Q:
Hva er de fem skolene for maskinlæring?
EN:For de som ikke har undersøkt hva som ligger bak moderne maskinlæring og kunstig intelligens, ser all denne innsatsen og forskningen ofte ut som et stort amorft virvar. Men når du klør i overflaten og ser på hva vitenskapelige ledere gjør på disse feltene, ser du at det på en måte virkelig er fem forskjellige viktige tilnærminger til spørsmålet om å skyve kunstig intelligens fremover.
Disse fem "skolene" eller "stammene" er blitt popularisert av arbeidet til Pedro Domingos i hans "Master Algorithm" -bok om AI-utvikling, men de blir også vurdert andre steder i forskjellige deler av den vitenskapelige verden.
| Gratis nedlasting: Machine Learning og Why It Matters |
Den første skolen for kunstig intelligens kalles konneksjonisme. Denne skolen fokuserer på de faktiske nevrale forbindelsene og fysikken i den menneskelige hjernen. Det er avhengig av ideen om bakpropagering, som sporer disse sammenhengene for å danne resultater. Noen mennesker kaller konneksjonistskolen en "innsats for å reversere menneskets hjerne."
Den neste skolen for kunstig intelligens er symbolikk. Symbolistene bruker logikk og eksisterende kunnskap for å bygge modeller som fungerer intelligent. På noen måter er symbolisttilnærmingen lik den som oppstod tidlig i den kunstige intelligensverdenen før nevrale nettverk ble utviklet. Hvis du sammenstiller et stort nok kunnskapsgrunnlag og takler det på spesielle måter, begynner det å skape en form for kunstig intelligens, og det er det som ligger bak symbolisttilnærmingen som nå er blitt kombinert med noen av de andre moderne tilnærmingene.
Den tredje skolen er evolusjonismens skole. Her er det fokus på ikke bare evolusjonsteori, men også på genetikk og biofysikk samt bioinformatikk. Du kan se denne armen av kunstig intelligens som kategorien som arbeider med det menneskelige genom og bruker moderne teknologier på genetikkområdet. I den forstand er evolusjonistisk kunstig intelligens unik. Det er et noe annet prosjekt enn de fire andre skolene.
Den bayesiske skolen er den fjerde skolen for kunstig intelligens. Dette er, igjen, en av de eldre skolene og ble tidlig brukt, for eksempel i eliminering av spam fra e-postmapper.
Den bayesiske modellen og tilnærmingen er en heuristisk modell. Det fungerer på ideen om sannsynlighet for å utvikle modeller som vil kutte ut uønskede resultater, eller forfølge andre mål, basert på hvor hendelser mest sannsynlig vil skje, eller på andre beregninger. En annen populær applikasjon av Bayesian-logikk er i nettverkssikkerhet - i løpet av de siste årene har sikkerhetsingeniører mye brukt Bayesian-logikk for å oppdage trusler mot et nettverk ved å modellere hvor det sannsynligvis vil oppstå, og hvordan.
Den femte og siste skolen for maskinlæring kalles analogisering. Dette er også en skole som kanskje er lettere for den gjennomsnittlige forbrukeren å forstå. Anbefalingsmotorer fra selskaper som Facebook og Google er basert på en analogiserende tilnærming. De tar algoritmer som "nærmeste nabo" og kombinerer dem med forskjellige typer signalisering for å prøve å matche ideer til andre ideer, eller vekselvis, til mennesker. En datamaskin som hevder å vite hva slags musikk du liker, er et godt eksempel på denne tilnærmingen.
Alle disse tankeskolene kombineres for å danne kroppen for forskning på moderne kunstig intelligens. Forskere jobber for å skyve hver av disse fremover i forbindelse med hverandre, og generelt fremme feltet - og de prøver å gjøre det i en veldig interessant sammenheng. Noen av topplederne innen teknologi de siste tiårene har advart om at det i tillegg til å skyve AI fremover, må være fokus på etikk og ansvarlig bruk av teknologi for å forhindre alvorlige sosiale problemer. Dette må brukes på hver av disse fem skolene for maskinlæring.
