AI Crash Course: Perusterminologia tekoälysijoittajille - American Institute for Crypto Investors

Julkaissut Platon

seuraajia: 0

Yksi tärkeimmistä säännöistäni digitaalisen omaisuuden sijoittajille on pystyä selittämään sijoituksesi, mutta tekoälyn kehittyessä niin nopeasti kuin tekoälyn voi sanoa, se on helpommin sanottu kuin tehty.

Varsinkin kun ilmauksia, kuten syväoppiminen, hermoverkot ja luonnollisen kielen prosessointi, heitetään ympäriinsä kuin ne olisivat englannin peruskieltä.

Tekoälyn oppimiskäyrä voi olla vieläkin jyrkempi uusille sijoittajille. Kun tulin ensimmäistä kertaa näille markkinoille, ymmärsin ehkä 10 % lukemistani. Mutta kun pystyin määrittelemään tekoälyyn liittyvän perusslangin, tajusin vihdoin tämän tekniikan laajuuden. Ja sitten Osasin selittää sijoitukseni.

Auttaakseni sinua tekemään samoin, olen koonnut muistikortteja tekoälyn perusterminologiaan, jotta voit ymmärtää, miten se toimii ja miksi se on arvokasta.

Haluan sinun katsovan myös pikavideon, jossa opastan sinua kunkin määritelmän läpi ja annan esimerkkejä siitä, miten se liittyy tekoälyyn.

Aloita tekoälyn törmäyskurssi tästä…

Vaihe yksi: Aloita katsomalla 15 minuutin pikakurssi, jossa käsittelen 16 perusmääritelmää, jotka jokaisen tekoälysijoittajan pitäisi tietää.

Vaihe kaksi: Käytä alla olevia muistikortteja tutkiaksesi näitä määritelmiä. Sinun ei tarvitse muistaa niitä täydellisesti, mutta sinun pitäisi pystyä selittämään termit jollekin toiselle.

Tässä ovat määritelmät, joihin voit viitata:

Koneoppiminen: Tekoälyn osajoukko, joka sisältää algoritmien ja tilastollisten mallien kehittämisen, joiden avulla tietokoneet voivat oppia tiedoista ja tehdä ennusteita tai päätöksiä ilman, että niitä on erikseen ohjelmoitu tekemään niin.
Syvä oppiminen: Koneoppimisen osajoukko, joka käyttää monikerroksisia keinotekoisia hermoverkkoja, jotta tietokoneet voivat oppia suurista määristä strukturoimatonta dataa.
Luonnollisen kielen käsittely (NLP): Tekoälyn osajoukko, joka sisältää koneiden opettamisen ymmärtämään, tulkitsemaan ja reagoimaan ihmisten kieltä.
Robotiikka: Tekoälyn ala, johon kuuluu robottien suunnittelu ja kehittäminen. Ne ovat koneita, jotka voivat suorittaa tehtäviä itsenäisesti tai ihmisen ohjauksessa.
Konenäkö: Tekoälyn osajoukko, jossa tietokoneita opetetaan tulkitsemaan ja analysoimaan kuvia ja videoita.
Neuraaliverkot: Koneoppimismallin tyyppi, joka on saanut inspiraationsa ihmisaivojen rakenteesta ja toiminnasta.
Vahvistusoppiminen: Koneoppimisen tyyppi, jossa agentit koulutetaan toimimaan ympäristössä maksimoidakseen palkkiosignaalin.
Luonnollisen kielen sukupolvi (NLG): Luonnollisen kielen käsittelyn (NLP) osajoukko, jossa opetetaan koneita luomaan ihmisen kaltaista kieltä.
Asiantuntijajärjestelmät: Tekoälyjärjestelmät, jotka jäljittelevät ihmisen asiantuntijan päätöksentekokykyä tietyllä alalla.
Tiedonlouhinta: Prosessi kuvioiden ja oivallusten löytämiseksi suurista tietojoukoista tilastollisilla ja laskennallisilla menetelmillä.
Suuri data: Erittäin suuret tietojoukot, joita voidaan analysoida ja paljastaa malleja, trendejä ja assosiaatioita, jotka liittyvät erityisesti ihmisten käyttäytymiseen ja vuorovaikutukseen.
Tekoälyn etiikka: Tekoälyjärjestelmien ja -sovellusten eettisten, sosiaalisten ja poliittisten vaikutusten tutkimus.
Selitettävä tekoäly: Tekoälyjärjestelmät ja mallit, jotka voivat tarjota selityksiä tai perusteluja päätöksilleen tai ennusteilleen.
Generatiiviset kilpailevat verkot (GAN): Eräänlainen syväoppimismalli, johon kuuluu kaksi hermoverkkoa, joista toinen tuottaa väärennettyä dataa ja toinen tekee eron todellisen ja väärennetyn tiedon välillä.
Konvoluutiohermoverkot (CNN): Hermoverkkotyyppi, jota käytetään yleisesti kuvantunnistus- ja tietokonenäkötehtäviin.
Hallusinaatiot (AI:ssa): Ilmiö, jossa suuri kielimalli tuottaa tekstiä, joka näyttää johdonmukaiselta ja merkitykselliseltä, mutta joka ei itse asiassa perustu todellisuuteen tai perustu faktatietoon.