Apakah perbezaan antara inferens AI dan latihan? Adakah awak tahu?

Jika anda ingin merumuskan perbezaan antara latihan AI dan penaakulan dalam satu ayat, saya rasa "satu minit di atas pentas, sepuluh tahun kerja keras di luar pentas" adalah yang paling sesuai.

Xiao Ming telah berkencan dengan dewi yang telah lama dia kagumi selama bertahun-tahun, dan dia mempunyai banyak pengalaman dalam mengajaknya keluar, tetapi dia masih keliru tentang misteri itu.

Dengan bantuan teknologi AI, bolehkah ramalan yang tepat dicapai?

Xiao Ming berfikir berulang kali dan meringkaskan pembolehubah yang boleh menjejaskan sama ada dewi menerima jemputan: sama ada hari cuti, cuaca buruk, terlalu panas/terlalu sejuk, dalam mood yang tidak baik, sakit, dia ada temujanji lagi, dan saudara mara datang ke rumah ......dll.

Gambar

Jumlah wajaran pembolehubah ini, jika lebih besar daripada ambang tertentu, dewi pasti akan menerima jemputan itu. Jadi, berapa banyak berat pembolehubah ini, dan apakah ambangnya?

Ini adalah masalah yang sangat kompleks yang sukar untuk diselesaikan dengan tepat melalui kaedah yang mudah. Oleh itu, Xiao Ming merancang untuk menjalankan penyelidikan menggunakan rangkaian saraf dalam dan menggunakannya pada sejumlah besar data terkumpul untuk latihan, supaya model kecerdasan buatan boleh mempelajari coraknya sendiri.

Gambar

Kelebihan terbesar Xiao Ming ialah dia mempunyai pengumpulan data yang kaya. Jadi dia menyusun dan menyenaraikan semua pembolehubah dengan tepat dan memetakannya dengan tepat sama ada tawaran itu berjaya atau tidak. Amalan ini dipanggil "anotasi data".

Gambar

Setelah anda mempunyai data, suapkan mereka kepada AI. AI membaca setiap set data, menilainya menggunakan pemberat lalai awal, dan kemudian memperoleh hasil analisisnya sendiri Proses ini dipanggil "penyebaran ke hadapan".

Kemudian, semak sama ada keputusan AI adalah betul.

Satu "fungsi kerugian" perlu diperkenalkan di sini untuk mengira perbezaan antara keputusan dan jawapan yang betul. Jika keputusan tidak ideal, ia akan kembali untuk mengoptimumkan dan melaraskan pemberat, dan mendapatkan keputusan semula untuk penilaian Proses ini dipanggil "penyebaran balik".

Selepas ujian, saya mendapati bahawa keputusan penilaian dan jawapan yang betul adalah satu langkah lebih dekat. Selepas beberapa pusingan lelaran, jawapan yang betul didekati secara beransur-ansur dengan melaraskan berat parameter Proses ini dipanggil "keturunan kecerunan".

Gambar

Selepas banyak pusingan pembaptisan mendalam data yang diketahui, ketepatan penilaian AI sudah cukup tinggi. Jadi Xiao Ming menamatkan latihan, menetapkan pemberat parameter, memotong parameter berlebihan yang pemberatnya tidak diaktifkan, dan mengisytiharkan untuk memasuki peringkat seterusnya.

Sudah tiba masanya untuk menguji hasil kerja keras yang dilakukan suatu ketika dahulu!

Gambar

Jadi, Xiao Ming memilih hari yang baik dan bertuah untuk menyediakan semua parameter baharu dan memasukkannya ke dalam AI. AI dengan cepat memberikan kesimpulan penilaiannya sendiri: dewi akan menerima jemputan!

Proses di atas dipanggil "penaakulan".

Xiao Ming mandi dan menukar pakaian, mengemas dengan berhati-hati, menempah tiket wayang, dan meminta pendapat dewi dengan teliti. Sudah tentu, dewi bersetuju!

Mulai sekarang, sebelum setiap jemputan, Xiao Ming secara religius akan membiarkan AI meramalkan sama ada ia akan berjaya atau tidak. Ternyata AI boleh melakukannya dengan betul pada kebanyakan masa. Kita boleh katakan bahawa kesan "generalization" AI adalah sangat baik.

Gambar

Ringkasnya, apa yang dipanggil latihan AI ialah proses membenarkan rangkaian saraf mempelajari keupayaan baharu daripada data sedia ada.

Proses ini sangat rumit, sama seperti menerima pendidikan wajib selama sembilan tahun sejak kecil Ia melibatkan kerjasama erat pihak sekolah, buku, guru dan faktor lain perlu menghabiskan masa latihan.

Alasan yang dipanggil AI adalah untuk memasukkan data baharu kepada AI terlatih dan membiarkannya menyelesaikan masalah baharu jenis yang sama.

Ini seperti pelajar yang menamatkan pengajian dari kolej, meninggalkan sekolah, buku, dan guru, dan menggunakan pengetahuan yang dipelajari untuk menangani masalah baharu secara berdikari, pemprosesan data agak kecil, tetapi dia perlu sentiasa bersedia dan memberi jawapan dengan cepat dan baik.

Aplikasi AI yang biasanya kami hubungi ialah APP yang dilatih oleh penyedia perkhidmatan. Kami mencadangkan pelbagai tugas di atas, dan latar belakang bertindak balas dengan cepat dan memberikan jawapan dalam beberapa saat. Semua ini tergolong dalam penaakulan AI.

Dengan kawalan AI yang baik, kami boleh melakukan kerja kami dengan mudah dan mendapat hasil dua kali ganda dengan separuh usaha.