これらは知っておくべき人工知能のいくつかのタイプです

人工知能(AI)はテクノロジーの世界で重要なトピックになっています(写真:ドキュメント。ペクセル)

ジャカルタ - 人工知能(AI)の理解は、音声の解釈、ゲームのプレイ、パターンの特定など、通常は人間の認知機能に関連するタスクを実行する人工知能システムの能力がますます進化し、テクノロジーの世界で重要なトピックになっています。

AIシステムは一般的に、大量のデータを処理し、自分の意思決定でモデル化されるパターンを探すことによって学習します。多くの場合、人間はこのAI学習プロセスを監督し、良い決定を強化し、悪い決定を防ぎます。ただし、最終的にルールと勝利の方法を理解するまでビデオゲームを繰り返しプレイするなど、監督なしで学習するように設計されたAIシステムもあります。

強力で弱い人工知能の違い

AIの専門家は一般的に、強力で弱い人工知能を区別します。一般人工知能としても知られる強力人工知能は、人間の能力に似た、これまで訓練されたことのない問題を解決できる機械を指します。

これは、ウェストワールドのロボットやスタートレックのキャラクター「次世代」など、映画で見られるAIの一種です。このタイプのAIはまだ存在しません。

すべてのタスクに適用できる人間レベルの知性を備えた機械を作成することはAI研究者の夢ですが、一般の人工知能の検索は困難に満ちています。一部の人々は、適切な制御なしに強力なAIを作成することによる潜在的なリスクのために、強力な人工知能に関する研究を制限するべきであると考えています。

一方、弱い人工知能は、時には狭い人工知能または特殊人工知能とも呼ばれ、限られたコンテキストで動作し、狭い問題に適用される人間の知能のシミュレーションです。たとえば、車の運転、人間の音声の書き起こし、Webサイト上のコンテンツのキュレーションなどです。

弱人工知能の例は次のとおりです。

機械学習と深い学習の違い

「機械学習」と「深化学習」という用語は、AIに関する会話によく登場しますが、どちらも交互に使用すべきではありません。ディープラーニングは機械学習の一形態であり、機械学習自体は人工知能のサブフィールドです。

機械学習は、コンピュータによってデータが与えられ、統計技術を使用して、タスクのために特別にプログラムされることなく、「学習」がタスクでより良くなるのを助けるアルゴリズムです。ML(機械学習)アルゴリズムは、履歴データを入力として使用して、新しい出力値を予測します。

機械学習は、ラベル付けされたデータセットのおかげで入力に期待される出力が知られるガイダンス学習と、ラベル付けされていないデータセットを使用しているため、期待される出力が不明であるガイダンス学習で構成されています。

深い学習は、生物学に触発されたニューラルネットワークアーキテクチャを通して入力を実行する機械学習の一種です。このニューラルネットワークには、データが処理される場所を通っていくつかの隠された層があり、機械が研究において「深く」感じられ、接続を作成し、最良の結果を得るために入力に重みを与えることができます。

深い学習により、機械はデータの複雑なパターンと高レベルの機能を認識することができ、さまざまなタスクで非常に正確で洗練された結果を生成できます。

日常生活に機械学習を適用する例としては、次のとおりです。

ディープラーニングはAIに大きな進歩をもたらしましたが、課題とリスクは残っています。一部の懸念には、データのセキュリティとプライバシー、不公平な履歴データに基づいて構築されたモデルから生じる可能性のある偏見、人間の生活に大きな影響を与える可能性のある意思決定におけるAIの使用に関する倫理的な問題などがあります。

今日、AIは常に進化しており、私たちの生活のさまざまな業界や側面の重要な部分となっています。強くて弱い人工知能と機械学習とディープラーニングの理解の違いにより、この技術を賢く責任を持って活用できることが期待されています。

私たちはAIの開発に引き続き注意を払い、発生する可能性のある社会的および倫理的意味合いを考慮してこの技術の進歩を達成することを目的とした研究を支援する必要があります。したがって、 builtin.com から引用されました。