AI Science

นักวิทยาศาสตร์ AI

นักวิทยาศาสตร์ AI สร้างซอฟต์แวร์ด้วยอัลกอริธึมที่สามารถทำงานได้ซึ่งปกติแล้วต้องใช้สติปัญญาของมนุษย์

นักวิทยาศาสตร์ AI สามารถเป็นผู้เชี่ยวชาญในสาขาวิชา AI ได้หลายสาขา:

• คณิตศาสตร์ประยุกต์
• สถิติการคำนวณ
• วิทยาศาสตร์คอมพิวเตอร์
• การเรียนรู้ของเครื่อง
• การเรียนรู้อย่างลึกซึ้ง

นักวิทยาศาสตร์ AI บางคนมีประสบการณ์ด้านข้อมูลขนาดใหญ่เช่นกัน:

• ระบบธุรกิจอัจฉริยะ
• การออกแบบฐานข้อมูล
• การออกแบบคลังข้อมูล
• การทำเหมืองข้อมูล
• แบบสอบถาม SQL
• การรายงาน SQL

AI ที่อ่อนแอ

ปัญญาประดิษฐ์ที่อ่อนแอนั้น จำกัด เฉพาะพื้นที่เฉพาะหรือแคบเช่น AI ส่วนใหญ่ที่เรามีอยู่รอบตัวเราทุกวันนี้:

• เครื่องมือค้นหา
• สิริของ Apple
• Cortana ของ Microsoft
• Alexa ของ Amazon
• วัตสันแห่งไอบีเอ็ม

AI ที่อ่อนแอเรียกอีกอย่างว่า AI แคบ

AI ที่อ่อนแอ จะ จำลองการรับรู้ของมนุษย์ในทางตรงกันข้ามกับ AI ที่แข็งแกร่งที่ มีการรับรู้ ของมนุษย์

AI ที่แข็งแกร่ง

ปัญญาประดิษฐ์ที่แข็งแกร่งเป็นประเภทของ AI ที่เลียนแบบสติปัญญาของมนุษย์

AI ที่แข็งแกร่งบ่งบอกถึงความสามารถในการคิด วางแผน เรียนรู้ และสื่อสาร

AI ที่แข็งแกร่งคือระดับต่อไปของ AI: True Intelligence

AI ที่แข็งแกร่งเคลื่อนไปสู่เครื่องจักรด้วยความตระหนักรู้ในตนเอง มีสติสัมปชัญญะ และความคิดที่เป็นกลาง

การเรียนรู้ของเครื่อง (ML)

การเขียนโปรแกรมแบบคลาสสิกใช้โปรแกรมเพื่อสร้างผลลัพธ์:

Machine Learning ใช้ผลลัพธ์ในการสร้างโปรแกรม (อัลกอริทึม):

โครงข่ายประสาทเทียม (NN)

หนึ่งในการค้นพบที่สำคัญที่สุดในประวัติศาสตร์คือพลังของNeural Networks (NN)

ใน Neural Networks ข้อมูลหลายชั้นที่เรียกว่าNeuronsจะถูกรวมเข้าด้วยกันหรือซ้อนกันเพื่อคำนวณระดับข้อมูลใหม่

ชื่อย่อที่ใช้กันทั่วไป:

• DNN Deep Neural Network
• CNN Convolutional Neural Network
• RNN Recurrent Neural Network

การเรียนรู้เชิงลึก (DL)

Deep Learningคืออัลกอริธึมที่ใช้Neural Networksเพื่อดึงข้อมูลระดับสูง

แต่ละชั้นที่ต่อเนื่องกันใช้ชั้นก่อนหน้าเป็นอินพุต

ตัวอย่างเช่น การอ่านด้วยแสงจะใช้ชั้นต่ำเพื่อระบุขอบ และชั้นที่สูงกว่าเพื่อระบุตัวอักษร

การเรียนรู้เชิงลึกมีสองขั้นตอน:

1. การฝึกอบรม: ข้อมูลที่ป้อนใช้ในการคำนวณพารามิเตอร์ของแบบจำลอง

2. การอนุมาน: โมเดล "ที่ผ่านการฝึกอบรม" จะแสดงข้อมูลจากอินพุตที่กำหนด

การปฏิวัติการเรียนรู้อย่างลึกซึ้ง

การปฏิวัติการเรียนรู้เชิงลึกอยู่ที่นี่แล้ว!

การปฏิวัติการเรียนรู้เชิงลึกเริ่มต้นขึ้นในปี 2010 ตั้งแต่นั้นมา Deep Learning ก็ได้ถูกนำมาใช้เพื่อแก้ปัญหาที่ "ไม่สามารถแก้ไขได้" มากมาย

ตัวอย่าง

Convolutional Neural Networks (ซีเอ็นเอ็น)

Deep CNN เช่น ResNeta และ Inception ได้ลดอัตราข้อผิดพลาดในการ จำแนก ImageNetจาก 25% ในปี 2011 เป็น 5% ในปี 2017

ImageNetเป็นฐานข้อมูลรูปภาพที่จัดระเบียบตามลำดับชั้นของ WordNet ซึ่งแต่ละโหนดของลำดับชั้นประกอบด้วยรูปภาพหลายแสนรูป ImageNet เป็นแหล่งข้อมูลที่มีประโยชน์สำหรับนักวิจัย นักการศึกษา นักเรียน และทุกคนที่มีความหลงใหลในรูปภาพ

WordNetเป็นฐานข้อมูลคำศัพท์ของความสัมพันธ์ทางความหมายระหว่างคำใน 200 ภาษา จัดเป็นการผสมผสานระหว่างพจนานุกรมและอรรถาภิธาน โดยเชื่อมโยงคำเข้าด้วยกันเป็นความสัมพันธ์เชิงความหมายโดยใช้คำพ้องความหมาย คำพ้องความหมาย และคำพ้องความหมาย

โครงข่ายประสาทที่เกิดซ้ำ (RNNs)

RNNs กำลังช่วยสร้างโน้ตเพลงและเสียงเครื่องดนตรีที่แปลกใหม่:
https://magenta.tensorflow.org/demos

ประวัติของ AI