J:
Ko biznesa sakaru AI nozīmē "savienojums"?
A:Mākslīgā intelekta jēdzienu biznesam piemēro daudzos dažādos veidos, un lielas izmaiņas mākslīgā intelekta izpētē var būt ārkārtīgi noderīgas, lai panāktu progresu ar uzņēmējdarbību saistītās programmatūras iespējām. Connectionism ir jauns virziens, kurā notiek daudz mākslīgā intelekta pētījumu, un tas, iespējams, krasi mainīs rīkus un resursus, kurus uzņēmumi izmanto, lai gūtu labumu no mākslīgā intelekta risinājumu iespējām.
Connectionism ir mākslīgā intelekta filozofija, kas veicina cilvēka smadzeņu modelēšanu, izveidojot mazas mākslīgās vienības, kas atbilst cilvēka neironiem un smadzeņu neironu grupām. Viens no sakaru principiālajiem aspektiem ir uzstājība, ka augsta līmeņa uzvedības un kognitīvās sistēmas var veidot, izmantojot mazas atsevišķas vienības, kas savienotas kopā kombinētā tīklā. Paturot to prātā, mākslīgā neironu tīkla (ANN) pieaugums daudz veicina savienojumu un Hebijas teoriju, kas nosaukta pēc matemātiķa Donalda Heba un viņa darba 1940. gados.
Connectionism liecina, ka mākslīgais neironu tīkls būs kritiski pielietojams mākslīgā intelekta attīstībā. Zinātnieku rīcībā jau ir detalizēti ANN modeļi, un mākslīgie neironu tīkli veicina mašīnu apguvi daudzās dažādās jomās. Runājot par mākslīgā intelekta izmantošanu uzņēmumos, konsekvence patiešām var mainīt atbalsta tehnoloģiju darbības pamatvirzienus.
Aplūkojot tradicionālos uzņēmuma biznesa informācijas rīkus, mēs redzam, ka daudzi no tiem ir balstīti uz dažām diezgan tradicionālām metodēm, ieskaitot varbūtības rīkus. Viens no tiem ir Bajesijas loģika, kas izmanto cēloņu un seku un lēmumu kokus un saskaņā ar šo loģiku manipulē ar lielām datu kopām, lai izveidotu lēmumu atbalsta rezultātus (skat. Rakstu par Bajesijas loģikas populāru izmantošanu uzņēmējdarbībā šeit).
Varbūt lielākais veids, kā konsekcionisms ietekmēs mākslīgo intelektu biznesā, ir tas, ka tas daudzus no šiem Bajesijas loģikas modeļiem un varbūtības modeļiem aizstās ar modeļiem, kas darbojas uz mākslīgo neironu tīklu pamata. Mākslīgais neironu tīkls ir mazu gabalu kolekcija, kam individuāli ir maza nozīme. Atsevišķās vienībās nav iebūvēta liela loģika - tā vietā tīkls saista šo vienību izejas un padara to par loģisku rezultātu. Paturot to prātā, uz mākslu balstītie mākslīgā intelekta rīki, kas balstīti uz konsekvenci, būtiski atšķirsies no tiem, kas agrāk tika plaši izmantoti (skat. Šo pamācošo pavedienu vietnē Quora). Tā vietā, lai sasniegtu skaitļošanas rezultātus, izmantojot loģiku, viņi sasniegs šos rezultātus, palaižot sarežģītus mašīnu apguves algoritmus caur mākslīgo neironu tīklu un pārbaudot rezultātus.
Daži eksperti apgalvo, ka savienojumu pieaugumam ir daudz sakara ar mūsdienu loģiskā mākslīgā intelekta pētījumu ierobežojumiem. Citiem vārdiem sakot, tā kā pētnieki bija maksimāli izmantojuši tradicionālās AI potenciālu, konsekcionisms un mākslīgais neironu tīkls nodrošināja līdzekļus, lai virzītos uz priekšu un turpinātu uzlabot un paplašināt šo tehnoloģiju darbību un “domāšanu”. Modeļi, kas balstīti uz konsekvenci, rada mēs esam daudz tuvāk cilvēka smadzeņu un bioloģisko domu procesa pilnīgai imitācijai, tāpēc šīs inovācijas būs tik svarīgas visa veida biznesa mākslīgajam intelektam - piemēram, izejām, kuras bizness izmantos no pārdošanas spēka automatizācijas vai klientu attiecību pārvaldība vai piegādes ķēdes vai objektu pārvaldības rīki visi balstīsies uz šiem daudz atšķirīgajiem modeļiem.
Vai AI un mašīnu apguve ir kaut kas tāds, ko jūsu uzņēmums varētu gūt labumu? Lai uzzinātu, apmeklējiet AltaML .
