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

Újra kiadta Platón

Követő: 0

Az egyik legfontosabb szabályom a digitális eszközök befektetői számára, hogy meg kell tudni magyarázni a befektetéseiket, de mivel a mesterséges intelligencia olyan gyorsan fejlődik, amennyire csak lehet, a mesterséges intelligencia, könnyebb mondani, mint megtenni.

Főleg, ha az olyan kifejezéseket, mint a mélytanulás, a neurális hálózatok és a természetes nyelvi feldolgozás, úgy szórják, mintha alapvető angolok lennének.

Az AI tanulási görbe még meredekebb lehet az új befektetők számára. Amikor először beléptem erre a piacra, talán 10%-át értettem annak, amit olvastam. De miután meg tudtam határozni néhány alapvető, mesterséges intelligenciával kapcsolatos szakzsargont, akkor végre felfogtam, hogy ez a technológia mire képes. És akkor Meg tudtam magyarázni a befektetéseimet.

Annak érdekében, hogy Ön is ezt tegye, kártyákat állítottam össze alapvető mesterséges intelligencia terminológiával, amelyek segítenek megérteni, hogyan működik és miért értékes.

Van egy rövid videó is, amelyet szeretném, ha megnézne, ahol végigvezetem az egyes definíciókon, és példákat mutatok be az AI-val való kapcsolatára.

Kezdje el a mesterséges intelligencia gyorstanfolyamát itt…

Első lépés: Kezdje azzal, hogy nézze meg a 15 perces gyorstanfolyamot, ahol 16 alapvető definíciót ismertetek, amelyet minden AI-befektetőnek tudnia kell.

Második lépés: A definíciók tanulmányozásához használja az alábbi kártyákat. Nem kell tökéletesen megjegyezni őket, de el kell tudni magyarázni a kifejezéseket valaki másnak.

Íme a definíciók, amelyekre hivatkozhat:

Gépi tanulás: A mesterséges intelligencia egy részhalmaza, amely olyan algoritmusok és statisztikai modellek fejlesztését foglalja magában, amelyek lehetővé teszik a számítógépek számára, hogy tanuljanak az adatokból, és előrejelzéseket hozzanak vagy döntéseket hozzanak anélkül, hogy kifejezetten erre programoznák őket.
Mély tanulás: A gépi tanulás egy részhalmaza, amely sok rétegű mesterséges neurális hálózatokat használ, hogy lehetővé tegye a számítógépek számára, hogy nagy mennyiségű strukturálatlan adatból tanuljanak.
Természetes nyelv feldolgozása (NLP): Az AI egy részhalmaza, amely magában foglalja a gépeket az emberi nyelv megértésére, értelmezésére és reagálására.
robotika: A mesterséges intelligencia olyan területe, amely robotok tervezését és fejlesztését foglalja magában, amelyek olyan gépek, amelyek önállóan vagy emberi irányítás mellett képesek feladatokat ellátni.
Számítógépes látás: Az AI egy részhalmaza, amely magában foglalja a számítógépek megtanítását képek és videók értelmezésére és elemzésére.
Neurális hálózatok: A gépi tanulási modell egy típusa, amelyet az emberi agy szerkezete és működése ihletett.
Megerősítő tanulás: A gépi tanulás egy olyan típusa, amely magában foglalja az ügynökök képzését, hogy olyan műveleteket hajtsanak végre egy környezetben, amelyek maximalizálják a jutalomjelet.
Természetes nyelvgeneráció (NLG): A természetes nyelvi feldolgozás (NLP) egy részhalmaza, amely magában foglalja az emberhez hasonló nyelv létrehozására szolgáló gépeket.
Szakértői rendszerek: Olyan mesterséges intelligencia rendszerek, amelyek utánozzák egy emberi szakértő döntéshozatali képességeit egy adott területen.
Adatbányászat: A minták és betekintések felfedezésének folyamata nagy adathalmazokban statisztikai és számítási módszerekkel.
Nagy adat: Rendkívül nagy adatkészletek, amelyek elemzésével feltárhatók a minták, trendek és asszociációk, különösen az emberi viselkedéssel és interakciókkal kapcsolatban.
Mesterséges intelligencia etika: Az AI-rendszerek és -alkalmazások etikai, társadalmi és politikai vonatkozásainak tanulmányozása.
Megmagyarázható AI: AI-rendszerek és modellek, amelyek magyarázatot vagy indoklást adhatnak döntéseikhez vagy előrejelzéseikhez.
Generatív ellenséges hálózatok (GAN): A mély tanulási modell egy típusa, amely két neurális hálózatot foglal magában, az egyik hamis adatokat generál, a másik pedig különbséget tesz a valódi és a hamis adatok között.
Konvolúciós neurális hálózatok (CNN-ek): A neurális hálózat olyan típusa, amelyet általában képfelismerési és számítógépes látási feladatokhoz használnak.
Hallucinációk (AI-ban): Az a jelenség, amikor egy nagy nyelvi modell koherensnek és értelmesnek tűnő szöveget generál, de valójában nem a valóságon alapszik vagy tényszerű információkon alapul.