3 найбільш перспективні підходи до навчання AI

Байєсівці, символісти та коннекціоністи представляють теперішній і майбутній кордони навчання на основі даних, тому що будь-який прогрес до людського штучного інтелекту (ШІ) випливає з них, принаймні до тих пір, поки не відбудеться новий прорив з новими, більш неймовірними та потужними алгоритмами навчання. Сфера машинного навчання, безумовно, набагато більша, ніж ці три алгоритми, але увага тут зосереджена на цих трьох племенах через їхню роль у ШІ.

• Наївний Байєс: цей алгоритм може бути більш точним, ніж лікар у діагностиці певних захворювань. Крім того, цей самий алгоритм може виявляти спам і прогнозувати настрої з тексту. Він також широко використовується в Інтернет-індустрії для легкої обробки великих обсягів даних.
• Байєсові мережі (форма графіка): Цей графік пропонує уявлення складності світу з точки зору ймовірності.
• Дерева рішень: алгоритм типу дерева рішень найкраще представляє символістів. Дерево рішень має довгу історію і вказує, як AI може приймати рішення, оскільки воно нагадує серію вкладених рішень, які ви можете намалювати як дерево (звідси назва).

Ці типи алгоритмів далі поділяються на підкатегорії. Наприклад, дерева рішень класифікуються як дерева регресії, дерева класифікації, покращені дерева, агреговані завантаження та ліси ротації. Ви навіть можете детально розглянути підтипи підкатегорій. Класифікатор випадкових лісів — це свого роду завантажувальна агрегація, і звідти є ще більше рівнів. Після проходження рівнів ви починаєте бачити справжні алгоритми, які обчислюються тисячами.