콘텐츠
큐:
기계 학습의 다섯 학교는 무엇입니까?
에이:
현대 기계 학습과 인공 지능 작업의 기초를 연구하지 않은 사람들에게는 이러한 모든 노력과 연구가 종종 하나의 커다란 비정질 혼란처럼 보입니다. 그러나 표면을 긁고이 분야에서 과학 지도자들이 무엇을하고 있는지 살펴보면 인공 지능을 발전시키는 문제에 대한 5 가지 주요 접근 방식이 있다는 것을 알 수 있습니다.
이 5 개의 "학교"또는 "종족"은 AI 개발에 관한 그의 "마스터 알고리즘"책에서 페드로 도밍고 스의 작품에 의해 대중화되었지만 과학 세계의 다른 부분에서도 다른 곳에서도 고려되고 있습니다.
인공 지능의 첫 번째 학교를 연결주의라고합니다. 이 학교는 실제 신경 연결과 인간 두뇌의 물리학에 중점을 둡니다. 역전 파라는 아이디어에 의존하며, 이러한 연결을 추적하여 결과를 형성합니다. 어떤 사람들은 연결주의 학교를 "인간의 두뇌를 역 설계하려는 노력"이라고 부릅니다.
다음 인공 지능 학교는 상징주의입니다. 심벌리스트는 논리와 기존 지식을 사용하여 지능적으로 작동하는 모델을 만듭니다. 어떤면에서, 상징 주의적 접근법은 신경망이 개발되기 전에 인공 지능 세계에서 초기에 나타난 것과 유사하다. 충분히 큰 지식 기반을 컴파일하고 특정 방식으로 처리하면 인공 지능의 형태가 시작되고, 이제 다른 현대적 접근 방식과 결합 된 상징 주의적 접근 방식의 배경이됩니다.
세 번째 학교는 진화론의 학교입니다. 여기에는 진화 이론뿐만 아니라 생물 정보학뿐만 아니라 유전학 및 생물 물리학에도 중점을 둡니다. 이 인공 지능은 인간 게놈과 함께 작동하며 현대 기술을 유전학 분야에 적용하는 범주로 볼 수 있습니다. 그런 의미에서 진화론 적 인공 지능은 독특합니다. 다른 4 개 학교와는 다소 다른 종류의 프로젝트입니다.
베이지안 학교는 인공 지능의 네 번째 학교입니다. 이것은 다시 오래된 학교 중 하나이며 예를 들어 폴더에서 스팸을 제거하는 데 일찍 적용되었습니다.
베이지안 모델과 접근 방식은 휴리스틱 모델입니다. 그것은 사건이 일어날 가능성이 가장 높은 장소 또는 다른 메트릭스에 기초하여 바람직하지 않은 결과를 제거하거나 다른 목표를 추구하는 모델을 진화시킬 확률에 대한 아이디어를 연구합니다. Bayesian 논리의 또 다른 널리 사용되는 응용 프로그램은 네트워크 보안입니다. 지난 몇 년 동안 보안 엔지니어는 Bayesian 논리를 광범위하게 사용하여 네트워크의 위협이 발생하는 위치와 방법을 모델링하여 네트워크에 대한 위협을 파악했습니다.
기계 학습의 다섯 번째이자 마지막 학교는 아날로그라고합니다. 이것은 일반 소비자가 이해하기 쉬운 학교이기도합니다. Google과 같은 회사의 추천 엔진은 아날로그 방식을 기반으로합니다. 이들은 "가장 가까운 이웃"과 같은 알고리즘을 사용하여 다양한 유형의 신호와 결합하여 아이디어를 다른 아이디어 또는 다른 사람들과 일치 시키려고 시도합니다. 어떤 음악을 좋아하는지 알고 있다고 주장하는 컴퓨터가이 방법의 좋은 예입니다.
이 모든 사고 학교는 현대 인공 지능에 관한 연구 기관을 구성하기 위해 결합됩니다. 과학자들은 이들 각각을 서로 협력하여 앞으로 나아가고 일반적으로 현장을 발전 시키려고 노력하고 있습니다. 지난 수십 년 동안 최고 기술 리더 중 일부는 AI를 발전시키는 것 외에도 심각한 사회적 문제를 예방하기 위해 윤리와 책임있는 기술 사용에 중점을 두어야한다고 경고했습니다. 이 다섯 가지 머신 러닝 학교 각각에 적용되어야합니다.