พื้นฐานปัญญาประดิษฐ์และก็การศึกษาของเครื่อง

ในตอนไม่กี่ปีที่ผ่านมาคำว่าปัญญาประดิษฐ์แล้วก็การเล่าเรียนของเครื่องได้เริ่มปรากฏขึ้นบ่อยมากในข่าวสารเทคโนโลยีและเว็บไซต์ บ่อยมากที่ทั้งคู่ถูกใช้เป็นคำพ้องความหมาย แม้กระนั้นผู้ที่มีความชำนาญคนไม่ใช่น้อยรับรองว่าพวกเขามีความไม่เหมือนที่ลึกซึ้ง แต่ว่าตามที่เป็นจริง

และก็แน่นอนผู้เชี่ยวชาญครั้งคราวก็ไม่เห็นพ้องกันเองเกี่ยวกับความแตกต่างเหล่านั้น

โดยธรรมดาอย่างไรก็แล้วแต่สองสิ่งที่ดูอย่างกับว่าแจ่มชัดประการแรกคำว่าปัญญาประดิษฐ์ (AI) นั้นเก่ากว่าการเรียนรู้ศัพท์ด้วยเครื่อง (ML) และก็ลำดับที่สองคนโดยมากคิดว่าการเรียนด้วยเครื่องเป็นส่วนย่อยของปัญญาประดิษฐ์

ปัญญาประดิษฐ์กับการเรียนรู้ของเครื่อง

หากว่า AI จะถูกนิยามในหลายทาง แต่คำอธิบายศัพท์ที่ยอมรับอย่างกว้างขวางที่สุดก็คือ สาขาวิทยาการคอมพิวเตอร์ที่อุทิศให้กับการแก้ไขปัญหาวิชาความรู้ทั่วๆไปที่เกี่ยวข้องกับความฉลาดของคนเราอย่างเช่นการศึกษาการจัดการปัญหาและก็การจดจำแบบ” ในสาระสำคัญมันเป็นความคิด เครื่องจักรซึ่งสามารถมีสติปัญญา

หัวใจของระบบที่ใช้ปัญญาประดิษฐ์เป็นลักษณะของมัน แบบเป็นอย่างไรนอกเหนือจากโปรแกรมที่พัฒนาความรู้ผ่านกระบวนการเรียนรู้โดยการสังเกตเกี่ยวกับสภาพแวดล้อม แบบการศึกษาจำพวกนี้จัดอยู่ภายใต้การศึกษาภายใต้การดูแล มีแบบอย่างอื่นๆที่อยู่ในหมวดของรูปแบบการเรียนรู้ที่ไม่มีผู้ดูแล

วลี การเรียนรู้ด้วยเครื่อง” ยังแก่ย้อนกลับไปถึงกลางศตวรรษก่อนหน้าที่ผ่านมา ในปี 1959 Arthur Samuel นิยาม ML เป็น ความรู้ความเข้าใจสำหรับการทำความเข้าใจโดยไม่ต้องตั้งโปรแกรมอย่างชัดเจน” รวมทั้งเขายังได้สร้างแอพพลิเคชั่นตัวสำรวจคอมพิวเตอร์ซึ่งเป็นหนึ่งในโปรแกรมแรกที่สามารถเรียนรู้จากข้อผิดพลาดของตนเองรวมทั้งปรับแก้ความสามารถในช่วงเวลาใดเวลาหนึ่ง

เช่นเดียวกับการศึกษาทำการค้นคว้าและทำการวิจัยของ AI ML ได้หลุดพ้นจากความชื่นชอบมาเป็นระยะเวลาที่ยาวนาน แต่มันก็ได้รับความนิยมชมชอบอีกครั้งเมื่อแนวคิดของการทำเหมืองข้อมูลเริ่มต้นขึ้นในตอนทศวรรษ 1990 การขุดข้อมูลใช้อัลกอริทึมเพื่อค้นหารูปแบบในชุดข้อมูลที่ระบุ ML ทำสิ่งเดียวกัน แต่จากนั้นไปอีกขั้นหนึ่งมันเปลี่ยนแปลงการกระทำของโปรแกรมตามสิ่งที่เรียนรู้

แอพลิเคชั่นหนึ่งของ ML ที่ได้รับความนิยมเป็นอย่างมากเป็นการเขียนจำภาพ แอพลิเคชั่นเหล่านี้จำเป็นต้องผ่านการฝึกอบรม – พูดอีกนัยหนึ่งมนุษย์จำต้องดูรูปภาพเยอะมากๆและก็บอกระบบว่ามีอะไรอยู่ในภาพ หลังจากการทำซ้ำหลายพันครั้งโปรแกรมคอมพิวเตอร์จะศึกษาว่าลักษณะของพิกเซลโดยทั่วไปเกี่ยวโยงกับม้าหมาแมวดอกไม้ต้นไม้บ้านแล้วก็อื่นๆและก็สามารถคาดคะเนได้ดีเกี่ยวกับเนื้อหาของภาพ

บริษัท บนเว็บหลายแห่งใช้ ML เพื่อขับวัสดุแนะนำ เช่นเมื่อ Facebook ตัดสินใจเลือกสิ่งที่จะแสดงในฟีข่าวสารของคุณเมื่อ Amazon ไฮไลท์สินค้าที่คุณอาจอยากได้ซื้อแล้วก็เมื่อNetflix เสนอแนะภาพยนตร์ที่คุณอาจอยากได้ดูคำแนะนำพวกนั้นทั้งปวงจะขึ้นอยู่กับการคาดเดาจากต้นแบบในข้อมูลที่มีอยู่

Facebook Comments