هوش مصنوعی اسکرچ برای کودکان
هوش مصنوعی (AI) مجموعه ای از تئوری ها هوش مصنوعی اسکرچ و تکنیک هایی است که با هدف ایجاد ماشین هایی با قابلیت شبیه سازی هوش انسانی انجام می شود.
اغلب در گروه ریاضیات و علوم شناختی طبقه بندی می شود و شامل عصب شناسی محاسباتی (به ویژه شبکه های عصبی) و منطق ریاضی (بخشی از ریاضیات و فلسفه) است. از روش های هوش مصنوعی اسکرچ حل مسئله با پیچیدگی منطقی یا الگوریتمی بالا استفاده می کند. با بسط، در زبان روزمره، شامل دستگاه‌هایی می‌شود که در اجرای خاصی از عملکردهای شناختی انسان‌ها را تقلید یا جایگزین می‌کنند.
کاربردهای هوش مصنوعی شامل موتورهای جستجو، سیستم‌های توصیه، درک زبان طبیعی، ماشین‌های خودران، ربات‌های گفتگو، ابزارهای تولید تصویر، ابزارهای تصمیم‌گیری خودکار و برنامه‌های رقابتی در بازی‌های استراتژیک است.
اهداف و مسائل آن، و همچنین توسعه آن، از زمان ظهور هوش مصنوعی اسکرچ این مفهوم منجر به تفاسیر، تخیلات یا نگرانی های متعددی شده است که در داستان ها یا فیلم های علمی تخیلی و همچنین در مقالات فلسفی یافت می شود. بر اساس گزارش مجله Slate در سال 2019، ابزارهای هوش مصنوعی (تخصصی یا مولد) در سال‌های 2010-2020 پیشرفت چشمگیری داشته‌اند، اما از عملکرد موجودات زنده با تمام توانایی‌های طبیعی خود فاصله دارند.
تعریف
اصطلاح "هوش مصنوعی" که توسط جان مک کارتی هوش مصنوعی اسکرچ ایجاد شده است، اغلب با مخفف "AI" (یا "AI" در انگلیسی به معنای هوش مصنوعی) مخفف می شود. مک کارتی هوش مصنوعی را اینگونه تعریف می کند: «این علم و مهندسی ساخت ماشین های هوشمند، به ویژه برنامه های کامپیوتری هوشمند است. این به وظیفه مشابه استفاده از رایانه برای درک هوش انسانی مربوط می شود، اما هوش مصنوعی نباید به روش هایی محدود شود که از نظر بیولوژیکی قابل مشاهده هستند. »
همچنین توسط یکی از خالقان آن، ماروین لی مینسکی، اینگونه تعریف شده است: «ساخت برنامه‌های رایانه‌ای که وظایفی را انجام می‌دهند که در حال حاضر به طور رضایت‌بخش‌تری توسط انسان انجام می‌شوند، زیرا به فرآیندهای ذهنی سطح بالایی مانند: یادگیری ادراکی نیاز دارند. سازماندهی حافظه و استدلال انتقادی”a,7. بنابراین، ما جنبه «مصنوعی» را با استفاده از رایانه یا فرآیندهای الکترونیکی دقیق به دست می‌آوریم هوش مصنوعی اسکرچ و جنبه «هوشمندی» را با هدف تقلید رفتار مرتبط می‌دانیم. این تقلید می تواند در استدلال، به عنوان مثال در بازی ها یا تمرین ریاضی، در درک زبان های طبیعی، در ادراک صورت گیرد: بصری (تفسیر تصاویر و صحنه ها)، شنیداری (درک زبان گفتاری) یا از طریق حسگرهای دیگر، در کنترل یک ربات در یک محیط ناشناخته یا متخاصم.
حتی اگر آنها به طور کلی به تعریف مینسکی احترام هوش مصنوعی اسکرچ بگذارند، تعاریف خاصی از هوش مصنوعی در دو نکته اساسی متفاوت است:
تعاریفی که هوش مصنوعی را به یک جنبه انسانی از آموزش برنامه نویسی کودکان و نوجوانان هوش مرتبط می‌کند، و تعاریفی که آن را به یک مدل ایده‌آل از هوش، نه لزوماً انسانی، به نام عقلانیت مرتبط می‌کند.
تعاریفی که اصرار دارند که هدف هوش مصنوعی هوش مصنوعی اسکرچ داشتن تمام ظواهر هوش (انسانی یا عقلانی) و تعاریفی که اصرار دارند که عملکرد درونی سیستم هوش مصنوعی نیز باید شبیه به انسان باشد و حداقل به همان اندازه منطقی باشد.
حباب های تو در تو برای قرار دادن مفاهیم هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق.
نمودار ون نشان می دهد که چگونه مفاهیم هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق با هم تطبیق می یابند.
در بحث عمومی بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق سردرگمی مکرر وجود دارد. با این حال، این مفاهیم معادل نیستند، بلکه در هم تنیده شده اند. هوش مصنوعی شامل یادگیری ماشینی می شود که خود یادگیری عمیق را در بر می گیرد.
برای OECD، یک سیستم هوش مصنوعی هوش مصنوعی اسکرچ «سیستم مبتنی بر ماشین است که برای اهداف صریح یا ضمنی، از اطلاعاتی که دریافت می‌کند، چگونگی تولید نتایجی مانند پیش‌بینی‌ها، محتوا، توصیه‌ها یا تصمیم‌گیری‌ها را استنباط می‌کند که می‌تواند بر فیزیکی یا مجازی تأثیر بگذارد. محیط ها سیستم‌های هوش مصنوعی مختلف در سطوح استقلال و سازگاری پس از استقرار متفاوت هستند.»
تکنیک
فراگیری ماشین
یادگیری ماشینی شامل اجازه دادن به مدل هوش مصنوعی برای یادگیری نحوه انجام یک کار به جای تعیین دقیق نحوه انجام آن است. Scratch artificial intelligence روش پس انتشار گرادیان قادر است برای هر پارامتر تشخیص دهد که تا چه اندازه در
[ بازدید : 3 ]