دوره آموزشی AI Crash: اصطلاحات پایه برای سرمایه گذاران هوش مصنوعی - موسسه آمریکایی برای سرمایه گذاران رمزنگاری

بازنشر افلاطون

دنبال: 0

یکی از قوانین اصلی من برای سرمایه گذاران دارایی دیجیتال این است که بتوانید سرمایه گذاری های خود را توضیح دهید، اما با پیشرفت هوش مصنوعی به همان سرعتی که می توانید بگویید هوش مصنوعی، گفتن آن آسان تر از انجام دادن است.

به خصوص با عباراتی مانند یادگیری عمیق، شبکه های عصبی، و پردازش زبان طبیعی که انگار انگلیسی اولیه هستند.

منحنی یادگیری هوش مصنوعی می تواند حتی برای سرمایه گذاران جدید تندتر باشد. وقتی برای اولین بار وارد این بازار شدم، شاید 10 درصد از آنچه را که می خواندم فهمیدم. اما زمانی که توانستم برخی اصطلاحات اولیه مرتبط با هوش مصنوعی را تعریف کنم، در نهایت به بزرگی آنچه این فناوری می‌تواند انجام دهد، پی بردم. و سپس من توانستم سرمایه گذاری هایم را توضیح دهم.

برای کمک به شما در انجام همین کار، فلش کارت هایی را با اصطلاحات اولیه هوش مصنوعی جمع آوری کردم تا به شما کمک کند بفهمید چگونه کار می کند و چرا ارزشمند است.

همچنین یک ویدیوی سریع وجود دارد که می‌خواهم آن را تماشا کنید که در آن هر تعریفی را برای شما توضیح می‌دهم و نمونه‌هایی از ارتباط آن با هوش مصنوعی را ارائه می‌دهم.

دوره سقوط هوش مصنوعی خود را از اینجا شروع کنید…

گام اول: با تماشای دوره 15 دقیقه ای خرابی شروع کنید که در آن 16 تعریف اساسی را که هر سرمایه گذار هوش مصنوعی باید بداند را پوشش می دهم.

گام دوم: برای مطالعه این تعاریف از فلش کارت های زیر استفاده کنید. لازم نیست آنها را به طور کامل حفظ کنید، اما باید بتوانید شرایط را برای شخص دیگری توضیح دهید.

در اینجا تعاریفی وجود دارد که می توانید به آنها ارجاع دهید:

فراگیری ماشین: زیرمجموعه‌ای از هوش مصنوعی که شامل توسعه الگوریتم‌ها و مدل‌های آماری است که رایانه‌ها را قادر می‌سازد از داده‌ها بیاموزند و پیش‌بینی یا تصمیم‌گیری کنند بدون اینکه به صراحت برای این کار برنامه‌ریزی شده باشند.
یادگیری عمیق: زیرمجموعه‌ای از یادگیری ماشینی که از شبکه‌های عصبی مصنوعی با لایه‌های متعدد استفاده می‌کند تا رایانه‌ها را قادر می‌سازد تا از مقادیر زیادی داده‌های بدون ساختار یاد بگیرند.
پردازش زبان طبیعی (NLP): زیرمجموعه‌ای از هوش مصنوعی که شامل آموزش ماشین‌ها برای درک، تفسیر و پاسخ به زبان انسان است.
رباتیک: زمینه‌ای از هوش مصنوعی که شامل طراحی و توسعه ربات‌ها می‌شود که ماشین‌هایی هستند که می‌توانند وظایف خود را مستقل یا با راهنمایی انسان انجام دهند.
بینایی کامپیوتر: زیرمجموعه ای از هوش مصنوعی که شامل آموزش کامپیوترها برای تفسیر و تجزیه و تحلیل تصاویر و ویدئوها می شود.
شبکه های عصبی: نوعی مدل یادگیری ماشینی که از ساختار و عملکرد مغز انسان الهام گرفته شده است.
یادگیری تقویتی: نوعی یادگیری ماشینی که شامل آموزش عوامل برای انجام اقداماتی در یک محیط برای به حداکثر رساندن سیگنال پاداش است.
تولید زبان طبیعی (NLG): زیرمجموعه‌ای از پردازش زبان طبیعی (NLP) که شامل آموزش ماشین‌ها برای تولید زبان انسان‌مانند است.
سیستم های خبره: سیستم‌های هوش مصنوعی که توانایی‌های تصمیم‌گیری یک متخصص انسانی را در یک حوزه خاص تقلید می‌کنند.
داده کاوی: فرآیند کشف الگوها و بینش ها در مجموعه داده های بزرگ با استفاده از روش های آماری و محاسباتی.
اطلاعات بزرگ: مجموعه داده‌های بسیار بزرگی که می‌توان آن‌ها را برای آشکار کردن الگوها، روندها و تداعی‌ها، به‌ویژه در رابطه با رفتار و تعاملات انسانی، تجزیه و تحلیل کرد.
اخلاق هوش مصنوعی: مطالعه پیامدهای اخلاقی، اجتماعی و سیاسی سیستم‌ها و برنامه‌های هوش مصنوعی.
هوش مصنوعی قابل توضیح: سیستم‌ها و مدل‌های هوش مصنوعی که می‌توانند توضیح یا توجیهی برای تصمیم‌گیری یا پیش‌بینی‌های خود ارائه دهند.
شبکه های متخاصم مولد (GAN): یک نوع مدل یادگیری عمیق که شامل دو شبکه عصبی است، یکی داده های جعلی تولید می کند و دیگری بین داده های واقعی و جعلی تمایز قائل می شود.
شبکه های عصبی کانولوشن (CNN): نوعی شبکه عصبی که معمولا برای تشخیص تصویر و کارهای بینایی کامپیوتری استفاده می شود.
توهمات (در هوش مصنوعی): پدیده ای که در آن یک مدل زبان بزرگ متنی را تولید می کند که به نظر منسجم و معنادار است، اما در واقع مبتنی بر واقعیت یا بر اساس اطلاعات واقعی نیست.