كيف يساعد النهج المرجح أو الاحتمالي على الانتقال إلى ما هو أبعد من النهج القائم على القواعد أو الحتمية؟

Q:

كيف يساعد النهج المرجح أو الاحتمالي الذكاء الاصطناعى على تجاوز النهج القائم على القواعد أو الحتمية؟

تتغير مبادئ التعلم الآلي والذكاء الاصطناعي بسرعة كيف تعمل الحوسبة. إحدى الطرق الرئيسية لتحقيق ذلك هي وجود مدخلات مرجحة أو احتمالية تقوم بتغيير المدخلات من نظام حتمي حقيقي إلى شيء أكثر تجريدية.

في الشبكات العصبية الاصطناعية ، تتلقى الخلايا العصبية أو الوحدات الفردية مدخلات احتمالية. ثم يتخذون قرارًا بشأن الإخراج أو النتيجة. هذا ما يتحدث عنه المحترفون عندما يتحدثون عن استبدال العالم القديم للبرمجة بعالم جديد من أجهزة الكمبيوتر "التدريب" أو "التدريس".

تقليديا ، كان الافتراضي هو استخدام البرمجة للحصول على نتائج الحوسبة. البرمجة عبارة عن مجموعة ثابتة من المدخلات الحتمية - القواعد التي سيتبعها الكمبيوتر بإخلاص.

على النقيض من ذلك ، فإن السماح بالمدخلات الاحتمالية هو مجرد تجريد من هذه القواعد ، وهو نوع من "إبطاء زمام الأمور" لتحرير الكمبيوتر لاتخاذ قرارات أكثر تقدمًا. بطريقة ما ، تكون المدخلات الاحتمالية غير معروفة من منظور خارجي وليست محددة مسبقًا. هذا أقرب إلى الطريقة التي تعمل بها أدمغتنا الفعلية ، وهذا هو السبب في أن يتم التعرف على خوارزميات التعلم الآلي والذكاء الاصطناعي التي تستخدم هذا النهج باعتبارها الحدود التالية للتنمية المعرفية المصطنعة.

إليك طريقة سهلة للتفكير في المدخلات الموزونة أو الاحتمالية. في البرمجة التقليدية ، كان لديك نوع عبارة "if / then" التي تقول بشكل عام: if this ، ثم THAT.

ينطوي تجاوز النهج القائم على القواعد على تغيير ما هو عليه. في طريقة قائمة على القواعد ، هذا هو بعض إدخال النص أو القاعدة: إذا كنت تفكر في الأمر باعتباره ثنائيًا - فنحن نعرف ما إذا كان هذا صحيحًا أم لا ، وكذلك الكمبيوتر. لذلك يمكنك التنبؤ باستجابة الكمبيوتر لأي إدخال معين.

في النهج الجديد ، هذا هو في الواقع مجموعة من المدخلات التي قد تكون في أي حالة معينة. لذا نظرًا لأن مراقبًا خارجيًا لن يكون قادرًا بسهولة على صياغة ما يتكون منه ، لم يكن بإمكانه التنبؤ بدقة بما قد تكون عليه تلك النتيجة.

فكر في هذا المبدأ المطبق على جميع أنواع المجالات والصناعات ، من تجزئة السوق إلى التحقق المالي إلى الترفيه إلى إدارة المياه والصرف الصحي ، ولديك القوة الحقيقية للتعلم الآلي والتعلم العميق والذكاء الاصطناعي لتوجيه الشؤون الإنسانية بطريقة جديدة جدًا الطريقة. على سبيل المثال ، في مجال إدارة الاحتيال ، يشير الخبراء إلى أن الأنظمة التي تعتمد فقط على القواعد ليست جيدة جدًا في تحديد الفرق بين السلوك المشبوه أو الخطير والسلوك العادي - أنظمة التعلم الآلي المزودة بنماذج مدخلات متطورة أكثر قدرة على اتخاذ القرارات حول النشاط الذي قد يكون مشكوكا فيه.

هناك طريقة أخرى للتفكير في الأمر وهي أن العالم مر بعصر تحديد الشفرة كحدود جديدة للتعلم وصنع القرار. في حد ذاتها ، كانت النتائج المستندة إلى الكود الحتمية قوية من حيث نمذجة جميع أنواع النشاط البشري والقرارات. طبقنا كل هذه الأفكار على التسويق والمبيعات والإدارة العامة ، إلخ. ولكن الآن ، يتحدث الخبراء عن "نهاية الترميز" ، كما في هذه المقالة الثاقبة والمفيدة للغاية في Wired. الفكرة السائدة هنا هي نفس الفكرة ، أنه في الحقبة القادمة ، بدلاً من الترميز ، سيكون لدينا نظام ندرب فيه أجهزة الكمبيوتر على التفكير بطرق أقرب إلى طريقة تفكيرنا ، حتى نكون قادرين على التعلم مع مرور الوقت القرارات وفقا لذلك. لقد تم إنجاز الكثير من هذا من خلال الانتقال من نهج الحوسبة الحتمية إلى نهج مستخلص مع مدخلات أكثر تطوراً.