Wie funktioniert künstliche Intelligenz

Datum:

2019-08-13 15:50:15

Ansichten:

903

Bewertung:

1Wie 0Abneigung

Teilen:

Wie funktioniert künstliche Intelligenz Source:

In letzter Zeit haben wir . Er gilt fast überall: von der Sphäre der hohen Technologien und komplexe mathematische Berechnungen, die Medizin, den Automobilbau und sogar die Smartphones bei der Arbeit. Technologien Grundlage für die Arbeit der KI in der modernen Ansicht, die wir jeden Tag und manchmal sogar können nicht darüber nachzudenken. Aber was ist künstliche Intelligenz? Wie funktioniert es? Und ist die Gefahr?

Was ist künstliche Intelligenz

Für den Anfang lassen Sie uns ein wenig Terminologie definieren. Wenn Sie Lust auf künstliche Intelligenz, als etwas, das fähig ist, selbständig zu denken, Entscheidungen zu treffen, und in der Regel zeigen Anzeichen des Bewusstseins, das wir beeilen uns, Sie enttäuschen. Fast alle bisherigen Systeme noch nicht einmal nahe «stehen» auf diese Definition von KI. Und diejenigen Systeme, dass sind Anzeichen einer solchen Aktivität, in der Tat alle gleich gelten im Rahmen von im Voraus festgelegten algorithmen.

Manchmal diese algorithmen , aber Sie bleiben «Rahmen», in denen der KI. Keine «Carta» und umso mehr Anzeichen von Bewusstsein bei den Autos nicht. Es ist einfach eine sehr produktive Programme. Aber Sie «bin». Neben KI-System weiter verbessert werden. Ja und ordnete Sie ganz небанально. Auch wenn aufzuklappen, ist die Tatsache, dass die moderne KI bei weitem nicht perfekt, er hat mit uns sehr viel gemeinsam.

Wie funktioniert künstliche Intelligenz

In Erster Linie die KI kann Ihre Aufgaben (über die später mehr) und für den Erwerb neuer Fähigkeiten Dank der tiefen machine learning. Diesen Begriff haben wir auch oft hören und Essen. Aber was er bedeutet? Im Gegensatz zu «klassischen» Methoden, wenn alle notwendigen Informationen in das System laden im Voraus, algorithmen für maschinelles lernen gezwungen, das System selbst zu entwickeln, durch das Studium der verfügbaren Informationen. Die zudem, die Maschine in einigen Fällen kann auch selbst suchen.

Zum Beispiel, um das Programm zu erstellen für die Erkennung von Betrug, Algorithmus des maschinellen Lernens arbeitet mit einer Liste von Banking-Transaktionen und deren Endergebnis (legal oder illegal). Modell des maschinellen Lernens untersucht Beispiele und entwickelt eine statistische Abhängigkeit zwischen legitim und betrügerische Transaktionen. Danach, wenn du es zulässt Algorithmus Daten der neuen Banking-Transaktionen, er Stuft Sie auf der Basis von Vorlagen, die er подчерпнул Beispiel im Voraus.

Als Faustregel gilt, je mehr Daten Sie liefern, desto genauer wird der Algorithmus für maschinelles lernen bei der Erfüllung Ihrer Aufgaben. besonders nützlich bei der Lösung der Aufgaben, wo die Regeln nicht vordefiniert und kann nicht interpretiert werden im Binärsystem. Zurück zu unserem Beispiel mit Bankgeschäften: nach der Tatsache des am Ausgang haben wir binäre Zahlensystem: 0 — legaler Vorgang, 1 — illegale. Aber um einen solchen Schluss benötigt das System analysieren eine ganze Reihe von Einstellungen vor, und wenn Sie manuell, dann dauert es nicht ein Jahr. Ja und alle Optionen Vorhersagen sowieso nicht kommen. Und das System arbeitet auf der Grundlage einer gründlichen maschinellen Lernens, in der Lage zu erkennen, dass etwas, auch wenn genau einen solchen Fall Ihr vorher nicht gesehen.

Deep learning und neuronale Netze

In einer Zeit, als die klassischen algorithmen des maschinellen Lernens zu lösen viele Probleme, in denen es viele Informationen in Form von Datenbanken, die Sie nicht bewältigen, so zu sprechen, «visuelle und Gehör gekennzeichnet» Daten wie Bilder, Videos, Sounddateien und so weiter.

Beispiel: erstellen eines Modells zur Vorhersage von Brustkrebs mit den klassischen Ansätzen des maschinellen Lernens erfordert , Informatikern und Mathematikern, erklärt der Forscher im Bereich der KI Jeremy Howard. Wissenschaftler müssten viele der kleineren algorithmen, um maschinelles lernen bewältigen konnte, würde mit dem Informationsfluss. Ein separates Subsystem für das Studium der Röntgenbilder, privat — für MRT, andere — für die Interpretation der Analysen des Blutes, und so weiter. Für jede Art der Analyse, die wir brauchen würde sein eigenes System. Dann sind Sie alle vereint eine große System… Es ist ein sehr hartes und ресурсозатратный Prozess.

Deep-learning-Algorithmen lösen das gleiche Problem, mit der Tiefe , Art der Software-Architektur, inspiriert durch das menschliche Gehirn (obwohl neuronale Netze unterscheiden sich von biologischen Neuronen, Wirkungsweise haben fast die gleiche). Computer neuronale Netze — es ist eine Verbindung «elektronische Neuronen», die in der Lage sind zu verarbeiten und zu klassifizieren Informationen. Sie befinden sich wie «Schichten» und jeder «Schicht» ist verantwortlich für etwas sein, schließlich formt das Gesamtbild. Zum Beispiel, wenn Sie trainieren ein neuronales Netzwerk auf die Bilder von verschiedenen Objekten, es findet ein Verfahren zur Extraktion von Objekten aus diesen Bildern. Jede Schicht neuronales Netz erkennt bestimmte Merkmale: die Form von Objekten, Farbe, Art der Objekte und so weiter.


Oberflächenschichten neuronaler Netze Allgemeine Merkmale entdecken. Tiefere Schichten zeigen bereits die tatsächlichen Objekte. Auf der Zeichnung ist das Schema der einfachen нейросети. Grün sind die Eingabe-Neuronen (поступаюзая Informationen), blau — versteckte Neuronen (Datenanalyse), gelb — output-Neuron (Beschluss)

Neuronale Netze — es ist eine künstliche menschlichedas Gehirn?

Trotz ähnlich ist die Struktur der maschinellen und der menschlichen нейросети, Zeichen unseres zentralen Nervensystems besitzen Sie nicht. Computer-neuronale Netze im wesentlichen alle die gleichen Hilfsprogramme. Einfach so kam es, dass der hoch Organisiertes System für die Durchführung der Berechnungen erwies sich als unser Gehirn. Sie haben wahrscheinlich den Ausdruck gehört «unser Gehirn — dieser PC»? Wissenschaftler nur «wiederholt» einige Aspekte seiner Struktur in «Digital». Es erlaubt nur die Berechnung zu beschleunigen, aber nicht verleihen Maschinen Bewußtsein.

Es ist interessant:

Neuronale Netze existieren seit den 1950er Jahren (zumindest in Form von концепий). Aber bis vor kurzem erhielten Sie keine Besondere Entwicklung, weil Ihre Erstellung erforderte riesige Mengen an Daten und Rechenleistung. In den letzten Jahren alles zur Verfügung standen, so нейросети und traten in den Vordergrund, nachdem Ihre Entwicklung. Es ist wichtig zu verstehen, dass für Ihre vollwertige Entstehung fehlte Technologien. Wie Sie nicht genug und jetzt um zu bringen, um die Technologie auf ein neues Niveau.

Für was verwendet, um eine Tiefe Ausbildung und нейросети

Es Gibt mehrere Bereiche, in denen diese beiden Technologien erreichen wir deutliche Fortschritte. Darüber hinaus sind einige von Ihnen, die wir täglich benutzen in unserem Leben und auch nicht darüber nachdenken, was hinter Ihnen steht.

  • — es ist die Fähigkeit, Software zu verstehen, den Inhalt von Bildern und Videos. Dies ist einer der Bereiche, wo die Tiefe Ausbildung machte große Fortschritte. Z. B. Bildverarbeitungsalgorithmen Deep-learning können erkennen verschiedene Arten von Krebs, Erkrankungen der Lunge, des Herzens und so weiter. Und machen es schneller und effizienter ärzte. Aber die Tiefe Ausbildung auch tief verwurzelt und in vielen Anwendungen, die Sie jeden Tag benutzen. Apple Face ID und Google Photos verwenden eine Tiefe Ausbildung für Gesichtserkennung und bessere Bilder. Facebook nutzt eine Tiefe Ausbildung, um automatisch zu Feiern Menschen auf herunterladbare Fotos und so weiter. Computer Vision hilft auch, die Unternehmen automatisch zu identifizieren und zu blockieren, fragwürdige Inhalte, wie Gewalt und Nacktheit. Und schließlich einen tiefen Ausbildung spielt eine sehr wichtige Rolle bei der Bereitstellung von self-Service-Autos fahren, damit Sie verstehen, was Sie umgibt.
  • Spracherkennung und Sprachwiedergabe. Wenn Sie sprechen Sie den Befehl für Ihr Google-Assistent, Deep-learning-algorithmen wandeln Ihr . Mehrere Online-Anwendungen verwenden eine Tiefe Ausbildung bei der Transkription von Audio - und Videodateien. Auch wenn Sie «шазамите» Lied, kommen die algorithmen нейросетей und tiefen des maschinellen Lernens.
  • die Suche im Internet: auch wenn Sie suchen etwas in einer Suchmaschine, um sicherzustellen, dass Ihre Anfrage bearbeitet wurde deutlicher und die Ergebnisse der Ausstellung waren die richtigen, das Unternehmen begann algorithmen verbinden нейросетей zu Ihren Suchmaschinen. Also, die Leistung der Suchmaschine Google hat sich mehrere Male, nachdem das System ging auf Tiefe maschinelles lernen und нейросети.

Grenzen der Deep-learning-und нейросетей

Trotz aller Vorteile, die Tiefe Ausbildung und нейросети haben auch einige Nachteile.

  • Abhängigkeit von Daten: im Allgemeinen, Deep-learning-algorithmen erfordern riesige Mengen von Trainingsdaten für die genaue Erfüllung Ihrer Aufgaben. Leider für viele Probleme nicht ausreichend Ausbildung von qualitativen Daten die für die Erstellung von Modellen.
  • Unberechenbarkeit: neuronale Netze entwickeln sich auf seltsame Weise. Manchmal geht alles wie geplant. Und manchmal (auch wenn нейросеть gut meistert seine Aufgabe), auch die Macher kämpfen, um zu verstehen, wie die algorithmen arbeiten. Die mangelnde Vorhersehbarkeit macht eine extrem schwierige Beseitigung und Korrektur von Fehlern in den algorithmen der Arbeit нейросетей.
  • Algorithmische offset: Deep-learning-algorithmen genauso gut, wie die Daten, auf denen Sie eingeschrieben sind. Das Problem besteht darin, dass die lernprogrammdaten enthalten oft versteckte oder offensichtliche Fehler oder Mängel, algorithmen und erhalten Sie «geerbt». Beispielsweise ein Algorithmus zur Gesichtserkennung, geschultes hauptsächlich auf Fotos von weißen Menschen, wird die Arbeit weniger genau auf den Menschen mit einer anderen Hautfarbe.
  • Keine Verallgemeinerungen: Deep-learning-algorithmen sind gut für die Erfüllung gezielter Aufgaben, aber schlecht verallgemeinern Ihre Kenntnisse. Im Gegensatz zu Menschen, Deep-learning-Modell, nicht in der Lage , anderen spielen ein ähnliches Spiel: sagen wir, in WarCraft. Darüber hinaus tiefgreifende Ausbildung schlecht zurecht mit der Bearbeitung der Daten, die von der abgewichen sein lehrbuchbeispiele.

die Zukunft von Deep learning, нейросетей und die KI

Es ist klar, dass die Arbeit an tiefen learning und neuronalen Netzen noch lange nicht zu Ende. Verschiedene Anstrengungen werden unternommen, um die Verbesserung der Deep-learning-algorithmen. Deep Training — dies ist die modernste Methode bei der Schaffung der künstlichen Intelligenz. Er wird immer beliebter in den letzten Jahren, aufgrund der fülle der Daten und Erhöhung der Rechenleistung. Dies ist eine grundlegende Technologie, die die Grundlage für viele Anwendungen, die wir jeden Tag benutzen.

Aber geboren wird, ob jemals auf der Basis dieser Technologie das Bewusstsein? Eine echte künstliche Leben? Jemand der Gelehrten ist der Auffassung, dass in dem Moment, wenn die Anzahl der verbindungen zwischen den Komponenten des künstlichen нейросетей näher an die gleichen Indikatoren, dass es im menschlichen Gehirn zwischen unseren Nervenzellen, so etwas kann passieren. Dies ist jedoch заявляениеes ist sehr zweifelhaft. Um eine echte KI erschienen ist, müssen wir Umdenken Ansatz zur Erstellung von Systemen auf Basis von KI. Alles was es jetzt gibt — dies ist nur Anwendungsprogramme für streng begrenzte Anzahl von Aufgaben. Wie würde wir wollten nicht glauben, dass die Zukunft hat bereits begonnen…

Was denken Sie? Schaffen, ob die Menschen die KI? Teilen Sie die Meinung in unserem

Mehr:

Kann ich den Schutz vor HIV auf genebene

Kann ich den Schutz vor HIV auf genebene

die Pest des XX Jahrhunderts weit verbreitet und in der XXI Jahrhunderts. aids ist seit langem anerkannt von vielen das eigentliche Problem der Menschheit, das muss man irgendwie lösen. Die Menschen bauen die Theorien, Woher es kam, und warum es notw...

Was ist denn mit den Tests auf den Coronavirus?

Was ist denn mit den Tests auf den Coronavirus?

Heute viele Gates verteufelt, weil er beabsichtigte einen chipirovaniye von der Bevölkerung (aber wie?) und nebenbei aller Todsünden. Erzählen Sie, warum der US-Milliardär eigentlich ganz gut gemacht und nicht рептилоид egal, Wie beunruhigend es hat ...

Was ist der vierdimensionale Raum?

Was ist der vierdimensionale Raum?

Simulation der Bewegung der Kamera im vierdimensionalen Raum. Darstellung der Welt in verschiedenen Dimensionen ändert sich die Art, wie wir wahrnehmen, alles um sich herum, einschließlich der Zeit und Raum. Denken Sie über den Unterschied zwischen z...

Kommentare (0)

Dieser Artikel wurde noch kein Kommentar abgegeben, sei der erste!

Kommentar hinzufügen

Verwandte News

Muss ich impfen lassen?

Muss ich impfen lassen?

Wenn Sie denken, dass solche Krankheiten wie Masern, Tetanus und Keuchhusten sind keine Bedrohung mehr, dann haben wir schlechte Nachrichten für Sie. In den letzten Jahren auf der ganzen Welt an Popularität gewinnt die Bewegung de...

Was wird mit der Schlange, wenn Sie beißt die andere Schlange?

Was wird mit der Schlange, wenn Sie beißt die andere Schlange?

ich Denke, dass es nicht notwendig ist zu erklären, was einem widerfahren konnte durch den Biss einer Giftschlange, so wie über die unangenehmen Folgen eines solchen Ereignisses haben viele gehört. Aber was passiert in dem Fall, w...

Wissenschaftler haben eine neue Methode der regenerativen Energiegewinnung

Wissenschaftler haben eine neue Methode der regenerativen Energiegewinnung

Nach Ansicht der Wissenschaftler von der Stanford University, des Ortes, wo salzig gemischt ozeanische Wasser mit Süßwasser, können eine Quelle der Produktion ein riesiges Volumen , berichtet die Pressemitteilung, auf der Website ...

Warum nach Minze spüren wir die Kälte im Mund?

Warum nach Minze spüren wir die Kälte im Mund?

Wenn kauen ein Blatt Minze, dann fühlen Sie sich wie in Ihrem Mund beginnt zu verbreiten angenehm kühl. Dies geschieht durch Substanzen Menthol, die sich in Minze und wirkt auf ein System von Rezeptoren, die sich auf den Schleimhä...

Die erste in der Geschichte der Fotografie Quanten-Verschränkung

Die erste in der Geschichte der Fotografie Quanten-Verschränkung

Physik der schottischen Universität Glasgow berichtet über das Experiment, in dessen Ergebnis konnten die Wissenschaftler die erste in der Geschichte der Foto Teilchen. Phänomene nach den Maßstäben der Physik ist so seltsam, dass ...

Die größten Ratten der Welt waren Größe mit dem Hund. Sie ernährten sich von Menschen

Die größten Ratten der Welt waren Größe mit dem Hund. Sie ernährten sich von Menschen

Riesige Ratten, die zehn mal höher als in der Größe Ihrer heutigen verwandten, passten auf Osttimor von einigen 1000 Jahren. Zu diesem Schluss kamen Archäologen nach dem Fund der sterblichen überreste der sieben riesigen Nagetiere...

Wie Fukushima ist ein zweites Tschernobyl

Wie Fukushima ist ein zweites Tschernobyl

11. März 2011 im Kernkraftwerk Fukushima-1, mit Sitz in der gleichnamigen japanischen Stadt, von einem starken Erdbeben und tsunami gekostet etwa 16 tausend Menschenleben, Strahlung gab es einen großen Unfall. Naturkatastrophe spe...

Nikola TESLA: die schönsten Erfindungen des großen Genies

Nikola TESLA: die schönsten Erfindungen des großen Genies

vor Genau 163 Jahren wurde Nikola TESLA geboren. Kaum auf diesem Planeten gibt es Menschen, die von ihm gehört. Dem Namen Nikola teslas Firma nennen, man hielt ihn für einen großen, seine Geheimnisse zu entziffern und heute. Viele...

Was passiert, wenn der größte Gletscher Schmelzen Antarktis?

Was passiert, wenn der größte Gletscher Schmelzen Antarktis?

es ist Kein Geheimnis, dass ein großer Teil des Eises auf unserem Planeten konzentriert sich auf die südlichen und nördlichen Polen — in «oberen» und «unteren» Mützen Erde. In den übrigen Regionen einfach zu warm für die Existenz ...

Wenn der größte Gletscher der Antarktis schmilzt, wartet auf uns eine Globale Katastrophe

Wenn der größte Gletscher der Antarktis schmilzt, wartet auf uns eine Globale Katastrophe

es ist Kein Geheimnis, dass ein großer Teil des Eises auf unserem Planeten konzentriert sich auf die südlichen und nördlichen Polen — in «oberen» und «unteren» Mützen Erde. In den übrigen Regionen einfach zu warm für die Existenz ...

Warum gerade bei Menschen 23 Chromosomenpaare?

Warum gerade bei Menschen 23 Chromosomenpaare?

Noch aus einem Kurs der Schule der Biologie wissen wir, dass bei der normalen Bildung des menschlichen Organismus (sprich: ohne die verschiedenen kongenitalen Pathologien), ein großer Teil unserer erbinformation ist in 23 Paaren v...

Wissenschaftler haben herausgefunden, Woher kamen die Haie-Kannibalen, das töten von Menschen

Wissenschaftler haben herausgefunden, Woher kamen die Haie-Kannibalen, das töten von Menschen

die Erloschene etwa 2,6 Millionen Jahren der Hai Megalodon war der größte und gefährlich räuberischen Hai, der jemals auf der Erde existierte. Heute ist die größte räuberischen Hai ist der weiße Hai, Sie ist ein Hai-Menschenfresse...

Hochwasser in der Region Irkutsk: Ursachen und Folgen

Hochwasser in der Region Irkutsk: Ursachen und Folgen

Nach Angaben vom 3. Juli 2019, für die Flutopfer in der Region Irkutsk starben 20 Personen, 15 gelten als vermisst gemeldet. Teilweise zerstörten Verkehrsinfrastruktur. In der überschwemmungen kamen Dutzende Siedlungen. Notbetrieb...

Die Wissenschaftler berichteten, welche Auswirkungen auf die Erde hatte das Vorhandensein der Löcher in der Ozonschicht

Die Wissenschaftler berichteten, welche Auswirkungen auf die Erde hatte das Vorhandensein der Löcher in der Ozonschicht

Am 24. Juni in der Zeitschrift Nature Sustainability Artikel, vorbereitet von einer Gruppe von Wissenschaftlern der UNO über die Umweltverträglichkeitsprüfung berichtet über die komplexen Verflechtungen zwischen der Zerstörung der...

Wissenschaftler haben herausgefunden endlosen Zerfall und Wiedergeburt in der Quanten-Teilchen

Wissenschaftler haben herausgefunden endlosen Zerfall und Wiedergeburt in der Quanten-Teilchen

vor kurzem eine Gruppe von Wissenschaftlern hat festgestellt, dass einige Quanten-Teilchen können regeneriert nach seinem Zerfall. Diese Entdeckung ist sehr wichtig für die Zukunft der Menschheit, quanteninformatik und intergalakt...

Züchten menschliche Organe in Schweinen. Was kann schief gehen?

Züchten menschliche Organe in Schweinen. Was kann schief gehen?

Für die alten Griechen Chimäre war ein unheimlicher Wesen — teilweise Löwe, Ziege und teilweise teilweise Schlange. Die erste Chimäre, die Juan Carlos Исписуа Belmonte schuf im Jahr 1992 war deutlich weniger beängstigend: es Besta...

Warum im Universum mehr Materie als Antimaterie?

Warum im Universum mehr Materie als Antimaterie?

Warum wir existieren? Es ist vielleicht die tiefste Frage, die scheint ganz über den Rahmen der Physik der Elementarteilchen. Aber unser neuer am large Hadron Collider CERN brachte uns zur Antwort. Um zu verstehen, warum wir exist...

Die chinesische Polizei begann zu trainieren geklonte Hund-Sucher für

Die chinesische Polizei begann zu trainieren geklonte Hund-Sucher für

Im Jahr 2018 das chinesische Unternehmen Sinogene Biotechnology klonte 7-jährigen Hund Хуахуанма, die Jahre zuvor gewann die Auszeichnung vom Ministerium für öffentliche Sicherheit der Volksrepublik China für seinen Beitrag zur En...

Denken Sie daran, die Wissenschaftler drehten die Zeit zurück? So war es nicht

Denken Sie daran, die Wissenschaftler drehten die Zeit zurück? So war es nicht

Wenn Sie glauben, alles, was Sie schreiben im Internet (darunter auch wir), der Quanten-Physiker gratuliert werden. Klingt cool: Wissenschaftler (ja, auch die Russischen) . Gerade «Zurück in die Zukunft». Alles begann mit einem Ar...

Menschlichen Spider-Seide haben vorgeschlagen, die Verwendung als Muskel-Roboter

Menschlichen Spider-Seide haben vorgeschlagen, die Verwendung als Muskel-Roboter

menschlichen Spider-Seide, bereits bekannt als einer der beständigsten Materialien mit Ihrem Gewicht, hat eine weitere ungewöhnliche Eigenschaft, die kann dazu führen, dass die Entstehung neuer Arten von künstlichen Muskeln oder R...