Q:
Hvad er de fem skoler til maskinindlæring?
EN:For dem, der ikke har undersøgt, hvad der ligger bag moderne maskinlæring og kunstig intelligensarbejde, ligner al denne indsats og forskning ofte et stort amorft virvar. Men når du skraber overfladen og ser på, hvad videnskabelige ledere gør på disse områder, ser du, at der på en måde virkelig er fem forskellige vigtige tilgange til spørgsmålet om at skubbe kunstig intelligens fremad.
Disse fem "skoler" eller "stammer" er blevet populariseret af arbejdet med Pedro Domingos i hans "Master Algorithm" -bog om AI-udvikling, men de betragtes også andre steder i forskellige dele af den videnskabelige verden.
| Gratis download: Machine Learning og Why It Matters |
Den første skole for kunstig intelligens kaldes konnektionisme. Denne skole fokuserer på de faktiske neurale forbindelser og fysikken i den menneskelige hjerne. Det er afhængig af ideen om bagpropagering, der sporer disse forbindelser til dannelse af resultater. Nogle mennesker kalder konnektionsskolen en "indsats for at vende den menneskelige hjerne tilbage."
Den næste skole med kunstig intelligens er symbolik. Symbolister bruger logik og allerede eksisterende viden til at opbygge modeller, der fungerer intelligent. På nogle måder ligner den symbolistiske tilgang den, der tidligt opstod i den kunstige intelligensverden, før neurale netværk blev udviklet. Hvis du udarbejder en stor nok videnbase og behandler det på bestemte måder, begynder det at skabe en form for kunstig intelligens, og det er hvad der ligger bag den symbolistiske tilgang, som nu er blevet kombineret med nogle af de andre moderne tilgange.
Den tredje skole er evolutionismens skole. Her er der fokus på ikke kun evolutionsteori, men også på genetik og biofysik såvel som bioinformatik. Du kunne se denne arm af kunstig intelligens som den kategori, der arbejder med det menneskelige genom og anvender moderne teknologier på genetikområdet. I den forstand er evolutionistisk kunstig intelligens unik. Det er et noget andet projekt end de fire andre skoler.
Den bayesiske skole er den fjerde skole for kunstig intelligens. Dette er igen en af de ældre skoler og blev anvendt tidligt på f.eks. Fjernelse af spam fra e-mail-mapper.
Den bayesiske model og tilgang er en heuristisk model. Det fungerer på ideen om sandsynlighed for at udvikle modeller, der vil skære uønskede resultater ud eller forfølge andre mål, baseret på hvor begivenheder der mest sandsynligt vil ske, eller på andre målinger. En anden populær anvendelse af Bayesian-logik er inden for netværkssikkerhed - i løbet af de sidste par år har sikkerhedsingeniører i vidt omfang anvendt Bayesian-logik til at opdage trusler mod et netværk ved at modellere, hvor disse sandsynligvis vil forekomme, og hvordan.
Den femte og sidste skole for maskinlæring kaldes analogisering. Dette er også en skole, der måske er lettere for den gennemsnitlige forbruger at forstå. Anbefalingsmotorer fra virksomheder som Facebook og Google er baseret på en analogiserende tilgang. De tager algoritmer som "nærmeste nabo" og kombinerer dem med forskellige typer signalering for at prøve at matche ideer til andre ideer eller skiftevis til mennesker. En computer, der hævder at vide, hvilken slags musik du kan lide, er et godt eksempel på denne tilgang.
Alle disse tankegang kombineres og danner kroppen for forskning i moderne kunstig intelligens. Forskere arbejder på at skubbe hver af disse frem i forbindelse med hinanden og generelt fremmer feltet - og de prøver at gøre det i en meget interessant sammenhæng. Nogle af de største teknologiledere i de sidste par årtier har advaret om, at der udover at skubbe AI fremad, skal være fokus på etik og ansvarlig anvendelse af teknologi for at forhindre alvorlige sociale problemer. Dette skal anvendes på hver af disse fem skoler til maskinlæring.
