Cours accéléré sur l'IA : Terminologie de base pour les investisseurs en intelligence artificielle - American Institute for Crypto Investors

Cours accéléré sur l'IA : Terminologie de base pour les investisseurs en intelligence artificielle - American Institute for Crypto Investors

Horodatage: 26 mai 2023 12:43
Nœud source: 2679774

L'une de mes principales règles pour les investisseurs en actifs numériques est de pouvoir expliquer vos investissements, mais avec l'IA qui progresse aussi vite que vous pouvez dire l'intelligence artificielle, c'est plus facile à dire qu'à faire.

Surtout avec des expressions comme l'apprentissage en profondeur, les réseaux de neurones et le traitement du langage naturel qui sont lancés comme s'il s'agissait d'anglais de base.

La courbe d'apprentissage de l'IA peut être encore plus raide pour les nouveaux investisseurs. Quand je suis arrivé sur ce marché, je comprenais peut-être 10 % de ce que je lisais. Mais une fois que j'ai pu définir un jargon de base lié à l'IA, c'est à ce moment-là que j'ai finalement compris l'ampleur de ce que cette technologie pouvait faire. Et puis J'ai pu expliquer mes investissements.

Pour vous aider à faire de même, j'ai rassemblé des cartes mémoire avec la terminologie de base de l'IA pour vous aider à comprendre comment cela fonctionne et pourquoi c'est précieux.

Il y a aussi une vidéo rapide que je veux que vous regardiez où je vais vous guider à travers chaque définition et donner des exemples de la façon dont elle se rapporte à l'IA.

Commencez votre cours accéléré sur l'IA ici…

Première étape: Commencez par regarder le cours accéléré de 15 minutes où je couvrirai 16 définitions de base que tout investisseur en IA devrait connaître.

Deuxième étape: Utilisez les flashcards ci-dessous pour étudier ces définitions. Vous n'êtes pas obligé de les mémoriser parfaitement, mais vous devriez être capable d'expliquer les termes à quelqu'un d'autre.

Voici les définitions auxquelles vous pouvez vous référer :

  1. Apprentissage automatique Un sous-ensemble de l'IA qui implique le développement d'algorithmes et de modèles statistiques qui permettent aux ordinateurs d'apprendre à partir des données et de faire des prédictions ou des décisions sans être explicitement programmés pour le faire.
  2. L'apprentissage en profondeur: Un sous-ensemble d'apprentissage automatique qui utilise des réseaux de neurones artificiels avec de nombreuses couches pour permettre aux ordinateurs d'apprendre à partir de grandes quantités de données non structurées.
  3. Traitement du langage naturel (NLP): Un sous-ensemble de l'IA qui consiste à apprendre aux machines à comprendre, interpréter et répondre au langage humain.
  4. Robotique: Un domaine de l'IA qui implique la conception et le développement de robots, qui sont des machines capables d'effectuer des tâches de manière autonome ou avec des conseils humains.
  5. Vision par ordinateur: Un sous-ensemble de l'IA qui consiste à apprendre aux ordinateurs à interpréter et à analyser des images et des vidéos.
  6. Les réseaux de neurones: Un type de modèle d'apprentissage automatique qui s'inspire de la structure et de la fonction du cerveau humain.
  7. Apprentissage par renforcement: Type d'apprentissage automatique qui consiste à former des agents à prendre des mesures dans un environnement pour maximiser un signal de récompense.
  8. Génération de langage naturel (NLG): Un sous-ensemble du traitement du langage naturel (TAL) qui implique d'enseigner aux machines à générer un langage de type humain.
  9. Systèmes experts: Systèmes d'IA qui imitent les capacités de prise de décision d'un expert humain dans un domaine particulier.
  10. Exploration de données : Processus de découverte de modèles et d'informations dans de grands ensembles de données à l'aide de méthodes statistiques et informatiques.
  11. Big Data: Des ensembles de données extrêmement volumineux qui peuvent être analysés pour révéler des modèles, des tendances et des associations, en particulier en ce qui concerne le comportement et les interactions humaines.
  12. Éthique de l'intelligence artificielle : L'étude des implications éthiques, sociales et politiques des systèmes et applications d'IA.
  13. AI explicable: Systèmes et modèles d'IA qui peuvent fournir des explications ou des justifications pour leurs décisions ou leurs prédictions.
  14. Réseaux antagonistes génératifs (GAN) : Un type de modèle d'apprentissage en profondeur qui implique deux réseaux de neurones, l'un générant de fausses données et l'autre faisant la distinction entre les vraies et les fausses données.
  15. Réseaux de neurones convolutifs (CNN): type de réseau neuronal couramment utilisé pour les tâches de reconnaissance d'images et de vision par ordinateur.
  16. Hallucinations (en IA) : Le phénomène où un grand modèle de langage génère un texte qui semble être cohérent et significatif, mais qui n'est en fait pas ancré dans la réalité ou basé sur des informations factuelles.

Apprenez ces termes et vous serez sur la bonne voie pour devenir un expert en investissement IA.

Déverrouillez vos quatre premiers choix d'IA ici.

Restez liquide,

Stratège en chef de la cryptographie, Institut américain pour les investisseurs en crypto

Horodatage:

Plus de Institut américain pour les investisseurs en crypto