1. Генетичесмкие алгоритмы, эволюционные вычисления — изначально рассматривались как часть ИИ.
Алгоритмы, навеянные живой природой.
Есть замечательная книга Карпенко: Современные алгоритмы поисковой оптимизации.
2. Представление знаний + вывод на знаниях.
Здесь последнее время рулят нечеткости и вероятности.
А начиналось все с представления знаний с помощью исчисления высказываний и предикатов и метода резолюции Робинсона.
Где-то в то же время — семантические сети, которые постепенно перешли в онтологии.
Потом правила-продукции — которые сейчас фактически предлставляют собой базу нечетких правил.
Первые экспертные системы (Dendral, Mycin, Casnet) работали с эвристическими методами вывода на правилах.
Ну, и Марвин Минский со своими фреймами, которые сейчас прктическив всегда представляю узлы семантиической сети = онтологии.
Байесовские сети — и байесовский вывод — название говорит само за себя...
В общем, постепенно математика проникает.
Но в принципе, любые эвристически подходы, решающие некую задачу, относят к ИИ.
Хочешь быть счастливым — будь им!
Без булдырабыз!!!
Здравствуйте, neFormal, Вы писали:
F>Есть ли такое в природе? По-моему, должно быть.
Вероятностные подходы. Не так солидно зовутся, но тем не менее.
Вместо предсказания через нейронку, предсказание по Байесу, вместо самой нейронки — цепи Маркова, и т.д.
Вместо обучения — набор статистики
Здравствуйте, Nuzhny, Вы писали:
_>>Ну, с учётом того, что Пролог используется в Watson, то думаю говорить о его непригодности несколько странно. ))) N>Ну, надо бы конкретнее указать, что он там делает. Если для каких-то логических выводов, но это же не ИИ. Казалось бы, LISP тут больше подходит.
Здравствуйте, alex_public, Вы писали:
_>И где можно увидеть подобное сравнение?
Хороший вопрос. Давай подумаем.
_>Кстати, а есть данные на базе чего работают Алиса (от Яндекса которая) или Алекса (от Амазона)? Я естественно имею ввиду не очевидный начальный шаг по переводу голоса в текст, а следующий, с попыткой понимания этого текста (да ещё и в контексте).
1. Google.Translate перешёл на нейросети, новость была недавно на форуме.
2. Google assistant, который по качеству превзошёл Siri — тоже нейросети, я ссылку приводил в соседней дискуссии.
3. Опять Google, но теперь открытый проект — tesseract ocr, в который для коррекции засунули LSTM.
4. Алиса — нейросети: раз и два.
5. Алекса — нейросети.
6. IBM тоже много говорит о нейросетях: раз, два, три.
_>Ну так и каким образом провал того проекта говорит о том, что Пролог не подходит для задач ИИ?
Ну, провал многомиллиардного проекта на 10 лет, результатом которого получился пшик? Хм. Надо подумать.
N>>Когда мы его изучали в универе в начале 2000-х, делали экспертные системы уже было понятно, что он не жилец. _>Почему было понятно? )
Потому что никакого ИИ не получалось. Логические задачки решать получалось, какие-то экспертные системы тоже. Но ничего нового не было.
_>Ну сейчас для бизнес-целей активно используют такие https://en.wikipedia.org/wiki/List_of_BPEL_engines игрушки, которые являются вариациями на тему этой https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_Rete штуки. Последнее слабее по функциональности Пролога, но лучше по производительности (при масштабирование на огромные базы правил). _>Однако как раз экспертные системы не факт что относятся к ИИ, потому как они не обязательно должны быть обучаемыми (что на мой взгляд является главным признаком ИИ).
Я о том и говорю. Пролога не видно дальше матчинга. Он ещё использовался в Windows для оптимального подбора драйверов. Но это тоже просто матчинг.
Здравствуйте, Nuzhny, Вы писали:
_>>Ну первым делом стоило бы взглянуть на язык Пролог — он всё же именно для этого был изначально создан (и без всяких нейронных сетей). N>Пролог был создан до современного понимания проблем ИИ и фактически к этому не пригоден. Если идти к истокам и пропустить Хаскель, то лучше смотреть на LISP (но смысла и в этом не будет).
Ну, с учётом того, что Пролог используется в Watson, то думаю говорить о его непригодности несколько странно. )))
Здравствуйте, Nuzhny, Вы писали:
N>Здравствуйте, neFormal, Вы писали:
F>>механизм, который можно обучить обрабатывать какие-то данные.
N>О, так этого добра полно. Самый лучший обзор области, который я видел.
прикольный чувак — начал читать с сетей, закончил евротрипом — все так знакомо и легко изложено
Здравствуйте, neFormal, Вы писали:
F>Есть ли такое в природе? По-моему, должно быть.
Если речь про распознавание образов, то есть. Просто раньше нужно было некоторое количество злой математики, и люди очень непростые чтобы это оживить. А сейчас можно посадить сравнительно простого чувака, дать ему в руки набор удобных и понятных инструментов, и получить почти такой же результат.
В нейросетях нет ничего магического, это просто способ аппроксимации сложных функций без "аналоговых" формул, путем "обучения" большим набором данных.
Здравствуйте, alex_public, Вы писали:
_>Ну первым делом стоило бы взглянуть на язык Пролог — он всё же именно для этого был изначально создан (и без всяких нейронных сетей).
Пролог был создан до современного понимания проблем ИИ и фактически к этому не пригоден. Если идти к истокам и пропустить Хаскель, то лучше смотреть на LISP (но смысла и в этом не будет).
Здравствуйте, alex_public, Вы писали:
F>>Есть ли такое в природе? По-моему, должно быть. F>>Поделитесь, пожалуйста, информацией. _>Ну первым делом стоило бы взглянуть на язык Пролог — он всё же именно для этого был изначально создан (и без всяких нейронных сетей).
а я туда смотрел.
проблема в том, что он не располагает к обучаемости, хотя на нём можно сделать какую-то экспертную систему уровня, как тут поминали, альфа-бета-отсечения.
в итоге, чтобы оценить исход какого-либо сложного процесса, проще смоделить сам процесс и нагенерить результатов, обработав потом статистически.
я так баланс для игры генерил.
Здравствуйте, alex_public, Вы писали:
_>Ну, с учётом того, что Пролог используется в Watson, то думаю говорить о его непригодности несколько странно. )))
Ну, надо бы конкретнее указать, что он там делает. Если для каких-то логических выводов, но это же не ИИ. Казалось бы, LISP тут больше подходит.
Здравствуйте, Nuzhny, Вы писали:
F>>механизм, который можно обучить обрабатывать какие-то данные. N>О, так этого добра полно. Самый лучший обзор области, который я видел.
спасибо. то, что нужно: много слов, которые можно нагуглить.
The Prolog language is recognized to be an excellent solution for the problem of pattern matching and all problems that involve a depth-first search and backtracking [6, 1]. Although simple, the Prolog language is very expressive allowing recursive rules to represent reachability in parse trees and the operation of negation-as-failure to check the absence of conditions.
Движок рекурсивного pattern matching с откатами. Я о том и говорю, что данный пункт сейчас уже не считается за ИИ. Вроде как Пролог с середины 90-х годов признали не пригодным для написания ИИ, потому что логический вывод и строгое сравнение с образцом — это не оно.
Здравствуйте, neFormal, Вы писали:
_>>Ну первым делом стоило бы взглянуть на язык Пролог — он всё же именно для этого был изначально создан (и без всяких нейронных сетей). F>а я туда смотрел. F>проблема в том, что он не располагает к обучаемости, хотя на нём можно сделать какую-то экспертную систему уровня, как тут поминали, альфа-бета-отсечения. F>в итоге, чтобы оценить исход какого-либо сложного процесса, проще смоделить сам процесс и нагенерить результатов, обработав потом статистически. F>я так баланс для игры генерил.
На самом деле с Прологом есть два отдельных подхода и даже два вида его реализаций:
— неполноценная (причём большинство наследников Пролога используют её). Когда у нас имеется набор правил, которые применяются к некой базе меняющихся фактов. Самообучение в такой систем естественно тоже возможно и производится с помощью алгоритмов динамически корректирующих базу фактов. Однако здесь нет никаких принципиальных преимуществ перед каким-нибудь специализированным Java-движком (который ещё и производительнее, т.к. использует алгоритм Rete, а не полноценную унификацию), работающим поверх Oracle, кроме разве что специально предназначенного синтаксиса и более крутого (с откатами) сопоставления с образцом.
— полноценная. Изначальный Пролог подразумевал удобный способ для динамического задания не только фактов, но и произвольных правил. Современный аналог подобной возможности даже трудно подобрать. Что-то очень отдалённое можно себе представить на современных динамических языках, если использовать на каждом шаге функцию eval(), но всё равно по удобству даже близко ничего подобного не будет (например если играться в рантайме с произвольным кодом на этих языках, то он будет выглядеть как строки, а в Прологе это это будут те же самые правила, которые можно разобрать на части, поменять, собрать обратно и т.д.). Т.е. для истинного самообучения (когда подстраивается сам алгоритм, а не просто его параметры) ничего мощнее придумать нельзя. Однако это оказался слишком мощный инструмент, которым пока так и не смогли полноценно воспользоваться — нет готовых обобщённых алгоритмов такого обучения (т.е. удобный способ модификации своего кода программистам дали, а те не смогли придумать как его модифицировать в процессе обучения в общем случае). А вот в мелких частных задачах с узкой специализацией тут бывают очень интересные решение. Но их надо каждый раз придумывать с нуля, в отличие от тех же нейронных сетей, где мы по сути скачиваем типовое решение, правим пару мелочей и сразу получаем работающий код. Поэтому как раз с точки зрения бизнеса нейронные сети кажутся самым крутым решением из ИИ, хотя результаты у них не всегда хороши.
N>The Prolog language is recognized to be an excellent solution for the problem of pattern matching and all problems that involve a depth-first search and backtracking [6, 1]. Although simple, the Prolog language is very expressive allowing recursive rules to represent reachability in parse trees and the operation of negation-as-failure to check the absence of conditions.
N>Движок рекурсивного pattern matching с откатами.
Ну да, по сути это определение Пролога. ))) Если конечно при этом не забывать, что сам "pattern" является динамически модифицируемой сущностью, а не зашитым кодом, как в большинстве языков.
N>Я о том и говорю, что данный пункт сейчас уже не считается за ИИ.
Кем это не считается? ) Вот в данном случае он обеспечивает возможность распознавания естественно языка — это ты считаешь не задача ИИ? )
N>Вроде как Пролог с середины 90-х годов признали не пригодным для написания ИИ, потому что логический вывод и строгое сравнение с образцом — это не оно.
Здравствуйте, alex_public, Вы писали:
_>Ну да, по сути это определение Пролога. ))) Если конечно при этом не забывать, что сам "pattern" является динамически модифицируемой сущностью, а не зашитым кодом, как в большинстве языков.
Так в Лиспе то же самое: программа есть данные. Но возможность самомодификации — это тоже не ИИ.
N>>Я о том и говорю, что данный пункт сейчас уже не считается за ИИ. _>Кем это не считается? ) Вот в данном случае он обеспечивает возможность распознавания естественно языка — это ты считаешь не задача ИИ? )
Да, это задача ИИ, но Пролог с ней справляется хуже современных, в том числе и нейросетевых методов. Именно потому, что его подход строго детерминированный, а не, так скажем, статистический, как в классических алгоритмах Machine learning'а.
N>>Вроде как Пролог с середины 90-х годов признали не пригодным для написания ИИ, потому что логический вывод и строгое сравнение с образцом — это не оно. _>С чего бы это? И кто признал? )))
Японцы признали в 1992 году после провала программы по разработке компьютеров пятого поколения. Вот есть перевод статьи об этом проекте: "Кто убил Пролог".
Когда мы его изучали в универе в начале 2000-х, делали экспертные системы уже было понятно, что он не жилец. Собственно, мы изучали логическое программирование в 3-х ипостасях: Пролог, Guru и в среде, реализованной силами нашего универа.
Здравствуйте, Nuzhny, Вы писали:
_>>Кем это не считается? ) Вот в данном случае он обеспечивает возможность распознавания естественно языка — это ты считаешь не задача ИИ? ) N>Да, это задача ИИ, но Пролог с ней справляется хуже современных, в том числе и нейросетевых методов. Именно потому, что его подход строго детерминированный, а не, так скажем, статистический, как в классических алгоритмах Machine learning'а.
И где можно увидеть подобное сравнение?
Кстати, а есть данные на базе чего работают Алиса (от Яндекса которая) или Алекса (от Амазона)? Я естественно имею ввиду не очевидный начальный шаг по переводу голоса в текст, а следующий, с попыткой понимания этого текста (да ещё и в контексте).
_>>С чего бы это? И кто признал? ))) N>Японцы признали в 1992 году после провала программы по разработке компьютеров пятого поколения. Вот есть перевод статьи об этом проекте: "Кто убил Пролог".
Ну так и каким образом провал того проекта говорит о том, что Пролог не подходит для задач ИИ?
N>Когда мы его изучали в универе в начале 2000-х, делали экспертные системы уже было понятно, что он не жилец.
Почему было понятно? )
N>Собственно, мы изучали логическое программирование в 3-х ипостасях: Пролог, Guru и в среде, реализованной силами нашего универа.
Однако как раз экспертные системы не факт что относятся к ИИ, потому как они не обязательно должны быть обучаемыми (что на мой взгляд является главным признаком ИИ).
N>Японцы признали в 1992 году после провала программы по разработке компьютеров пятого поколения. Вот есть перевод статьи об этом проекте: "Кто убил Пролог".
Ну, кое-что от японцев осталось-таки...
Они сильно продвинули нечеткий вывод вместо логического. Такие вещи, как Такаги-Сугено, и Цукамото — все знают.
В 93-м в России вышла заключительная книжка японского проекта: Прикладные нечеткие системы.
Чего там только нет!
Например, управление скоростью автомобиля. управление доменной печью и холодной прокаткой...
Автовождение поездов, распознавание речи...
Экспертные системы и многоцелевое планирование...
В общем вклад в нечеткости получился очень весомый.
Хочешь быть счастливым — будь им!
Без булдырабыз!!!
Здравствуйте, Nuzhny, Вы писали:
_>>И где можно увидеть подобное сравнение? N>Хороший вопрос. Давай подумаем.
А я думал у тебя уже есть готовый ответ (аргументации), раз ты высказал подобное утверждение.
_>>Кстати, а есть данные на базе чего работают Алиса (от Яндекса которая) или Алекса (от Амазона)? Я естественно имею ввиду не очевидный начальный шаг по переводу голоса в текст, а следующий, с попыткой понимания этого текста (да ещё и в контексте). N>1. Google.Translate перешёл на нейросети, новость была недавно на форуме. N>2. Google assistant, который по качеству превзошёл Siri — тоже нейросети, я ссылку приводил в соседней дискуссии. N>3. Опять Google, но теперь открытый проект — tesseract ocr, в который для коррекции засунули LSTM.
Это всё ни о чём. Как раз классические задачи для нейронных сетей, которые они решают не приходя в создания (не понимая что они собственно распознают или переводят), получая в итоге классические описания товаров на АлиЭкспресс.
N>4. Алиса — нейросети: раз и два. N>5. Алекса — нейросети. N>6. IBM тоже много говорит о нейросетях: раз, два, три.
Вот, это уже всё гораздо интереснее и по теме... Правда только по назначению, а не по реализации. Вот читаю описание той же Алисы и вижу, что для осознанных ответов применяется не нейронная сеть, а классический поисковый алгоритм Яндекса (где-то слышал, что там используется нечто вроде GBRT, но в любом случае не нейронная сеть). А нейронная сеть используется только для поддержания бессмысленной болталки. Хотя на мой взгляд и такие болталки и подход поисковых машин тоже не особо относится к ИИ. И там и там используется банальная статистика, а не реальное понимание вопроса. Помнится ещё давным давно были известные тестовые примеры такого типа (закидываешь роман в анализатор, который подсчитывает вероятности как марковские цепи и на базе этого выдаёт ответы, иногда похоже на осмысленные). Но никто не считал это за ИИ...
_>>Ну так и каким образом провал того проекта говорит о том, что Пролог не подходит для задач ИИ? N>Ну, провал многомиллиардного проекта на 10 лет, результатом которого получился пшик? Хм. Надо подумать.
Я думаю, что если вот прямо сейчас выделить столько же денег и времени на реализацию замены всего современного IT (включая операционки, железо и т.п.) на некий ИИ на базе нейронных сетей, то тоже в итоге получится провал. Потому как цель изначально не реальная.
Но это не значит, что не надо заниматься ИИ или нейронными сетями...
N>>>Когда мы его изучали в универе в начале 2000-х, делали экспертные системы уже было понятно, что он не жилец. _>>Почему было понятно? ) N>Потому что никакого ИИ не получалось. Логические задачки решать получалось, какие-то экспертные системы тоже. Но ничего нового не было.
Ну если делать ИИ как статическую экспертную систему, то естественно... )
_>>Ну сейчас для бизнес-целей активно используют такие https://en.wikipedia.org/wiki/List_of_BPEL_engines игрушки, которые являются вариациями на тему этой https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_Rete штуки. Последнее слабее по функциональности Пролога, но лучше по производительности (при масштабирование на огромные базы правил). _>>Однако как раз экспертные системы не факт что относятся к ИИ, потому как они не обязательно должны быть обучаемыми (что на мой взгляд является главным признаком ИИ). N>Я о том и говорю. Пролога не видно дальше матчинга. Он ещё использовался в Windows для оптимального подбора драйверов. Но это тоже просто матчинг.
Использовать Пролог можно по разному. К 90-ым его бизнес использование сузилось до экспертных систем, а потом и вообще почти прекратилось (Watson и т.п. — это всё же пока не бизнес). Но изначально там задумывались более интересные варианты, просто их так и не смогли реализовать на практике, да и вообще дело было не до них так сказать — надо было "пилить классический софт". А вот когда большая часть рутинных задач будет уже решена, возможно дело дойдёт и до настоящего ИИ...
Здравствуйте, alex_public, Вы писали:
_>А я думал у тебя уже есть готовый ответ (аргументации), раз ты высказал подобное утверждение.
Чтобы сделать такое утверждение, не надо иметь перед глазами сравнение, а можно сделать вывод из последствий. Были проекты по NLP на Прологе? Были. Появились проекты на нейросетях? Появились. Пропали проекты на Прологе? Пропали. Нейросети лучше? Лучше.
Так можно утверждать, что каменные топоры лучше железных, просто современные люди не умеют каменными пользоваться, вот они и пропали.
_>Это всё ни о чём. Как раз классические задачи для нейронных сетей, которые они решают не приходя в создания (не понимая что они собственно распознают или переводят), получая в итоге классические описания товаров на АлиЭкспресс.
Ничего не понял. Google Assistant — лучший на рынке голосовой помощник. Какие товары на АлиЭкспресс?
_>Вот, это уже всё гораздо интереснее и по теме... Правда только по назначению, а не по реализации. Вот читаю описание той же Алисы и вижу, что для осознанных ответов применяется не нейронная сеть, а классический поисковый алгоритм Яндекса (где-то слышал, что там используется нечто вроде GBRT, но в любом случае не нейронная сеть). А нейронная сеть используется только для поддержания бессмысленной болталки. Хотя на мой взгляд и такие болталки и подход поисковых машин тоже не особо относится к ИИ. И там и там используется банальная статистика, а не реальное понимание вопроса. Помнится ещё давным давно были известные тестовые примеры такого типа (закидываешь роман в анализатор, который подсчитывает вероятности как марковские цепи и на базе этого выдаёт ответы, иногда похоже на осмысленные). Но никто не считал это за ИИ...
Так, Алиса использует поиск Яндекса — это не новость, тут ничего такого нет. Тот факт, что она понимает, когда он нужен, а когда нет — это круто.
А вообще, у нас беседа скатывается в то, что есть ИИ, а что нет. Я не готов к таким баталиям.
Здравствуйте, Ночной Смотрящий, Вы писали:
F>>Есть ли такое в природе? По-моему, должно быть. НС>Если речь про распознавание образов, то есть. Просто раньше нужно было некоторое количество злой математики, и люди очень непростые чтобы это оживить. А сейчас можно посадить сравнительно простого чувака, дать ему в руки набор удобных и понятных инструментов, и получить почти такой же результат. НС>В нейросетях нет ничего магического, это просто способ аппроксимации сложных функций без "аналоговых" формул, путем "обучения" большим набором данных.
дык я же спрашиваю без нейросетей.
нейросетка с удобным гуём — это всё ещё нейросеткой.
Здравствуйте, Nuzhny, Вы писали:
_>>А я думал у тебя уже есть готовый ответ (аргументации), раз ты высказал подобное утверждение. N>Чтобы сделать такое утверждение, не надо иметь перед глазами сравнение, а можно сделать вывод из последствий. Были проекты по NLP на Прологе? Были. Появились проекты на нейросетях? Появились. Пропали проекты на Прологе? Пропали. Нейросети лучше? Лучше. N>Так можно утверждать, что каменные топоры лучше железных, просто современные люди не умеют каменными пользоваться, вот они и пропали.
Нет, на Прологе пытались делать другие по своему внутреннему содержанию задачи — там подразумевалось именно понимание анализируемого. Такого на нейронных сетях даже не пытались делать, потому что просто невозможно (ну в нынешнем понимание наших компьютерных нейронных сетей, т.к. биологическая сеть то умеет). Зато на нейронных сетях неплохо решаются задачи распознавания картинки или голоса или перевода текста между языками и т.п. Собственно эти подходы не конкуренты, а отлично укладываются в последовательную обработку в настоящем ИИ.
_>>Это всё ни о чём. Как раз классические задачи для нейронных сетей, которые они решают не приходя в создания (не понимая что они собственно распознают или переводят), получая в итоге классические описания товаров на АлиЭкспресс. N>Ничего не понял. Google Assistant — лучший на рынке голосовой помощник. Какие товары на АлиЭкспресс?
Описания товаров на Али переводятся (поставь себе русский язык и поброди там) автоматом. Я там частенько бываю (закупаю пробные экземпляры электронных компонентов) и каждый раз заменяет просмотр юмористического шоу. И за одно напоминает, что все современные автоматические переводчики — это совсем не ИИ, а тупые вероятностные машины...
_>>Вот, это уже всё гораздо интереснее и по теме... Правда только по назначению, а не по реализации. Вот читаю описание той же Алисы и вижу, что для осознанных ответов применяется не нейронная сеть, а классический поисковый алгоритм Яндекса (где-то слышал, что там используется нечто вроде GBRT, но в любом случае не нейронная сеть). А нейронная сеть используется только для поддержания бессмысленной болталки. Хотя на мой взгляд и такие болталки и подход поисковых машин тоже не особо относится к ИИ. И там и там используется банальная статистика, а не реальное понимание вопроса. Помнится ещё давным давно были известные тестовые примеры такого типа (закидываешь роман в анализатор, который подсчитывает вероятности как марковские цепи и на базе этого выдаёт ответы, иногда похоже на осмысленные). Но никто не считал это за ИИ... N>Так, Алиса использует поиск Яндекса — это не новость, тут ничего такого нет. Тот факт, что она понимает, когда он нужен, а когда нет — это круто. N>А вообще, у нас беседа скатывается в то, что есть ИИ, а что нет. Я не готов к таким баталиям.
Да, спор о терминологии действительно бессмыслен. Тем более, что я вполне себе осознаю, что придерживаюсь тут не общепринятой позиции (навеянной рекламный хайпом), так что в каком-то смысле сразу сдаюсь. )))
Но не могу всё же не высказать своё отношение к этому вопросу. На мой взгляд сейчас в любом ерундовом алгоритме пытаются найти ИИ, исключительно для целей промывания мозгов покупателей. Лично для меня нет никакой особой разницы между процессом обучения распознавалки автомобильных номеров (по камере), подключением PGO к GCC или даже автоматической калибровкой осциллографа на заводе перед продажей. Всё это всего лишь подстройка параметров некого фиксированного алгоритма. Однако первое сейчас называют "обучением ИИ", а второе и третье "почему-то" нет...
Здравствуйте, alex_public, Вы писали:
_>Описания товаров на Али переводятся (поставь себе русский язык и поброди там) автоматом. Я там частенько бываю (закупаю пробные экземпляры электронных компонентов) и каждый раз заменяет просмотр юмористического шоу. И за одно напоминает, что все современные автоматические переводчики — это совсем не ИИ, а тупые вероятностные машины...
Во-первых переводчик на Али полное Г по сравнению с нейросетевыми переводчиками Гугля или МС. Там уровень того что было до НН.
Во-вторых текст там короткими обрывками, для нормального перевода даже живому переводчику нужно хорошее понимание нетекстового контекста.
_>Но не могу всё же не высказать своё отношение к этому вопросу. На мой взгляд сейчас в любом ерундовом алгоритме пытаются найти ИИ, исключительно для целей промывания мозгов покупателей.
Нет, не для этого. А для того чтобы нащупать новые области применения. Хороший пример успеха — RPA, где скрешение НН и старой зачачи автоматизации дало новое качество.
_> Лично для меня нет никакой особой разницы между процессом обучения распознавалки автомобильных номеров (по камере), подключением PGO к GCC или даже автоматической калибровкой осциллографа на заводе перед продажей. Всё это всего лишь подстройка параметров некого фиксированного алгоритма. Однако первое сейчас называют "обучением ИИ", а второе и третье "почему-то" нет...
Потому что правильное название AI — cognitive technologies.
Здравствуйте, Wolverrum, Вы писали:
F>>Есть ли такое в природе? По-моему, должно быть. W>Вероятностные подходы. Не так солидно зовутся, но тем не менее. W>Вместо предсказания через нейронку, предсказание по Байесу, вместо самой нейронки — цепи Маркова, и т.д. W>Вместо обучения — набор статистики
да, с этим я уже встречался.
на цепях Маркова чат-боты делаются.
Здравствуйте, Nuzhny, Вы писали:
F>>Есть ли такое в природе? По-моему, должно быть. F>>Поделитесь, пожалуйста, информацией. N>Можно записаться на отличный бесплатный курс.
курс, видимо, хорош, но он совсем не подходит под вопрос.
анализ и мл — это не то же самое, что система сохранения и анализа данных ака ИИ.
