Làm thế nào một hệ thống AI có thể phát triển kiến ​​thức miền của nó? Có nhiều hơn chỉ là Machine Learning?


9

Vì vậy, học máy cho phép một hệ thống tự động theo nghĩa là nó có thể dự đoán trạng thái trong tương lai dựa trên những gì nó đã học cho đến nay. Câu hỏi của tôi là: Có phải kỹ thuật học máy là cách duy nhất để làm cho một hệ thống phát triển kiến ​​thức miền của nó?

Câu trả lời:


1

Chà, chúng ta đang nói về một hệ thống (một cỗ máy) phát triển kiến ​​thức (học hỏi), vì vậy thật khó để một kỹ thuật như vậy không nằm trong học máy.

Nhưng bạn có thể lập luận rằng các công cụ suy luận hoạt động trên cơ sở dữ liệu tri thức dựa trên biểu đồ để rút ra các đề xuất hoặc xác suất mới không phải là một phần của học máy. Tất nhiên trong trường hợp đó, một phần kiến ​​thức hoàn toàn không có được, mà là do các nhà phát triển nhập vào.

Tôi vẫn đang đọc về điều này, nhưng ấn tượng của tôi là các cơ sở dữ liệu tri thứccác công cụ suy luận này đã trở nên khá phổ biến trong những năm 1990 và nhiều nhà nghiên cứu AGI ngày nay vẫn hoạt động theo hướng đó.


Sẽ là chính xác để nói rằng một số phương pháp hiện đại xây dựng cơ sở dữ liệu kiến ​​thức thông qua AI vs AI chơi?
DukeZhou

Bạn có thể nghĩ về việc tự chơi như đối với Alphago, đó chắc chắn là học máy. Tôi không biết liệu có hệ thống tạo cơ sở dữ liệu kiến ​​thức hoặc đồ thị tri thức thông qua tự chơi hay không.
BlindKungFuMaster

1

Điều đó phụ thuộc vào cách bạn định nghĩa rộng rãi "kỹ thuật học máy". Bạn có thể xây dựng một định nghĩa sao cho, theo định nghĩa, tất cả việc học thuộc về phiếu tự đánh giá đó. OTOH, có rất nhiều kỹ thuật máy học mà làm như vậy sẽ không thu được nhiều.

Có lẽ có ý nghĩa hơn khi nói về các loại học tập khác nhau mà chúng ta sử dụng trong học máy / trí tuệ nhân tạo. Tối thiểu, bạn có:

  1. học có giám sát
  2. học tập không giám sát
  3. học bán giám sát
  4. học cạnh tranh

Và sau đó những thứ như "học tăng cường" có thể phân loại ở trên. Hầu hết những điều đó rơi vào cái mà mọi người thường gọi là "học máy".

Ngoài ra, bạn có những thứ như thuật toán cảm ứng quy tắc, kỹ thuật logic suy diễn như lập trình logic quy nạp có thể "học", động cơ suy luận, lý luận tự động, v.v ... có cách "học" riêng về thế giới, nhưng tách biệt với những gì thường được gắn nhãn "học máy".

Nhưng ngay cả với suy nghĩ đó, người ta có thể hỏi chính xác liệu có thực sự có một đường phân chia ở đó hay không. Thật vậy, dường như có lý do để nghĩ rằng các hệ thống AI trong tương lai có thể sử dụng phương pháp lai kết hợp nhiều kỹ thuật khác nhau mà không quan tâm đến việc chúng có được gắn nhãn "học máy" hay "GOFAI" hay "khác" hay không.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.