadurol yn rhan annatod o gymwysiadau fel adnabod wynebau a cheir hunan-yrru.