> 지식 > 내용
인공 지능 개발을위한 전망
- Sep 22, 2018 -

예를 들어, 무거운 과학적 및 공학적 계산은 인간의 두뇌에 의해 수행되어야합니다. 오늘날 컴퓨터는 그러한 계산을 수행 할 수있을뿐만 아니라 인간의 두뇌보다 빠르고 정확하게 계산을 수행 할 수 있습니다. 따라서 현대인들은 더 이상이 계산을 "인간 지능이 완료되어야하는 복잡한 작업"이라고 간주하지 않습니다. 복잡한 작업의 정의는 시대의 발전과 기술의 발전과 함께 변화한다는 것을 알 수 있습니다. 인공 지능의 과학의 구체적인 목표는 자연스럽게 시대의 변화에 따라 진화했습니다. 한편으로는 새로운 진보를 계속하고 반면에 더 의미 있고 어려운 목표로 변합니다.

종종 "기계 학습"의 수학적 토대는 "통계", "정보"및 "사이버네틱스"입니다. 또한 다른 비 수학적 과목도 포함됩니다. 이러한 유형의 "기계 학습"은 "경험"에 크게 의존합니다. 컴퓨터는 끊임없이 지식을 습득하고 문제 유형을 해결하는 경험으로부터 전략을 학습해야합니다. 비슷한 문제가 발생하면 일반 사람들처럼 경험적 지식을 사용하여 문제를 해결하고 새로운 경험을 축적하십시오. 우리는 이러한 유형의 학습을 "지속적인 학습"이라고 부를 수 있습니다. 그러나 경험으로부터 배우는 것 외에도 인간은 또한 "뛰어 오르는 학습"을 창조 할 것입니다. 어떤 경우에는이를 "영감"또는 "깨달음"이라고합니다. 컴퓨터가 배우는 가장 어려운 일은 "계몽"입니다. 또는 엄밀히 말하자면 컴퓨터가 학습과 "실습"측면에서 "양적 변화에 의존하지 않는"것을 배우는 것은 어렵습니다. 하나의 "품질"에서 다른 것으로 직접 이동하거나 "개념"에서 직접 이동하는 것은 어렵습니다. 다른 "개념"으로 이동하십시오. 이 때문에 여기의 "연습"은 인간의 관행과 동일하지 않습니다. 인간 실행 과정에는 경험과 창조가 모두 포함됩니다.

이것은 지적 연구원들이 꿈꾸는 것입니다.

Dijin 데이터 센터의 데이터 연구원 인 SC는 2013 년에 새로운 기능을 연구하는 새로운 데이터 분석 방법을 개발했습니다. 저자는 새로운 데이터 분석 방법이 컴퓨터 과학이 "창조"할 수있는 방법을 제공한다는 것을 발견했습니다. 본질적으로이 접근법은 인간의 "창의성"을 모델링하는 데 상당히 효과적인 방법을 제공합니다. 이 접근법은 수학에 의해 주어지며 일반 사람들이 소유 할 수는 없지만 컴퓨터가 가질 수있는 "능력"입니다. 그때 이후로, 컴퓨터는 계산을 잘 할뿐만 아니라 좋은 계산 때문에 잘 만들 수 있습니다. 컴퓨터 과학자들은 "숙련 된"컴퓨터를 너무 포괄적으로 작동시키는 능력을 절대적으로 박탈해야합니다. 그렇지 않으면 컴퓨터가 언젠가는 "안티 캡쳐"하는 인간이 될 것입니다.

새로운 방법의 파생 과정과 수학을 되돌아 볼 때 저자는 사고와 수학에 대한 이해를 넓혀줍니다. 수학은 단순하고, 명확하고, 신뢰할 수 있고, 패턴이 강합니다. 수학 발전의 역사에서 수학 석사 창의력의 훌륭함은 어디에서나 빛을 발합니다. 이러한 창의성은 다양한 수학적 정리 또는 결론으로 제시됩니다. 수학 정리의 가장 중요한 특징은 모듈 언어로 표현되고 풍부한 정보를 포함하는 몇 가지 기본 개념과 공리에 기반한다는 것입니다. 수학은 창조성 분야 (적어도 한 유형)에 대한 가장 단순하고 직접적인 반영이라고 말할 수 있습니다.


Related Products