هوش مصنوعی چگونه کار می کند؟
در گارتنر، هوش مصنوعی (AI) را بهعنوان استفاده از تکنیکهای هوش مصنوعی اسکرچ تحلیل و منطق پیشرفته، از جمله یادگیری ماشین، برای تفسیر رویدادها، پشتیبانی و خودکارسازی تصمیمها و انجام عملیات تعریف میکنیم. این تعریف وضعیت فعلی و در حال ظهور فناوریها و قابلیتهای هوش مصنوعی را منعکس میکند، همچنین تشخیص میدهد که هوش مصنوعی در حال حاضر معمولاً از تجزیه و تحلیل احتمالی (ترکیبی از هوش مصنوعی اسکرچ احتمال و منطق برای اختصاص یک مقدار به عدم قطعیت) استفاده میکند.
شرکت ها یا افراد دیگر ممکن است تعاریف دیگری از این فناوری ارائه دهند. هیچ اصطلاح واحد و پذیرفته شده جهانی برای توصیف هوش مصنوعی وجود ندارد، زیرا طیف وسیعی هوش مصنوعی اسکرچ از راهها وجود دارد که هوش مصنوعی میتواند از طریق آنها فعالیتهای انسانی را پشتیبانی، تقویت و خودکار کند و مستقل یاد بگیرد و عمل کند (به «یادگیری ماشینی چیست؟» مراجعه کنید).
با این حال، برای استفاده از امکانات ارائه شده توسط هوش مصنوعی در یک کسب و کار، باید یک تعریف عمومی پذیرفته شده، با تمرکز بر اهدافی که می خواهید با هوش مصنوعی به دست آورید، هوش مصنوعی اسکرچ تدوین و اتخاذ کنید. (به «استراتژی هوش مصنوعی سازمانی چیست؟» مراجعه کنید.
اجازه دهید فضایی برای اختلاف نظر وجود داشته باشد، اما اطمینان حاصل کنید که رهبران کسب و کار، فناوری اطلاعات، داده ها و تحلیل ها اساساً در مورد معنای هوش مصنوعی برای کسب و کار شما اختلاف نظر ندارند، در غیر این صورت نمی توانید استراتژی ایجاد کنید که به شما امکان سود بردن را بدهد. از آن.
توجه داشته باشید که ارائه دهندگان فناوری هوش مصنوعی نیز احتمالاً هوش مصنوعی اسکرچ تعریف خود را از این اصطلاح ارائه می دهند. از آنها بخواهید مشخص کنند که چگونه پیشنهاداتشان انتظارات ارزش گذاری هوش مصنوعی شما را برآورده می کند.
تکنیک های یادگیری ماشینی و یادگیری عمیق چیست؟
یادگیری ماشینی یک تکنیک کلیدی است که به هوش مصنوعی اجازه می دهد تا مشکلات خاصی را حل کند. برخلاف باور عمومی (و عبارات اشتباهی که فرهنگ عامه منتقل می کند)، ماشین ها یاد نمی گیرند. آنها داده ها را جمع آوری می کنند و به روش های پیچیده تر محاسبه می کنند.
یادگیری ماشینی یک رشته کاملاً تحلیلی است. مدلهای ریاضی را برای استخراج دانش و یافتن الگوهایی که احتمالاً انسانها قادر به شناسایی آنها نبودهاند، روی دادهها اعمال میکند. یادگیری ماشین هوش مصنوعی اسکرچ همچنین اقداماتی را توصیه می کند، اما سیستم ها را هدایت نمی کند که بدون دخالت انسان عمل کنند.
اساساً، یادگیری ماشینی یک الگوریتم یا فرمول آماری (به نام "مدل") ایجاد می کند که یک سری از نقاط داده را به یک نتیجه واحد تبدیل می کند. الگوریتمهای ML از طریق «آموزش» «یاد میگیرند»، جایی که الگوها و همبستگیها را در دادهها شناسایی میکنند و از آنها برای ارائه بینشها و پیشبینیهای جدید بدون برنامهریزی صریح برای انجام این کار استفاده میکنند.
یادگیری عمیق، تنوعی از الگوریتمهای یادگیری ماشین آموزش برنامه نویسی کودکان و نوجوانان ، از انواع بسیاری از الگوریتمها برای حل مسائل با استخراج دانش از دادههای خام و تبدیل آن در سراسر زنجیره پردازش استفاده میکند. هنگامی که با دادههای پیچیده و با ابعاد بالا، مانند تصاویر، گفتار و متن سروکار هوش مصنوعی اسکرچ دارید، یادگیری عمیق اغلب از روشهای یادگیری ماشین سنتی یا تکنیکهای یادگیری سطحی بهتر عمل میکند. با این وجود، سیستمهای مبتنی بر قانون یا تکنیکهای سنتی ML میتوانند به طور موثر بسیاری از مشکلات هوش مصنوعی را حل کنند.
در اکثر شرکتها، راهحلهای یادگیری عمیق هنوز بخش مهمی از نقشه راه محصول نیستند (سیستمهای مبتنی بر قوانین یا ML سنتی میتوانند به طور موثر اکثر موارد استفاده از یادگیری عمیق را حل کنند) هوش مصنوعی اسکرچ . امروزه هوش مصنوعی، اما استفاده از آنها با پیشرفت در پردازش دادهها به سرعت در حال افزایش است. و پیشرفت در تکنیک های محاسباتی.
استفاده از ML، از جمله یادگیری عمیق، برای پیشبینی، به یک فرآیند کنترل شده با هوش مصنوعی اجازه میدهد تا انتخاب مطلوبترین نتیجه را خودکار کند، که میتواند منجر به حذف تصمیمگیرنده هوش مصنوعی اسکرچ انسانی از تصمیمگیری فرآیند شود.
سایر اصطلاحات کلیدی مرتبط با فناوری های هوش مصنوعی چیست؟
پردازش زبان طبیعی (NLP) یک شکل بصری ارتباط بین انسان و سیستم را امکان پذیر می کند. NLP به سیستم های پاسخ صوتی تعاملی مدرن اجازه می دهد تا زبان را برای تسهیل ارتباطات پردازش کنند. چت بات ها هوش مصنوعی اسکرچ رایج ترین کاربرد NLP در دنیای تجارت هستند.
دستیارهای مجازی پیشرفته، که گاهی اوقات Scratch artificial intelligence چت ربات های خودکار نامیده می شوند، توسط هوشمند ساخته می شوند
هوش مصنوعی چگونه کار می کند؟
در گارتنر، هوش مصنوعی (AI) را بهعنوان استفاده از تکنیکهای هوش مصنوعی اسکرچ تحلیل و منطق پیشرفته، از جمله یادگیری ماشین، برای تفسیر رویدادها، پشتیبانی و خودکارسازی تصمیمها و انجام عملیات تعریف میکنیم. این تعریف وضعیت فعلی و در حال ظهور فناوریها و قابلیتهای هوش مصنوعی را منعکس میکند، همچنین تشخیص میدهد که هوش مصنوعی در حال حاضر معمولاً از تجزیه و تحلیل احتمالی (ترکیبی از هوش مصنوعی اسکرچ احتمال و منطق برای اختصاص یک مقدار به عدم قطعیت) استفاده میکند.
شرکت ها یا افراد دیگر ممکن است تعاریف دیگری از این فناوری ارائه دهند. هیچ اصطلاح واحد و پذیرفته شده جهانی برای توصیف هوش مصنوعی وجود ندارد، زیرا طیف وسیعی هوش مصنوعی اسکرچ از راهها وجود دارد که هوش مصنوعی میتواند از طریق آنها فعالیتهای انسانی را پشتیبانی، تقویت و خودکار کند و مستقل یاد بگیرد و عمل کند (به «یادگیری ماشینی چیست؟» مراجعه کنید).
با این حال، برای استفاده از امکانات ارائه شده توسط هوش مصنوعی در یک کسب و کار، باید یک تعریف عمومی پذیرفته شده، با تمرکز بر اهدافی که می خواهید با هوش مصنوعی به دست آورید، هوش مصنوعی اسکرچ تدوین و اتخاذ کنید. (به «استراتژی هوش مصنوعی سازمانی چیست؟» مراجعه کنید.
اجازه دهید فضایی برای اختلاف نظر وجود داشته باشد، اما اطمینان حاصل کنید که رهبران کسب و کار، فناوری اطلاعات، داده ها و تحلیل ها اساساً در مورد معنای هوش مصنوعی برای کسب و کار شما اختلاف نظر ندارند، در غیر این صورت نمی توانید استراتژی ایجاد کنید که به شما امکان سود بردن را بدهد. از آن.
توجه داشته باشید که ارائه دهندگان فناوری هوش مصنوعی نیز احتمالاً هوش مصنوعی اسکرچ تعریف خود را از این اصطلاح ارائه می دهند. از آنها بخواهید مشخص کنند که چگونه پیشنهاداتشان انتظارات ارزش گذاری هوش مصنوعی شما را برآورده می کند.
تکنیک های یادگیری ماشینی و یادگیری عمیق چیست؟
یادگیری ماشینی یک تکنیک کلیدی است که به هوش مصنوعی اجازه می دهد تا مشکلات خاصی را حل کند. برخلاف باور عمومی (و عبارات اشتباهی که فرهنگ عامه منتقل می کند)، ماشین ها یاد نمی گیرند. آنها داده ها را جمع آوری می کنند و به روش های پیچیده تر محاسبه می کنند.
یادگیری ماشینی یک رشته کاملاً تحلیلی است. مدلهای ریاضی را برای استخراج دانش و یافتن الگوهایی که احتمالاً انسانها قادر به شناسایی آنها نبودهاند، روی دادهها اعمال میکند. یادگیری ماشین هوش مصنوعی اسکرچ همچنین اقداماتی را توصیه می کند، اما سیستم ها را هدایت نمی کند که بدون دخالت انسان عمل کنند.
اساساً، یادگیری ماشینی یک الگوریتم یا فرمول آماری (به نام "مدل") ایجاد می کند که یک سری از نقاط داده را به یک نتیجه واحد تبدیل می کند. الگوریتمهای ML از طریق «آموزش» «یاد میگیرند»، جایی که الگوها و همبستگیها را در دادهها شناسایی میکنند و از آنها برای ارائه بینشها و پیشبینیهای جدید بدون برنامهریزی صریح برای انجام این کار استفاده میکنند.
یادگیری عمیق، تنوعی از الگوریتمهای یادگیری ماشین آموزش برنامه نویسی کودکان و نوجوانان ، از انواع بسیاری از الگوریتمها برای حل مسائل با استخراج دانش از دادههای خام و تبدیل آن در سراسر زنجیره پردازش استفاده میکند. هنگامی که با دادههای پیچیده و با ابعاد بالا، مانند تصاویر، گفتار و متن سروکار هوش مصنوعی اسکرچ دارید، یادگیری عمیق اغلب از روشهای یادگیری ماشین سنتی یا تکنیکهای یادگیری سطحی بهتر عمل میکند. با این وجود، سیستمهای مبتنی بر قانون یا تکنیکهای سنتی ML میتوانند به طور موثر بسیاری از مشکلات هوش مصنوعی را حل کنند.
در اکثر شرکتها، راهحلهای یادگیری عمیق هنوز بخش مهمی از نقشه راه محصول نیستند (سیستمهای مبتنی بر قوانین یا ML سنتی میتوانند به طور موثر اکثر موارد استفاده از یادگیری عمیق را حل کنند) هوش مصنوعی اسکرچ . امروزه هوش مصنوعی، اما استفاده از آنها با پیشرفت در پردازش دادهها به سرعت در حال افزایش است. و پیشرفت در تکنیک های محاسباتی.
استفاده از ML، از جمله یادگیری عمیق، برای پیشبینی، به یک فرآیند کنترل شده با هوش مصنوعی اجازه میدهد تا انتخاب مطلوبترین نتیجه را خودکار کند، که میتواند منجر به حذف تصمیمگیرنده هوش مصنوعی اسکرچ انسانی از تصمیمگیری فرآیند شود.
سایر اصطلاحات کلیدی مرتبط با فناوری های هوش مصنوعی چیست؟
پردازش زبان طبیعی (NLP) یک شکل بصری ارتباط بین انسان و سیستم را امکان پذیر می کند. NLP به سیستم های پاسخ صوتی تعاملی مدرن اجازه می دهد تا زبان را برای تسهیل ارتباطات پردازش کنند. چت بات ها هوش مصنوعی اسکرچ رایج ترین کاربرد NLP در دنیای تجارت هستند.
دستیارهای مجازی پیشرفته، که گاهی اوقات Scratch artificial intelligence چت ربات های خودکار نامیده می شوند، توسط هوشمند ساخته می شوند