Innehåll
F:
Vilka är de fem skolorna för maskininlärning?
A:
För dem som inte har undersökt vad som ligger bakom modernt maskininlärningsarbete och konstgjord intelligensarbete, ser all denna ansträngning och forskning ofta ut som ett stort amorft virvar. Men när du skrapar på ytan och tittar på vad vetenskapliga ledare gör på dessa områden, ser du att det på ett sätt verkligen finns fem olika huvudsakliga tillvägagångssätt i frågan om att driva konstgjord intelligens framåt.
Dessa fem "skolor" eller "stammar" har blivit populära av Pedro Domingos arbete i hans "Master Algorithm" -bok om AI-utveckling, men de övervägs också på andra håll i olika delar av den vetenskapliga världen.
Den första skolan för konstgjord intelligens kallas konnektionism. Denna skola fokuserar på de faktiska neurala förbindelserna och fysiken i den mänskliga hjärnan. Det förlitar sig på idén om backpropagation, som spårar dessa anslutningar för att bilda resultat. Vissa människor kallar anslutningsskolan för en "ansträngning för att omvända den hjärna.
Nästa skola för konstgjord intelligens är symbolik. Symbolister använder logik och befintlig kunskap för att bygga modeller som fungerar intelligent. På vissa sätt liknar symbolistiska tillvägagångssättet det som framkom tidigt i den konstgjorda intelligensvärlden innan neurala nätverk utvecklades. Om du sammanställer en tillräckligt stor kunskapsbas och hanterar den på särskilda sätt, börjar det skapa en form av konstgjord intelligens, och det är vad som ligger bakom symbolistiska strategin som nu har kombinerats med några av de andra moderna metoderna.
Den tredje skolan är skolan för evolutionism. Här fokuseras inte bara på evolutionsteori, utan också på genetik och biofysik samt bioinformatik. Du kunde se denna arm av konstgjord intelligens som den kategori som fungerar med det mänskliga genomet och tillämpar modern teknik inom genetikområdet. I den meningen är evolutionär konstgjord intelligens unik. Det är ett något annat slags projekt än de andra fyra skolorna.
Bayesiska skolan är den fjärde skolan för konstgjord intelligens. Detta är, återigen, en av de äldre skolorna och tillämpades tidigt, till exempel för att eliminera skräppost från mappar.
Den Bayesiska modellen och strategin är en heuristisk modell. Det fungerar på idén om sannolikhet att utveckla modeller som kommer att skära ut oönskade resultat, eller sträva efter andra mål, baserat på var händelser mest troligt kommer att hända, eller på andra mått. En annan populär applikation av Bayesian-logiken är i nätverkssäkerhet - under de senaste åren har säkerhetsingenjörer använt Bayesian-logiken på ett stort sätt för att upptäcka hot mot ett nätverk genom att modellera var de troligtvis kommer att inträffa och hur.
Den femte och sista skolan för maskininlärning kallas analogisering. Detta är också en skola som kanske är lättare för den genomsnittliga konsumenten att förstå. Rekommendationsmotorer från företag som och Google är baserade på en analogiserande strategi. De tar algoritmer som "närmaste granne" och kombinerar dem med olika typer av signalering för att försöka matcha idéer till andra idéer, eller omväxlande, till människor. En dator som påstår sig veta vilken typ av musik du gillar är ett bra exempel på den här metoden.
Alla dessa tankeskolor kombineras för att bilda kroppen för forskning om modern konstgjord intelligens. Forskare arbetar för att driva var och en av dessa framåt i samband med varandra, och generellt främjar fältet - och de försöker göra det i en mycket intressant nackdel. Några av de ledande teknikledarna under de senaste decennierna har varnat att förutom att driva AI framåt måste det finnas ett fokus på etik och ansvarsfull användning av teknik för att förhindra allvarliga sociala problem. Det måste tillämpas på var och en av dessa fem skolor för maskininlärning.