Rodzaje sztucznej inteligencji i uczenia maszynowego

Sztuczna inteligencja może być rozróżniana na różne sposoby. Jednym z nich jest rozróżnienie jej na podstawie siły jej „inteligencji”.

Przy rozróżnianiu siły „inteligencji” SI możemy mówić o tym, że najsłabsza SI to zwyczajnym program, który reaguje na pewne konkretne, bardzo proste dane wejściowe.

Drugi poziom zajmuje SI, która reaguje na pewne stany. O tego typu SI mówimy w przypadku programów stworzonych do problemów przeszukiwania zbioru danych (bez informacji zwrotnej: BFS, DFS lub z informacją zwrotną: A*, IDA*).

Na trzecim poziomie skomplikowania mamy SI, która bierze pod uwagę pewne zmienne. Pojawia się ona w sieciach Bayesowskich i przy „Constraint Satisfaction Problems”.

Najbardziej zaawansowaną SI byłaby w takim rozróżnieniu SI, która podejmuje swoje decyzje bazując na zasadach logiki.

UCZENIE MASZYNOWE

W przypadku uczenia maszynowego możemy rozróżnić je np. na:
– uczenie nadzorowane
– uczenie nienadzorowane
– uczenie częściowo nadzorowane
– uczenie ze wzmocnieniem

Oczywiście to tylko jedne z możliwych rozróżnień. Wszystkie wyróżnione tutaj rodzaje SI czy uczenia maszynowego to bardzo ogólne kategorie i jeżeli ktoś chciałby się zagłębić w tajniki tej tematyki, powinien najpierw zrozumieć ogólny schemat działania tych programów, a następnie krok po kroku zajmować się kolejnymi typami, gdyż każdy z typów SI czy uczenia maszynowego najlepiej nadaje się do innego rodzaju problemów.

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *