AI Crash Course: Basic Terminology For Artificial Intelligence Investors - American Institute For Crypto Investors

Αναδημοσίευση από τον Πλάτωνα

Ακολουθούν: 0

Ένας από τους βασικούς κανόνες μου για τους επενδυτές ψηφιακών περιουσιακών στοιχείων είναι να μπορείτε να εξηγήσετε τις επενδύσεις σας, αλλά με την τεχνητή νοημοσύνη να προχωρά όσο πιο γρήγορα μπορείτε να πείτε τεχνητή νοημοσύνη, είναι πιο εύκολο να το πείτε παρά να το κάνετε.

Ειδικά με φράσεις όπως η βαθιά εκμάθηση, τα νευρωνικά δίκτυα και η επεξεργασία φυσικής γλώσσας που διαχέονται σαν να είναι βασικά αγγλικά.

Η καμπύλη εκμάθησης AI μπορεί να είναι ακόμη πιο απότομη για νέους επενδυτές. Όταν πρωτομπήκα σε αυτήν την αγορά, κατάλαβα ίσως το 10% αυτού που διάβαζα. Αλλά μόλις μπόρεσα να ορίσω κάποια βασική ορολογία που σχετίζεται με την τεχνητή νοημοσύνη, τότε κατάλαβα τελικά το μέγεθος του τι μπορούσε να κάνει αυτή η τεχνολογία. Και τότε Μπόρεσα να εξηγήσω τις επενδύσεις μου.

Για να σας βοηθήσω να κάνετε το ίδιο, συγκέντρωσα κάρτες flash με βασική ορολογία AI για να σας βοηθήσω να κατανοήσετε πώς λειτουργεί και γιατί είναι πολύτιμο.

Υπάρχει επίσης ένα γρήγορο βίντεο που θέλω να παρακολουθήσετε, όπου θα σας καθοδηγήσω σε κάθε ορισμό και θα παρέχω παραδείγματα για το πώς σχετίζεται με την τεχνητή νοημοσύνη.

Ξεκινήστε το μάθημα AI crash εδώ…

Βήμα πρώτο: Ξεκινήστε παρακολουθώντας το 15λεπτο μάθημα crash, όπου θα καλύψω 16 βασικούς ορισμούς που κάθε επενδυτής τεχνητής νοημοσύνης πρέπει να γνωρίζει.

Βήμα δεύτερο: Χρησιμοποιήστε τις παρακάτω κάρτες flash για να μελετήσετε αυτούς τους ορισμούς. Δεν χρειάζεται να τα απομνημονεύσετε τέλεια, αλλά θα πρέπει να μπορείτε να εξηγήσετε τους όρους σε κάποιον άλλο.

Ακολουθούν οι ορισμοί στους οποίους μπορείτε να αναφέρετε:

Μηχανική εκμάθηση: Ένα υποσύνολο της τεχνητής νοημοσύνης που περιλαμβάνει την ανάπτυξη αλγορίθμων και στατιστικών μοντέλων που επιτρέπουν στους υπολογιστές να μαθαίνουν από δεδομένα και να λαμβάνουν προβλέψεις ή αποφάσεις χωρίς να είναι ρητά προγραμματισμένοι να το κάνουν.
Βαθιά μάθηση: Ένα υποσύνολο μηχανικής μάθησης που χρησιμοποιεί τεχνητά νευρωνικά δίκτυα με πολλά επίπεδα για να επιτρέψει στους υπολογιστές να μαθαίνουν από μεγάλες ποσότητες μη δομημένων δεδομένων.
Επεξεργασία φυσικής γλώσσας (NLP): Ένα υποσύνολο της τεχνητής νοημοσύνης που περιλαμβάνει τη διδασκαλία των μηχανών να κατανοούν, να ερμηνεύουν και να ανταποκρίνονται στην ανθρώπινη γλώσσα.
Ρομποτική: Ένα πεδίο της τεχνητής νοημοσύνης που περιλαμβάνει το σχεδιασμό και την ανάπτυξη ρομπότ, τα οποία είναι μηχανές που μπορούν να εκτελούν εργασίες αυτόνομα ή με ανθρώπινη καθοδήγηση.
Όραμα υπολογιστή: Ένα υποσύνολο της τεχνητής νοημοσύνης που περιλαμβάνει τη διδασκαλία των υπολογιστών να ερμηνεύουν και να αναλύουν εικόνες και βίντεο.
Νευρωνικά δίκτυα: Ένα είδος μοντέλου μηχανικής μάθησης που εμπνέεται από τη δομή και τη λειτουργία του ανθρώπινου εγκεφάλου.
Ενισχυτική μάθηση: Ένας τύπος μηχανικής μάθησης που περιλαμβάνει την εκπαίδευση των πρακτόρων να αναλαμβάνουν ενέργειες σε ένα περιβάλλον για τη μεγιστοποίηση ενός σήματος ανταμοιβής.
Δημιουργία φυσικής γλώσσας (NLG): Ένα υποσύνολο της επεξεργασίας φυσικής γλώσσας (NLP) που περιλαμβάνει τη διδασκαλία μηχανών για τη δημιουργία γλώσσας που μοιάζει με άνθρωπο.
Εξειδικευμένα συστήματα: Συστήματα τεχνητής νοημοσύνης που μιμούνται τις ικανότητες λήψης αποφάσεων ενός ανθρώπινου ειδικού σε έναν συγκεκριμένο τομέα.
Εξόρυξη δεδομένων: Η διαδικασία ανακάλυψης προτύπων και γνώσεων σε μεγάλα σύνολα δεδομένων χρησιμοποιώντας στατιστικές και υπολογιστικές μεθόδους.
Μεγάλα δεδομένα: Εξαιρετικά μεγάλα σύνολα δεδομένων που μπορούν να αναλυθούν για να αποκαλύψουν μοτίβα, τάσεις και συσχετισμούς, ειδικά σε σχέση με την ανθρώπινη συμπεριφορά και αλληλεπιδράσεις.
Ηθική Τεχνητής Νοημοσύνης: Η μελέτη των ηθικών, κοινωνικών και πολιτικών επιπτώσεων των συστημάτων και εφαρμογών AI.
Εξηγούμενη τεχνητή νοημοσύνη: Συστήματα και μοντέλα τεχνητής νοημοσύνης που μπορούν να παρέχουν εξηγήσεις ή αιτιολογήσεις για τις αποφάσεις ή τις προβλέψεις τους.
Generative Adversarial Networks (GAN): Ένας τύπος μοντέλου βαθιάς μάθησης που περιλαμβάνει δύο νευρωνικά δίκτυα, το ένα δημιουργεί πλαστά δεδομένα και το άλλο διακρίνει μεταξύ πραγματικών και πλαστών δεδομένων.
Συγκροτήματα Νευρωνικά Δίκτυα (CNN): Ένας τύπος νευρωνικού δικτύου που χρησιμοποιείται συνήθως για εργασίες αναγνώρισης εικόνων και όρασης υπολογιστή.
Ψευδαισθήσεις (στο AI): Το φαινόμενο όπου ένα μεγάλο γλωσσικό μοντέλο δημιουργεί κείμενο που φαίνεται να είναι συνεκτικό και ουσιαστικό, αλλά στην πραγματικότητα δεν βασίζεται στην πραγματικότητα ή βασίζεται σε πραγματικές πληροφορίες.