Qu'est-ce que l'intelligence artificielle?


Réponses:


3

Au fil des ans, de nombreuses personnes ont tenté de définir l'intelligence artificielle. Beaucoup de ces définitions sont résumées par Stuart Russell et Peter Norvig dans leur livre Intelligence artificielle - Une approche moderne

Les définitions de l'IA peuvent être résumées comme entrant dans les catégories suivantes:

  1. Celles qui traitent du processus de pensée et du raisonnement (comment une IA pense / raisonne)
  2. Ceux qui traitent du comportement (comment une IA agit compte tenu de ce qu'elle sait)

En outre, les 2 catégories ci-dessus sont divisées en définitions qui:

I. évaluer le succès d'une IA (pour faire ce qui précède) en fonction de sa capacité à reproduire les performances humaines

II. ou une capacité à reproduire une mesure de performance idéale appelée «rationalité» (fait-elle la «bonne» chose en fonction de ce qu'elle sait?)

Je vais vous citer des définitions qui correspondent à chacune des catégories ci-dessus:

  • 1.I. "L'automatisation des activités que nous associons à la pensée humaine, des activités telles que la prise de décision, la résolution de problèmes, l'apprentissage .." - Bellman 1978
  • 1.II. "L'étude des calculs qui permettent de percevoir, de raisonner et d'agir." - Winston, 1992
  • 2.I. "L'étude sur la façon de faire faire aux ordinateurs des choses pour lesquelles, à l'heure actuelle, les gens font mieux" - Rich et Knight, 1991
  • 2.II. "L'étude de la conception d'agents intelligents" - Poole et al., 1998

En résumé, l'IA est consacrée à la création de machines intelligentes et rationnelles qui peuvent prendre des décisions rationnelles et prendre des mesures rationnelles.

Je vous suggère de lire le test de Turing, qu'Alan Turing a proposé de tester si un ordinateur était intelligent. Cependant, le test de Turing présente quelques problèmes, car il est anthropomorphe.

Lorsque les ingénieurs aéronautiques ont créé l'avion, ils n'ont pas fixé leur objectif que les avions volent exactement comme les oiseaux, mais ils ont plutôt commencé à apprendre comment les forces de portance ont été générées, sur la base de l'étude de l'aérodynamique. En utilisant ces connaissances, ils ont créé des avions.

De même, les gens dans le monde de l'IA ne devraient pas mettre, à mon humble avis, l'intelligence humaine comme norme à rechercher, mais, plutôt, nous pourrions utiliser, disons, la rationalité comme norme (entre autres).


J'aime vraiment vos doubles explications. La force n'est pas une exigence pour l'imo IA - il suffit d'être automatisé et de prendre des décisions.
DukeZhou

La plupart des définitions énumérées concernent l'activité académique du XXe siècle, pas l'IA elle-même. Ils ne sont ni indépendants du progrès ni basés sur des capacités mesurables du système. Bellman's est la plus proche d'une définition fonctionnelle qui s'applique à un système, mais elle est largement insuffisante. Une personne peut décider quel billet de loterie acheter, résoudre le problème des herbes hautes en le tondant ou apprendre à se déplacer dans sa boîte aux lettres, mais ce sont des exigences inadéquates pour un système étiqueté intelligent. Aucun d'entre eux ne mentionne l'amélioration progressive, l'adaptabilité ou l'inventivité.
FauChristian

@DukeZhou, la force, je suis d'accord, n'est pas une exigence pour leur cerveau ou leur simulation. C'est une exigence pour les muscles et les simulations comme l'hydraulique et les ressorts. Pourtant, ce que certains articles appellent la force est vraiment ÉTENDU. Si quelqu'un pouvait commander des livres sur une étagère de livres par le système Dewey mais ne pouvait pas alphabétiser leurs DVD, nous nous demanderions s'ils étaient stupides. Nous ne dirions pas: "Comme ils sont intelligents pour au moins faire l'un des deux." Nous ne voulons pas que les téléphones intelligents et les voitures soient aussi intelligents que n'importe quel être humain. Ils doivent faire des choses que nous sommes trop fatigués ou incapables de faire.
FauChristian

1
@FauChristian Strength comme dans Strong AI provient des travaux du philosophe John Searle qui a présenté l'expérience de la salle chinoise pour réfuter la proposition d'Alan Turing selon laquelle le test de Turing impliquait l'intelligence. Searle a fait valoir qu'un ordinateur manipulant simplement des symboles ne comprenait pas vraiment, tout comme un homme qui ne parle pas chinois est capable de tromper les locuteurs chinois qu'il peut comprendre le chinois en faisant correspondre les symboles en utilisant un manuel pour construire des réponses. Searle a fait valoir que l'IA forte, c'est quand une machine peut être décrite comme ayant un esprit, quand une machine non seulement agit intelligemment, mais comprend
Omar K

1
et c'est exactement le problème. Sans fondements philosophiques rigoureux, comme pratiquement toutes les recherches qui utilisent la méthode scientifique comme fondement, l'IA sera toujours cachée derrière le problème des définitions. Les premiers chercheurs en IA ont contourné les questions philosophiques à portée de main, tout comme ils ont refusé d'aborder l'explosion combinatoire au début (ce qui a presque conduit à la fin des recherches sur l'IA). Sans un véritable coup de fouet sur les fondements philosophiques, beaucoup diraient que tout ce que vous dites n'est que vos sentiments à propos de l'IA.
Omar K

1

Dans l'étude Universal Intelligence: A Definition of Machine Intelligence (2007), Legg et Hutter, après une étude assez sérieuse, définissent l'intelligence de manière informelle comme suit

L'intelligence mesure la capacité d'un agent à atteindre ses objectifs dans un large éventail d'environnements

Dans le même article, ils formalisent également cette définition. Vous pouvez consulter le document pour plus de détails, mais, en quelques mots, pour arriver à cette définition, ils ont examiné plusieurs définitions de l'intelligence données par les gens au fil des ans et ils ont essayé de résumer la clé points de toutes ces définitions. Ils discutent également de questions telles que les tests d'intelligence et leur relation avec la définition de l'intelligence: autrement dit, un test d'intelligence est-il suffisant pour définir l'intelligence, ou un test d'intelligence et une définition des concepts d'intelligence sont-ils distincts? Ils soulignent également la relation entre cette définition et AIXI .


0

Dans l'article Qu'est-ce que l'intelligence artificielle? (2007), John McCarthy, l'un des fondateurs de l'intelligence artificielle et qui a également inventé l'expression intelligence artificielle , écrit

L'intelligence artificielle est la science et l'ingénierie de fabrication de machines intelligentes, en particulier les programmes informatiques intelligents. Elle est liée à la tâche similaire d'utiliser des ordinateurs pour comprendre l'intelligence humaine, mais l'IA n'a pas à se limiter à des méthodes qui sont biologiquement observables.

Cependant, cette définition est liée à l'intelligence humaine, donc tout le monde ne sera pas d'accord avec cette définition.

Il déclare en outre

L'intelligence est la partie informatique de la capacité à atteindre des objectifs dans le monde. Divers types et degrés d'intelligence se produisent chez les humains, de nombreux animaux et certaines machines.

Le domaine de l'IA a évolué depuis sa conception officielle lors de la conférence de Dartmouth en 1956, de sorte que la définition de l'intelligence artificielle évoluera également. Avant cette conférence, il y avait déjà plusieurs domaines et expressions connexes, par exemple, la cybernétique.


-1

La réponse la plus courte que j'ai pu trouver pourrait être la suivante; prenez-le avec un grain de sel, car nous ne savons toujours pas grand-chose sur l'intelligence naturelle:

Ce qu'est l'intelligence naturelle pourrait être considéré comme le processus d'apprentissage de concepts abstraits à partir d'observations limitées avec l'intention de les utiliser pour résoudre une [nouvelle] tâche. Ce processus implique l'utilisation de ces concepts pour imaginer de nouveaux scénarios / théories hypothétiquement corrects et les combiner de manière significative pour réduire l'énorme espace d'hypothèses des possibilités et permettre la généralisation à de nouvelles situations sans observer de données au préalable. L'intelligence artificielle consiste à apporter ce que l'intelligence naturelle fait aux machines.


-1

Il n'y a pas de définition formelle sur laquelle la plupart des gens s'accordent. Voici donc ce que je pense, en tant que consultant en science des données / apprentissage automatique:

L'intelligence artificielle comme domaine de recherche est l'étude des agents qui détectent et agissent de manière autonome dans un environnement et améliorent leur situation en fonction d'une métrique avec leurs actions.

Je n'aime pas le terme, car il est trop large / vague. Au lieu de cela, regardez la définition de l'apprentissage automatique par Tom Mitchell:

Un programme informatique apprendrait de l'expérience «E», en ce qui concerne certaines classes de tâches «T» et la mesure de performance «P» si ses performances aux tâches en «T» mesurées par «P» s'améliorent avec l'expérience E

L'apprentissage automatique est un élément important de l'IA, mais pas le seul. Les algorithmes de recherche, SLAM, l'optimisation contrainte, les bases de connaissances et l'inférence automatique font également partie de l'IA.


-1

Les chercheurs en intelligence artificielle ont sans aucun doute intérêt à définir le terme utilisé pour leur propre domaine de discipline, et il y a peu d'ambiguïté dans le terme artificiel . Le défi est que le mot intelligence a toujours été plus une description qualitative qu'une quantité réelle.

Comment peut-on comparer l'intelligence de l'un à l'intelligence de l'autre? Les tests de QI, la moyenne des catégories de tests des collèges, la valeur nette, la victoire aux tournois d'échecs et de go, les mauvais taux de décision, les diverses courses de vitesse intellectuelle, les conseils et les panneaux d'évaluation ont été un ensemble douloureusement inadéquat pour ceux qui sont impliqués dans la théorie mathématique derrière les capacités mentales. nous appelons l'intelligence.

Il y a seulement un siècle, l'intelligence était un terme qualitatif associé à la capacité de trouver des solutions aux problèmes du monde universitaire, des affaires et de la vie personnelle. Alors que la culture commençait à rechercher un traitement quantitatif des choses autrefois uniquement qualitatives, la dépendance des capacités mentales à l'âge d'une personne et à ses opportunités environnementales a introduit un défi. L'idée de quotient intellectuel (QI) est née du désir de quantifier le potentiel mental indépendamment de l'âge et des opportunités.

Certains ont tenté de minimiser les facteurs environnementaux en produisant des tests standardisés des compétences cognitives fondamentales telles qu'elles s'appliquent aux mathématiques et au langage.

Le système de production et les conteneurs de logique floue (basés sur des règles), l'apprentissage en profondeur (basé sur un réseau artificiel), les algorithmes génétiques et d'autres formes de recherche sur l'IA n'ont pas produit de machines qui peuvent obtenir de bons résultats dans des tests standardisés conçus pour les humains. Pourtant, les capacités du langage naturel, la coordination mécanique, l'excellence de la planification et la formulation de conclusions basées sur un raisonnement clair et vérifiable continuent d'être recherchées dans les machines.

Les catégories de capacités mentales ci-dessous se distinguent par leurs méthodes de mesure, l'architecture d'utilisation et les types de recherche qui ont produit des résultats prometteurs et une amélioration continue.

  • Dialogue - mesuré à la fois par le jeu d'imitation proposé par Alan Turing et par la viabilité de l'automatisation du système de réponse, des assistants personnels et des chat-bots mobiles
  • Contrôle mécanique - mesuré à la fois par les critères de stabilité du système et par le taux de coût des incidents et la réduction des pertes de vie dans le cas de l'utilisation de l'automatisation intelligente dans le secteur des transports
  • Intelligence d'affaires - mesurée principalement par l'augmentation ou la diminution de la rentabilité par rapport aux tendances antérieures ou concomitantes à la planification manuelle et au contrôle opérationnel

La découverte de la paramétrisation la plus probable et optimale pour une fonction complexe basée sur une expression mathématique de ce que les moyens optimaux ne sont délibérément pas énumérés ci-dessus. Quelle est l'activité centrale des dispositifs d'apprentissage automatique ne rentre pas bien dans les catégories de ce qu'on a appelé historiquement l'intelligence, et cela ne devrait pas l'être non plus. Le traitement statistique des ensembles de données à des fins prédictives n'est pas un apprentissage au sens intellectuel. C'est un montage en surface. L'apprentissage automatique est actuellement un outil à utiliser par l'intelligence humaine, pour étendre sa puissance, comme d'autres outils de calcul.

Cette contrainte sur l'apprentissage automatique pourrait, à l'avenir, être transcendée. On ne sait pas si et quand les réseaux artificiels démontreront la cognition, la logique, la capacité de reconnaître l'importance et la capacité effective dans les catégories énumérées ci-dessus.

L'une des difficultés à définir l'intelligence est le manque d'unanimité quant à sa dimensionnalité. Si l’intelligence doit être quantifiée, la valeur den où la mesure de l'intelligence jeRnest significatif. Les concepts de facteur g et de QI impliquent quen=1, mais plusieurs critiques de cette idéologie, comme Howard Earl Gardner, Ph.D. et Thomas Armstrong, Ph.D. ont proposé qu'il existe plusieurs dimensions à l'intelligence.

  • Intelligence linguistique («word smart»)
  • Intelligence logico-mathématique («nombre / raisonnement intelligent»)
  • Intelligence spatiale («image intelligente»)
  • Intelligence corporelle-kinesthésique («corps intelligent»)
  • Intelligence musicale («music smart»)
  • Intelligence interpersonnelle («people smart»)
  • Intelligence intrapersonnelle («self smart»)
  • Intelligence naturaliste (ajout d'Armstrong)
  • Intelligence existentielle (ajout d'Armstrong)
  • Intelligence morale (John Bradshaw, Ph.D., addition)

L'argument selon lequel ce sont toutes des manifestations d'une seule capacité d'intelligence exprimée en une efficacité variable en raison de l'éducation ou d'une autre formation a été systématiquement affaibli par des découvertes fondées sur des preuves dans les domaines des sciences cognitives, de la génétique et de la bioinformatique.

En génétique, au moins vingt-deux composants génétiques indépendants de l'intelligence ont été identifiés, et ce nombre est susceptible d'augmenter. Ces commutateurs indépendants dans l'ADN humain n'ont pas tous un impact sur les mêmes contrôles neuronaux dans le cerveau, indiquant la faiblesse factuelle de l'idéologie du facteur g.

Il est probable que certaines formes d'intelligence humaine et d'expression d'ADN soient cartographiées de manière complexe qui sera découverte au fil du temps et que cette cartographie remplacera entièrement la simplification du facteur g au fil du temps.

Le terme intelligence artificielle peut être mieux exprimé sous forme de simulations des formes et expressions de l'intelligence humaine et simplement abrégé en IA. Mais ce n'est pas une définition. Il s'agit d'une description approximative. Il ne peut jamais y avoir une seule définition précise pour toutes les dimensions que nous regroupons de manière lâche sous le même terme. Si tel est le cas pour l'intelligence humaine, cela peut aussi rester vrai pour l'intelligence artificielle.

Il existe certaines caractéristiques communes que l'on peut énumérer à propos de toutes les réponses intelligentes.

  • L'intelligence ne peut être mesurée et obtenir son utilité que dans le contexte d'une condition environnementale particulière et d'un objectif ou d'un ensemble d'objectifs. Exemples d'objectifs: rester en vie, obtenir un diplôme, négocier une trêve au milieu d'un conflit, ou développer des actifs ou une entreprise.
  • L'intelligence implique l'adaptation à des conditions inattendues basées sur ce qui est appris par l'expérience, donc apprendre sans la capacité d'appliquer ce qui est appris n'est pas de l'intelligence et appliquer un processus qui a été appris et simplement transféré à quelqu'un ou quelque chose contrôlant le processus n'est pas non plus considéré comme l'intelligence.

L'intelligence humaine peut apprendre et appliquer ce qui semble être une mode simultanée. Au-delà de cela, il serait inapproprié de discuter d'une définition de travail de l'intelligence sans mentionner certaines des capacités mentales humaines clés qui ont été proposées comme récursivité sur des formes moindres, mais la preuve que la récursivité ou la composition produira ces caractéristiques mentales n'existe pas.

  • Apprentissage simultané et utilisation de ce qui a été appris
  • La capacité d'inventer de nouveaux mécanismes d'amélioration progressive
  • Adaptabilité aux conditions inattendues
  • La capacité d'inventer une structure en dehors des domaines actuellement appris

Les exigences futures pour les machines intelligentes peuvent inclure ces derniers, et il peut être judicieux de les inclure maintenant.

Les références

Scripts, plans, buts et compréhension: une enquête sur les structures des connaissances humaines , Schank, Abelson, 2013, cité par 16689 articles, extrait T&F: à l'été 1971, il y a eu un atelier dans un domaine mal défini à l'intersection de psychologie, intelligence artificielle et linguistique. Les quinze participants se sont intéressés de diverses manières à la représentation de grands systèmes de connaissances ou de croyances.

Comprendre notre métier - Wanted: une définition de l'intelligence , Michael Warner, 2002

Le concept de l'intelligence et son rôle dans l'apprentissage et la réussite tout au long de la vie , Robert J. Sternberg, Université de Yale, 1997

Quelques problèmes philosophiques du point de vue de l'IA , John McCarthy et Patrick J. Hayes, Université de Stanford, 1981

Comprendre et développer l'intelligence émotionnelle , Olivier Serrat, Knowledge Solutions, pp 329-339, 2017

Frames of Mind: The Theory of Multiple Intelligences , 2011, Howard Gardner

7 (sept) types d'intelligence: identifier et développer vos intelligences multiples , 1999, Thomas Armstrong

La méta-analyse d'association à l'échelle du génome de 78 308 individus identifie de nouveaux loci et gènes influençant l'intelligence humaine , Suzanne Sniekers et. al., 2017


Cette définition de l'intelligence se concentre fortement sur un contexte scientifique qui est ancré dans l'ADN humain. Ce qui manque, c'est la composante sociale de l'invention des tours de magie. Le premier exemple de robotique a été appelé Automaton par le mauvais joueur Wolfgang von Kempelen. L'idée était de tromper le peuple. Les paris sur les courses de chevaux (Ada Lovelace), les jeux de merde et les calculs rapides dans le cerveau humain peuvent tous être considérés comme de la tromperie faite par un illusionniste .
Manuel Rodriguez

-1

Intelligence

Une mesure de la force d'un agent de décision par rapport à d'autres agents de décision, en ce qui concerne une tâche ou un ensemble de tâches donné. Le médium n'est pas pertinent - l'intelligence se manifeste à la fois par des mécanismes organiques et intentionnellement créés. Peut également être la capacité de résoudre un problème, comme dans le cas d'un jeu résolu .

Artificiel

Se rapporte au terme artefact , une chose qui est créée intentionnellement. En règle générale, ce terme a été utilisé pour désigner des objets physiques, mais les algorithmes créés par les humains sont également considérés comme des artefacts.

L'étymologie est dérivée des mots latins ars et faciō : «Construire habilement» ou «l'art de faire».

Intelligence artificielle

  • Tout agent de décision habilement (intentionnellement) construit.

ANNEXE: La signification de "intelligence"

Le sens originel de "l'intelligence" semble être "acquérir", de retour à l'indo-européen. Voir: intelligence (étymologie) ; * jambe / * leh₂w-

La première définition OED de l'intelligence n'est pas incorrecte, étendant le sens à l'acquisition de capacités (utilité démontrable), juste que la deuxième définition est la plus ancienne et fondamentale: "La collecte d'informations de valeur [stratégique]; 2.3 (archaïque) Les nouvelles générales."

Vous pouvez considérer l'univers comme étant composé d'informations , quelle que soit la forme que prennent ces informations (matière, énergie, états, positions relatives, etc.). Du point de vue d'un algorithme, cela a du sens car les seuls moyens dont ils disposent pour évaluer l'univers sont percepts .

Prenez un fichier texte plat. Il peut s'agir simplement de données, mais vous pouvez essayer de les exécuter. S'il s'exécute réellement, il pourrait démontrer l'utilité de certaines tâches. (Par exemple, s'il s'agit d'un algorithme minimax.)

"L'intelligence en tant que mesure d'utilité" est elle-même "l'intelligence" au sens de l'information, en particulier cette information par laquelle nous mesurons l'intelligence, en tant que degré, par rapport à une tâche ou à d'autres intelligences.


Notez que cela montre également la définition de base de Russell et Norvig de l'intelligence, enracinée dans l'utilité. Sans utilité, il n'y a pas de définition significative de l'intelligence, du moins pas dans le sens d'être concrète ou pratique.
DukeZhou

-1

L'IA est essentiellement l'acte de mettre en œuvre l'intelligence humaine dans la machine. Cela se fait par le biais de divers algorithmes qui mettent en œuvre l'intelligence humaine.


-2

L'IA est un domaine qui utilise des techniques de calcul pour rapprocher des décisions complexes.


1
Pouvez-vous expliquer votre utilisation de "approximative"? (C'est un choix intéressant qui, je pense, mérite d'être clarifié!)
DukeZhou

-3

Plus conventionnel: Un programme informatique (principalement) qui peut calculer des sorties pour des entrées arbitraires qu'il n'a jamais vues auparavant, préprogrammé ou n'est pas fourni avec une relation explicite entre les entrées et les sorties (c'est-à-dire le domaine et la plage ). Recherche Google, Alexa, Siri, Cortana, IBM Watson ... La définition s'applique à tous; même pour l'IA à usage général

Je vais encore plus loin ( controversé! ). Si vous supprimez une entité non humaine de la première définition, c'est la définition de l'intelligence humaine, pour moi. Par exemple, les RMB peuvent déduire une signification abstraite cachée des données lors d'une pré-formation non supervisée. Nous pouvons appeler cela intuitionpour nous, mais il semble que ce ne soit pas unique aux humains. ( L'expérience de reconnaissance de chats de Geoffrey Hinton est un bon exemple mais n'a pas pu trouver de lien ). Les RBM peuvent aussi rêver . Alors peut-êtrel'intelligence humaine, que nous percevons presque comme un phénomène surnaturel, peut être modélisée par un modèle mathématique aussi complexe soit-elle. Ainsi, avant de juger ma réduction de l'IA à une composition de fonctions (grosso modo), juge mon argument d'intelligence humaine. Voici une vidéo de Geoffrey Hinton sur le sujet

Apprentissage automatique: L'apprentissage automatique est le processus d'optimisation des paramètres d'une fonction pour des entrées et des sorties données afin qu'elle puisse calculer de nouvelles sorties pour de nouvelles entrées. Même la régression linéaire est un type d'apprentissage automatique et un réseau neuronal profond est en fait une fonction. Il est utilisé de manière interchangeable avec l'IA, mais ils ne signifient pas la même chose. AI answer WHAT tandis que Machine Learning répond COMMENT . (Pas exactement, mais proche)

Permettez-moi de vous donner quelques exemples afin de clarifier la différence AI et ML.

  • Le Deep Learning n'est pas l'IA. C'est ML.
  • Alexa d'Amazon est une IA.
  • L'optimisation d'un algorithme génétique (GA) est ML. Un bot jouant au jeu Snake utilisant ces paramètres GA est une IA.

REMARQUE: Cependant, actuellement, toutes les méthodes et structures que nous utilisons pour construire l'IA relèvent du terme d'apprentissage automatique. Ainsi, il est correct de dire que nous utilisons le Machine Learning pour développer l'intelligence artificielle.


Permettez-moi de résumer: l'IA est la boîte noire entre l'entrée et la sortie, similaire à la case «processus» du modèle IPO . Et le calcul dans la boîte de processus se fait par apprentissage automatique. À première vue, cette explication est courte et exacte, mais elle ne décrit pas ce qu'est l'IA, elle définit uniquement la programmation classique. Le modèle IPO est utilisé pour déterminer ce que font les programmeurs. Ils définissent les règles de transformation de l'entrée en sortie. Si une sorte de boîte noire dans le modèle de processus est équivalente à l'IA, pourquoi des milliers d'articles sont-ils écrits chaque année sur le sujet?
Manuel Rodriguez

@ManuelRodriguez "pourquoi des milliers d'articles sont écrits chaque année sur le sujet?" Je ne sais pas comment répondre à cela. Pouvez-vous poser votre question différemment?
ozgur

Supposons que l'IA soit égale à une fonction de régression linéaire entre les valeurs d'entrée et de sortie. La résolution de l'IA peut être effectuée avec l'apprentissage automatique, ce qui signifie que l'algorithme trouvera un mappage. Je crois que cette hypothèse est trop facile, car de nombreux articles universitaires sont écrits sur des sujets non liés à l'apprentissage automatique comme la marche bipède, la vision humaine et la compréhension sémantique. Il semble que l'IA se situe en dehors de l'apprentissage automatique et concerne la connaissance elle-même.
Manuel Rodriguez

@ManuelRodriguez Je suis d'accord que l'IA est un concept plus abstrait. AI to ML est comme Turing Machine to Real Computer. L'implémentation et la méthodologie ne peuvent pas contenir le concept dans lequel elle vit. BTW, je n'ai jamais dit que l'IA est une fonction. J'ai dit que le Machine Learning est l'optimisation d'une fonction. Cela signifie qu'un Deep Neural Network est en fait une fonction. Et il est extrêmement difficile de former un DNN, sans parler de trouver le minimum mondial. De plus, vérifier si nous avons trouvé le minimum global est NP-difficile, presque impossible.
ozgur

@ManuelRodriguez J'ai modifié ma réponse pour le pire =) vous voudrez peut-être la lire.
ozgur

-4

C'est une intelligence au niveau de la machine plutôt que montrée par des êtres humains qui sont entraînés par les algorithmes.

En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.