NộI Dung
Q:
Năm trường học máy là gì?
A:
Đối với những người chưa nghiên cứu những gì đằng sau công việc học máy hiện đại và trí tuệ nhân tạo, tất cả những nỗ lực và nghiên cứu này thường trông giống như một mớ bòng bong vô định hình lớn. Tuy nhiên, khi bạn vạch ra bề mặt và nhìn vào những gì các nhà lãnh đạo khoa học đang làm trong các lĩnh vực này, bạn sẽ thấy rằng theo một cách nào đó, thực sự có năm cách tiếp cận chính khác nhau đối với vấn đề thúc đẩy trí tuệ nhân tạo tiến lên.
Năm "trường phái" hay "bộ lạc" này đã được phổ biến bởi tác phẩm của Pedro Sebastos trong cuốn sách "Thuật toán tổng thể" về phát triển AI, nhưng chúng cũng đang được xem xét ở những nơi khác trong thế giới khoa học.
Trường phái đầu tiên của trí tuệ nhân tạo được gọi là kết nối. Ngôi trường này tập trung vào các kết nối thần kinh thực tế và vật lý của bộ não con người. Nó dựa vào ý tưởng của backpropagation, theo dõi các kết nối này để tạo thành kết quả. Một số người gọi trường học kết nối là "nỗ lực đảo ngược bộ não con người".
Trường học tiếp theo của trí tuệ nhân tạo là biểu tượng. Những người biểu tượng sử dụng logic và kiến thức có sẵn để xây dựng các mô hình hoạt động thông minh. Theo một số cách, cách tiếp cận biểu tượng tương tự như những gì xuất hiện sớm trong thế giới trí tuệ nhân tạo trước khi mạng lưới thần kinh được phát triển. Nếu bạn biên soạn một nền tảng kiến thức đủ lớn và đối phó với nó theo những cách cụ thể, nó sẽ bắt đầu tạo ra một dạng trí tuệ nhân tạo, và đó là những gì đằng sau cách tiếp cận biểu tượng đã được kết hợp với một số phương pháp hiện đại khác.
Trường thứ ba là trường phái tiến hóa. Ở đây, không chỉ tập trung vào lý thuyết tiến hóa, mà còn về di truyền học và sinh lý học cũng như tin sinh học. Bạn có thể thấy nhánh trí tuệ nhân tạo này là thể loại hoạt động với bộ gen của con người và áp dụng các công nghệ hiện đại vào lĩnh vực di truyền học. Theo nghĩa đó, trí tuệ nhân tạo tiến hóa là duy nhất. Đây là một loại dự án hơi khác so với bốn trường còn lại.
Trường Bayes là trường thứ tư của trí tuệ nhân tạo. Đây là, một lần nữa, một trong những trường cũ hơn và được áp dụng sớm, ví dụ, trong việc loại bỏ thư rác khỏi các thư mục.
Mô hình và cách tiếp cận Bayes là một mô hình heuristic. Nó hoạt động dựa trên ý tưởng xác suất để phát triển các mô hình sẽ cắt bỏ các kết quả không mong muốn hoặc theo đuổi các mục tiêu khác, dựa trên nơi các sự kiện có khả năng xảy ra nhất hoặc trên các số liệu khác. Một ứng dụng phổ biến khác của logic Bayes là trong bảo mật mạng - trong vài năm qua, các kỹ sư bảo mật đã sử dụng rộng rãi logic Bayes để phát hiện các mối đe dọa đối với mạng bằng cách mô hình hóa những nơi có khả năng xảy ra và cách thức.
Trường học thứ năm và cuối cùng của máy học được gọi là tương tự. Đây cũng là một ngôi trường mà người tiêu dùng bình thường có thể dễ hiểu hơn. Các công cụ đề xuất từ các công ty như và Google dựa trên cách tiếp cận tương tự. Họ sử dụng các thuật toán như "hàng xóm gần nhất" và kết hợp chúng với nhiều loại tín hiệu khác nhau để cố gắng kết hợp các ý tưởng với các ý tưởng khác, hoặc xen kẽ, với mọi người. Một máy tính tuyên bố muốn biết loại nhạc nào bạn thích là một ví dụ điển hình cho phương pháp này.
Tất cả những trường phái tư tưởng này kết hợp với nhau để tạo thành cơ thể nghiên cứu về trí tuệ nhân tạo hiện đại. Các nhà khoa học đang làm việc để thúc đẩy mỗi người trong số họ tiến lên cùng với nhau, và nói chung tiến lên lĩnh vực này - và họ đang cố gắng làm điều đó trong một trò lừa đảo rất thú vị. Một số nhà lãnh đạo công nghệ hàng đầu trong vài thập kỷ qua đã cảnh báo rằng ngoài việc thúc đẩy AI tiến lên, cần phải tập trung vào đạo đức và sử dụng công nghệ có trách nhiệm để ngăn chặn các vấn đề xã hội nghiêm trọng. Điều đó phải được áp dụng cho mỗi năm trường học máy này.