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

Ponovno objavil Platon

Spremljevalci: 0

Eno mojih najpomembnejših pravil za vlagatelje v digitalna sredstva je, da znajo razložiti svoje naložbe, a z umetno inteligenco, ki napreduje tako hitro, kot lahko rečete umetna inteligenca, je to lažje reči kot narediti.

Še posebej s frazami, kot so globoko učenje, nevronske mreže in obdelava naravnega jezika, ki se razmetavajo, kot da so osnovna angleščina.

Krivulja učenja AI je lahko še strmejša za nove vlagatelje. Ko sem prvič prišel na ta trg, sem razumel morda 10% tega, kar sem bral. Ko pa sem lahko definiral nekaj osnovnega žargona, povezanega z umetno inteligenco, sem končno dojel razsežnost tega, kar lahko naredi ta tehnologija. in POTEM Lahko sem razložil svoje naložbe.

Da bi vam pomagal storiti enako, sem sestavil kartice z osnovno terminologijo umetne inteligence, da boste lažje razumeli, kako deluje in zakaj je dragocen.

Na voljo je tudi kratek videoposnetek, ki si ga želim ogledati, kjer vas bom vodil skozi vsako definicijo in navedel primere, kako je povezana z umetno inteligenco.

Tukaj začnite hitri tečaj AI ...

Prvi korak: Začnite z ogledom 15-minutnega hitrega tečaja, kjer bom obravnaval 16 osnovnih definicij, ki bi jih moral poznati vsak vlagatelj v umetno inteligenco.

Drugi korak: Za preučevanje teh definicij uporabite spodnje kartice. Ni vam treba, da si jih popolnoma zapomnite, vendar bi morali biti sposobni izraze razložiti nekomu drugemu.

Tu so definicije, na katere se lahko sklicujete:

Strojno učenje: Podmnožica umetne inteligence, ki vključuje razvoj algoritmov in statističnih modelov, ki računalnikom omogočajo, da se učijo iz podatkov in sprejemajo napovedi ali odločitve, ne da bi bili za to izrecno programirani.
Globoko učenje: Podmnožica strojnega učenja, ki uporablja umetna nevronska omrežja z veliko plastmi, ki računalnikom omogočajo učenje iz velikih količin nestrukturiranih podatkov.
Obdelava naravnega jezika (NLP): Podmnožica umetne inteligence, ki vključuje učenje strojev za razumevanje, interpretacijo in odzivanje na človeški jezik.
Robotika: Področje umetne inteligence, ki vključuje načrtovanje in razvoj robotov, ki so stroji, ki lahko opravljajo naloge samostojno ali s človeškim vodenjem.
Računalniški vid: Podmnožica umetne inteligence, ki vključuje učenje računalnikov za interpretacijo in analizo slik in videoposnetkov.
Nevronske mreže: Vrsta modela strojnega učenja, ki se zgleduje po strukturi in delovanju človeških možganov.
Okrepitveno učenje: Vrsta strojnega učenja, ki vključuje usposabljanje agentov za ukrepanje v okolju za maksimiranje signala nagrade.
Generacija naravnega jezika (NLG): Podmnožica obdelave naravnega jezika (NLP), ki vključuje učenje strojev za ustvarjanje človeku podobnega jezika.
Ekspertni sistemi: Sistemi AI, ki posnemajo sposobnosti odločanja človeškega strokovnjaka na določenem področju.
Podatkovno rudarjenje: Postopek odkrivanja vzorcev in vpogledov v velike nize podatkov z uporabo statističnih in računskih metod.
Veliki podatki: Izjemno veliki nabori podatkov, ki jih je mogoče analizirati, da razkrijejo vzorce, trende in povezave, zlasti v zvezi s človeškim vedenjem in interakcijami.
Etika umetne inteligence: Preučevanje etičnih, socialnih in političnih posledic sistemov in aplikacij AI.
Razložljiva umetna inteligenca: Sistemi in modeli umetne inteligence, ki lahko zagotovijo pojasnila ali utemeljitve za svoje odločitve ali napovedi.
Generativna kontradiktorna omrežja (GAN): Vrsta modela globokega učenja, ki vključuje dve nevronski mreži, pri čemer ena ustvarja lažne podatke, druga pa razlikuje med resničnimi in lažnimi podatki.
Konvolucijske nevronske mreže (CNN): Vrsta nevronske mreže, ki se običajno uporablja za prepoznavanje slik in naloge računalniškega vida.
Halucinacije (v AI): Pojav, pri katerem velik jezikovni model ustvari besedilo, ki se zdi koherentno in smiselno, vendar dejansko ni utemeljeno v realnosti ali na dejanskih informacijah.