Как AI наистина харесвам самата програма, както и инструкциите си задават въпроса

DevOps, разработчик на софтуер

Има няколко подхода към създаването на така наречения изкуствен интелект, но един от най-популярните методи е системата на примери за обучение. Това е като се подготвяме за решаване на някои типични или подобни задачи.

Един добър, класически пример: цифрово разпознаване на текст. Напишете програма, която за някои принципи отличава един от другите герои. След това програмата "са хранени" някои "добри" версии на герои изображения, а след това изречения. Тези етапи на обучение могат да бъдат много, и на всеки програмист казва на програмата, когато не е наред, но къде е бил прав. По този начин има корекция на примерите на програмата. Още примери - по-добри резултати. След това програмата се превключва в режим на разпознаване (не обучение), където той може вече признават, че картината и дават резултати. Тази идея е в началото на 60-те години е създаден от Франк Rosenblatt. Подобни модели са идентифицирани те perceptrons.

Тук може да възникне въпросът, както се случва корекцията? Работата на цялата система често са организирани на базата на невронни мрежи, които, изглежда, учените, тя симулира работата на мозъка. В невронната мрежа има неврони (в чисти функции модел математически, които вземат множество променливи и могат също така да се върнат на набор от резултати) и връзките между тях. Всеки неврон има своя собствена функция, нейните параметри, както и в отношенията - тегло. Приспособяване е да се промени на параметрите и тегла.

Друг интересен подход към дизайна на AI са генетични алгоритми, които са базирани на биологични процеси: кросоувър, мутация и "оцеляването" на най-добрите гени (модели), но това е различно, а също и много огромна тема;)