콘텐츠
출처 : iLexx / iStockphoto
테이크 아웃 :
인공 지능은 인공 신경망을 사용하여 언젠가 달성 될 수 있지만 이러한 흥미로운 기술 간에는 몇 가지 주요 차이점이 있습니다.
인공 지능 (AI)과 인공 신경 네트워크 (ANN)는 컴퓨터 과학 분야에서 흥미롭고 얽힌 두 분야입니다. 그러나 알아야 할 두 가지에는 몇 가지 차이점이 있습니다.
주요 차이점은 신경망이 인공 지능을 찾는 발판이된다는 것입니다.
인공 지능은 지능을 정의하는 방법에 따라 여러 번 달성 된 지능형 기계를 만드는 것을 목표로하는 광대 한 분야입니다. 우리가 "Jeopardy"에서 이길 수 있고 체스 챔피언을 이길 수있는 컴퓨터가 있다는 사실에도 불구하고, AI의 목표는 일반적으로 일반 지능 또는 다양하고 관련이없는 상황 문제에 적용될 수있는 지능에 대한 탐구로 간주됩니다.
이 시점까지 구축 된 많은 AI는 탁구를 치거나 "Jeopardy"에서 지배하는 로봇을 실행하는 것과 같은 목적으로 제작되었습니다. 이것은 컴퓨터 과학자들이 앉아서 특정 작업을 수행 할 무언가를 만들 때 피할 수없는 결과입니다 – 그들은 그 일을 할 수있는 일로 끝납니다.
과제 지향적 AI의이 문제를 해결하기 위해 컴퓨터 과학자들은 인공 신경망을 가지고 놀기 시작했습니다. 우리의 일반적으로 지능적인 두뇌는 우리의 인식과 외부 자극을 기반으로 연결되는 생물학적 신경 네트워크로 구성됩니다.
크게 단순화 된 예는 화상으로 인한 통증입니다. 이것이 처음 일어날 때, 뇌 (화재, 연기의 냄새, 열)로 알려진 감각 정보를 식별하고 그것을 통증과 연관시키는 뇌에서 연결됩니다. 이것은 아주 어린 나이에 화상을 피하는 방법을 배우는 방법입니다. 이 같은 신경망을 통해 우리는“아이스크림 맛이 좋다”와 같은 일반적인 학습을 많이 할 수 있으며“비가 내릴 때 항상 구름이있다”또는“12 월에 항상 주식이 모이는 것”과 같은 연역적 인 도약을 할 수 있습니다. (나쁜 아이스크림이 있고 12 월에 떨어지는 재고가 있습니다), 경험을 통해 교정 할 수 있으므로 적응 형 학습이 가능합니다.
인공 신경망은 간단한 프레임 워크 프로그램을 구성하여 문제에 응답하고 그 작동 방식에 대한 피드백을 받음으로써 컴퓨터에서이 학습 시스템을 재생성하려고합니다. 컴퓨터는 동일한 문제를 수천 번 수행하고받은 피드백에 따라 응답을 조정하여 응답을 최적화 할 수 있습니다. 그러면 컴퓨터에 다른 문제가 생길 수 있으며, 이전 문제에서 배운 것과 같은 방식으로 접근 할 수 있습니다. 컴퓨터 과학자들은 컴퓨터가 배운 문제를 해결하기위한 문제와 접근 방법의 수를 다양하게하여 컴퓨터를 일반 주의자로 가르 칠 수 있습니다.
이것은 "매트릭스"와 같은 할리우드 영화에서 볼 수 있듯이 전 세계를 장악하고 인간을 수확하는 컴퓨터의 이미지를 불러 일으키지 만, 우리는 여전히 신경 네트워킹에서부터 인공 지능까지 먼 길입니다. 신경망에서 테스트되는 문제는 모두 수학적으로 표현됩니다. 냄새는 숫자로 표현되어야하고 컴퓨터는 꽃의 이미지와 함께 그 숫자를 메모리에 기록해야하기 때문에 컴퓨터에 꽃을 붙잡고 냄새에 따라 색을 추측하도록 지시 할 수 없습니다 그 냄새를 방출합니다.
버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
아무도 소프트웨어 품질에 신경 쓰지 않으면 프로그래밍 기술을 향상시킬 수 없습니다.
즉, 냄새와 같은 더 많은 입력을받을 수있는 인공 신경망과 모든 입력에서 배울 수있는 능력은 가장 하드 코어 인공 지능 애호가의 표준을 충족하는 최초의 인공 지능을 생산하기 위해 시작될 수 있습니다.
본질적으로 인공 신경망은 컴퓨터 학습을 돕기 위해 설계된 인간 신경망의 모델입니다. 인공 지능은 일부 컴퓨터 과학자들이 신경망 모방과 같은 기술을 사용하여 달성하려는 성배입니다.