Khóa học về sự cố AI: Thuật ngữ cơ bản dành cho các nhà đầu tư trí tuệ nhân tạo - Viện dành cho các nhà đầu tư tiền điện tử của Mỹ

Được xuất bản lại bởi Plato

Người theo dõi: 0

Một trong những quy tắc hàng đầu của tôi dành cho các nhà đầu tư tài sản kỹ thuật số là có thể giải thích các khoản đầu tư của bạn, nhưng với AI đang phát triển nhanh như bạn có thể nói là trí tuệ nhân tạo, thì nói dễ hơn làm.

Đặc biệt là với các cụm từ như học sâu, mạng lưới thần kinh và xử lý ngôn ngữ tự nhiên được sử dụng xung quanh giống như chúng là tiếng Anh cơ bản.

Đường cong học tập AI có thể còn dốc hơn đối với các nhà đầu tư mới. Khi tôi lần đầu tiên tham gia vào thị trường này, tôi có thể hiểu được 10% những gì tôi đang đọc. Nhưng một khi tôi có thể định nghĩa một số thuật ngữ cơ bản liên quan đến AI, đó là lúc tôi cuối cùng cũng hiểu được tầm quan trọng của những gì công nghệ này có thể làm. Và sau đó Tôi đã có thể giải thích các khoản đầu tư của mình.

Để giúp bạn làm điều tương tự, tôi đã tập hợp các thẻ ghi chú với thuật ngữ AI cơ bản để giúp bạn hiểu cách thức hoạt động của nó và tại sao nó lại có giá trị.

Ngoài ra còn có một video ngắn mà tôi muốn bạn xem, trong đó tôi sẽ hướng dẫn bạn từng định nghĩa và cung cấp các ví dụ về mối liên hệ của định nghĩa đó với AI.

Bắt đầu khóa học về AI của bạn tại đây…

Bước Một: Bắt đầu bằng cách xem khóa học cấp tốc kéo dài 15 phút, nơi tôi sẽ đề cập đến 16 định nghĩa cơ bản mà mọi nhà đầu tư AI nên biết.

Bước hai: Sử dụng các thẻ ghi chú bên dưới để nghiên cứu các định nghĩa này. Bạn không cần phải ghi nhớ chúng một cách hoàn hảo, nhưng bạn sẽ có thể giải thích các thuật ngữ cho người khác.

Dưới đây là các định nghĩa để bạn tham khảo:

Học máy: Một tập hợp con của AI liên quan đến việc phát triển các thuật toán và mô hình thống kê cho phép máy tính học hỏi từ dữ liệu và đưa ra dự đoán hoặc quyết định mà không được lập trình rõ ràng để làm như vậy.
Học kĩ càng: Một tập hợp con của máy học sử dụng mạng thần kinh nhân tạo có nhiều lớp để cho phép máy tính học hỏi từ một lượng lớn dữ liệu phi cấu trúc.
Xử lý ngôn ngữ tự nhiên (NLP): Một tập hợp con của AI liên quan đến việc dạy máy hiểu, diễn giải và phản hồi ngôn ngữ của con người.
Rô bốt: Một lĩnh vực AI liên quan đến việc thiết kế và phát triển robot, là những cỗ máy có thể thực hiện các nhiệm vụ một cách tự động hoặc với sự hướng dẫn của con người.
Tầm nhìn máy tính: Một tập hợp con của AI liên quan đến việc dạy máy tính diễn giải và phân tích hình ảnh và video.
Mạng thần kinh: Một loại mô hình học máy lấy cảm hứng từ cấu trúc và chức năng của bộ não con người.
Học tăng cường: Một loại máy học liên quan đến việc đào tạo các tác nhân thực hiện các hành động trong một môi trường để tối đa hóa tín hiệu phần thưởng.
Tạo ngôn ngữ tự nhiên (NLG): Một tập hợp con của xử lý ngôn ngữ tự nhiên (NLP) liên quan đến việc dạy máy tạo ra ngôn ngữ giống con người.
Những hệ thống chuyên gia: Các hệ thống AI bắt chước khả năng ra quyết định của một chuyên gia con người trong một lĩnh vực cụ thể.
Khai thác dữ liệu: Quá trình khám phá các mẫu và thông tin chuyên sâu trong các tập dữ liệu lớn bằng các phương pháp thống kê và tính toán.
Dữ liệu lớn: Bộ dữ liệu cực lớn có thể được phân tích để tiết lộ các mẫu, xu hướng và mối liên hệ, đặc biệt là liên quan đến hành vi và tương tác của con người.
Trí tuệ nhân tạo Đạo đức: Nghiên cứu về ý nghĩa đạo đức, xã hội và chính trị của các hệ thống và ứng dụng AI.
AI có thể giải thích: Các hệ thống và mô hình AI có thể đưa ra lời giải thích hoặc biện minh cho các quyết định hoặc dự đoán của chúng.
Mạng đối thủ chung (GAN): Một loại mô hình học sâu bao gồm hai mạng thần kinh, một mạng tạo dữ liệu giả và mạng còn lại phân biệt giữa dữ liệu thật và giả.
Mạng thần kinh hợp pháp (CNN): Một loại mạng thần kinh thường được sử dụng cho các nhiệm vụ nhận dạng hình ảnh và thị giác máy tính.
Ảo giác (trong AI): Hiện tượng trong đó một mô hình ngôn ngữ lớn tạo ra văn bản có vẻ mạch lạc và có ý nghĩa, nhưng thực tế không có cơ sở thực tế hoặc dựa trên thông tin thực tế.