人工智能、人工智能一直是一个热门话题,但是它又是什么呢?和它是如何工作的呢?在这篇文章中(这是由一个真实的人,而不是人工智能,只是清楚),我们将回顾一些关键条款与人工智能和相关的计算机程序。我们要打破技术术语来描述这些过程和程序是如何工作的。正如您将看到的,而人工智能的概念听起来非常复杂,甚至是神秘的,它实际上是一些非常简单,浅显易懂的原则。
人工智能(AI)
人工智能,或人工智能,“电脑或机器人的能力和任务执行操作类似于人类学习和决策,如语音识别或回答问题。“虽然人工智能是这些天的报纸头条,这个想法已经存在了很长一段时间;表达式是第一个记录约1955。
机器学习
人类智慧的一个关键组件是学习能力。即使面对一个新的、完全不可预见的问题,人类能够使用上下文和直觉来解决这个问题。机器学习在电脑是相同的能力。而不是直接编程来解决一个特定问题,机器学习算法使用外推法和上下文来找到解决的办法。
进化算法
AI是如何能够解决问题的一个例子是使用进化算法。一个算法是一组规则解决问题。一个进化算法是能够找到解决方案使用“适者生存”的原则——在生物进化。不工作的解决方案被丢弃,而那些工作是测试和改进。
数据集
一个数据集是“为计算机处理数据记录的集合。“这是集一个算法使用决策的信息。
数据是很困难的,但知道后用“是”或“是”这个词“数据”是自己的挑战。了解更多!
深度学习
另一种方法是通过使用人工智能解决问题深度学习。人类学习的例子。我们看别人完成一项任务,然后我们复制它们。深度学习是同样的原理,应用于计算机算法。例如,当你完成一个验证码,要求你确定人行横道,这些数据可以用来“教”无人驾驶汽车算法。
模糊逻辑
通常,计算机做决定基于选择两个可能的答案,“真”或“假”,这一过程称为布尔逻辑。模糊逻辑是一种基于假设,允许更多的可能的答案启发式或其参数(因此“模糊”的一部分模糊逻辑)。这允许人工智能决策和其他算法即使数据不是很清楚,就像人类在现实世界中。
神经网络
开发一个人工智能系统的一个可能的方法是模型(松散)在人类的大脑。这就是所谓的神经网络。在一个神经网络,有一系列的节点或数据点,紧密连接和分层。每一层的神经网络过程,重信息,允许大量的数据需要处理一个相对狭小的空间里很少人工干预。
提示
用作形容词时,提示意思是“准时”或“及时。”但在技术提示是给一个算法解决的问题。这可以以文本的形式,代码,或甚至一个图像,如“莎士比亚的英语写浪漫喜剧剧本。”
任务自动化
一个可能的应用人工智能技术任务自动化。这是使用算法进行任务调度的能力或写作emails-automatically,而不是由人类完成的任务。
聊天机器人
人工智能技术的一个受欢迎的应用程序目前的形式聊天机器人。一个聊天机器人是一种服务,它使用文本沟通和交谈。它看起来像一个典型的消息传递服务,除了在另一端是一种算法,而不是另一个人。
大语言模型(LLM)
一个大的语言模型(LLM)是一种常见的深度学习,使用大量的文本和图像的数据集学习、交流和做决定。llm使用互联网作为一个数据集的巨大部分。
自然语言
大型语言模型允许聊天机器人交流使用自然语言,或近似于人类语言的语言写作。计算机算法往往是文字,但那些能够理解并应用自然语言利用多个语义这个词含义的单词,比如如何很酷的可以是“冷”和“优秀”。
如果你电脑产生的语言听起来像是科幻小说,我们不怪你。了解定义了科幻小说流派。
ChatGPT
ChatGPT是一个面向消费者的深度学习模型。GPT是一个缩写“生成pre-trained变压器”,这意味着它能够生成反应(吗生成基于语言模型。
图灵测试
所有AI和深度学习的目标是通过模型图灵测试。由传奇数学家阿兰·图灵图灵测试是聊天机器人的欺骗人类用户思维是人类。虽然没有一个AI或深度学习模型在当今市场上,如谷歌的吟游诗人或ChatGPT,完全通过图灵测试不久的将来,他们可能。
炫耀你的自然人类智力的测试!
你知道吗人工智能吗?测试你的知识我们这里的技术测试。
