인공지능이 자동으로 지식과 기술을 습득하고 자기계발을 이루는 과정은 무엇일까?

자기계발을 이루는 과정이 바로 '머신러닝'입니다. 머신러닝은 인공지능의 핵심이자 컴퓨터를 지능화하는 근본적인 방법입니다. 이를 통해 컴퓨터는 인간의 학습 행동을 시뮬레이션하고 학습을 통해 자동으로 지식과 기술을 습득하며 지속적으로 성능을 향상하고 자기 개선을 달성할 수 있습니다. 기계 학습은 주로 세 가지 측면을 연구합니다. 1. 학습 메커니즘, 지식, 기술 및 추상적 개념을 습득하는 인간의 타고난 능력 2. 계산 방법을 사용하여 이를 재현하는 학습 방법; 머신러닝을 어느 정도 구현할 수 있는 시스템입니다.

이 튜토리얼의 운영 환경: Windows 7 시스템, Dell G3 컴퓨터.

인공지능이 자동으로 지식과 기술을 습득하고 자기계발을 이루는 과정이 바로 '머신러닝'입니다.

머신러닝은 인공지능의 핵심이자 컴퓨터를 지능화하는 근본적인 방법입니다.

기계 학습:

기계 학습을 통해 컴퓨터는 인간의 학습 행동을 시뮬레이션하고, 학습을 통해 자동으로 지식과 기술을 습득하고, 지속적으로 성과를 개선하고, 자기 개선을 달성할 수 있습니다.

머신러닝은 주로 다음 세 가지 측면을 연구합니다.

(1) 학습 메커니즘: 지식, 기술 및 추상적 개념을 습득하는 인간의 타고난 능력입니다.
(2) 학습 방법: 기계 학습 방법의 구조는 생물학적 학습 메커니즘을 단순화하고 이를 계산 방법을 사용하여 재현하는 것을 기반으로 합니다.
(3) 학습 시스템: 머신러닝을 어느 정도 실현할 수 있는 시스템입니다.

학습 시스템은 일반적으로 환경, 학습, 지식 기반, 실행 및 평가의 네 가지 기본 부분으로 구성됩니다.

기계 학습의 분류

1. 학습 방법에 따른 분류(Winston, 1977)

기계 학습, 안내 학습, 예시 학습, 유추 학습, 설명 학습 잠깐.

2. 학습 능력별 분류:

지도 학습(선생님과 함께 학습)

강화 학습(강화 학습 또는 강화 학습)

감독되지 않음 학습(교사 없는 학습)

3. 추론 방법에 따른 분류:

연역 기반 학습(설명 학습).
유도 기반 학습(예제 학습, 발견 학습 등).

4. 종합 속성에 따라 분류:

귀납적 학습, 분석적 학습, 연결 학습, 유전적 학습 등

기계 학습

기계 학습(암기 학습)은 기억 학습 또는 암기 학습이라고도 합니다. 학습의 목적은 외부 환경에서 제공되는 정보를 직접 기억하거나 저장하고 나중에 지식을 조작함으로써 달성됩니다. base 검색을 통해 얻은 해당 지식을 문제 해결에 직접 사용합니다.
기계 학습의 핵심은 저장 공간을 처리 시간으로 바꾸는 것입니다.
대표적인 예: 1959년 사무엘(A.L.Samuel)의 체커 프로그램 CHECKERS.

Samuel의 체커 프로그램 CHECKERS

는 평가 함수를 사용하여 주어진 검색 깊이에서 패턴을 점수화하고 백캐스트 계산을 통해 상위 노드의 백캐스트 값을 계산하여 현재 최고의 움직임을 결정합니다.
다음에 같은 상황이 발생하면 다시 계산하지 않고 직접 역방향 계산을 사용하여 최선의 수를 결정하세요.

머신 러닝의 주요 문제:

조직 정보 저장: 적절한 저장 방법을 사용하여 최대한 빠르게 검색하세요.
저장된 정보의 환경 안정성 및 적용 가능성: 머신러닝 시스템은 저장된 정보가 외부 환경의 변화에 ​​적응할 수 있도록 보장해야 합니다.
저장과 계산 간의 균형: 기계 학습의 중요한 점은 시스템의 효율성을 저하시키지 않는다는 것입니다.

안내 학습

교육 학습 또는 교육 학습이라고도 하는 안내 학습(말씀을 통해 학습): 외부 환경은 시스템에 일반적인 지침이나 제안을 제공하고 시스템은 이를 구체적으로 자세한 지식으로 변환하여 지식 베이스. 학습 과정에서 형성된 지식은 지속적으로 개선되기 위해 반복적으로 평가되어야 합니다.

안내 학습의 학습 과정:

강사에게 지시나 제안을 요청하고 상담 의견을 실행 가능한 내부 형식으로 변환한 후 지식 베이스에 추가하고 평가합니다.

강사에게 지시나 제안을 요청합니다

간단 상담: 강사가 일반적인 의견을 제시하면 시스템이 이를 구체화합니다.
복잡한 상담: 시스템은 강사에게 일반적인 제안을 요구할 뿐만 아니라 지식 기반에서 발생할 수 있는 문제를 구체적으로 식별하고 수정 제안도 제공합니다.
수동 상담: 시스템은 강사의 의견을 수동적으로 기다립니다.
적극적인 상담: 시스템은 지시를 수동적으로 받아들일 뿐만 아니라 특정 문제에 강사의 관심을 집중시키기 위해 적극적으로 질문합니다.

상담 의견을 실행 가능한 내부 형식으로 변환

학습 시스템은 합의된 형식으로 표현된 상담 의견을 내부 컴퓨터 실행 가능 형식으로 변환하고 구문 확인 및 적절한 의미 분석을 수행할 수 있어야 합니다. .

지식 베이스에 가입

가입 프로세스 중에 충돌, 중복, 루프 및 기타 문제를 방지하기 위해 지식의 일관성을 확인해야 합니다.

평가

평가 방법: 새로운 지식을 경험적으로 테스트합니다. 즉, 몇 가지 표준 사례를 실행한 후 실행이 알려진 상황과 일치하는지 확인합니다.

예제 학습

예제 학습(예제 학습, 예제 학습 또는 예제 학습): 환경에서 특정 개념과 관련된 여러 가지 예를 얻고 일반적인 개념을 요약하는 학습 방법입니다.

예제 학습에서는 외부 환경(교사)이 일련의 예(긍정적 예와 반례)를 제공하고, 이 특수 지식에서 더 넓은 범위에 적용할 수 있는 일반 지식이 요약되어 모든 긍정적 예를 다루고 모든 반례가 제외됩니다. .

예시 학습을 위한 학습 모델

더 많은 관련 지식은 FAQ 칼럼을 방문해 주세요!

위 내용은 인공지능이 자동으로 지식과 기술을 습득하고 자기계발을 이루는 과정은 무엇일까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!