Uczenie maszynowe - tradycyjna sztuczna inteligencja

Podróż AI rozpoczęła się w latach pięćdziesiątych XX wieku, kiedy moc obliczeniowa była ułamkiem tego, czym jest dzisiaj. Sztuczna inteligencja rozpoczęła się od przewidywań dokonywanych przez maszynę w taki sposób, że statystyka wykonuje prognozy za pomocą swojego kalkulatora. Tak więc początkowy cały rozwój sztucznej inteligencji opierał się głównie na technikach statystycznych.

W tym rozdziale omówimy szczegółowo, czym są te techniki statystyczne.

Techniki statystyczne

Rozwój dzisiejszych aplikacji sztucznej inteligencji rozpoczął się od wykorzystania odwiecznych tradycyjnych technik statystycznych. Musiałeś użyć interpolacji liniowej w szkołach, aby przewidzieć przyszłą wartość. Istnieje kilka innych takich technik statystycznych, które są z powodzeniem stosowane w tworzeniu tak zwanych programów AI. Mówimy „tak zwane”, ponieważ programy AI, które mamy dzisiaj, są znacznie bardziej złożone i wykorzystują techniki daleko wykraczające poza techniki statystyczne używane we wczesnych programach AI.

Oto kilka przykładów technik statystycznych, które są używane do tworzenia aplikacji AI w tamtych czasach i nadal są w praktyce -

• Regression
• Classification
• Clustering
• Teorie prawdopodobieństwa
• Drzewa decyzyjne

Tutaj wymieniliśmy tylko niektóre podstawowe techniki, które wystarczą, aby rozpocząć pracę ze sztuczną inteligencją, nie przerażając Cię ogromem, jakiego wymaga sztuczna inteligencja. Jeśli tworzysz aplikacje AI w oparciu o ograniczone dane, używałbyś tych technik statystycznych.

Jednak dzisiaj danych jest wiele. Analiza tego rodzaju ogromnych danych, którymi dysponujemy, nie jest zbyt pomocna, ponieważ mają one swoje własne ograniczenia. W związku z tym opracowuje się bardziej zaawansowane metody, takie jak głębokie uczenie się, w celu rozwiązywania wielu złożonych problemów.

W miarę postępów w tym samouczku zrozumiemy, czym jest uczenie maszynowe i jak jest wykorzystywane do tworzenia tak złożonych aplikacji AI.