Základy umělé inteligence

  • 4 min

Moderní AI je založená na základech datových věd a strojového učení. Primárním cílem umělé inteligence je používat počítače pro funkce, které jsou obvykle spojeny s lidmi. Pojďme se podívat na koncepty datových věd, které podporují základy AI.

Co jsou datové vědy?

Datové vědy jsou in interně zaměřené obory , jejichž cílem je dosáhnout umělé inteligence. Primárně používá techniky strojového učení a statistiky. Ve většině případů jsou datoví vědci odborníky, kteří mají na starosti řešení problémů s AI.

Co je strojové učení?

Strojové učení je technika , ve které strojový proud prochází mnoha objemy dat a hledá vzory. Tato technika se často používá pro účely AI. Strojové učení používá algoritmy, které trénují počítač, aby se naučil vzory na základě různých funkcí dat. Čím více trénovacích dat, tím přesnější jsou předpovědi.

Několik příkladů:

  • Detekce spamu e-mailu – Strojové učení může hledat vzory, ve kterých e-mail obsahuje slova typu "free" nebo "guarantee", doména e-mailové adresy je v blokovaném seznamu nebo odkaz zobrazený v textu neodpovídá adrese URL za ní.
  • Detekce podvodů s platebními kartami – Strojové učení by mohlo hledat vzory, jako je útrata v PSČ, kterou vlastník obvykle nenavštěvuje, kupuje nákladnou položku nebo náhlé nákupy.

Co je hluboké učení?

Hluboké učení je podmnožinou strojového učení. Hluboké učení je imitace, jak lidský mozek zpracovává informace, jako propojená umělá neurální síť. Na rozdíl od strojového učení může hluboké učení objevit složité vzory a různé funkce týkající se dat samostatně. Obvykle funguje s nestrukturovanými daty, jako jsou obrázky, text a zvuk. Vyžaduje obrovské množství dat pro lepší analýzu a masivní výpočetní výkon pro rychlost.

Hluboké učení lze například použít k detekci rakovinných buněk na lékařských obrázcích. Hluboké učení prohledá každý pixel na obrázku jako vstup do neurálních uzlů. Uzly analyzují jednotlivé pixely a vyfiltrují funkce, které vypadají rakovinně. Každá vrstva uzlů odesílá závěry potenciálních rakovinných buněk do další vrstvy uzlů, aby proces opakovala a nakonec agregovala všechna zjištění ke klasifikaci obrázku. Obrázek může být například klasifikován jako zdravý obrázek nebo obrázek s rakovinnými funkcemi.

Diagram znázorňující metodologie umělé inteligence (hluboké učení, strojové učení a datové vědy)

Teď se podíváme na čtyři kategorie nástrojů Microsoftu, které můžete použít k přidání AI do vaší firmy.