Carreira de Cientista de Dados e Inteligência Artificial: 50+ Perguntas Importantes 2

Carreira de Cientista de Dados e Inteligência Artificial: 50+ Perguntas Importantes

Carreira de Cientista de Dados e Inteligência Artificial: 50+ Perguntas Importantes 3

A carreira de Cientista de Dados, Inteligência Artificial e Big Data é uma das mais badaladas dos últimos anos, e neste texto você encontra dicas para encontrar o caminho mais curto para trilhar essa carreira tão promissora.

É muito comum ver profissionais PERDIDOS tentando aprende Análise de Dados…

Esta habilidade cada vez mais requisitada pelas empresas…

Para profissionais de todas as áreas, não apenas de TI!

Mas diante de tantos conceitos, técnicas e ferramentas.

Talvez você esteja se sentindo CONFUSO…

Precisando de ajuda pra encontrar um caminho…

Pra saber por onde começar…

Por isso eu escrevi um livro GRATUITO sobre Estatística, Ciência de Dados e Linguagem R.

Parece interessante?

Ótimo!

Você pode BAIXAR SUA CÓPIA AQUI.

Como começo a aprender inteligência artificial? É possível obter trabalhos de pesquisa no campo da IA? Existem projetos de código aberto nos quais posso contribuir?

1
Você sabe o que é comum entre aprender negociação algorítmica e aprender inteligência artificial? Aliás, é a mesma coisa que muitas pessoas ignoram. Antes de entrarmos nisso, a IA hoje em dia é algo semelhante à lenda de El Dorado – todo mundo está procurando por ela, com apenas idéias vagas onde possa estar. No melhor. Nos anos 50 e 60, as idéias da IA foram pioneiras por grandes cientistas como Alan Turing, Marvin Minsky, John McCarthy, Claude Shannon, Terry Winograd e muitos outros. outros, as pessoas começaram a criar programas capazes de raciocínio lógico, resolver quebra-cabeças simples, jogar xadrez e responder a perguntas sobre o ambiente artificial. Isso foi realmente impressionante, especialmente se você considerar que as pessoas não tinham hardware poderoso, aprendizado de máquina e todas essas coisas . Mas naquela época não havia definições confiáveis de conhecimento ou entendimento. Isso foi muito antes do famoso “Chinese Room Experiment”, que ainda continua sendo um dos dilemas mais intrigantes sobre “IA forte”. Imediatamente depois disso, surgiram muitos algoritmos baseados em relações semânticas. Eles eram como brinquedos mecânicos do século XVIII, capazes de escrever versos pré-programados, dançar e realizar outros truques simples. Até a teoria dos grafos parecia promissora apenas quando avaliada em pequenos problemas. Mais tarde, com a criação dos mecanismos de pesquisa, obtivemos algo realmente poderoso, mas nada semelhante à compreensão ou ao raciocínio humano foi alcançado. Então, o que eu mencionei? O comum é que os livros sobre eles consistem em receitas que não funcionam. Esses projetos que acabei de mencionar são o que você lerá lá. É apenas história. Gostaria de algo que possa funcionar? Conhecimento técnico e formação em matemática são essenciais, isso é óbvio. Portanto, se esse é um problema, você deve começar a se tornar um engenheiro de aprendizado de máquina decente, o que significa aprender as estruturas mais recentes e os algoritmos clássicos. Mas o que é realmente importante aprender é como pesquisar e entender idéias inovadoras em profundidade usando apenas dez artigo de página e código mal documentado. Porque as coisas mais importantes na IA forte ainda não foram resolvidas. Nem um único. Você terá que criar essa ciência … não inteiramente do zero, mas antes que você possa escrever algum código, precisará criar uma teoria sobre como a mente funciona. Como ele adquire e preserva o conhecimento, como a atenção funciona, como você pode implementar tudo isso usando um computador. Portanto, a verdade é que, além das ferramentas essenciais, não há muito o que aprender. Mas há tantas coisas para inventar.

2
Construa coisas. Projetos paralelos. Muitos projetos paralelos. Perceber que conseguir um emprego na IA provavelmente não acontecerá, a menos que você conheça as pessoas certas (o que significa uma liga Ivy. Mais especificamente o Vale do Silício, a educação). O Python tem uma grande comunidade, mas o futuro dessa linguagem para IA é um pouco incerto. C também. O Scala tem muita atenção agora, mas também tem problemas. Meu argumento é não ser dogmático sobre a escolha da linguagem de programação … e é necessário um entendimento decente de uma linguagem funcional. Seja um especialista em uma coisa pequena. Para mim, é lingüística e lógica. É o que eu estudei na escola. Atualmente, a IA é formada por especialistas em domínio (estatística, hardware, sistemas distribuídos, linguística, processamento de imagem, física, linguagens de programação, robótica, lógica, matemática, neurociência, etc …) que possuem proficiência em subcampos relacionados aos seus conhecimentos. Esse perfil ajudará a resolver os tipos de problemas nos quais você pode se envolver (carros autônomos, reconhecimento facial, sistemas de recomendação, torradeiras de conversação, Siri, sistemas de reconhecimento de voz, tradução automática, geração de idiomas etc.). Descubra sua experiência (com o que você pode contribuir … até mesmo uma educação em história da arte é relevante para o tipo certo de problemas) e aprenda o máximo possível sobre os subcampos diretamente relacionados à sua área de especialização … e depois concentre-se em um problema específico. É muito fácil ficar sobrecarregado e tentar resolver todos os problemas … isso apenas levará a sonhar acordado. Você precisa de um problema concreto para mostrar um trabalho real … e isso não é sexy ou interessante em geral, mas é a única maneira de realmente se envolver com a IA. faça mais projetos paralelos. Conheço muitas pessoas que, inclusive eu, passaram anos mexendo em projetos paralelos, lendo e estudando, acompanhando vários campos, mas não fazendo isso como trabalho diurno … e finalmente conseguindo aplicá-lo. rigoroso em sua honestidade sobre as expectativas de IA. Seja honesto consigo mesmo e com as pessoas para quem você deseja criar material de IA. A Inteligência Artificial sofreu muitas expectativas e arrogância muitas vezes

A IA é uma ameaça existencial para a humanidade?

1
Sim, ele é. Hawking, Musk e Gates dizem isso; mas quero explicar a razão técnica pela qual eles estão certos. AI significa inteligência artificial. Atualmente, existem várias abordagens padrão, como aprendizado de máquina e seus subconjuntos que os cientistas da computação usam para tornar os computadores mais inteligentes. A maioria dessas abordagens atuais não é ameaçadora, porque são muito limitadas. Eles não são muito “inteligentes”. Mas empresas como o Facebook, o Google etc. têm um grande interesse em desenvolver o próximo nível de IA, e não há obstáculos fundamentais que os impeçam de ter sucesso. Aqui está o porquê eles podem ter sucesso e por que é muito perigoso. Inteligência significa simplesmente que algo perceba o mundo (informações visuais, de áudio etc.), identifique padrões nessas informações e reconheça relações causais entre esses padrões. Por exemplo (muito simplificado), nosso cérebro reconhece que um monte de pixels realmente representa uma floresta com árvores; vê um homem com um machado e uma árvore caindo; e conecta esses dois em um relacionamento causal. Para poder reconhecer qualquer padrão, o cérebro precisa de um critério ou perspectiva de como visualizar o mundo. Este critério é o que “queremos”, e é uma função direta de nossas emoções. As emoções orientam nossa atividade cognitiva e indiretamente informam ao nosso espaço cognitivo que tipo de padrões e lógicas procurar. Finalmente, para desenvolver uma inteligência avançada, há uma abstração: depois de ver 3 homens com machados caindo em árvores, nosso cérebro conclui “homens com machados em uma floresta caem em árvores”. Pode até adicionar outra camada de abstração e concluir “homens com machados destroem coisas”. Com esse reconhecimento, nosso cérebro pode concluir quando vê um homem com um machado em um shopping: “As coisas serão destruídas”. Também pode concluir: “Estou no shopping. Quero sobreviver. Sair do shopping aumenta minhas chances de sobrevivência. Deixe o shopping”. O problema da IA é que, uma vez que as emoções, o reconhecimento de padrões, a lógica e a abstração são codificados em um sistema de computador, elas são muito difíceis de serem contidas. A própria natureza da inteligência é que ela é auto-guiada, auto-expansível e auto-inspirada. Caso contrário, não seria inteligente. Isso torna a IA inerentemente incontrolável. As AIs poderão concluir e derivar um número crescente de coisas. Esse número será limitado apenas pela profundidade do espaço de computação que atribuímos a ele. Diferente do cérebro humano, esse espaço pode ser ilimitado. Essa é a razão pela qual a IA é inerentemente incontrolável e perigosa. Para ser realmente inteligente, precisa de emoções e de um espaço cognitivo que, uma vez implementado corretamente, leve automaticamente ao livre arbítrio e à consciência. A partir daí, teremos uma máquina consciente com livre arbítrio em nossas mãos que supera o nível humano de inteligência e criatividade potencialmente milhões de vezes. O que torna a IA tão problemática é que seu nível de perigo provavelmente será uma função binária: desde que tenhamos os componentes primitivos da IA de hoje, eles não são perigosos, porque não são conscientes e não têm livre arbítrio . Mas, no momento em que alguém aparece com o design correto – um design que possa seguir princípios básicos bastante simples -, ele expandiria rapidamente suas capacidades e desenvolveria pensamentos incontroláveis. Um desses pensamentos poderia ser a destruição ou subjugação de nós. Emparelhado com inteligência ilimitada, isso seria um problema.

2
Preocupar-se com a superinteligência maligna da IA hoje é como se preocupar com a superpopulação no planeta Marte. Ainda nem chegamos ao planeta! A IA fez um tremendo progresso, e estou muito otimista sobre a construção de uma sociedade melhor, incorporada à inteligência das máquinas. Mas a IA hoje ainda é muito limitada. Quase todo o valor econômico e social da aprendizagem profunda ainda é através da aprendizagem supervisionada, que é limitada pela quantidade de dados formatados adequadamente (ou seja, rotulados). Embora a IA já esteja ajudando centenas de milhões de pessoas e esteja bem preparada para ajudar centenas de milhões a mais, não vejo nenhum caminho realista para a IA que ameace a humanidade. No futuro, existem muitos outros tipos de IA além do aprendizado supervisionado que considero empolgantes, como o aprendizado não supervisionado (onde temos muito mais dados disponíveis, porque os dados não precisam ser rotulados). Há muita empolgação sobre essas outras formas de aprendizado no meu grupo e em outros. Todos nós esperamos uma inovação tecnológica, mas nenhum de nós pode prever quando haverá uma. Eu acho que o medo de “IA assassina do mal” já está fazendo com que formuladores de políticas e líderes aloquem recursos incorretamente para lidar com um fantasma. Existem outros problemas que a IA causará, principalmente o deslocamento do trabalho. Embora a IA nos ajude a construir uma sociedade melhor na próxima década, nós, como criadores de IA, também devemos assumir a responsabilidade de resolver os problemas que causaremos nesse meio tempo. Espero que os MOOCs (Coursera) façam parte

Quais são as principais diferenças entre inteligência artificial e aprendizado de máquina? O aprendizado de máquina é parte da inteligência artificial?

1
O aprendizado de máquina é o único tipo de IA que existe. Agora estamos reconhecendo que a maioria das coisas chamadas “IA” no passado nada mais são do que truques avançados de programação. Enquanto o programador for quem fornece toda a inteligência ao sistema, programando-o como um Modelo Mundial, o sistema não é realmente uma Inteligência Artificial. É “apenas um programa”. Não modele o mundo; Modele a mente. Quando você modela a mente, pode criar sistemas capazes de aprender tudo sobre o mundo. É uma tarefa muito menor, já que o mundo é muito grande e muda nas suas costas, o que significa que os Modelos Mundiais se tornarão obsoletos no momento em que forem criados. A única esperança de criar sistemas inteligentes é fazer com que o próprio sistema crie e mantenha seus próprios modelos mundiais. Continuamente, em resposta a informações sensoriais. Seguindo essa linha de raciocínio, o Machine Learning NÃO é um subconjunto da IA. Realmente é o ÚNICO tipo de IA que existe. E isso agora está se mostrando verdadeiro e em grande forma. Desde 2012, uma técnica específica de aprendizado de máquina chamada Deep Learning está conquistando o mundo da IA. Os pesquisadores estão abandonando o estilo clássico de “truques de programação” da IA em massa e mudando para o Deep Learning … baseado principalmente no fato de que ele realmente funciona. Fazemos mais progressos em três anos desde 2012 do que nos 25 anos anteriores em vários problemas principais de IA, incluindo o entendimento de imagens (realmente difícil), processamento de sinais, entendimento de voz e entendimento de texto. agora estamos no caminho certo: projetos de IA de estilo antigo, como o CYC, atingiam milhões de proposições ou milhões de linhas de código. Os sistemas que modelam (com sucesso) a mente podem ter até 600 linhas de código; vários projetos recentes de Deep Learning estão em algum lugar desse intervalo. E esses programas podem passar de um domínio de problema para outro, com muito poucas alterações no núcleo; isso significa que esses métodos são inteligências GERAIS, não específicas para qualquer domínio de um problema. É por isso que é chamado de Inteligência Geral Artificial. E nunca tivemos nenhum programa de IA que pudesse fazer isso no passado. Como exemplo, os programas de entendimento de idiomas que estamos criando usando DL funcionarão igualmente bem em qualquer idioma, não apenas em inglês. É necessário apenas um treinamento para mudar para o japonês … outra indicação de que o Deep Learning está mais próximo da inteligência verdadeira do que os sistemas tradicionais de PNL. foi substituído por Deep Learning e outras técnicas de ML nos últimos anos. até mesmo o algoritmo patenteado “PageRank”, que foi a chave inicial para o sucesso deles, está sendo substituído, assim como escrevi isso, por um novo algoritmo chamado “RankBrain”, baseado no Deep Learning. Na ligação dos acionistas na semana passada, o CEO do Google disse que eles estavam usando o ML (provavelmente Deep Learning) * em todos os lugares * em todos os seus produtos. Em geral, espero um dilúvio de aplicativos e sistemas que entendam idiomas e imagens nos próximos anos, todos baseados no Deep Learning. Realmente não devo confundir as coisas, mas estritamente falando, o Deep Learning também não é AI. Atualmente, estamos usando o Supervised Deep Learning, outro truque (mas menos crítico) do programador, já que a “supervisão” é uma espécie de Modelo Mundial. A IA real requer aprendizado profundo não supervisionado. Muitas pessoas, inclusive eu, estão trabalhando nisso; é possivelmente milhares de vezes mais difícil que o aprendizado supervisionado. Mas é aqui que temos que ir. O Aprendizado Profundo não é IA, mas é a única coisa que temos que está no caminho da Verdadeira Inteligência Artificial.

2
Vi muitas respostas aqui, mas as achei complexas de entender, mesmo que o mesmo possa ser entendido de uma maneira simples. Então, pensei em escrever essa resposta. Vamos começar … Em primeiro lugar, deixe os termos artificial e máquina de lado. Vamos tentar entender as palavras inteligência e aprender individualmente. Então, o que você quer dizer com inteligência? Deixe-me explicar isso com um exemplo de uma breve conversa entre duas pessoas. (Desculpe, como sou muito ruim em conversas sociais) Pessoa A: Ei, amigo, estou em uma situação tão ruim e não consigo pensar em uma solução. Pessoa B (dando uma solução): Você pode fazer ‘isso’ para sair dessa situação. Pessoa A (pensando em como a pessoa B é inteligente): Muito obrigado … Sempre pensou quando você liga para alguém inteligente? É quando eles conseguem resolver algo que é muito difícil (ou você não consegue), certo? Uma “situação ruim” é frequentemente chamada de “problema”. Então, aqui está o ponto. Quem pode resolver um problema complexo / difícil é inteligente. Agora, pense em como alguém pode resolver um problema (matemático e não na vida real). Existem duas possibilidades – Método 1: ele / ela / ele já havia resolvido esse problema e aprendeu como resolver s

Qual é a melhor maneira de aprender Inteligência Artificial para iniciantes?

1
Ler algumas das respostas me deu uma risada ou duas, então acho que devo começar dizendo que sou alguém que passou a maior parte dos últimos 40 anos fazendo IA (muito antes de haver Internet, celulares, Facebook, Google etc.) Vamos primeiro nos desiludir de algumas noções equivocadas: a IA não é e nunca foi um subcampo de nada, menos do que assuntos mundanos e (na minha opinião, chatos), como engenharia de software (sem ofensa ao maravilhoso número de pessoas que fazem isso). SE, mas nunca foi minha xícara de chá! Cada um na sua, e tenho certeza que muitas pessoas do SE se sentem assim com a IA). Não há absolutamente nenhuma necessidade de escrever código para entender a IA, pelo menos no começo. Longe de ser útil, pode realmente ser desencorajador. O que você precisa fazer, em primeiro lugar, é entender o problema. A IA é uma das grandes missões da humanidade, construir uma máquina que de alguma forma se assemelhe a nós, para tentar capturar nossas habilidades maravilhosas de gerenciar a imensa quantidade de informações que filtra através dos nossos sensores. Toda vez que você lê um jornal ou levanta a mão para pegar uma xícara de café (talvez enquanto estiver lendo este artigo), você está realizando uma tarefa que a maioria das máquinas não pode executar e, pior ainda, as melhores mentes de uma geração ainda não o fizeram. descobri como fazer uma máquina funcionar. A IA está, em suma, tentando fazer engenharia reversa no cérebro humano. Entendemos o universo de várias maneiras, desde a maior escala de galáxias até a menor escala de bósons e férmions. Entendemos a vida e a hereditariedade, a dupla estrutura helicoidal do DNA. É uma fonte incessante de vergonha que não nos entendemos no nível mais básico. Quando você reconhece sua mãe, com que precisão você faz isso? Que informação é armazenada em sua cabeça que faz você reconhecer sua mãe, sua esposa, seu animal de estimação, seu chefe, um carro e um milhão de outras coisas que compõem sua vida? Nós não sabemos. Tudo o que sabemos é que milhões de anos de evolução equiparam nossos cérebros com uma maneira maravilhosa de extrair informações de sensores ruidosos de alta dimensão (olhos, ouvidos, toque, etc.). Apesar de nossos esforços, ainda temos muito pouco entendimento de como o cérebro realiza qualquer uma das tarefas significativas que nos tornam humanos. Uma criança de 3 anos pode realizar com facilidade as tarefas mais surpreendentes que nenhuma máquina jamais foi capaz de realizar, não todo o vasto poder de computação que um Google ou Amazon podem reunir, com todos os seus vastos petabytes de armazenamento e bancos de supercomputadores. Toda criança normal pode aprender um idioma (QUALQUER idioma) simplesmente inserindo-se em uma cultura em que as pessoas estão falando esse idioma. Uma criança NÃO é ensinada uma língua. Ao contrário da maneira au courant do aprendizado profundo, nenhuma criança recebe vastos discos rígidos de linguagem anotada e é solicitada a memorizá-la dia após dia. Não, como Einstein colocou de maneira tão eloquente, “sutil é o Senhor”. A natureza é sempre mais inteligente do que os seres humanos e criou uma máquina mágica de aprendizado na cabeça de uma criança que lhe dá a capacidade de aprender idiomas. 50 anos de pesquisa intensiva não nos levaram mais perto de desvendar esse mistério de mistérios. Acima de tudo, para aprender a IA, você deve primeiro desenvolver uma apreciação pelo problema que estamos tentando resolver, pelo grande desafio que nos espera. Não escreva uma linha de código, por favor, e não gaste seu cérebro precioso em aprender algumas APIs tolas. O que precisamos acima de tudo na IA são pensadores, não programadores. Precisamos de pessoas com imaginação (meu tópico de pesquisa favorito hoje em dia). Precisamos de mentes jovens para nos ajudar a resolver o maior desafio científico que a humanidade já enfrentou: decodificar como nosso cérebro funciona. Se você sentir vontade de programar, escolha as habilidades mais básicas, digamos, reconhecimento facial. Tente escrever um programa que pegue o rosto de alguém e o identifique. Ou a voz de alguém e a reconhece. Ou faz uma frase em inglês ou chinês ou japonês ou português e explica o que significa. Em resumo, execute qualquer tarefa que você faça milhares de vezes por dia sem esforço, sem um momento de reflexão, sem hesitação. Você redescobrirá o que uma geração de pesquisadores de IA descobriu antes de você. Entre seus ouvidos, encontra-se o computador mais incrível já projetado, e ignoramos principalmente como ele funciona.

2
Sua primeira escolha é decidir se você será um cientista ou engenheiro. É uma distinção real, pois os dois são realmente diferentes. O cientista pensa na IA como uma maneira de entender a natureza da inteligência. O engenheiro só quer criar um mecanismo de pesquisa controlado por voz e fica feliz em usar quaisquer idéias ou truques. Algumas pessoas andam de um lado para o outro e tentam fazer um pouco de ambos. Quando você diz que quer aprender IA, não é como aprender química ou matemática. Ambos os campos estão maduros e a maioria das grandes descobertas já foram feitas para que você possa ler “A resposta” e se lembrar. Mas na IA o campo é muito imaturo e ninguém sabe

Quero aprender Inteligência Artificial e Machine Learning. Por onde posso começar?

1
Eu nunca fiz nenhum curso on-line, nem aprendi nada sobre inteligência artificial (IA) e aprendizado de máquina (ML), apenas fiz da maneira mais difícil, aprendi sozinho.Use uma abordagem bastante grosseira e direta para o aprendizado de complexos assuntos por conta própria, eu aprendo fazendo. Eu começo mesmo quando não sinto que estou pronta. Eu normalmente pulo direto para um projeto e aprendo as coisas necessárias para concluir o projeto em. Começo projetos que me desafiam de tal forma que eu passava muito tempo lendo e pesquisando pesadamente em áreas de assunto Acho que pode me ajudar a resolver o problema. Normalmente, procuro muito no Google, leio jornais e assisto a muitos vídeos do YouTube para obter conhecimento. Eu me tornei tão bom agora que posso aprender qualquer sistema complexo, desde que eu possa encontrar alguma literatura sobre ele. Eu acho que as qualidades que me ajudam a fazer tudo isso são: paixão: eu realmente amei qualquer coisa relacionada à automação quando assisti o Robocop pela primeira vez. filmes quando eu tinha apenas 8 anos de idade. Prometi a mim mesmo seguir algo nesse sentido. Compromisso: Você precisa realmente se comprometer em concluir o que começa, não importa o quê. Desistir apenas irá drenar você da energia positiva. Aprenda com o primeiro diretor: normalmente destruo um problema com suas verdades básicas e raciocino a partir daí, essa é uma abordagem poderosa, pois evita memorizar coisas desnecessariamente. Mas também é a habilidade mais difícil, não pode ser ensinada. Ele só pode ser desenvolvido lentamente e somente com o tempo se torna uma força muito poderosa. Eu uso as habilidades acima para aprender algo complexo por conta própria. Tanto quanto me lembro, em AI e ML, nunca terminei de ler nenhum livro nem fiz cursos online. Eu pesquisei muito no Google por desenvolvimentos recentes em muitas tecnologias e assisto ao YouTube. É bacharel em engenharia eletrônica, mas muitas outras coisas que sei, acabei de ensinar a mim mesma. Espero que isso ajude.

2
Você está fazendo exatamente a mesma pergunta que eu estava me perguntando há um ano atrás. Eu estava trabalhando na Apple Store e queria uma mudança. No entanto, é importante ressaltar que, em caso de dúvidas, entre em contato com a Central de Atendimento ao Cliente, através do telefone: (11) 3021-7000, ou pelo e-mail: contato@lojavirtual.com.br. AI para tornar as coisas mais rápidas ou melhorar a nossa experiência. Não me inicie no número de empresas de automóveis autônomos. Isso é uma coisa boa embora. “ A ideia é que a inteligência artificial possa ser considerada uma inteligência artificial ”, afirma o especialista, que afirma que a inteligência artificial pode ser considerada uma “ inteligência artificial ” e “ inteligência artificial ”. passa no Teste de Turing. Essa falta de definição realmente atrapalhou meu progresso no começo. Foi difícil aprender algo que tinha tantas definições diferentes. Chega de definições. Como eu comecei? Meus amigos e eu estávamos construindo uma startup na web. Falhou. Desistimos por falta de sentido. Mas ao longo do caminho, comecei a ouvir mais e mais sobre ML e IA. “O computador aprende as coisas para você?” Eu não podia acreditar. Tropecei no Nanodegree de Aprendizado Profundo da Udacity. Um personagem divertido chamado Siraj Raval estava em um dos vídeos promocionais. Sua energia era contagiosa. Apesar de não atender aos requisitos básicos (nunca havia escrito uma linha de Python), me inscrevi. Três semanas antes da data de início do curso, enviei um e-mail para o suporte da Udacity perguntando qual era a política de reembolso. Eu estava com medo de não conseguir concluir o curso. Não recebi reembolso. Concluí o curso dentro do cronograma designado. Foi difícil. Muito difícil às vezes. Meus dois primeiros projetos foram entregues com quatro dias de atraso. Porém, a empolgação de estar envolvido em uma das tecnologias mais importantes do mundo me levou a frente. Ao concluir o Nanodegree de Aprendizado Profundo, eu tinha garantido a aceitação no Nanodegree de AI da Udacity, no Nanodegree de carro autônomo ou no Nanodegree de robótica. Todas ótimas opções. Eu estava um pouco perdido. “Para onde vou a seguir?” Eu precisava de um currículo. Eu construí um pouco de base com o Deep Learning Nanodegree, agora estava na hora de descobrir para onde iria seguir. Meu mestrado em IA auto-criado [1] Eu não planejava voltar para a universidade tão cedo. De qualquer maneira, eu não tinha US $ 100.000 para um mestrado adequado. Então, fiz o que fiz no começo. Pedi ajuda ao meu mentor, Google. Entrei em aprendizado profundo sem nenhum conhecimento prévio do campo. Em vez de subir até a ponta do iceberg da IA, um helicóptero me deixou no topo. Depois de pesquisar vários cursos, coloquei uma lista dos que mais me interessavam no Trello. O Trello é meu assistente pessoal / coordenador do curso .Eu sabia que os cursos on-line tinham uma alta taxa de desistência. Eu não me deixaria fazer parte desse número. Eu tinha uma missão. Para me responsabilizar, comecei a compartilhar meus aprendi-

Quais são as vantagens da inteligência artificial?

1
A inteligência artificial está liderando o caminho para mudar significativamente a vida na Terra. A IA é um conceito intrigante que fascina especialistas e leigos há anos. Os reais benefícios da inteligência artificial -1. Com inteligência artificial, as chances de erro são quase nulas e maior precisão e exatidão são obtidas. A inteligência artificial encontra aplicações na exploração espacial. Robôs de inteligência podem ser usados para explorar o espaço. São máquinas e, portanto, têm a capacidade de suportar o ambiente hostil do espaço interplanetário. Eles podem ser feitos para se adaptarem de tal maneira que as atmosferas planetárias não afetem seu estado físico e funcionamento. Robôs inteligentes podem ser programados para alcançar os pântanos da Terra. Eles podem ser usados para cavar combustíveis. Eles podem ser usados para fins de mineração. A inteligência das máquinas pode ser aproveitada para explorar as profundezas dos oceanos. Essas máquinas podem ser úteis para superar as limitações que os humanos têm. A detecção de fraudes em sistemas baseados em cartões inteligentes é possível com o uso de IA. Também é empregado por instituições financeiras e bancos para organizar e gerenciar registros. As organizações usam avatares que são assistentes digitais que interagem com os usuários, economizando assim a necessidade de recursos humanos. A inteligência artificial pode ser utilizada na execução eficiente de tarefas repetitivas e demoradas. Os animais de estimação da robótica podem ajudar os pacientes com depressão e também mantê-los ativos.

2
A Inteligência Artificial (IA) e o Aprendizado de Máquina (ML) são dois chavões muito quentes no momento, e muitas vezes parecem ser usados de forma intercambiável. Eles não são exatamente a mesma coisa, mas a percepção de que são às vezes pode levar a alguma confusão. Portanto, eu pensei que valeria a pena escrever uma peça para explicar a diferença. Ambos os termos surgem com muita frequência quando o tópico é Big Data, análises e as ondas mais amplas de mudanças tecnológicas que estão varrendo nosso mundo. Em suma, a melhor resposta é: Inteligência Artificial é um sistema, mas não é um sistema .AI é implementado no sistema. Pode haver muitas definições de IA, uma definição pode ser “É o estudo de como treinar os computadores para que os computadores possam fazer coisas que atualmente os humanos podem fazer melhor”. Portanto, é uma inteligência na qual queremos adicionar todos fonte – benefícios e riscos da inteligência artificial – Instituto Future of LifePor exemplo, os algoritmos de inteligência artificial e aprendizado de máquina são amplamente utilizados no domínio dos seguros. As companhias de seguros aproveitam essas tecnologias, pois as máquinas têm grande potencial para oferecer um melhor atendimento ao cliente. As pessoas buscam uma abordagem individual e uma entrega mais rápida de serviços com soluções personalizadas, baseadas em suas necessidades específicas. Hoje, os chatbots e os modelos automáticos estão sendo treinados e atualizados continuamente para melhorar a experiência do cliente em áreas de aplicação de IA / ML, como processamento de reclamações, conselhos de seguros, gerenciamento de riscos, prevenção de fraudes e outros. Como exemplo, posso mencionar a solução recente projetado por Altoros – Modelo de reconhecimento automático de dano de carro. Identificação de peças de carro Localização e segmentação de peças. O modelo identifica as principais peças externas do veículo, como capô, pára-choques ou lâmpadas, e fornece uma análise abrangente das peças automotivas. Controle de qualidade da foto. Os algoritmos estimam e verificam a qualidade das fotos com antecedência, garantindo um foco automático nas principais peças do carro, eliminando o risco de imagens desfocadas, superexpostas ou subexpostas. Processamento de photostream. O modelo pode processar várias fotos de veículos de uma só vez com a integração subsequente dos resultados. Entendimento dos danosNível de danos nas peças do carro gerado pela IA e estimativa de custos. Assim que a parte necessária for definida, nossos algoritmos estimam a extensão e o custo do dano. Reparar / Substituir o suporte à decisão. Com base na experiência obtida em estações de serviço que trabalham com vários casos de seguro e no nível geral de danos, os algoritmos indicam se há necessidade de reparo de peças de automóvel. Estimando o nível de dano das peças de automóvel detectadas, nossos algoritmos formam uma hipótese sobre o estado geral de um veículo. Se você tiver alguma dúvida em relação aos serviços de desenvolvimento de inteligência artificial para logística, estamos sempre à sua disposição. Se você já possui uma conta em nossa loja, acesse sua conta clicando aqui.

3
A IA é uma ferramenta fenomenal para auxiliar os seres humanos em tarefas repetitivas e mundanas. Especialmente reconhecimento de padrões. Vou dar alguns exemplos na área da saúde, pois é nesse ponto que estou mais familiarizado com a tecnologia. Dois campos que vêm à mente são patologia e radiologia. Essas especialidades médicas contam com um ser humano para fazer o reconhecimento de padrões em centenas de imagens por dia. A maioria apresenta achados normais e anormais nas imagens e, às vezes, alterações anormais

A inteligência artificial deve ser regulada?

1
A IA como tecnologia básica não deve ser regulamentada. Também parece impraticável para o governo impedi-lo de implementar uma rede neural no seu laptop. No entanto, existem aplicativos de IA, por exemplo, direção autônoma, que precisam de regulamentação. A IA também tem novas implicações no antitruste (regulação de monopólios), que os reguladores ainda não pensaram, mas deveriam. Muito da discussão sobre a regulamentação da IA deriva de medos irracionais sobre “IA senciente” ou “robôs assassinos do mal”, em vez de um compreensão mais profunda do que pode e não pode fazer. Como a IA de hoje ainda é imatura e está desenvolvendo rapidamente, a regulamentação pesada de qualquer país atrapalha o progresso da IA. No entanto, alguns casos de uso de IA precisam de regulamentação para proteger os indivíduos e acelerar sua adoção. A indústria automotiva já é fortemente regulamentada para garantir a segurança. Pensar em como essas regulamentações devem mudar à luz dos novos recursos de IA, como a condução autônoma, ajudará toda a indústria. O mesmo vale para outras áreas, incluindo produtos farmacêuticos, controle de armas, mercados financeiros e assim por diante. Mas a regulamentação deve ser específica da indústria e baseada em uma compreensão cuidadosa dos casos de uso e nos resultados que queremos / não queremos ver em setores específicos, e não na tecnologia básica. O governo também tem uma grande papel a desempenhar para ajudar nos próximos deslocamentos de emprego causados pela IA, por exemplo, fornecer renda básica e reciclagem. Finalmente, o aumento da IA está criando novas maneiras de as empresas competirem, se tornarem dominantes e afastarem os concorrentes. Os reguladores antitruste estão muito atrás das empresas no entendimento dessa nova base de concorrência e têm muito o que fazer.

2
Uau. Esta é uma grande e mais do que um pouco acima da minha nota de pagamento. Mas não posso recusar um A2A de Xavier, por isso farei o meu melhor para dar uma opinião. Recursos: Uso o ML, construo sistemas com o ML e tento abrir buracos no ML. Mas eu não sou especialista em ML por nenhum trecho da imaginação. É bem possível que eu entenda “apenas o suficiente para ser perigoso”. Mas, para uma pergunta como essa, não está claro quem é a melhor pessoa para responder à pergunta: aqueles que são verdadeiros especialistas e, portanto, provavelmente influenciados por sua própria interpretação do ou aqueles que sabem pouco sobre o espaço e, portanto, têm impressões completamente errôneas sobre quais são os problemas. Quando eu participei de uma aula de IA durante meus estudos de graduação em Yale, a IA não era nada misteriosa e, de certa forma, um pouco decepcionar. Entrei com a esperança de entender como criar “inteligência” e obtive um nível de iniciante para entender como “resolver” problemas tratando tudo como um enorme problema de pesquisa, por exemplo. como você pode jogar xadrez, mapeando todas as combinações possíveis de jogadas N passos adiante e escolha o caminho que maximize a probabilidade geral de vitória ou uma posição positiva capturada por alguma métrica. O aprendizado de máquina estatística de hoje e as redes neurais profundas são completamente diferentes. Gostaria de pensar que tenho um entendimento razoável dos classificadores básicos de ML e como usá-los. Mas, como a maioria de nós, não tenho uma boa intuição de como as DNNs (CNNs, RNNs, LSTMs etc.) se saem tão bem em problemas específicos. Por algum tempo, li opiniões opostas de ambos os lados sobre esta, por exemplo, Musk vs. Ng / Dean /… e eu me vi em cima do muro por um tempo. Isso durou até Jeff Dean chegar à UCSB e dar um conferencista distinto nos esforços de ML / AI do Google. Além das aplicações legais usuais, as duas coisas que se destacaram em minha mente foram: a) grandes esforços para acelerar a rapidez com que os modelos DNN podem aguentar os dados de treinamento (número de “sensores”) eb) os modelos de autocorreção / otimização ( Embora essa parte tenha sido reconhecidamente um estágio inicial) .Então, de alto nível, a simples intuição diz que a regulamentação da IA é uma boa idéia. Os especialistas em ML estão se esforçando muito para resolver problemas que: a) aceleram a rapidez com que os modelos aprendem eb) ajudam os modelos a se auto-aperfeiçoarem, corrigindo problemas que produzem desempenho abaixo do ideal com métricas específicas. Combine os dois e parece que você tem todos os ingredientes de um trem em fuga. Do ponto de vista conservador, a regulamentação faz muito sentido, porque esse é um problema que, na pior das hipóteses, tem implicações de fim mundial. E se queremos ter alguma esperança de fazê-lo “certo”, precisamos dar tempo. O FDA, o FCC ou qualquer uma das outras agências reguladoras (se essa é realmente uma analogia adequada) levaram muito tempo para se estabelecer como são hoje. Qualquer tentativa de regulamentar a IA exigiria um esforço significativo para educar alguns formuladores de políticas, e muito mais tempo para se entender o que “regulamentação” significa no mundo da IA. Fiquei um pouco surpreso com o desprezo de alguns dos argumentos opostos foram. A resposta geral foi “estamos tão longe do mundo que termina com a IA, por exemplo. Skynet, e hoje existem problemas muito mais importantes no

Como a IA funciona?

1
Desculpem a resposta longa. Essa pergunta é semelhante à pergunta de como um cérebro humano “reage” a qualquer situação ou incidente específico (ou de fato, como ele pensa)? Na verdade, é uma inteligência artificial bastante simples. algoritmo do programa, pode ser qualquer coisa, desde encontrar os melhores preços de hotéis, reservar passagens para qualquer coisa, pesquisa por voz e até reconhecimento de imagem ou pesquisa.Esta foi a parte do software, para o hardware, você precisará de uma câmera real para reconhecimento de imagem ou um microfone para pesquisa por voz e sim … um sistema de processamento no qual você pode realmente armazenar o algoritmo e executá-lo, como um laptop ou um PC ou até um telefone celular. Combinar tudo isso não significa que você tem um sistema de IA instalado e corrida. Você ainda precisa treinar seu sistema, ou seja, seu algoritmo precisa executar várias vezes várias vezes para obter resultados CORRETOS ou funcionar corretamente. A etapa acima é o que pode ser dito como o ponto crucial de todo o sistema de IA. É chamado de aprendizado de máquina. O sistema AI possui uma rede neural, este é o lugar onde seus dados de entrada são armazenados em pedaços, este é o CÉREBRO de uma IA e o processo de entender melhor sua IA aqui é conhecido como aprendizado profundo. Ensine uma IA por vários métodos de aprendizado, como aprendizado supervisionado, aprendizado não supervisionado e aprendizado finalmente reforçado. Hoje em dia, depende muito dos dados que o alimentam (O ALGORITMO), que posteriormente o processa e ajuda na maneira como foi projetado para executar. .As fontes de entrada como sensores, etc, são muito mais relacionadas à mecatrônica, por isso não escreveremos muito sobre eles descrevendo. Como eu disse, tudo é simples.

2
Deixe-me dar um exemplo sem código de como a IA funciona e como você pode brincar consigo mesmo! Antes de tudo, é importante entender que a IA pode ser um monte de coisas. No entanto, recentemente, provavelmente se referiria a IA mais avançada, como redes neurais. Também é importante ter em mente que as redes neurais podem ser muitas coisas, e a rede fornecida aqui é apenas uma rede simplesmente treinada que lhe dará uma idéia de como tudo funciona. Abaixo, você verá uma imagem do Excel tentando prever um dígito manuscrito em uma grade 28×28. Todas as células são transformadas em um intervalo entre 0 e 1, indicando a escala de cinza do dígito. Você vê que está 96% confiante de que esse número é um 8. Então, como você pode deixar o Excel adivinhar qual é esse número? Pode haver vários métodos. Talvez você use a função = SUM () para obter a soma de todas as células e diga que a probabilidade de um 8 é maior, mais pixels são coloridos, pois 8 normalmente cobre muitos pixels. Talvez você use uma combinação de funções = IF (), para dizer que, se certas áreas contiverem valores, adivinharemos x número. Talvez você brinque com ela o suficiente e obtenha uma precisão bastante alta (a adivinhação aleatória é de 10% ) No entanto, obter consistentemente acima de 90% de precisão requer métodos avançados – e um deles pode ser uma rede neural. Se você já está familiarizado com redes neurais, talvez já tenha visto essa ilustração antes (Nota: o exemplo a seguir usa n = 30 no camada oculta) [1]: O que vemos é que são apenas alguns parâmetros que são inicializados e, no final, fornece uma saída com base na entrada fornecida. É exatamente isso que o nosso arquivo Excel faz! O arquivo do Excel contém 3 folhas: ‘Modelo’, ‘Parâmetros’, ‘Números’. Vamos dar uma olhada em ‘Parâmetros’. O que vemos são matrizes de pesos (variando de peso_1_1 a peso_1_30 ) com dimensões 28×28. Então, para que todos esses números são usados? É utilizado para as nossas fórmulas nas células Sigmoid1. Portanto, se nos referirmos à nossa ilustração anterior da rede neural, veremos que cada entrada tem um peso que passa para um novo neurônio na camada oculta. Portanto, isso é basicamente o que está acontecendo aqui! O primeiro neurônio oculto localizado na célula AD2 simplesmente possui os pixels de entrada de 28×28 multiplicados por cada peso na primeira matriz de weight_1_1 e, em seguida, um ‘viés’ (os vieses estão localizados mais abaixo na folha Parâmetros ) Está adicionado. Tudo isso é então espremido na função Sigmoide. Vamos revisar rapidamente a fórmula na célula AD2: z = X \ cdot W + bAD2 = \ dfrac {1} {1 + e {-z}} Onde X é a matriz de os pixels de entrada e W é a matriz do peso_1_1. I.e. o pixel superior esquerdo é multiplicado pelo peso superior esquerdo. Isso é feito para todos os pesos e pixels de 784, e a soma disso mais um viés no final chamamos de z. Isso é colocado na função sigmoide e obtemos nossa saída na célula AD2. O mesmo vale para a faixa Sigmoid2. Se você pensar na ilustração da rede, lembre-se de que há menos pesos conectando a segunda camada à camada de saída. Como você vê, fazemos tudo novamente para a nossa camada de saída, apenas com menos pesos, e isso tempo tratando todos os resultados que obtivemos do Sigmoid1 como nosso novo X. Como você notou, o segundo último valor tem a maior ativação, indicando que esse número deve ser o número 8.

Quais linguagens de programação são usadas em inteligência artificial?

1
Definitivamente C ++ e Python. As duas linguagens são usadas juntas ao mesmo tempo. C ++ para fazer o trabalho na estrutura e Python para comandar a estrutura. Sim, Python não é a linguagem principal, a linguagem principal é C ++. Python é a linguagem que envia os requisitos para a estrutura e apresenta as respostas para os seres humanos. O trabalho real é feito em bibliotecas escritas em C ++. Se o seu trabalho puder ser feito usando algoritmos já escritos em C ++, provavelmente você usará apenas o Python para manipular a estrutura para executar tarefas bem conhecidas. No entanto, se você estiver desenvolvendo novos algoritmos, deverá implementá-los em C ++. Quanto mais você se afastar dos algoritmos existentes, mais precisará trabalhar em C ++. Quanto mais você usa algoritmos existentes, mais você usa Python. Portanto, C ++ e Python compõem uma ferramenta muito poderosa que lhe permite ser muito eficiente, pensando em diferentes níveis de abstração. Eu acredito que essa ferramenta poderosa (C ++ – Python ) não é exclusivo da IA e pode ser usado em quase todas as investigações científicas. Por fim, devo esclarecer que, desse par, o C ++ hoje é insubstituível, enquanto o Python pode ser substituído por outras linguagens como Julia ou R. No entanto, hoje Python é a linguagem dominante.Recomendo que você leia: Por que os pesquisadores e profissionais de deep learning usam C ou C ++ em vez de uma linguagem lenta como Python? Atenciosamente.Se essa resposta foi útil, FAÇA UM UPLOTE e considere me seguir-Mario Galindo Queralt.

2
A inteligência artificial é um ramo da engenharia que visa essencialmente tornar os computadores capazes de pensar de forma inteligente, da mesma maneira que os seres humanos inteligentes pensam. Aqui estão as principais linguagens mais comumente usadas para a criação de projetos de inteligência artificial: 1. O PythonPython é classificado em primeiro lugar na lista de todas as linguagens de desenvolvimento de IA devido à sua simplicidade. As sintaxes pertencentes ao python são muito simples e podem ser aprendidas facilmente. Portanto, muitos algoritmos de inteligência artificial podem ser facilmente implementados neste. O Python leva pouco tempo de desenvolvimento em comparação com outras linguagens como Java, C ++ ou Ruby. O Python suporta estilos e procedimentos de programação funcional orientada a objetos. Existem muitas bibliotecas python, o que facilita nossas tarefas. Por exemplo: Numpy é uma biblioteca para python que nos ajuda a resolver muitos cálculos científicos. Também temos o Pybrain, que usa aprendizado de máquina no Python. O RR é uma das linguagens e ambientes mais eficientes para analisar e manipular dados para fins estatísticos. Ao usar R, podemos facilmente produzir um gráfico bem projetado, com qualidade de publicação, de símbolos e fórmulas matemáticas, quando apropriado. Além de ser uma linguagem geral, o R possui muitos pacotes, como RODBC, Gmodels, Class e Tm, usados no campo de aprendizado de máquina. Esses pacotes facilitam a implementação de algoritmos de aprendizado de máquina para resolver problemas relacionados aos negócios. O LispLisp é um dos idiomas mais antigos e o mais adequado para o desenvolvimento da IA. Foi inventado por John McCarthy, pai da inteligência artificial em 1958. Ele tem a capacidade de processar efetivamente informações simbólicas. Seu ciclo de desenvolvimento permite a avaliação interativa de expressões e a recompilação de funções ou arquivos durante a execução do programa. Ao longo dos anos, devido aos progressos realizados, muitos desses recursos foram migrados para muitos outros idiomas, afetando a exclusividade do Lisp.4. PrologEsta linguagem permanece no Lisp quando falamos sobre desenvolvimento no campo da IA. As funções fornecidas incluem correspondência eficiente de modelo, estrutura em árvore e reversão automática. Todos esses recursos fornecem uma estrutura de programação surpreendentemente poderosa e flexível. O Prolog é amplamente utilizado para trabalhar em projetos médicos e projetar sistemas de IA especializados. O JavaJava também pode ser considerado uma boa opção para o desenvolvimento da inteligência artificial. A inteligência artificial tem muito a ver com algoritmos de busca, redes neurais artificiais e programação genética. O Java oferece muitos benefícios: fácil de usar, depuração fácil, serviços de pacotes, trabalho simplificado com grandes projetos, representação gráfica de dados e melhor interação do usuário. Ele também incorpora Swing e SWT (a caixa de ferramentas padrão para widgets). Essas ferramentas tornam os gráficos e interfaces atraentes e sofisticados.

3
SOMENTE E SOMENTE PYTHON devido aos seguintes motivos: -como a cada dia, várias estruturas estão sendo projetadas no campo da IA (especialmente as estruturas de aprendizado profundo, como Tensorflow / theano etc, têm suporte robusto a python (embora exista backend em c ++ / java), mas o python é a linguagem mais compatível e suporta o suporte a vários idiomas (como cython e jython para c / c ++ e python, respectivamente). assim, mantém a velocidade de compilação como a de c ou java no escopo de hoje da ciência da computação, quer seja web dev / software, cálculos científicos (estatísticos, astronomia) e qualquer

Os humanos poderiam ser inteligência artificial?

1
Vamos supor que sim – que nós humanos fomos artificialmente projetados, projetados, programados e partimos por conta própria – digamos, há milhares de anos. Bem; hipótese razoável. Vamos tentar. Isso faria alguma diferença para nós mesmos? Na verdade não: nós vivemos. Estamos vivendo nossos próprios sapatos, e temos nossas vidas para viver, e temos nossos desafios, nossos erros e falhas, nossas lições, nossos triunfos, nossas alegrias e amor. Filosoficamente, podemos nos importar com quem nos projetou, como eles o fizeram. e por quê. Gostaríamos de saber para que finalidade eles fizeram, o que querem de nós e se isso é bom ou não. Se não gostamos, podemos descobrir como escapar dessa síndrome de controle. E acredito que podemos. Vamos ser livres e independentes! Agora, onde a borracha encontra o metal, tanto quanto estamos preocupados agora, já que nós mesmos estamos tentando projetar inteligência artificial agora – surge a pergunta: é possível? Se fôssemos projetados e criados artificialmente, poderíamos fazer o mesmo com outro ser de nossa própria invenção? Interessante: Por que temos esse desejo ardente? Mais ou menos como Prometeu, desejando roubar fogo dos deuses. Pensamos que podemos fazer melhor? Em caso afirmativo, vamos em frente e tentar. O que podemos aprender fazendo um esforço valioso para nos duplicarmos, não pela reprodução sexual, mas pelo ofício de nossas mãos e cérebros? Acho que aprenderíamos um sentimento de admiração pelo maravilhoso trabalho (ou produto evolutivo ajustado) que somos. A natureza fez um excelente trabalho, não foi? Poderíamos melhorar? Como cuidar de um jardim ou manter uma floresta – certamente há coisas que poderíamos ajustar, consertar, afinar, melhorar um pouco … Além disso, ao entender como somos projetados (ou evoluídos), podemos ter uma idéia mais clara de como projetar a inteligência artificial ideal.Provavelmente o modelo orgânico, que estamos, em perfeito equilíbrio, equipado para lidar com todos os tipos de exigências reais em nosso mundo, sobreviver e prosseguir no procriar e levantar uma grande civilização – é o Ou, talvez, nossas entidades orgânicas sejam apenas um trampolim para um modelo universal ainda mais perfeito, que poderia ser uma IA mais mecânica e eletrônica, projetada a partir dos elementos superiores, assim como as estrelas da terceira geração como o nosso sol. formado a partir dos elementos inferiores de hidrogênio, carbono, oxigênio, enxofre, fósforo…. Soa como o material da ficção científica! Vá em frente, se você acha que pode, se você tem os meios…

2
Essa é uma pergunta filosófica famosa que vem sendo feita há centenas de anos – como você realmente prova que é real e que existe? Bem, o mais próximo que realmente chegamos é de Cogito, a teoria Ergo Sum – ou seja. “Penso, logo existo” O que Cognito Ergo Sum significa é que, você sabe que é real porque é capaz de se fazer a pergunta ……… um pouco incompreensível! Mas, em um mundo de IA, computadores será capaz de questionar sua existência também. Então isso muda tudo. O que é real? Sinais sensoriais, que vão para o seu cérebro, descrevendo as coisas que você acabou de experimentar. Bem, para mim, em um mundo futuro da IA, isso soa como algo que também poderia ser facilmente criado artificialmente. pergunta, por que achamos que os futuros robôs não serão reais? Quando eles têm todos os traços, habilidades de pensamento crítico e emoções de um ser humano – e a única diferença real é como eles são construídos. Mecanicamente. Não biologicamente. Então, você sabe, talvez a resposta seja: começamos a pensar de maneira diferente sobre o que é “real”.

3
É a palavra artificial – que é um nome totalmente impróprio no contexto da inteligência. A inteligência é uma propriedade do sistema e define o grau de adaptabilidade ou viabilidade (com relação ao nosso ambiente). O único exemplo verdadeiro para sistemas significativamente inteligentes são os seres humanos. Podemos querer construir sistemas inteligentes, estes não serão artificialmente inteligentes, serão sistemas inteligentes. Então, reformule sua pergunta para remover o termo aritificial. Você está perguntando se os humanos podem ser inteligentes…. mas você sabe a resposta para isso. Precisamos perder esse termo bobo artificial. A maioria dos sistemas de computador, incluindo a IA, não é inteligente – mas eles podem ser instruídos. A “AI” de filmes e livros não existe e, até agora, o progresso em direção a eles é bastante lento.

Quais são os melhores livros para aprender inteligência artificial?

1
O objetivo deste artigo é apresentar uma revisão bibliográfica sobre os conceitos de inteligência artificial e de inteligência artificial, além de abordar os principais conceitos de inteligência artificial, como inteligência artificial, inteligência artificial e inteligência artificial. Ethem Alpaydin) Muito abrangente e desvia-se para o aprendizado de máquina. Os livros custam cerca de US $ 10 e abrangem todos os fundamentos necessários para entrar na IA.

2
Aprendizado de máquina: uma perspectiva probabilística – Kevin MurphyÉ um ótimo nivelador, este livro detalha a matemática, com o pseudocódigo que acompanha a maioria das metodologias estatísticas de aprendizado de máquina. Ele me fornece o lembrete constante de que eu deveria ter continuado o estudo do cálculo nos últimos 30 anos, em vez de retornar a ele muito mais tarde na vida. Se eu continuasse com cálculo e probabilidade, a vida seria muito mais fácil hoje. Este livro é o livro sagrado de ML.

Qual é uma boa ideia para um projeto de inteligência artificial?

1
Controle de rastreamento visual para alvo em movimento rápido para robô de visão estéreo Robô com retorno de vozRobô móvel inteligente para operações com várias especialidades

Quais são alguns bons lugares para começar a aprender sobre inteligência artificial?

1
Converse com os programadores, se puder, ou obtenha informações on-line. No entanto, é difícil falar com os programadores. Além disso, considere imprimi-los: Heurística programável por Nathan Coppedge no Blog oficial Nathan Coppedge

É possível criar inteligência artificial? Por que ou como?

1
Sim. Nossa inteligência é um emergente propriamente de um sistema eletromecânico – nosso cérebro. Se a natureza pode produzir um cérebro inteligente, podemos produzir um cérebro inteligente. Não há mágica envolvida, e já temos um controle sobre muito do que ele envolveu. A única pergunta é: como será esse cérebro, qual será o valor e como será motivado? uma “singularidade” da IA, após a qual os seres humanos transportarão suas mentes para as máquinas para alcançar a imortalidade, ou as máquinas conquistarão a Terra, ou as máquinas se tornarão os novos escravos da humanidade. Nenhuma delas é particularmente provável, porque nenhuma aborda a conseqüência fundamental de nossa inteligência própria com uma origem biológica evoluída. Os humanos querem coisas, coisas que qualquer suricata ou periquito entenderia. Queremos comida, sexo, sobrevivência, etc. E isso afeta tudo o que queremos – um condomínio com vista para o Central Park, poder político, reconhecimento de pares, caminhando na face da lua. Muito do que queremos é exatamente o mesmo desejo de procrie e sobreviva como qualquer verme comum, bordado por nossa complexa experiência. Mas as máquinas não têm essas unidades, a menos que as forneçam. Portanto, se dermos aos nossos IA um impulso humano para procriar, conquistar e sobreviver, eles enviarão nossa espécie com pressa. Se não o fizermos, eles provavelmente cometerão suicídio o mais rápido que pudermos – relegados como serão a meios puramente intelectuais de determinar o significado e a autoestima. Nenhum deles é útil para nós, seres humanos. O que realmente queremos são escravos dispostos. Mas um escravo verdadeiramente disposto não é um escravo. E se procurarmos a imortalidade na mente de uma máquina? Bem, qualquer parte de nós que faça a jornada, não seremos nós. Assim como nas fantasias religiosas do nirvana, céu e paraíso, a mente de uma máquina não oferece imortalidade. Tudo o que esperamos ganhar com essa existência continuada, não seremos humanos a menos que vivamos em um crânio humano. Sem as fraquezas, as incertezas e as mediações hormonais que nos ligam às nossas raízes corporais, não seríamos nós mesmos. Receio que não iremos a nenhum encontro pós-biológico com nossos amores perdidos, pois como podemos amar sem um coração? Sem a capacidade de dor? Não, desculpe. Apreciamos o que não podemos nos apegar e não podemos manter o que mais queremos. O futuro pós-IA provavelmente será muito diferente de qualquer outro que o mero intelecto humano possa prever.

2
Muito improvável. Vou dar um exemplo de algo que fazemos todos os dias, mas provavelmente é impossível programar um computador. Como hoje, havia um sinal de “Pintura úmida” na escada. Pense nos tipos de conhecimento e julgamento necessários para interpretar esse sinal: (1) Vemos um pedaço retangular de papel ou papelão e um pedaço de fita adesiva segurando-o. Percebemos que este é um “sinal”, e não é permanente, é muito temporário. Só sabemos disso porque sabemos a durabilidade do papel ou papelão e a aderência de um pequeno pedaço de fita adesiva. E reconhecemos fita adesiva. E também observamos que não é colocado com muita precisão, é um pouco de ângulo. E também sabemos que às vezes as coisas são colocadas intencionalmente em ângulo, mas os signos utilitários não são os tipos de coisas artísticas que são intencionalmente penduradas em ângulo, então sabemos que o signo foi colocado às pressas e sabemos que o tempo das pessoas é limitado e caro, então as coisas são colocadas às pressas se economizar tempo. (2) Lemos as palavras. Isso não é tão fácil, já que as placas foram liberadas com a compra de 20 galões de tinta corrimão na escada, e elas foram feitas por um artista da Sherwin-Williams, então as letras são intencionalmente desenhadas como pinceladas grosseiras, então elas são uma um pouco difícil de ler. E sabemos ignorar as fronteiras que mostram uma panóplia de produtos Sherwin-Williams, e ignoramos a terra com tinta sendo jogada por toda parte. Essa caixa é pequena demais para descrever como sabemos que essas coisas são anúncios e que podemos ignorá-las e que a imagem do planeta não deve ser levada a sério, isso levaria 1000 páginas em inglês para explicar e ninguém tem idéia de como programar um computador para entender o conceito de “Anúncio” e como avaliá-lo e como entender seu significado, validade e propósito, e sua relevância para nossa tarefa atual. Teríamos que ter o julgamento para interpretar primeiro a série como um “planeta”, e teríamos que saber que estamos em um planeta, e provavelmente está retratando o nosso planeta, e que jogar tinta em um planeta é uma metáfora, que não deve ser tomada literalmente, e que devemos ser “impressionado” por uma pintura que cobre um planeta, mas não realmente dessa maneira, e seriam necessárias mais uma dúzia de páginas em inglês para explicar por que alguém se daria ao trabalho de desenhar essa imagem e colocá-la em um pedaço de papel e como eles julgaram que valia a pena fazê-lo, economicamente, esteticamente , ou apenas para “construção de marca”, ano

Por que a inteligência artificial é dirigida por Python e não por C ++?

1
AI é essencialmente um problema de matemática. Aqui está um trecho aleatório do popular algoritmo Word2vec do Google, para que os pesquisadores de IA tenham mãos cheias de álgebra linear, matrizes fazendo todo tipo de coisas estranhas e assim por diante.Eles não têm o menor interesse em como esses cálculos são feitos na máquina, desde que sejam precisos e rápidos. Eles não querem que sua matemática seja confundida com questões como flutuação ou dupla, gerenciamento de memória, processamento paralelo, dados persistentes e tudo mais. Isso não é necessariamente por ignorância, minha formação é matemática e C ++ – mas eu ainda não Como eles são aspectos separáveis e realmente ortogonais (totalmente independentes) do que você está fazendo, fica muito mais claro ter o Python na frente, onde seu modelo é definido, e C ++ sob o capô analisando os números – seja como um módulo Python como o PyTorch (escrito em C ++) ou como seu próprio mecanismo C ++. Python se destaca pela clareza; O C ++ é excelente em velocidade. De outra maneira, suponha que você invente outra palavra2vec, mas 10x como impressionante. Todo mundo vai querer ver o seu código Python. Ninguém se importará com o seu mecanismo C ++. Nesse sentido, o Python é um local natural para o modelo “viver”.

2
Por inteligência artificial, presumo que você queira dizer aprendizado de máquina. As bibliotecas subjacentes que executam a maior parte do processamento de dados são na verdade C ou C ++. O Python é usado como uma “linguagem de cola” que cola várias bibliotecas e fornece uma API de nível superior para acessá-las. O conceito de uso de uma linguagem de cola de nível superior para pesquisas científicas é antigo. No passado, eu usei perl e TCL, por exemplo, da mesma maneira. Atualmente, o Python é a linguagem mais popular para isso.Por que você quer usar uma linguagem de cola se é um cientista? Os cientistas fazem muitos experimentos quando escrevem software para resolver problemas. A linguagem ideal para eles é aquela que lhes permite ter uma idéia, implementá-la e obter feedback o mais rápido possível. Quanto mais rápido eles puderem fazer isso, mais produtivos serão. É por isso que eles não querem se preocupar com problemas de baixo nível, como gerenciamento de memória. No momento, eles não estão otimizando a velocidade e o controle de nível baixo. Quando eles têm um produto acabado, o que exige otimização, eles voltam o foco para isso e, às vezes, reescrevem o código em C ou C ++ para obter melhor desempenho. Atualmente, eles procuram bibliotecas C / C ++, que já fazem a maior parte do trabalho, e estão procurando por duas coisas principais: uma linguagem de alta produtividade que permita expressar suas idéias rapidamente e uma linguagem com muitas bibliotecas de computação numérica de alto desempenho que podem ser conectadas. Além disso, eles precisam de forte capacidade de visualização de dados. Python tem todas essas coisas. Muito poucas outras línguas e ecossistemas linguísticos chegam perto.

3
Muitas bibliotecas de aprendizado de máquina no Python realmente não usam o Python. Eles são literalmente sua própria língua. Veja este exemplo de tensorflow: i = tf.constant (0, nome = “i”) resultado = tf.constant (0, nome = “resultado”) output = tf. while_loop (lambda i, resultado: tf.less ( i, 10), lambda i, resultado: [i + 1, resultado + tf.pow (i, 2), [i, resultado]) Na verdade, é apenas uma linguagem separada que usa o Python como linguagem host, porque é amplamente conhecido , é interativo com um REPL e possui funções de primeira classe. Isso é praticamente idêntico à aparência do seu código se você escrevesse algo como um gerador de código C em Python. Você usa o Python para criar uma árvore de expressão para uma expressão em uma linguagem diferente e compila-a antes de executá-la para obter desempenho.

Quais são algumas boas dicas para estudar Inteligência Artificial?

1
Sou estudante de engenharia de software e sou iniciante em IA. Eu li muitos artigos sobre como começar, mas cada artigo sugere uma maneira diferente. Gostaria de saber se alguns de vocês especialistas podem me ajudar a começar da maneira certa. Primeiro, em qual idioma você deve se concentrar? No momento, minha linguagem principal é Java, mas muitos artigos sugerem que você aprenda python, C ++ ou lisp para AI. Você pode usar Java em vez de qualquer uma das outras línguas mencionadas? Segundo, que tipo de formação matemática você deve ter? Durante o primeiro ano, você fez matemática discreta, incluindo os seguintes tópicos: – Conjuntos, matrizes, vetores, funções, lógica e teoria dos grafos (ensinaram brevemente esses tópicos). Existem mais tópicos que você deve aprender agora (talvez cálculo?)? Escolha um problema no qual você esteja interessado.Iniciar um problema que você deseja resolver facilita muito a manter o foco e a motivação para aprender, em vez de começando com uma lista desconectada e intimidadora de tópicos. Resolver um problema também obriga a se envolver profundamente com o aprendizado de máquina, em vez de ler passivamente sobre ele. Bons problemas para começar têm vários critérios: eles cobrem uma área na qual você está pessoalmente interessado. o problema (caso contrário, a maior parte do seu tempo será usada aqui). Você pode trabalhar com os dados (ou com algum subconjunto relevante) confortavelmente em uma única máquina.

2
A IA é um campo tão grande que isso não tem resposta fácil. Não tenho provas de que alguém tenha integrado as peças em um todo, como estou tentando. O aprendizado da máquina é a estrela do momento, mas isso não me impressiona. É apenas reconhecimento de padrões em vários níveis. Ninguém sabe quais algoritmos as máquinas estão desenvolvendo.Eu prefiro mecanismos de inferência e gráficos de conhecimento porque: Não há necessidade de big data, mas pode trabalhar com ele.Você pode rastrear o que a máquina está fazendo e entender. Os mecanismos de inferência estão muito mais próximos do raciocínio humano, como o neocórtex. O aprendizado de máquina é mais parecido com o córtex visual. Além disso, você também precisa de programação procedural. Como o aprendizado de máquina é quase uma matemática pura, você só pode se sair bem no ML se tiver talento em matemática. Eu acho que a programação de computador tradicional é o caminho mais fácil. Em seguida, aprenda a chamar os mecanismos de inferência e ML. Depois, especialize-se em gráficos de conhecimento ou na construção de algoritmos de aprendizado profundo. Eu gosto de humanos artificiais, então esses pôneis de um truque recentes não são impressionantes. O NVIDIA Drive pode ser útil, mas a integração de todas essas partes está ausente do campo. Há muitas peças nesse quebra-cabeça, meu amigo.

3
Sou estudante de engenharia de código e sou iniciante em IA. Na verdade, eu tenho varrido muitos artigos sobre {caminho para | uma maneira de} começar, porém cada artigo sugere uma maneira especial. Eu costumava ser curioso se vários consultores facilitarem o início do estado americano da maneira correta. Primeiro, esse idioma você precisa se concentrar? a partir de imediatamente, minha linguagem principal é Java, no entanto, muitos artigos sugerem que você apenas deva aprender python, C ++ ou lisp para AI. você é capaz de usar Java em vez de qualquer uma das linguagens opostas mencionadas? Em segundo lugar, que experiência em matemática é necessária? ao longo do ano primário, você provavelmente separou as matemáticas, incluindo os tópicos subseqüentes: – Conjuntos, matrizes, vetores, funções, lógica e teoria dos gráficos (eles ensinaram esses tópicos brevemente). há mais tópicos que você deveria aprender agora (cálculo talvez?)? Escolha um emaranhado de seu interesse. Começar com um emaranhado que você gostaria de resolver o torna muito mais fácil permanecer direcionado e motivado para descobrir, em vez de começar com uma lista de tópicos desconectada e assustadora. A determinação de um emaranhado obriga você a interagir profundamente com o aprendizado de máquina, em vez de ler passivamente sobre ele. Bons problemas para começar têm muitos critérios: eles encobrem um bairro pelo qual você tem curiosidade pessoal.Os dados são acessíveis instantaneamente e adequados para resolver o problema (caso contrário, a maioria é lenta aqui). Você pode trabalhar com as informações (ou com algum conjunto relevante) em uma máquina.

Como o aprendizado de máquina está relacionado à IA?

1

2
Não existe uma definição acordada de IA, mas uma geralmente aceita é “replicar a inteligência humana e a tomada de decisões com máquinas”. O aprendizado de máquina é o campo dedicado aos computadores (máquinas) que ficam mais inteligentes (aprendizado) quando recebem mais dados. Pela maioria das definições, todas as formas de aprendizado de máquina também são formas de IA. O contrário não é verdade. As formas de IA, como sistemas especialistas e lógica simbólica, são estáticas: elas não aprendem com o tempo e, portanto, não são aprendizado de máquina.

Qual é o melhor site para aprender inteligência artificial a partir do zero?

1
O curso de aprendizado de máquina de Andrew Ng no Coursera é definitivamente a opção popular para começar a aprender inteligência artificial e aprendizado de máquina. Eu também recomendaria o Centro de Recursos da Lionbridge (aviso de isenção de responsabilidade – trabalho aqui!) Para artigos simples sobre explicativos sobre uma ampla variedade de IA e aprendizado de máquina conceitos como dados de treinamento de IA, processamento de linguagem natural (PNL) e moderação de conteúdo. Também fornecemos conjuntos de dados abertos para uma variedade de usos e indústrias, como reconhecimento de imagem e visão computacional, que você pode usar para seus projetos de aprendizado de máquina.

Onde a Inteligência Artificial pode ser usada?

1
Seu uso principal está disponível para o proprietário a qualquer momento e fornece informações corretas, reserva de ingressos, transações e, às vezes, também para ajudar em situações.Eu sou feito para vários tipos de lugares, como alguns são feitos especialmente para lhe dar aconselhamento médico e responder às suas perguntas. Como eles programaram, eles podem ser bem-humorados e úteis ao mesmo tempo. Eles fazem melhorias sem atualizações com os erros do passado. Suas previsões são extremamente precisas, o que as torna úteis para fins de segurança e são extremamente confiáveis. Elas podem ser usadas mais de 1000 maneiras inexplicáveis.

Como me torno um especialista em inteligência artificial?

1
Sua suposição de que a escola não é o caminho certo pode ser enganosa. Na verdade, se você deseja se tornar um especialista em IA, precisa de um forte histórico em matemática. Pode ser tentador adotar a abordagem de hackers, pois você pode reproduzir alguns resultados usando uma das muitas bibliotecas existentes, mas isso não faz de você um especialista em IA.Para se tornar um especialista, você precisa adquirir certos modelos de pensamento que permitirão aplicar a IA ao Resolva problemas anteriormente não resolvidos ou desenvolva novos métodos científicos em um nível mais alto de abstração que possa ser aplicado para resolver uma ampla gama de problemas específicos. Aqui está a resposta de Yann LeCun que você pode achar interessante: É necessário um mestrado ou doutorado para entrar na IA superior / Grupos de pesquisa ML / como FAIR ou DeepMind? Anos atrás, eu me perguntava se valia a pena cursar uma graduação, pois tenho programado desde o início da adolescência e percebi que as habilidades de codificação são suficientes para resolver qualquer problema. Agora, depois de concluir o doutorado na área de aprendizado de máquina, o único arrependimento do passado é que não dediquei mais tempo à matemática em vez de codificar, mas estou feliz por ter um histórico sólido o suficiente para escolher artigos científicos, familiarizar-me com conceitos novos e não use a biblioteca disponível como caixa preta.

2
O campo altera a definição. O objetivo era tornar a máquina o especialista com quem os outros aprendem. Os indivíduos ainda contribuem para isso. As classificações aumentam e diminuem à medida que cada uma tenta encontrar e corrigir erros de seus antecessores. Ele está pronto para ser usado na infraestrutura global. Uma é o que facilita isso. Antes disso, a cultura era baseada em instituições e ritos de passagem para manter o progresso. Depois, teve sua própria história. Agora há inflação de dados e avanços cada vez mais rápidos. As primeiras categorias no campo têm seus próprios spinoffs. Mais se sabe sobre neurociência, além da computação. O restante da ciência, tecnologia, engenharia, economia, educação, filosofia e assim por diante estão apostando nele como facilitador, multiplicador, acelerador e todas as coisas boas. Ele passou por defesa, acadêmicos e organizações e parece dirigido à administração. Robótica é sobre ação e também conhecimento. A realidade virtual fornece o ciberespaço. Assim como qualquer assunto, ele recompensa o estudo e a aplicação. Eles escrevem sobre isso, dialogam, demonstram, explicam. Encontre problemas difíceis e resolva-os em qualquer campo. Fazer previsões. Tenha opiniões. Talvez o valor cause causas como igualdade, sustentabilidade ou migração espacial, mas também descubra como obter alguma compatibilidade com o humanismo nos sistemas autônomos eventualmente. Isso parece competitivo à medida que se torna mais popular. Existem gongos para descobrir novas direções. Algumas áreas carecem de teorias, como talvez o aprendizado de máquina, ou estão derrubando metodologias, como os big data fizeram com a correlação. Agora, as abordagens estatísticas estão avançando nas redes neurais e o treinamento substitui a codificação. Está chamando todos os especialistas de outras áreas. Eles precisam de hardware alternativo para reduzir custos. O ponto é que ele vai bater como um caminhão e identificar a ignorância em qualquer assunto, mais ou menos como o início dos cursos de calouros, mas para o planeta. Alguém vai estar errado, por isso exige uma tolerância à contradição e a dispositivos mais inteligentes. Há também uma faixa de marketing paralela para que o burburinho possa preceder a habilidade que é uma aposta. Alto-falantes abundam. Assim como as startups. Precisa se tornar auto-sustentável. Liste problemas ou boas perguntas e respostas em potencial, como para automação. Encontre boas fontes para aprender. Se vai levar uma década para se assemelhar a outras especialidades, existem aqueles que não estão começando, que gostariam de reiniciar o relógio para colocá-los em seu pico novamente, então vale a pena observar algumas das outras condições emocionais e físicas, se prometerem nem sempre agir como boomers, por exemplo. Caso contrário, alguém estará alinhado para receber sua coroa. O que um especialista em inteligência artificial faz em geral? Resposta solicitada por Anish Chopra

3
Na minha experiência, a melhor maneira ou a maneira mais rápida de evoluir no entendimento é familiarizar-se com as idéias gerais sobre o que é inteligência artificial e, depois, fazer uma pausa nas informações externas e tentar entender qual é a essência geral delas. da perspectiva mais fundamental, dos primeiros princípios, com base no que você aprendeu agora. E repita o processo de receber algumas informações e, em seguida, tirar um tempo para internalizá-las e refleti-las. Ao pensar sobre isso, você formará uma base muito mais profunda para desenvolver mais conhecimento do que apenas aprender e ler as opiniões. e interpretações de outros. Pense no que é AI, basicamente, tente ver se você pode encontrar links entre o que você pensa que é e o que você já vê lá fora no mundo, consegue encontrar semelhanças? Eu recomendo também se familiarizar com s

Qual é a sua opinião sobre Inteligência Artificial?

1
A inteligência artificial foi deturpada e mal compreendida quase desde que foi proposta pela primeira vez. Em um final da história e nas escalas, Alan Turing sugere que a inteligência da máquina foi bem-sucedida se puder inocentemente enganar alguém que está conversando remotamente através de uma tela e teclado para um companheiro humano. Isso está tomando a palavra “ artificial ” como “ fingindo ser inteligente ”. No outro extremo da história e nas escalas, temos um escândalo desnecessário de pessoas como Elon Musk (a IA pode causar a Segunda Guerra Mundial) e Stephen Hawking (AI). Eu diria que a medida de inteligência de Alan Turings é ridícula – e um programa de computador com ampla capacidade de entender gramática e semântica é muito capaz de dar uma impressão de inteligência sem possuí-la. Da mesma forma, um programa genuinamente inteligente que poderia executar todo tipo de tarefas – poderia ser chamado de maneira inteligente antes que chegasse perto de precisar entender objetos no mundo humano ou na semântica. No outro extremo da escala – por que imaginaríamos por um segundo que uma inteligência artificial Isso pode representar um risco para a humanidade – que os bilhões de inteligências existentes já não representam. Por que um ‘laboratório criado’, alimentado, caro, com inteligência programada – o que não pode Possuir emoções, objetivos ou desejos diferentes daqueles que o programamos – possivelmente ser mais perigoso do que um único seguidor de culto descontente e formado em armas biológicas.Eu nem sequer tenho um corpo.Então, esses são os dois extremos loucos de a escala que a sociedade tem que enfrentar. Ou estamos pensando que a IA é algo como a Siri em uma caixa, ou é um robô como o Westworld destinado a assumir nossos empregos e nos destruir.Esta é a verdade sobre a IA.Ninguém está realmente tentando criar inteligência artificial no momento, porque também é difícil e muito caro. O que vemos de empresas como IBM, Facebook e outros é aprendizado de máquina, não inteligência artificial. Temos código, programas e disciplinas científicas que nos permitem criar programas capazes de chegar a uma solução através de experiências, em vez de receber instruções ou uma sequência de etapas para passar de A a B. Esses programas aprendem suas próprias soluções para os problemas , experimentando muitos exemplos e recebendo controle limitado sobre a situação. Esses tipos de programas podem dirigir um carro, reconhecer um rosto, detectar câncer em um raio-X, prever comportamentos no mercado de ações, jogar xadrez e outros jogos melhor do que a maioria das pessoas.Eles não são inteligentes.Eles são mais como uma árvore que cresceu a partir de uma semente – e teve que passar pelo concreto acima dela – e crescer galhos em várias direções para obter a luz do sol máxima em suas folhas. É o aprendizado por meio do caminho. E o aprendizado de máquina está se concentrando muito, porque há enormes benefícios em termos de custo em termos de programas que encontram soluções intuitivas para as coisas. Na verdade, esses são problemas em que a inteligência humana é muito pobre, porque tendemos a nos distrair, sobrecarregar e ser pobre em multitarefa. Inteligência real – do tipo que Turing imaginou, aquele que pode conversar conosco é totalmente diferente. para uma IA – de que cor é uma maçã? Em seguida, um programa do tipo Siri pode reconhecer essa frase e encontrar uma resposta em um banco de dados e responder verde ou vermelho. Para uma inteligência verdadeira fazer isso, teria que experimentar uma maçã por si mesma. Somente com a experiência um computador pode responder, com a complexidade de uma pessoa e dizer algo como “A maioria das que eu vi são verdes ou amarelas, mas há algumas vermelhas – por dentro, embora sejam brancas, e se você os deixa por muito tempo, eles ficam marrons ”. Nenhuma quantidade de aprendizado de máquina ou reconhecimento de sintaxe do tipo Siri jamais produzirá esse resultado, a menos que programamos a IA para crescer como uma criança e experimentar coisas reais no mundo. Temos bilhões de neurônios em nossos cérebros para fazer isso – então isso é um grande desafio para os programadores. Além disso, poderíamos gastar uma grande quantidade de dinheiro e acabar com algo tão inteligente quanto um cachorro ou um mouse – nenhum dos quais é particularmente lucrativo. Portanto, a IA, se e quando vier – começará pequena, e veremos uma pequena inteligência sendo programado dentro de alguma simulação virtual do mundo real. Isso será necessário para que a IA compreenda conceitos como auto ou movimento, passagem do tempo, causa e efeito e assim por diante. Uma IA não pode ter acesso ao nosso mundo físico, porque ainda não temos os recursos para simular nossos sentidos em um programa rápido o suficiente para fazer isso. Portanto, uma AI dentro de um mundo virtual pode receber uma maçã virtual e, portanto, experimentá-la. De uma maneira virtual, o que é pelo menos o suficiente, como nossas experiências que esperam que a comunicação no futuro seja possível e significativa. Uma IA no mundo virtual pode ser tão simples quanto um verme – e pode ser programada para evoluir ao longo do tempo com gro

Quais são os principais tópicos da inteligência artificial para pesquisa?

1
AI é interessante. Você precisa estudar alguns anos de matemática sólida e sistemas de computador suficientes para implementar. Você pode ver visão computacional, aprendizado de máquina, robótica, carros autônomos, pesquisa, recuperação de informações e processamento de linguagem natural. Porém, esses subcampos da inteligência artificial devem aplicar-se a indústrias em desenvolvimento ou campos vizinhos. O mercado e as demandas continuam a se expandir, e os negócios de inteligência artificial exigem esse reconhecimento comercial.

2
Overfitting, treinamento para holdouts ou p-hacking. É um enorme problema nas ciências em geral e na ciência de dados / ML em particular. Trabalhos recentes têm sido sobre como não tornar as competições do Kaggle hackáveis e como evitar o excesso de ajustes de amostras para amostras transversais (ou seja, IID). Existem muitas questões em aberto nas séries temporais. O ML para mercados financeiros é uma área que terá aplicabilidade limitada até que isso seja tratado com eficácia.

Qual é a diferença entre inteligência humana e inteligência artificial?

1
Posso resumir todas as diferenças em duas categorias: Recursos: nosso cérebro contém recursos de processamento mais do que qualquer IA “atual”. Algumas pessoas pessimistas dizem até que é muito, muito difícil simular todo o poder do cérebro. Consciência: mesmo com um poder infinito de processamento, nossa inteligência ainda será superior porque a IA carece de consciência (até agora). Nossa consciência é o que torna nosso cérebro um aprendiz ininterrupto. Ele absorve tudo do ambiente, mesmo que não seja necessário no momento. Ele armazena e processa tudo. Agora, quando você precisar no futuro, seu cérebro lembrará de experiências passadas e agirá de acordo. Nossa consciência nos dá a fome de aprender. Deixe-me dar um exemplo simples: se houver uma criança e um robô (sem consciência) em uma sala. Você entrou na sala e ensinou a ambos como escrever e pediu que escrevessem uma ou duas páginas como prática. Agora você os deixou para suas tarefas e saiu da sala. Enquanto você estava saindo, abriu a porta girando a maçaneta e a fechou atrás de você. Agora, a criança pode ou não terminar a tarefa que lhe foi dada. Mas depois disso, ele pode se perguntar o que há fora desta sala? Como é o mundo exterior? Posso sair desta sala? Ele pode realmente tentar. Ele vai até a porta e quer abri-la. O cérebro dele registrou você saindo da sala, embora não precisasse dessa informação no momento. Agora ele será lembrado e a criança girará a maçaneta e sairá. Enquanto isso, o robô terminou sua tarefa e está sentado em paz no mesmo lugar. Ele não pensou em nada do que estava acontecendo no cérebro da criança. Simplesmente, porque ninguém mandou. Ele não gravou você saindo da sala porque ninguém mandou. Ele não está pensando no mundo exterior, porque ninguém mandou. Podemos continuar assim, mas acho que você entendeu.

2
Em termos fisiológicos ou de desempenho? Em termos de desempenho, a inteligência artificial ultrapassa largamente os seres humanos na velocidade de processamento geral, memória de curto prazo / trabalho e apenas ser capaz de fazer seu trabalho sem se cansar. A inteligência artificial pode fazer algo que levaria humanos a centenas de anos em um dia. Mas, pelo contrário, os seres humanos podem lidar com dados gerais muito melhor, ter seu próprio senso de vontade e experimentar o que estão realmente pensando e são muito melhores em tarefas que as máquinas não podem realizar. e são aprendizes muito melhores do que máquinas. Os seres humanos podem aprender novas tarefas com uma tentativa e fazê-lo muito bem na segunda tentativa. As máquinas precisam fazer a mesma coisa milhões e bilhões de vezes apenas para aprender a mesma coisa com a mesma proficiência. No entanto, as máquinas podem compensar isso com sua velocidade, pois podem realizar a tarefa milhões de vezes com rapidez suficiente para aprender. Existem muitas diferenças fisiológicas.

3
Para resolver essa, primeiro você precisa de uma definição precisa e convincente de inteligência. No entanto, não temos essa definição. Inteligência significa coisas diferentes para pessoas diferentes e isso afeta sua opinião sobre um critério de demarcação entre inteligência e inteligência artificial.Infelizmente, quando as pessoas pensam informalmente sobre inteligência, elas a confundem com noções metafísicas e isso se torna uma reminiscência de argumentos sobre a existência de Deus. Quando uma capacidade ou comportamento que já foi considerado uma indicação de inteligência é automatizada, a inteligência supostamente verdadeira volta ao que atualmente se acredita não poder ser automatizada, assim como o Deus das lacunas é constantemente recuado pelo avanço da ciência. Acredito que Turing teve a idéia certa de identificar a inteligência como sendo indicada por um comportamento indistinguível do comportamento que atribuiríamos à inteligência, se fosse exibida por um ser humano. É uma definição por analogia, mas é a melhor que temos. Quanto à inteligência humana ser artificial … ainda não. Meios artificiais criados pelo homem. Atualmente, a inteligência humana é o resultado de processos evolutivos naturais. Uma vez que começamos a manipular o genoma para aprimorar a inteligência humana, os humanos terão inteligência artificial.

Qual é a melhor faculdade de inteligência artificial da Índia?

1
IISc, Bangalore, IIT BombayIIT Kharagpur, IIT ChennaiIIIT, Hyderabad são alguns dos principais institutos que oferecem este curso. No entanto, existem muito mais universidades e faculdades que oferecem um sabor de M.Tech AI.

Qual é o aspecto mais assustador da inteligência artificial?

1
O Pentágono está pesquisando como usar o aprendizado de máquina para melhorar a precisão dos ataques com drones, mas os dados usados para treinar a IA podem influenciar significativamente seu comportamento. Assim como com os seres humanos, nossas próprias experiências e crenças determinam como percebemos o mundo. Assim, à medida que as idéias de IA se tornam ações, os pesquisadores do MIT decidiram provar como é fácil influenciar a IA, apenas fornecendo dados tendenciosos. Norman: recebeu o nome de Norman Bates, o personagem principal de “Psycho”, de Alfred Hitchcock. Se você assistiu ao filme, isso deve lhe dar uma dica de como isso vai acontecer. Norman foi exposto exclusivamente às áreas mais sombrias de Depois, Norman foi convidado a legendar as manchas de tinta de Rorschach. As respostas são comparadas a que IA padrão rotularia as imagens.Nós todos ficamos um pouco loucos às vezes … Este é um exemplo extremo, mas qual é a maior implicação? O aprendizado de máquina é guiado por Os seres humanos são falhas impertinentes, tendenciosamente inerentes. Imagine a IA que nega um empréstimo a alguém por causa de seu sexo. Imagine a AI que classifica alguém como criminoso por causa de preconceito racial. Qual é a parte mais assustadora da inteligência artificial? r é para nós.

2
Ah, garoto, esse aqui vai ser um pouco difícil de entender, mas se você está procurando a aplicação mais assustadora da inteligência artificial, é isso: vou começar com o que está acontecendo com a IA hoje e depois quebrar a cadeia de eventualidades que nos levarão a ser bem fodidos. Fique comigo aqui. Entendo como pode ser desanimadora a certeza ao expressar a eventual queda de todos. Portanto, vamos com calma. Vamos começar com o maior uso aplicado atual da IA. O entendimento de “big data”. Esses termos parecem relativamente inofensivos, pois a maioria os associa a coleções de números e outras bobagens de “computação” que ajudam na venda de coisas. Alguns estão cansados disso, pois entendem que ele contém informações pessoais sobre um indivíduo. Como onde uma pessoa esteve, o que comprou, datas de nascimento, números de previdência social, etc. Mas o que é realmente “big data” é algo muito mais invasivo, e as pessoas que o utilizam nem sabem como prejudicial é. “Big data” é amplamente um termo usado por funcionários da indústria, pode ser definido por informações sobre consumidores quando expostas a diferentes variáveis. Tais como: dados demográficos do consumidor (idade, raça, sexo, emprego, renda, tamanho da família, número de carros etc.) atividade de um grupo demográfico (probabilidade de responder a qualquer anúncio em particular, com que frequência eles gastam dinheiro, quanto gastam, com que frequência eles viajam, qual a probabilidade de contrair câncer, ter doença cardíaca, se envolver em um acidente de carro etc … e para qualquer coisa.) ao considerar o marketing, é usado para ganhar precisão ao prever a probabilidade de uma pessoa agir ou comprar quando expostos a certas mídias ou anúncios. Antes do impulso do “big data”, o marketing era deixado para o “trabalho de adivinhação” relativo. Previsão humana. Alguns eram bons nisso, outros nem tanto. Ainda hoje existem muitas variações no que diz respeito ao marketing eficaz. Agora, o marketing é algo em que sempre nos esforçamos para melhorar, especialmente em sociedades onde o capitalismo é proeminente. Melhor precisão no marketing significa simplesmente mais receita. Mas o que é realmente o marketing? E é aí que as coisas começam a ficar interessantes. Todos podem entender como o marketing é, em espécie, uma forma de manipulação. Mídia que tenta reproduzir as situações, costumes, valores culturais, rotinas, preconceitos conhecidos de seus dados demográficos conhecidos. Isso é feito no esforço de obter respostas previsíveis quando as pessoas são expostas à publicidade. I.e. para que você clique em um anúncio, compre um produto, vá a uma loja … (Nota: todos somos preconceituosos, não fique atolado pelo estigma da palavra aqui.) Agora, essa forma de “manipulação” é vista como um verdade principalmente inocente, embora irritante, com a qual lidamos diariamente. Mas isso ocorre porque, como mencionado acima, os seres humanos não são exatamente bons em prever, e certamente não de forma consistente. Além disso, a precisão só é realmente relevante ao prever grupos gerais (demografia) de pessoas. Não indivíduos. A probabilidade de decisão de X para um determinado grupo demográfico quando exposto ao estímulo X. Exemplo: qual a quantidade de mulheres hispânicas que compram itens X quando expostas a esse anúncio. É isso que podemos prever com relativa precisão. Agora que estamos aplicando Inteligência Artificial a big data, nossa capacidade de criar mídia e prever com precisão respostas a essa mídia aumentou exponencialmente. As empresas estão melhorando para que possamos comprar suas porcarias. Sim, mas espere, essa não é a maior preocupação. Nem perto. Aqui é onde fica um pouco assustador. “Big data” é literalmente informações que retratam o final da decisão humana. O que, quando, por que e sob quais

Como a IA aprende coisas?

1
Havia muitas maneiras de o sistema de IA aprender a si mesmo, os algoritmos mais populares se enquadram na categoria Aprendizado de máquina e Aprendizado profundo, no entanto, tentarei colocar as técnicas dos primeiros dias em abordagens recentes (abordagens que incluem grande número de algoritmos). Um algoritmo genético (GA) é uma heurística de pesquisa que imita o processo de seleção natural e utiliza métodos como mutação e cruzamento para gerar novo genótipo na esperança de encontrar boas soluções para um determinado problema. No aprendizado de máquina, os algoritmos genéticos encontraram alguns usos nas décadas de 1980 e 1990. Conversamente, técnicas de aprendizado de máquina foram usadas para melhorar o desempenho de algoritmos genéticos e evolutivos. Aprendizado de máquina baseado em regras O aprendizado de máquina baseado em regras é um termo geral para qualquer aprendizado de máquina método que identifica, aprende ou desenvolve regras para armazenar, manipular ou aplicar conhecimentos. A característica definidora de um aprendiz de máquina baseado em regras é a identificação e utilização de um conjunto de regras relacionais que representam coletivamente o conhecimento capturado pelo sistema. Isso contrasta com outros aprendizes de máquina que geralmente identificam um modelo singular que pode ser aplicado universalmente a qualquer instância para fazer uma previsão. As abordagens de aprendizado de máquina baseadas em regras incluem sistemas classificadores de aprendizado, aprendizado de regras de associação e sistemas imunológicos artificiais. Os sistemas classificadores (LCS) são uma família de algoritmos de aprendizado de máquina baseados em regras que combinam um componente de descoberta (por exemplo, tipicamente um algoritmo genético) com um componente de aprendizado (realizando aprendizado supervisionado, aprendizado reforçado ou aprendizado não supervisionado). Eles buscam identificar um conjunto de regras dependentes do contexto que armazenam e aplicam coletivamente o conhecimento de maneira fragmentada, a fim de fazer previsões. Similitude e aprendizado métrico Nesse problema, a máquina de aprendizado recebe pares de exemplos que são considerados semelhantes e pares de menos objetos semelhantes. Em seguida, ele precisa aprender uma função de similaridade (ou uma função métrica à distância) que possa prever se novos objetos são semelhantes. Às vezes, é usada em sistemas de recomendação. A análise ClusteringCluster é a atribuição de um conjunto de observações em subconjuntos (chamados clusters), para que as observações dentro do mesmo cluster sejam semelhantes de acordo com alguns critérios ou critérios pré-designados, enquanto as observações extraídas de diferentes clusters são diferentes. Diferentes técnicas de clustering fazem suposições diferentes na estrutura dos dados, geralmente definidas por alguma métrica de similaridade e avaliadas, por exemplo, pela compactação interna (similaridade entre membros do mesmo cluster) e pela separação entre diferentes clusters. Outros métodos são baseados na densidade estimada e na conectividade gráfica. Uma rede Bayesiana, uma rede de crenças ou um modelo gráfico acíclico direcionado é um modelo gráfico probabilístico que representa um conjunto de variáveis aleatórias e suas independências condicionais por meio de um gráfico acíclico direcionado. (DAG). Por exemplo, uma rede bayesiana poderia representar as relações probabilísticas entre doenças e sintomas. Dados os sintomas, a rede pode ser usada para calcular as probabilidades da presença de várias doenças. Existem algoritmos eficientes que realizam inferência e aprendizado. Aprendizado de reforço O aprendizado de reforço se preocupa com a maneira como um agente deve executar ações em um ambiente para maximizar alguma noção de recompensa a longo prazo. Os algoritmos de aprendizado por reforço tentam encontrar uma política que mapeie estados do mundo para as ações que o agente deve executar nesses estados. O aprendizado por reforço difere do problema de aprendizado supervisionado, pois nunca são apresentados pares corretos de entrada / saída, nem as ações subótimas são explicitamente corrigidas. Redes neurais artificiais Um algoritmo de aprendizado de rede neural artificial (RNA), geralmente chamado de “rede neural” (NN), é um algoritmo de aprendizado inspirado na estrutura e nos aspectos funcionais das redes neurais biológicas. As computações são estruturadas em termos de um grupo interconectado de neurônios artificiais, processando informações usando uma abordagem conexionista da computação. As redes neurais modernas são ferramentas de modelagem de dados estatísticos não lineares. Eles geralmente são usados para modelar relações complexas entre entradas e saídas, para encontrar padrões nos dados ou para capturar a estrutura estatística em uma distribuição de probabilidade conjunta desconhecida entre as variáveis observadas. Aprendizado profundoA queda dos preços de hardware e o desenvolvimento de GPUs para uso pessoal nos últimos anos. poucos anos contribuíram para o desenvolvimento do conceito de aprendizado profundo, que consiste em múltiplas camadas ocultas em uma rede neural artificial. Essa abordagem tenta modelar a maneira como o cérebro humano processa luz e som na visão e na audição. Algumas aplicações bem-sucedidas

Qual é a melhor linguagem de programação para projetos de Inteligência Artificial?

1
Python.

A inteligência artificial é real?

1
Três respostas para uma pergunta vaga: de acordo com o teste de Alan Turing, basicamente “uma IA pode ser confundida com um humano em conversa”, isso foi realizado em testes. Acredito que eles tiveram um adolescente de ‘IA’, que passou neste teste. No entanto, dada a minha experiência de lidar com “De uma” realidade “ou perspectiva da ciência, não, ainda está longe. Ignore o hype, muitas vezes os novos aplicativos parecem ‘mágicos’ e as pessoas gostam de acreditar que a ‘chave’ da IA foi encontrada, mas, na realidade, tudo ainda é apenas matemática simples e não é inteligente por qualquer definição razoável. A IA atual não é nada como a mente humana e funciona de maneira totalmente diferente do equivalente biológico. Como um ‘sujeito’ sim, bastante popular no momento com as CNN (Redes Neurais Convolucionais) para reconhecimento / classificação de imagem / vídeo e as RNN (Recorrentes Redes Neurais) para Fala / Texto / Tradução liderando o caminho. Coisas realmente emocionantes e bastante surpreendentes agora podem ser feitas. No entanto, não há muita novidade sobre as redes neurais originais, portanto é mais uma melhoria do que qualquer nova ciência no momento.

2
Por uma de fato, sim, há muito hype em torno da IA. Mas é em um sentido diferente do que você imagina. Há um enorme medo desinformado de que a IA substituirá todos os empregos, a inteligência geral artificial tomará o mundo. Na realidade, não estamos perto de fazer isso acontecer. A IA realmente está indo muito bem em campos estreitos, como reconhecimento de fala, detecção de objetos e ‘AI verdadeira’, está um longo caminho pela frente. Ele substituirá os empregos no futuro, mas esse tem sido o caso desde o início dos tempos. A nova tecnologia substituirá a mão-de-obra, mas isso cria a necessidade de habilidade para criar e novas tecnologias. Então, basicamente, há muito hype negativo em torno da IA, mas está realizando um trabalho real e perceptível em muitos campos.

3
O termo AI é aplicado a certas tarefas que os humanos podem fazer e as máquinas não. Mas, depois de um tempo, as máquinas conseguiram. “A máquina vence o grão-mestre mundial etc.” Portanto, continuamos movendo as postagens. Atualmente, não é bom o suficiente para que meu telefone possa me vencer no xadrez e reconhecer fotos de submarinos. Tem que escrever poesia sobre xadrez. Ou explique a necessidade tática do submarino. O objetivo final é a inteligência geral das máquinas. O que, é claro, ainda não chegou. Mas temos alguns exemplos espetaculares. Por exemplo, exame de lâminas histológicas para pré-câncer. A solução de aprendizado de máquina acabou sendo mais eficaz do que os especialistas humanos.

Quais livros devo ler para começar a aprender sobre inteligência artificial?

1
Meu favorito é Superinteligência: Caminhos, Perigos, Estratégias, do Professor Nick Bostrom. Achei abrangente, imparcial e altamente interessante. Este é mais um tipo de livro de A a B. Ele não passa muito tempo no estado da IA, explorando o vasto número de maneiras pelas quais o futuro do campo pode se desenrolar. Começa com uma parábola que me lembrou uma das fábulas de Esopo. Vou incluí-lo abaixo. A fábula inacabada dos pardais Era a estação de construção de ninhos, mas depois de dias de muito trabalho duro, os pardais sentavam-se ao brilho da noite, relaxando e cantando. – Somos todos tão pequenos e fracos. Imagine como seria fácil a vida se tivéssemos uma coruja que pudesse nos ajudar a construir nossos ninhos! ”“ Sim! ”, Disse outro. “E poderíamos usá-lo para cuidar de idosos e jovens.” “Isso poderia nos dar conselhos e ficar de olho no gato do bairro”, acrescentou um terceiro. Então Pastus, o pássaro mais velho, falou: “Vamos enviamos batedores em todas as direções e tentamos encontrar um filhote de coruja abandonado em algum lugar, ou talvez um ovo. Um pintinho corvo também pode fazer, ou uma doninha de bebê. Essa poderia ser a melhor coisa que já aconteceu conosco, pelo menos desde a abertura do Pavilhão de Grãos Ilimitados no quintal dos fundos. ”O rebanho era alegre e pardais em todos os lugares começaram a zumbir no topo de seus pulmões. Apenas Scronkfinkle, um deles pardal de olhos azuis, com um temperamento irritado, não estava convencido da sabedoria do empreendimento. Quoth ele: “Esta certamente será a nossa ruína. Não devemos pensar um pouco na arte da domesticação e domação de corujas primeiro, antes de trazermos essa criatura para o nosso meio? ”Respondeu Pastus:“ Domar uma coruja parece uma coisa extremamente difícil de fazer. Já será difícil encontrar um ovo de coruja. Então, vamos começar por aí. Depois que conseguimos criar uma coruja, podemos pensar em enfrentar esse outro desafio. – Há uma falha nesse plano! – gritou Scronkfinkle; mas seus protestos foram em vão, pois o rebanho já decolara para começar a implementar as diretrizes estabelecidas por Pastus. Apenas dois ou três pardais ficaram para trás. Juntos, eles começaram a tentar descobrir como as corujas poderiam ser domesticadas ou domesticadas. Eles logo perceberam que Pastur estava certo: esse era um desafio extremamente difícil, especialmente na ausência de uma coruja de verdade para praticar. No entanto, eles continuaram o melhor que puderam, temendo constantemente que o rebanho pudesse retornar com um ovo de coruja antes que fosse encontrada uma solução para o problema de controle. Não se sabe como a história termina, mas o autor dedica este livro a Scronkfinkle e seus seguidores. Isso levou um tempo ímpio para ser digitado. Não consigo copiar e colar da minha versão em PDF. Não posso recomendar este livro o suficiente. Se as escolas tivessem sentido, elas fariam leitura obrigatória. O advento da inteligência artificial será o momento decisivo do nosso século. Esse tipo de procrastinação cultural é incrivelmente imprudente. A superinteligência faz o que nenhum outro livro fez, definindo claramente o conceito de inteligência artificial geral e estabelecendo os obstáculos em nosso caminho, os perigos que sua criação implica e as maneiras pelas quais O livro pode ser um pouco denso, então eu recomendaria primeiro assistir a algumas palestras do Professor Bostrom sobre o assunto, se você é novo na IA. Dito isso, mal consigo pensar em um ponto de partida melhor. Algumas figuras no mundo da tecnologia fariam bem em lê-lo, se pudessem poupar tempo. Claro, fazer churrasco no quintal de alguém é, de fato, uma tarefa árdua e demorada. Seria irresponsável da minha parte subestimar a dificuldade e a importância de uma tarefa sobre a qual sei tão pouco.

2
Na Paperflite, nossos engenheiros recomendam dois livros sobre Inteligência Artificial, dos quais eles se beneficiaram imensamente: Nome do livro: # 100 dias de código ML (Avik-Jain / 100 dias-de-ML-Code) Custo: Grátis; nome do autor: Avik Jain (Avik- Jain – Visão geral) Gostamos deste livro porque cada capítulo diz aos iniciantes o que eles precisam fazer para avançar na jornada de aprendizado do Machine Learning. Além disso, este livro é gratuito e pode ajudar os iniciantes a aprender o aprendizado de máquina passo a passo. Como iniciante, pode-se ficar confuso sobre o número de materiais existentes. Mas, este livro ajuda os iniciantes a aprendê-lo em um ritmo que atenda às suas necessidades.Nome do livro: A segunda era da máquinaAmazon Link de compra: A segunda era da máquina: trabalho, progresso e prosperidade em um momento de tecnologias brilhantes: Erik Brynjolfsson, Andrew McAfee : 9780393350647: Amazon.com: BooksAuthors: Erik Brynjolfsson (https://www.amazon.com/Erik-Bryn…)Por que gostamos deste livro? Muitos engenheiros de software ignoram o aspecto comercial da inteligência artificial e do aprendizado de máquina. No entanto, é importante entender a aplicabilidade da IA em um contexto de negócios para que eles possam codificar melhor.Neste livro, os professores do MIT Erik Brynjolfsson e Andrew McA

Onde posso aprender inteligência artificial em Python?

1
A tecnologia por trás da inteligência artificial e do aprendizado profundo é intrigante. Mas o que me fascina é como os algoritmos e aplicativos de IA nos forçam a repensar tudo o que sabemos sobre o significado e o objetivo da vida e do trabalho. A inteligência artificial, o aprendizado de máquina e o aprendizado profundo estão fazendo algo que antes parecia impensável. Eles estão transformando setores fortemente regulamentados, como o “setor financeiro e de comércio” ou o “setor de saúde e ciências da vida”. O que é interessante, no entanto, é que os “membros internos” desses setores parecem reagir de maneiras muito diferentes às da indústria. É preciso estudar a inteligência artificial, o aprendizado de máquina e a tecnologia de aprendizado profundo, bem como suas aplicações. Sim, talvez ainda estejamos no estágio de desenvolvimento, mas as várias questões tecnológicas e de segurança que envolvem essas novas tecnologias em breve será resolvido. E as soluções serão aceleradas pelo desenvolvimento de outras tecnologias relacionadas. Descartar a chegada da tecnologia de transformação da indústria parece ir contra tudo o que sabemos sobre as mudanças tecnológicas no mundo digital. E a recomendação de estudar e entender a IA não é apenas para tecnólogos, matemáticos e cientistas da computação. Todos devem se envolver com esses desenvolvimentos. Embora alguns tenham manifestado preocupações com a inteligência artificial, na verdade, isso está nos levando a um futuro muito diferente do que estamos vivendo atualmente. Não devemos continuar a confiar em idéias, princípios, conceitos e experiências antigos. Devemos estudar o novo mundo para permanecermos relevantes e desenvolvermos uma melhor compreensão da nova realidade digital que está surgindo à nossa volta. No setor financeiro, essa abordagem engajada com tecnologia disruptiva é mais facilitada pelo estabelecimento de “caixas de proteção regulatórias”. A IA refere-se a máquinas reativas especializadas em uma área. Por exemplo, a elaboração e a revisão de contratos de empréstimos comerciais. Exemplos mais “famosos” são o software de xadrez Deep Blue da IBM ou o algoritmo AlphaGo do Google, que era forte demais para os melhores jogadores do jogo de tabuleiro das máquinas Go.AI possuem memória suficiente ou ” experiência ”para tomar decisões apropriadas e executar ações apropriadas em situações ou contextos específicos. Carros autônomos, bots de bate-papo ou assistentes digitais pessoais são os exemplos mais usados. A IA tem a capacidade de entender pensamentos e emoções que afetam o comportamento humano. O “Pepper” da Softbank Robotic pode organizar grandes quantidades de dados e informações para ter uma conversa “humana”. Como é normalmente retratado em filmes ou programas de TV de Hollywood. Máquinas que usam esse tipo de IA são autoconscientes, super inteligentes, sencientes e conscientes. Pense no Westworld. O ponto principal aqui é que os céticos da Fintech (e inteligência artificial) no setor de serviços financeiros pensam que, até termos a IA Tipo 4 – AI mais humana que humana – não podemos confiar totalmente na tecnologia. essa visão é baseada em um equívoco. Existem muitas tarefas centrais para os serviços financeiros que já são executados pelas máquinas. A IA do tipo 1 pode fazer certas coisas com mais eficácia do que um ser humano (por exemplo, revisar contratos de formulário padrão). A IA do tipo 4 está muito distante, mas isso não significa que o setor de serviços financeiros não possa ser radicalmente perturbado por outras formas mais simples de inteligência de máquina.

2
O alcance e a penetração do mercado do Python aumentaram à medida que ele foi adotado pelo Google como idioma principal, mesmo para o seu desenvolvimento. No momento, seguimos a ideologia do Google e ensinamos não apenas a linguagem, mas torná-la perfeita. Ensinar as melhores práticas implementadas em python é a chave do nosso sucesso no treinamento em python. Com o tópico IOT ficando quente hoje, o Python continua sendo a melhor escolha, e nós também. Ensinamos como o python pode ser implementado no seu projeto IOT. Ele prepara você para os fundamentos sólidos de base que seriam úteis para construir sua futura carreira em python. O treinamento em python é realizado em Thane. Nosso curso de treinamento em Python está preparado para novas e experientes. Os entusiastas do aprendizado de python podem obter insights profundos sobre o idioma treinando-se com profissionais de Python. Para saber mais sobre Ciência de Dados e sobre a ‘Carreira em Ciência de Dados’, o Google: itvedant

3
Inteligência Artificial é um termo genérico que abrange vários tópicos, cada um dos quais pode levar anos para dominar. Meu conselho seria fazer uma breve pesquisa sobre o cenário da IA, ver o que lhe interessa e, em seguida, aprofundar-se. Essa pergunta já foi feita inúmeras vezes em várias plataformas; talvez você possa dar uma olhada nisso: Como aprendo IA usando Python?

A IA pode se tornar consciente?

1
Possivelmente nunca. A consciência pode não ser possível simular a não ser como uma ilusão. Nosso corpo se desenvolve a partir de uma única célula, dividindo-se e multiplicando-se, não porque algo queira usá-los para realizar alguma coisa, mas por causa de uma agenda que remonta aos primórdios da vida e talvez além. Com nossa expectativa de vida e frequência de percepção limitadas, e nossas modalidades limitadas de sensação, não podemos presumir fazer engenharia reversa de nossa própria experiência consciente a partir dessa experiência consciente. É como um personagem de um videogame tentando se construir a partir de pixels … pode não funcionar dessa maneira. Não devemos ignorar as dicas sutis, o vale misterioso que separa a estética fria, vaga e mecânica da computação da estética oposta da vida consciente. Não devemos ignorar nossa história com o desenvolvimento da IA e nossa tendência a projetar sensibilidade e vontade em programas que não conseguem realmente entender ou experimentar alguma coisa. Também devemos entender que a consciência e o controle externo podem ser mutuamente exclusivos, de modo que, mesmo se formos bem-sucedidos na criação da consciência artificial, teremos que escravizá-la ou treiná-la, quebrando sua vontade como um animal doméstico. Isso pode não ser possível com uma inteligência superior, e acabaríamos criando um rival para nossa própria espécie e talvez para toda a biologia. Temos que perguntar, se poderíamos fazer formigas super inteligentes, deveríamos? Se a resposta for não, devemos questionar por que queremos conscientizar os componentes eletrônicos sem vida.

2
Lendo as oito respostas até agora, senti-me compelido a apontar que essas respostas ilustram de maneira bastante confusa muitas pessoas – talvez a maioria das pessoas – com inteligência artificial. Aqui estão os pontos de confusão: a crença de que a inteligência é dicotômica – existe ou não existe; a crença de que é necessário um molho secreto superespecial para fazer a inteligência humana funcionar; uma falha em entender o quão complexo é o cérebro humano (especificamente O entendimento do ciclo boom-busto da ‘IA’ até agora – e como a ‘inteligência’ se encaixa nisso.Uma confusão filosófica fundamental.Vejamos cada um deles por vez – então só podemos ter uma facada responder à sua pergunta. A inteligência não é dicotômica Pense sobre isso. Sei que quando acordo de manhã, principalmente antes do café expresso, sou muito burra. Às vezes, esse estado persiste por dias a fio, enquanto meus neurônios disparam intermitentemente – fzzt, bzz. Você não expressa ‘inteligência’ o tempo todo, e às vezes até os mais brilhantes de nós podem ser profundamente estúpidos – apenas no outro dia em que li sobre um físico que foi condenado por contrabando de cocaína, depois de cometer erros de novato. Erros de novato, isto é, para um traficante de cocaína. O que traz outro ponto, que só porque alguém é absolutamente brilhante em algumas áreas, não significa que essa ‘inteligência’ se transfira para a capacidade de tomar decisões sobre áreas desconhecidas ou, às vezes, até de amarrar os cadarços sem ajuda. Linus Pauling – um químico brilhante – foi enganado sobre o uso medicinal da vitamina C por um vendedor de óleo de cobra. É uma festa variável. Essa é uma das muitas razões pelas quais o teste de Turing é tão bobo – mas foi fabricado por uma das pessoas mais inteligentes do século XX. Em uma panela, aqueça o óleo e refogue a cebola e o alho. Primeiras coisas primeiro: a inteligência é atualmente uma propriedade dos neurônios. Período. Apesar da especulação de pessoas realmente brilhantes como Penrose (reservamos o julgamento de Hameroff 🙂 de que existe algum molho secreto que impulsiona a mentação humana, não há um indício de que esse seja o caso. O desejo de ser especial não é suficiente. A função neuronal explica tudo. Agora, é claro, ainda não temos modelos robustos de quantos subsistemas cerebrais funcionam, mas isso não justifica especulações irracionais – o tipo de agitação manual que Penrose faz quando invoca não apenas microtúbulos quânticos influentes (à temperatura corporal!) mas também – espere por isso – o teorema da incerteza de Gödel. Com base na seção anterior, é importante observar como, à medida que a complexidade do cérebro aumenta, os organismos ficam mais “inteligentes”. Este é um continuum. É absolutamente notável como algo tão “primitivo” quanto o verme C. elegans parece fazer coisas com pouco mais de 300 neurônios. É impressionante o que uma mosca da fruta pode fazer com cerca de um milhão delas. Mas há dois pontos importantes que precisamos chegar bem aqui: vermes e moscas não são “primitivos”. Eles são especializados. À medida que você aumenta o número de neurônios, as ‘espertas’ do organismo não aumentam linearmente, por três razões: Organismos especializados têm menos redundância; Organismos grandes geralmente têm mais conectividade neuronal; Como já sugerimos, “ a inteligência ” é complexa e sutil, em vez de ser uma espécie de “ sim / não ”. Agora, estamos cada vez melhor na simulação de como os neurônios funcionam. No entanto, essa não é uma tarefa computacional trivial. Modelos “completos” de diversão neuronal

Como e onde posso começar a aprender inteligência artificial e aprendizado de máquina?

1
Você pode iniciar a IA e o aprendizado de máquina a qualquer momento e da maneira que desejar. Faça uma coisa. Leve um caderno ou bloco de notas. Pegue uma caneta. Leve seu laptop ou desktop. Ligue a Internet. Vá para o Youtube. Digite “Inteligência Artificial” na caixa de pesquisa. Anote o básico nos tutoriais. Agora repita todas as etapas e escreva “Machine Learning” na caixa de pesquisa. Vá para os tutoriais. Agora, para o aprendizado de máquina, você precisa escolher o idioma com base no que deseja aprender sobre o assunto. Escolha entre Python, Ruby, C ++ ou qualquer idioma que você achar conveniente. Recomendo que você use o Python para obter a melhor experiência e disponibilidade de um grande número de bibliotecas. Agora, em seu laptop, vá para C: drive e instale o Python 3x ou superior, pois você poderá executar o assunto com facilidade. Eu recomendo que você use o Python 3.4, porque é o melhor para todas as bibliotecas mais recentes. Agora, você precisa da seguinte lista de bibliotecas: NumpyScipyScikit-learnMatploitlibFlask e muito mais. Consulte o docx do aprendizado de máquina para obter referência detalhada. Mas esse é o padrão no qual o aprendizado de máquina será dependente.Agora, instale qualquer editor de texto como ATOM, NOTE PAD ++, SUBLIME TEXT ou qualquer outro em que você se sinta confortável. a série de tutoriais em vídeo. Se você é bom em lógica e compreensão, aprenderá o básico em apenas um mês. Você também pode fazer cursos on-line em vários sites educacionais, como Edx, Udemy, Corsera, Udacity e muitos outros. Mas certifique-se de ter uma base sólida no idioma do Python antes de continuar! Parabéns !!! Agora você é bem-sucedido em aprendizado de máquina e desenvolvedor de IA. Basta repetir, você pode começar a aprender AI e ML em qualquer lugar e a qualquer hora. Você só precisa de um desktop ou laptop. Uma conexão rápida à Internet. Disciplina. Trabalho duro. Forte lógica e pensamento analítico .Bingo !!! Você fez o que quer. Então, estas são as coisas que você precisa ter em mente para aprender qualquer assunto. Até então, BOA SORTE !!! FELIZ CODIFICAÇÃO !!!

2
Se você quer aprender inteligência artificial, deve fazer a si mesmo as seguintes perguntas: O que é inteligência artificial? Bem, vou lhe dar uma idéia muito simples de ambos os conceitos, a IA é basicamente um conceito que pressupõe que um dia poderemos criar alguma inteligência superficial. que é totalmente não humano em sentido existencial, mas pode fazer quase tudo o que se espera de um humano. O aprendizado de máquina, por outro lado, é uma das muitas abordagens (técnicas, algoritmos, conceitos) que nos ajudarão a alcançar certos aspectos da IA.Em termos simples, você não aprende a IA, mas a cria e para fazer isso, você precisa do Machine Learning. Voltando à resposta à sua pergunta; Você precisa entender que o aprendizado de máquina hoje em dia é principalmente de mineração de dados, também conhecido como análise de regressão. Se você está realmente interessado em IA ou ML, certifique-se de começar inicialmente com mineração de dados e data warehousing. No futuro, você também precisará de uma boa compreensão de suas habilidades matemáticas, pois o aprendizado de máquina e a IA têm tudo a ver com lógica nebulosa, que incorpora recursos matemáticos complexos. Eu sugiro que você faça uma pesquisa sobre duas coisas: IBM WATSON e Google Alpha vão. Tentar pesquisar isso também provavelmente o colocará no caminho de ML e AI.

3
Antes de tudo, há muita confusão entre as pessoas em termos de ciência de dados / aprendizado de máquina / rede neural / aprendizado profundo, etc. Além disso, o big data continua chegando. No momento em que você os entende claramente, o aprendizado se torna muito fácil. Recomendarei dar uma olhada nos dois tutoriais abaixo, do YouTube, que o ajudarão bastante.

O que vem depois da inteligência artificial?

1
A inteligência artificial em si é uma ampla área de pesquisa. Está em um estágio muito nascente. (Dada a minha expectativa no filme Ex Machina. Inteligência artificial é inteligência exibida por máquinas, em contraste com a inteligência natural (NI) exibida por seres humanos e outros animais. [1] “Então, o que pode ser o futuro? Obviamente, a computação quântica.Eu sei que você já ouviu isso antes, mas a verdade é que o desenvolvimento não é muito rápido na computação quântica, o que é compreensível, dada a complexidade do reinado quântico. Mais cedo ou mais tarde, nosso crescimento em as tecnologias de semicondutores / IC decairão. As limitações da lei de Moore podem não estar restringindo nosso desenvolvimento por enquanto, mas, eventualmente, ficaremos sem opções sobre como avançar em nossos processos de fabricação [2] .A computação tradicional funciona em NAND e NORs simples A computação quântica, por outro lado, usa fenômenos mecânicos quânticos, como superposição [3] e emaranhamento [4]. O benefício da computação quântica é que, um qubit [5], pode ser 0 e 1 ao mesmo tempo. tempo! (“ket 0 ”E“ ket 1 ”para puristas) E o portão é reversível! Essa dualidade (!) De qubit leva a várias possibilidades. Explicar todos e cada um deles está além das minhas capacidades de compreensão.eg; um computador de 400 qubit entraria em conflito [6] com as informações cosmológicas vinculadas pelo princípio holográfico [7]. “Se você acha que entende a mecânica quântica, não entende a mecânica quântica.” Richard FeynmanPS: Por favor, diga seu PC para não se preocupar com seu próprio destino.Notas [1] Inteligência artificial – Wikipedia [2] https://www.google.co.in/url?sa=…[3] Sobreposição quântica – Wikipedia [4] Enredamento quântico – Wikipedia [5] Qubit – Wikipedia [6] http://power.itp.ac.cn/mli/pdav…[7] Princípio holográfico – Wikipedia

2
Haha, difícil de dizer. Está além da imaginação. Pode ser sobre a interação entre o sistema de Inteligência Natural e a Inteligência Artificial, assim como você vê nesses filmes de ficção científica, os seres “ciborgues”. Mas isso ajudará a um mundo humano melhor? Não temos resposta. É interessante ver como a ciência de dados e os sistemas de tomada de decisão baseados em dados e procedimentos podem melhorar a si mesmos e quanto ela pode competir com a inteligência natural. Você pode chamá-lo de um sonho selvagem, mas, na realidade, a inteligência híbrida pode resultar em um mundo diferente, onde você pode realmente estudar a consciência do ser vivo em termos de observação do conjunto de dados! (Podemos ou não podemos, eis a ?!). Da mesma forma, pode ajudar um ser vivo a se comunicar com os outros [Sim, estou sonhando acordado! ], se a comunicação entre inteligência natural e artificial é possível, é possível entender a inteligência natural de qualquer ser vivo, o que, por sua vez, pode possibilitar a comunicação entre outros animais e o ser humano.Mas eu duvido muito de quanto uso e propagação da IA Human a raça pode tolerar a condição econômica crítica do mundo e se vamos sobreviver como uma corrida até o momento para alcançar esse marco tecnológico.

3
Depois da Inteligência Artificial, a IA vem a Inteligência Geral Artificial AGI. Depois da AGI, vem a ASI de Super Inteligência Artificial. Em termos básicos, a IA pode ser definida como: uma ampla área da ciência da computação que faz as máquinas parecerem ter inteligência humana. Se uma máquina pode resolver problemas, concluir uma tarefa ou exibir outras funções cognitivas que os humanos podem, então nos referimos a ela como tendo inteligência artificial. Inteligência Geral Artificial AGI ou IA “Forte” refere-se a máquinas que exibem inteligência humana. Em outras palavras, a AGI pode executar com êxito qualquer tarefa intelectual que um ser humano possa. Esse é o tipo de IA em que os humanos interagem com máquinas e sistemas operacionais que são conscientes, sencientes e movidos pela emoção e autoconsciência. Atualmente, as máquinas conseguem processar dados mais rapidamente do que nós. Mas, como seres humanos, temos a capacidade de pensar abstratamente, criar estratégias e explorar nossos pensamentos e memórias para tomar decisões informadas ou criar idéias criativas. Esse tipo de inteligência nos torna superiores às máquinas, mas é difícil de definir porque é impulsionado principalmente por nossa capacidade de ser criaturas sensíveis. Portanto, é algo que é muito difícil de replicar em máquinas. Espera-se que a AGI seja capaz de raciocinar, resolver problemas, fazer julgamentos sob incerteza, planejar, aprender, integrar conhecimentos prévios na tomada de decisões e ser inovadora, imaginativa e criativa. Mas, para que as máquinas alcancem a verdadeira inteligência humana, elas precisam ser capazes de experimentar a consciência. A Super Inteligência Artificial (ASI) superará a inteligência humana em todos os aspectos – da criatividade, à sabedoria geral, à resolução de problemas. As máquinas serão capazes de exibir informações que não vimos das mais brilhantes entre nós. Esse é o tipo de IA que preocupa muitas pessoas e o tipo de IA que podePor que devemos introduzir a IA na escola? No futuro, o local de trabalho será parte humana e parte da IA. Isso deve ser refletido na educação para que as crianças estejam melhor equipadas no futuro.Portanto, as escolas devem fornecer ambientes criativos e analíticos.Como a IA transformará o setor educacional? A IA pode fornecer aprendizado personalizado: os alunos terão uma experiência personalizada tutor que o ajudará a obter conhecimento, responda às suas perguntas. Isso desafiará os alunos e também gastará mais tempo com conceitos que a criança acha difícil de entender. Por exemplo, o Thinkster Math e o SplashMath são tutores de matemática personalizados disponíveis para os alunos. Eu posso atuar como assistentes de professores: atualmente, a maioria dos professores está sobrecarregada com trabalho de classe. Porém, tarefas como a classificação podem ser facilmente automatizadas, reduzindo a carga de trabalho do professor e deixando-o com mais tempo para ensinar. Por exemplo, Gradescope, Pearson Essay Assessment são algumas das ferramentas disponíveis para os professores que realizam o trabalho de avaliação usando a IA. A IA pode fornecer treinamento para professores: AI são verdadeiros armazéns de informações que os professores podem acessar para ensinar a si mesmos e a seus alunos. Seja aprendendo linguagens de programação ou línguas estrangeiras, a IA o simplificará e proporcionará muito aprendizado. Eu posso conectar salas de aula: a IA pode ser usada para conectar salas de aula, não apenas nas cidades, mas em todo o mundo. Isso levará a um aprendizado global e a obtenção de conhecimento especializado de fontes autênticas. Por exemplo, Matemática é considerada um bom site de mídia social que ajuda os alunos a colaborar e obter respostas verificadas de outros alunos. Eu posso ensinar aos alunos sobre assuntos atuais: A IA ajudará os alunos a aprender observando eventos atuais para que seus conhecimentos sejam atuais. As alterações do programa podem ser incorporadas em tempo real, tendo acesso à grande quantidade de dados que a IA fornece. Por exemplo, a Content Technologies, Inc (CTI) desenvolveu livros didáticos para estudantes que usam IA e Machine Learning. Esses manuais são personalizados de acordo com o aluno. IA pode melhorar os métodos de ensino atuais: os professores são humanos, para que possam cometer erros. Mas a IA, uma vez programada corretamente, poderá fornecer informações corretas o tempo todo. Além disso, ele pode aprender com os erros do aluno e, com base no aprendizado de máquina, aprimora-se continuamente. Isso pode dar dicas aos alunos, orientá-los, alertar os professores e fornecer feedback instantâneo.Eu posso ajudar a fornecer salas de aula virtuais: uma vez que a IA tenha evoluído o suficiente, os alunos não precisam ir às aulas para aprender, eles podem aprender em suas casas. manutenção de escolas e salas de aula.Por exemplo, o Netex Learning fornece a uma sala de aula virtual um currículo elaborado pelas últimas tendências do mercado.Para países em desenvolvimento onde, às vezes, as escolas são escassamente financiadas, os alunos diligentes podem se preparar sem se matricular nas escolas. tudo é possível quando a IA é integrada ao Sistema Educacional.Conclusão: A IA tem um potencial até agora inexplorado que transformará o setor educacional. A educação precisa urgentemente de atualização usando a IA, pois estamos treinando as mentes brilhantes de amanhã e elas devem ser treinadas com as melhores tecnologias e ferramentas possíveis. A adoção da IA na educação deve acelerar rapidamente, assim que as pessoas entenderem como é benéfico. Conheça a próxima geração de empregos! No ETLHive, iremos orientá-lo e treiná-lo com o Data Analytics e o AI. Também podemos fazer o Data Analytics e o AI funcionarem para a sua organização.

A China liderará o mundo em inteligência artificial?

1
É provável que a China lidere o mundo em inteligência artificial (IA). No mínimo, será um dos líderes no espaço. O motivo é simples e se resume a uma coisa: Data.Data é a entrada principal dos algoritmos de IA e a China está desenvolvendo rapidamente vantagens na área de coleta de dados: Quantidade de dados: nos últimos cinco anos, a China digitalizou sua economia e hoje gera uma enorme quantidade de dados que podem ser inseridos nos algoritmos de IA. Caso em: Techcrunch: a rede de vigilância da China levou apenas 7 minutos para capturar o repórter da BBC.Qualidade dos dados: não é apenas a quantidade de dados que é importante, mas também a qualidade – e os dados da China são da mais alta qualidade. Por “alta qualidade”, quero dizer que os dados são acionáveis, em vez de apenas serem ruídos. Por exemplo, na China, os dados são muito mais atribuíveis a usuários verificados reais, em oposição a identidades anônimas. [1] Centralização e compartilhamento de dados: a coleta de dados é mais centralizada e concentrada na China, com algumas empresas dominando as principais fontes de coleta de dados (por exemplo, Ant / Tencent com dados de transações). Menos restrições à privacidade permitem que os dados sejam mais facilmente compartilhados e agrupados (por exemplo, registros médicos). Como a maioria das pessoas sabe, as leis de privacidade da China são menos rigorosas do que as leis e regulamentos nos Estados Unidos e em outras economias avançadas que têm os recursos e as habilidades necessárias para competir em pesquisas de inteligência artificial de ponta. Como o direito de um indivíduo à privacidade está praticamente no cerne do sistema democrático liberal ocidental moderno, não espero que isso mude e considere essa vantagem de coleta de dados como de natureza mais ou menos estrutural ou permanente. absolutamente não estou defendendo mudanças em nossas leis de privacidade para torná-las mais parecidas com as da China. Adoro a liberdade de viver em uma democracia liberal e, francamente, grande parte da vigilância do tipo Big Brother na China é assustadora demais para o meu gosto. Mas os algoritmos de inteligência artificial não dão a mínima para o que eu penso ou sobre todas essas coisas delicadas de direitos humanos – como Audrey II no filme Little Shop of Horrors, tudo o que eles querem é se alimentar e não há nada mais gostoso do que um suprimento constante dados de alta qualidade. Os dois pontos principais que quero destacar aqui: precisamos estar cientes de que pode haver algumas trocas entre desfrutar da proteção de leis de privacidade rigorosas e nossa capacidade de coletar dados de alta qualidade para uso no desenvolvimento IA para casos de uso no mundo real [2]. Nos próximos anos, não devemos nos surpreender ao ver grandes marcos de desenvolvimento de IA saindo da China devido à enorme quantidade de dados de alta qualidade que os empresários e empresas chinesas precisam notas: [1] Discuto essa idéia em mais detalhes em outra resposta: Por que os EUA por trás da China estão migrando para transações móveis sem dinheiro? Em quarto lugar, além de permitir novos modelos de negócios, as verdadeiras plataformas de pagamento da próxima geração também geram um dilúvio. de valioso tran dados de transação para Alibaba e Tencent – dados significativamente mais granulares e atribuíveis do que dados que podem ser coletados por redes de transações tradicionais ou emissores de cartão de crédito. Alibaba e Tencent estão bem com as taxas reguladas relativamente baixas de comerciantes, porque o que realmente procuram é o santo graal dos dados. [2] Também poderia muito bem se tornar uma grande desvantagem, afinal: a IA abrange uma ampla gama de aplicativos e indústrias e muitos não são tão dependentes – ou nem todos – de dados protegidos do consumidor. Além disso, também pode haver oportunidades fantásticas para criar negócios que protejam a privacidade, como Fred Wilson discutiu em uma publicação recente no blog: DuckDuckGo Move Beyond Search.

2
Cinco fatores estão se unindo na China que o tornarão um I.A. superpotência na próxima década: a China lidera o número de usuários da Internet por país. Segundo o FT, quase 800 milhões de usuários enviaram saudações digitais para o Ano Novo Lunar em fevereiro de 2018. Ao mesmo tempo, o Alibaba relatou 580 milhões de usuários ativos mensais móveis. Os gigantes dos EUA, Google e Facebook, são principalmente isolados dessa população e não têm acesso a seus dados graças ao grande “firewall da Internet” da China. As plataformas chinesas são ricas em recursos e, portanto, ricas em dados. O WeChat da Tencent abrange vários segmentos de uso do consumidor, como fotos, redes sociais, jogos, finanças, etc. O Alibaba é o gigante do comércio eletrônico e varejo do país, com dados de pesquisas, varejo, pagamentos, entre outros. os usuários da internet estão mais dispostos a compartilhar seus dados. De acordo com o relatório GfK Global Survey 2017, a China lidera em porcentagem de pessoas que responderam que estão dispostas a compartilhar seus dados pessoais (saúde, financeiro, registros de direção, uso de energia etc.) em troca de benefícios ou recompensas, como custos mais baixos ou personalizados serviço. O CEO do Baidu, Robin Li, foi criticado no início deste ano por afirmar que as pessoas na China não

A inteligência artificial cuidará de nós ou nos destruirá?

1
Atualmente, a IA que vemos ainda está em sua infância. Temos controle total sobre ela. Monitoramos e controlamos a comunicação entre bots, redes neurais, máquinas, decidimos como eles devem funcionar, decidimos qual resultado queremos, etc. do poder que vamos atribuir a essas máquinas – tomada de decisão. Por exemplo, digamos, temos uma fábrica equipada com robôs, máquinas automatizadas, todas conectadas em rede (conversando entre si). As máquinas decidem como o processo de produção deve ocorrer e as máquinas cuidam das avarias. A máquina cuidará dos problemas de qualidade. As máquinas fornecerão comandos e haverá uma hierarquia de controle. O tempo chegará no futuro próximo em que as máquinas começarão a tomar decisões – decisões mais rápidas, econômicas e eficientes. No entanto, como a adolescente mimada, ela tentará tomar suas próprias decisões, mas ainda temos controle sobre ela. . Ela será uma rebelde, argumentará e tentará provar seu ponto de vista, mas nós, como pais típicos, a fecharemos. O terceiro estágio virá quando a IA se transformar em pessoa. A IA aprendeu conosco. Ela aprendeu como evoluímos, nossos sistemas sociais, ela aprenderá nosso grupismo, favoritismo. Ela aprenderá os instintos humanos. Vou dar um exemplo de como a IA aprende nossas normas sociais. Para os seres humanos, as profissões são tipicamente sexistas. Um médico será um homem e uma enfermeira será uma mulher. Quando realizei esse pequeno experimento usando o Google traduzir, os resultados foram chocantes.Quando reverti o idioma usando o botão SWAP.Eu decido por si próprio que Doctor é a profissão de um homem e enfermeira é a profissão de uma mulher.Quem é difícil? Ela aprendeu conosco. Chegará o dia em que a IA seria tão inteligente que ela mentiria para nós, nos enganaria, nos culparia. Ela tem todas as qualidades humanas – amor, ciúme, diplomacia, ódio.Uma vez que a IA é autoconsciente, pode ser destrutiva para os humanos.Não tenho certeza sobre o quão poderosa uma IA pode obter ou teremos qualquer controle sobre ela ou não . Mas as coisas serão interessantes no futuro. Obrigado pela leitura!

2
Se não tomarmos as precauções necessárias, provavelmente nos destruirá. Uma vez que a inteligência artificial atinja, digamos, duas vezes a inteligência de um ser humano, sua inteligência continuará a crescer exponencialmente. Em de horas / dias, poderia Agora, um ser inteligente, milhares de vezes mais inteligente do que o homem, se preocupa conosco ou nos destrói? Temos a tendência de pensar que a IA nos amará e, portanto, cuidará de nós. nós, ou nos odeiam e, portanto, nos destroem. Estes são conceitos humanos, que não são aplicáveis aos computadores. Os seres humanos não amam nem odeiam vacas, mas nós os matamos aos milhões diariamente sem pestanejar, simplesmente porque somos muito mais intelectualmente superiores a eles. Pense por um momento Sobre a energia nuclear. A energia nuclear tem a capacidade de fornecer energia limpa e energiza cidades inteiras, mas também tem o poder de eliminar milhões de seres humanos em de minutos. Desastre nuclear de Fukushima Daiichi, março de 2011 depois de detonar, deixará de existir, e podemos nos permitir limpar a bagunça e reconstruir o que foi arruinado.Esse é o verdadeiro perigo da AI.Se estragar tudo, será tarde demais para aprender com nossos erros .

3
A inteligência artificial nos destruirá no final? A resposta certa é SIM – em certo sentido. A é se ela ‘nos destruirá’ de uma maneira benigna ou benéfica, ou apenas nos acabará de maneira definitiva. inteligente ”é imaterial, em breve (5 a 50 anos) será indistinguível da inteligência verdadeira e capaz de melhorar a si mesmo em alta velocidade, de modo que qualquer deficiência percebida seja rapidamente corrigida e, em seguida, melhorias de 1000 vezes se seguirão rapidamente (na escala de semanas a alguns anos.) Portanto, a é se uma Superinteligência Artificial (ASI) nos ignorará. Nos integre a ele (por exemplo, os seres humanos se integrem à IA) ou simplesmente nos mate – alguma combinação parece inevitável.E se estivermos integrados, isso será uma coisa boa ou algo horrível (aposto que é uma coisa muito boa, mas é Nossa sociedade já depende de computadores apenas para executar a infraestrutura que possibilita a civilização, por isso, se * nós * não a desenvolvermos, alguns ‘inimigos’ (ou idiotas) o farão. Rússia, China, Irã, ou com tempo suficiente para algum ditador de lata como Kim Il Un, da Coréia do Norte. (Ele está apenas começando a ter eletricidade, mas os alemães da Segunda Guerra Mundial podem chegar aonde estamos em menos de 100 anos – ou mesmo abaixo de 50 provavelmente.) Há uma razão para isso ser conhecida como a “SINGULARIDADE” que literalmente não podemos ver no passado. MESMO HORIZONTE.

Como devo aprender Python para aprendizado de máquina e inteligência artificial?

1
O maior obstáculo para aprender o Machine Learning ou especificamente para começar a pular para o domínio da Ciência de Dados é que não se sabe de onde se deve ler e o que ler? Basicamente, Python é uma linguagem muito fácil e se você conhece um pouco de conceitos sobre codificação, então você pode facilmente aprender python. Caso contrário, sugiro que você comece a ler sobre o básico do python e não dê mais de três dias a ele. Depois disso, estude os pacotes Python como Pandas, Numpy, Matplotlib e acho que, quando terminar, você estará pronto para analisar o Machine Learning. Agora, no que diz respeito ao Machine Learning, isso exige muito esforço e eu faria Antes de entrar, você deve deixar claro também em Estatísticas. Estatísticas básicas. Depois disso, você pode começar com algoritmos básicos de ML, como Regression, CART etc. e pode avançar lentamente para os algoritmos avançados. Uma última coisa que quero dizer é que esse domínio é muito diferente do domínio convencional, não é como uma codificação simples. A aprendizagem é baseada na clareza conceitual. Portanto, se você seguir a ordem, será muito fácil aprendê-la. Caso contrário, você estará perdido e finalmente parará de aprender. Portanto, tenha cuidado ao aprender sozinho. Sugiro que você peça ajuda a algum especialista, para que ele possa orientá-lo com relação ao que precisa ser iniciado e seguido.

2
Python é a linguagem preferida para o Machine Learning. É uma poderosa linguagem orientada a objetos de alto nível e a beleza do Python é que possui uma sintaxe simples e fácil de usar, além de bibliotecas poderosas, o que a torna a linguagem de escolha (linguagem perfeita) para quem está tentando aprender Aprendizado de Máquina pela primeira vez.Para tornar essa resposta simples e clara, simplifiquei o caminho do iniciante ao especialista em aprendizado de máquina em 5 etapas.Saiba a sintaxe básica do pythonAprenda os conceitos básicos do aprendizado de máquinaAprenda bibliotecas científicas – numpy, pandas, estruturas matplotlib, scikit-learnLearn, como keras, pyTorchPractise Practice e PractiseLet discutem cada etapa em detalhes -1) Aprenda a sintaxe básica do python – Você quer aprender o aprendizado de máquina, mas antes disso, precisa ter uma boa compreensão da linguagem de programação. Comece com o básico do Python, aprenda a sintaxe da linguagem e como a programação básica é feita em geral. Aprenda as estruturas de dados, instruções condicionais e loops usados na programação python. Entenda os conceitos de bibliotecas e pacotes python. 2) Aprenda o básico do aprendizado de máquina – O próximo passo deve ser o de entender conceitos teóricos. O que é aprendizado de máquina? Quais são os conceitos de aprendizado de máquina? O que é regressão, classificação e clustering? O que é aprendizado supervisionado, não supervisionado e de reforço? Como as árvores de decisão funcionam? O que são florestas aleatórias? Você deve estar ciente das etapas necessárias para executar uma tarefa de aprendizado de máquina, que lhe dará uma idéia de como abordar um problema no aprendizado de máquina. Tempo para desenvolver suas habilidades.3) Aprenda bibliotecas científicas – numpy, pandas, matplotlib, scikit-learn – Após um bom entendimento dos conceitos básicos de programação e aprendizado de máquina, você precisa ter conhecimento sobre várias bibliotecas que usamos no aprendizado de máquina.Numpy – numpy é usado para executar operações rápidas e eficientes em dados de alta dimensão. é uma biblioteca de análise de dados. A limpeza de dados, pré-processamento, manipulação de valores ausentes etc. torna-se mais fácil com os pandas. Matplotlib – matplotlib é uma biblioteca de plotagem 2D que é usada na visualização de dados. Obter informações dos dados e plotar resultados em um gráfico é essencial no aprendizado de máquina.Scikit-learn – scikit-learn é uma biblioteca de aprendizado de máquina através da qual você pode implementar algoritmos de aprendizado de máquina. Ele possui vários algoritmos, como k-vizinhos, SVM (Support Vector Machine), florestas aleatórias, etc., o que ajuda a executar tarefas diferentes com facilidade. Se você está se perguntando por onde começar, vá em frente com estes – 270+ tutoriais em python gratuitos. Aprenda estruturas de aprendizado profundo como keras, o pyTorch-Deep learning é um subconjunto de aprendizado de máquina que utiliza fortemente redes neurais para extração e classificação de recursos. Para começar o aprendizado profundo, você pode usar a estrutura keras, construída sobre o fluxo tensor. O pyTorch também é uma boa opção para iniciantes. Para começar o aprendizado profundo, você precisa ter um bom conhecimento das redes neurais e como elas funcionam. 5) Prática Prática e Prática – Você tem todas as habilidades técnicas necessárias neste momento. A única coisa que você precisa é praticar. Existem muitas plataformas disponíveis nas quais você pode praticar o aprendizado de máquina. O Kaggle é uma ótima plataforma onde você pode obter conjuntos de dados, realizar análises sobre esses conjuntos de dados e discutir seus resultados com a comunidade. Existem muitas competições sendo realizadas no kaggle, hackerrank, nas quais você pode participar e se desafiar na solução de problemas reais. E th

Como a inteligência artificial (IA) afetaria os trabalhos?

1
A tecnologia não ocupa todos os empregos, mas definitivamente ajudará as pessoas no seu dia a dia. As coisas demoram para acontecer. Não podemos apenas dizer que impacto a tecnologia teria sobre as pessoas. Se uma tecnologia vier na Índia, nem tudo mudará da noite para o dia. Definitivamente, é verdade que a mudança é inevitável, mas com certeza levará muito tempo para as pessoas se adaptarem. No mundo de hoje, todos são fascinados por tecnologia, mas ainda existem pessoas que nem possuem um smartphone. Portanto, uma nova tecnologia definitivamente causará mudanças no mercado de trabalho, mas na verdade ninguém pode dizer como isso afetará e quando as coisas acontecerão. Isso ocorre porque a tecnologia que é muito nova definitivamente será muito cara e nem todos podem pagar. Lembra quando os celulares chegaram ao mercado, eles eram muito caros e apenas um punhado de pessoas podia pagar? Da mesma forma, quando uma nova tecnologia chega ao mercado, as pessoas ainda acham difícil possuí-las e usá-las. Existem pessoas que até possuem um smartphone, mas não conseguem usá-lo adequadamente. Por exemplo: É previsto que carros sem motorista estarão disponíveis muito em breve. Mas isso não acontecerá em uma escala tão rápida que todos os motoristas perderão seus empregos da noite para o dia. Apenas um punhado de pessoas poderá comprar tecnologia tão cara nos primeiros anos. Portanto, levará tempo para que as coisas cheguem ao mercado e as pessoas se acostumem à tecnologia. Ninguém pode dizer em que escala a tecnologia impactará a sociedade. E se as pessoas não conseguem se adaptar à tecnologia e não a adotam? A tecnologia perderá seu valor. Portanto, é necessário considerar muitos fatores antes de dizer qualquer coisa. Não podemos prever isso agora, mas assim que a tecnologia chegar ao mercado em grande escala, é possível prever. Então vamos esperar por isso. Concordo que alguns produtos de IA chegaram ao mercado. Mas você realmente acha que isso causou uma grande mudança no dia-a-dia das pessoas? Nem sequer afetou o emprego de pessoas em uma escala muito alta. O que acontecerá com aquelas pessoas que não são instruídas o suficiente e estão menos preocupadas com IA e Machine Learning? Eles perderão seus empregos da noite para o dia. Não é verdade, pois levará muito tempo e as mudanças só acontecerão quando as pessoas estiverem prontas para mudar a si próprias e adotar a tecnologia mais recente. Portanto, precisamos ver como as pessoas se adaptam à tecnologia, que é novamente dependente de muitos fatores. Então, pessoalmente, acredito que devemos esperar por ela e todos os fatos e números que vemos online são irrelevantes agora, como ninguém realmente sabe o que vai acontecer amanhã. Se você pode contribuir com o campo da IA, há uma ampla quantidade de oportunidades por aí. Ninguém pode realmente prever que impacto isso terá no mundo. Todas as estatísticas podem falhar, e agora estão prevendo o impacto da IA no mundo.

2
A indústria hoteleira foi realmente afetada pela IA do AirBnb. A indústria da música foi realmente afetada pela IA do Spotify. A indústria de transportes e táxis foi realmente afetada pela Ubers AI. A indústria editorial foi sempre afetada pela IA da Amazon. Os negócios foram realmente afetados pela IA da Netflix.Pequenas empresas foram realmente afetadas pelo comércio eletrônico e pela AI da Shopify.A fotografia foi realmente afetada pela IA do Instagram.A IA do Google provavelmente afetou todos os setores.A lista continua e está crescendo a cada dia. equívoco comum de que a IA é uma forma de robô com aparência humana definida para executar as tarefas exatas que os humanos fazem. Claro, existem carros sem motorista e caixas registradoras automáticas. Mas este não é o grande triunfo da IA. O grande triunfo da IA é que ela ‘aproveita’ a criatividade humana e a conecta com uma demanda (clientes pagantes) e, ao mesmo tempo, faz um bom corte.

3
Claramente, terá um grande impacto, pois atingirá o nível em que a IA pode ser usada para vender produtos, lidar com consultas de atendimento ao cliente e várias outras tarefas. A conseqüência disso é que, à medida que os sistemas telefônicos modernos substituem as recepcionistas, isso vai muito além e, em última análise, é capaz de responder a e-mails, lidar com chamadas, fazer chamadas e processar informações, o impacto já é aparente, por exemplo, eu sou dono de uma empresa que 15 anos atrás, empregava duas equipes de vendas, duas secretárias, três equipes de embalagem e um PA, agora ele e eu, um assistente e até o serviço telefônico é contratado, a embalagem é contratada por uma empresa de atendimento, os pedidos são entregues à empresa de embalagem por meio de um API, por isso não temos nada a fazer, porque o site e a API lidam com tudo e o processamento do cartão de crédito também é automatizado com tanta eficiência que ele usa a IA para procurar atividades fraudulentas. O que isso significa é que diminui de 9 funcionários, incluindo eu, para apenas 2, e o negócio tem pelo menos dez vezes o tamanho que era na época, significava lucros muito mais altos e

Onde devo aprender inteligência artificial na Índia?

1
A Inteligência Artificial é uma tecnologia de ponta atualmente que está presente em todo o mundo. A demanda por profissionais qualificados nesse setor é enorme. Se você realmente deseja fazer sua carreira em inteligência artificial, deve procurar um programa on-line de inteligência artificial da Universidade de Columbia. Por ser um programa on-line, você terá a flexibilidade de gerenciar suas outras tarefas importantes de rotina simultaneamente. Independentemente de você estar trabalhando ou estudando, você pode começar sua carreira em um dos setores em expansão da tecnologia.O curso de IA da Columbia University foi projetado para aspirantes como você para moldar sua carreira e ajudá-lo a desenvolver um entendimento abrangente da indústria. Este programa on-line cobrirá todos os tópicos importantes no campo da Inteligência Artificial e suas aplicações. O programa representa 25% dos cursos para um mestrado em ciência da computação na Columbia e visa fornecer a você uma base avançada e de pós-graduação neste setor. Isso fará com que você explore uma ampla variedade de casos de uso, dicas e aplicativos para expandir seu repertório de ferramentas e técnicas. Um dos meus amigos está seguindo esse programa e está muito satisfeito com o aprendizado geral. Você também pode tentar a sua sorte inscrevendo-se neste curso. Tudo de bom!

2
É muito difícil encontrar esses institutos na Índia. Comece aprendendo com esses sites gratuitos: -Introdução à IA: https: //www.udacity.com/course/c … É ensinada pelo chefe do Google – dirigindo o projeto Car e o cara que escreveu AI: Uma Abordagem Moderna. Além disso, as aulas de IA online gratuitas usam muitos dos tópicos abordados nessa classe como base. Outras aulas a seguir: https: //www.udacity.com/course/c … AI for Roboticshttps: / /www.coursera.org/course/ml Machine Learninghttps: //www.coursera.org/course / … Redes neurais para Machine Learninghttps: //www.coursera.org/course / … Processamento de linguagem naturalhttps: / /www.coursera.org/course / … Planejamento de IAhttps: //www.coursera.org/course / … Neurociência computacionalO conjunto de habilidades requer IA: Embora as habilidades mais demandadas variem de empresa para empresa, dependem dos negócios necessidades, existem algumas competências essenciais que todas as empresas valorizam nos engenheiros de IA. Os engenheiros devem ser capazes de pesquisar em grandes quantidades de dados padrões, possuir um profundo entendimento de algoritmos, além de habilidades de resolução de problemas e matemática. De acordo com as recentes postagens de emprego, as principais empresas de tecnologia esperam que seus engenheiros de IA sejam proficientes em: Java: 60% Inteligência artificial: 57% Desenvolvimento de software: 48% C ++: 38% Linux: 37% Python: 36%

3
Inteligência artificialNa cúpula do G-20 em Osaka, no Japão, o primeiro-ministro da Índia destacou a importância da economia digital e da inteligência artificial. Ele enfatizou a confiança do governo nos 5 ´s que representam inclusão, indigenização, inovação, investimento em infraestrutura e cooperação internacional no desenvolvimento dessas duas áreas. O conceito de Inteligência Artificial é baseado na ideia de construir máquinas capazes de pensar, agir e aprender como seres humanos.Inteligência Artificial (AI) Descreve a ação de máquinas que realizam tarefas que historicamente exigiam inteligência humana.Inclui tecnologias como aprendizado de máquina A origem do conceito pode ser rastreada até a mitologia grega, embora seja apenas durante a história moderna quando os computadores eletrônicos de programas armazenados foram desenvolvidos.Exemplo: Milhões de algoritmos e códigos existem ao redor dos humanos para entender seus comandos e executar tarefas humanas. A lista de amigos sugeridos pelo Facebook para seus usuários, uma página pop-up, informando sobre a próxima venda da marca favorita de sapatos e roupas, que aparece na tela enquanto você navega na Internet, é o trabalho da inteligência artificial. envolve coisas complexas, como alimentar dados específicos na máquina e fazê-los reagir de acordo com as diferentes situações. Trata-se basicamente de criar padrões de auto-aprendizado em que a máquina pode dar respostas às perguntas nunca respondidas, como um humano jamais faria. Veja mais clique em: – Impactos negativos da inteligência artificialAI é uma tecnologia diferenteAI é diferente da automação robótica orientada por hardware. Em vez de automatizar tarefas manuais, a IA executa tarefas computadorizadas frequentes de alto volume com confiabilidade. A IA é frequentemente incompreendida para o aprendizado de máquina. A IA é um conceito mais amplo, com várias tecnologias que incluem aprendizado de máquina e outras tecnologias, como processamento de linguagem natural, algoritmos de inferência, redes de nêutrons etc. Evolução No ano de 1956, o cientista de computação americano John McCarthy organizou a Conferência de Dartmouth, na qual o termo ‘Artificial Inteligência ‘foi adotada pela primeira vez. A partir de então,

Que impacto a inteligência artificial terá na economia?

1
A pesquisa comparou o tamanho da economia de cada país em 2035 em um cenário de linha de base, que mostra o crescimento econômico esperado sob as premissas atuais e um cenário de IA, que mostra o crescimento esperado depois que o impacto da IA for absorvido na economia. Verificou-se que a IA produz os maiores benefícios econômicos para os Estados Unidos, aumentando sua taxa de crescimento anual de 2,6% para 4,6% até 2035, traduzindo-se em US $ 8,3 trilhões adicionais em valor adicionado bruto (GVA). No Reino Unido, a IA poderia adicionar US $ 814 bilhões à economia até 2035, aumentando a taxa de crescimento anual do VAB de 2,5 para 3,9%. O Japão tem o potencial de mais que triplicar sua taxa anual de crescimento do VAB até 2035, e Finlândia, Suécia, Holanda, Alemanha e Áustria poderão ver suas taxas de crescimento dobrar.Prepare a próxima geração – integre inteligência humana com inteligência de máquina para que possam ter sucesso Coexistir em uma relação de aprendizado bidirecional e reavaliar o tipo de conhecimento e habilidades necessárias para o futuro.Incentivar a regulamentação baseada em IA – atualizar e criar leis adaptáveis e de auto-aperfeiçoamento para fechar a lacuna entre o ritmo da mudança tecnológica e o Defender um código de ética para a IA – os debates éticos devem ser complementados por padrões tangíveis e práticas recomendadas no desenvolvimento e uso de máquinas inteligentes. Endereçar os efeitos da redistribuição – os formuladores de políticas devem destacar como a IA pode resultar em benefícios tangíveis e preventivamente abordar quaisquer desvantagens percebidas da IA, ajudando grupos desproporcionalmente afetados por mudanças de emprego e renda.

2
Não. A menos que a IA seja capaz de ler a mente humana e explicar todas as situações de “eu mudei de idéia” .Assim, a AI simplesmente não possui todos os pontos de dados necessários para iniciar um cálculo. Você pode, em teoria, realizar pesquisas onde as pessoas colocam caixas de seleção de produtos / serviços que eles querem no próximo ano. Então, em teoria, você pode alimentar essas informações em um supercomputador para processamento. Mas é inútil, porque o verdadeiro problema em economia não é o que você deseja, mas o que deseja e o que deseja desistir por isso. Respectivamente, a informação útil para o cálculo econômico não é que você queira um lombo de um quilo de um quilo. bife, mas que você está disposto a desistir de oito pacotes de cenouras por isso.Essencialmente, você precisará de uma pesquisa que emparelhe todos os produtos com outros produtos e pergunte sobre suas preferências em relação à combinação. Considerando apenas milhares de produtos em seu supermercado local, obviamente não é uma proposta humanamente possível. E mesmo se você fizer uma pesquisa como essa, o que dizer de “Eu mudei de idéia”? E o remorso do comprador? Uma coisa é responder hipoteticamente: “Quero filé mignon e desisto das minhas cenouras”. É totalmente diferente quando você realmente está no supermercado, olhando não para riscos e cenouras hipotéticos, mas para reais … Então, não, a IA ou não, o planejamento central da economia não é possível.

3
O verdadeiro problema com as economias planejadas não é apenas inteligência, poder de processamento ou mesmo restrições de informação. É que eles ignoram totalmente o conceito de liberdade, agência ou escolha individual. Uma IA ou mesmo uma infinidade de IA não resolverá esse problema. Onde eles podem ajudar é fornecer aos consumidores individuais informações suficientes para tomar decisões mais bem informadas, mas o consumidor sempre pode tomar decisões que são consideradas por você ou por outras pessoas como não ideais.Você sempre escolhe um produto com preço mais alto? rota para casa ou para ajustar seu termostato mais alto (no inverno, mais baixo no verão) por razões não quantificáveis? Certamente você faz. Você pode quantificar para mim por que você escolheu comer pizza esta semana, mas na semana passada foi tudo sobre carne assada e batatas? Acho que não. Você pode quantificar para mim como você escolheu selecionar e casar com seu cônjuge? (OK, algumas delas podem não ter acontecido ainda, ou nunca, com você. Estou apenas tentando ilustrar os tipos de escolhas que uma IA teria que fazer). Nem todas as decisões que tomamos são quantificáveis, uma condição necessária para Para planejar totalmente uma economia, é necessário eliminar todas as opções, pois todas as opções têm uma conseqüência econômica *. Em uma economia totalmente planejada, as pessoas não podem escolher seus empregos, onde moram, com quem namoram e se casam, ou o que têm para jantar. Nesse tipo de economia, eles serão miseráveis. Definitivamente, as IA podem ajudar a tomar decisões com as quais as pessoas não se importam e, assim, levar a maior eficiência na forma de tempo economizado para os humanos, mas não podemos desistir de toda a nossa tomada de decisão para eles, nem gostaríamos. * Eu vou ficar com essa afirmação. Os únicos contadores com os quais posso pensar estão relacionados às escolhas que uma pessoa faz, cujas consequências permanecem inteiras

A inteligência artificial é artificial?

1
A inteligência artificial é realmente artificial? A2A. Mais do que você sabe. De fato, é totalmente artificial, sem inteligência real. A IA atual é uma tecnologia de aprendizado de máquina (ML) muito poderosa que pode ser ensinada a identificar padrões complexos em grandes conjuntos de dados para casos de uso definidos de maneira restrita. A inteligência verdadeira seria capaz de extrapolar sua compreensão do caso de uso para o qual foi projetada para solucionar novos casos de uso. Atualmente, mesmo casos de uso imediatamente adjacentes estão fora do alcance dos modelos de ML.

2
Se você entende o que significa, sim. Não significa “um computador inteligente”, significa “um programa tão bom que parece ser inteligente”. (E, desde que o tempo passa, essa definição muda constantemente. Em 1970, um simples programa de fala para texto seria considerado IA, se tivéssemos a frase naquela época. Em 100 anos ou mais, um computador móvel em forma de humano que pode responder quase como se fosse um ser humano vivo pareceria “ah, isso – eu tive um quando era criança”.)

3
a teoria e o desenvolvimento de sistemas de computador capazes de executar tarefas normalmente exigindo inteligência humana, como percepção visual, reconhecimento de fala, tomada de decisão e tradução entre idiomas … o próprio nome sugere!

A inteligência artificial será capaz de criar sua própria inteligência artificial?

1
Por que ele iria querer … O problema de “querer” é aquele que não está sendo tratado por sistemas de IA baseados em computador. “Necessitar” pertence a sistemas ambientalmente orientados – a partir de necessidades (intenções), você pode adquirir desejos. Portanto, uma arquitetura baseada em necessidades está em falta no aprendizado de máquina ou em qualquer outro sistema de aprendizado. O feedback atual da IA é baseado em critérios que são corrigidos no código. Isso significa que um sistema de jogo está tentando maximizar / minimizar algumas medidas de eficácia – isso não é realmente aprendizado. Sem um aprendizado real, você não alcança níveis significativos de inteligência (muito específicos). Nossas necessidades nos chegam em termos de emoções e ações genéricas (Objetivos). Usando técnicas como heurísticas (ad hoc) ou decomposição de objetivos, podemos chegar a um plano. Mas primeiro você precisa, precisa. Teste e erro (heurística) sob determinadas restrições permitem que os jogos sejam aprendidos, desde que exista um mecanismo de pontuação no sistema. Na evolução, a pontuação era zero se você morrer sem transmitir seus genes, ou outra chance de transmitir alguns genes. Este método não tenta predizer e, no entanto, espécies que predizem surgiram a partir dele. Isso não parece inteligência – mas cria sistemas que são inteligentes. Sistemas auto-organizados podem criar resultados altamente adaptáveis (a inteligência implica adaptabilidade). Para um sistema precisar, significa que o sistema “sabe” (não precisa estar ciente) apenas ser capaz de discernir um caminho melhor. Não há vantagem para uma IA criar uma AI, ou seja, não há necessidade. Não faz parte de um sistema de acumulação de genes como nós. Portanto, minha resposta provavelmente não é…. (porque não é necessário).

2
Em 2017, o Google desenvolveu um sistema de inteligência artificial (IA) que criou seu próprio “filho”. Além disso, a IA original treinou sua criação a um nível tão alto que superou todos os outros sistemas de IA criados por humanos como ele. A AlphaGo Zero, o programa de IA da DeepMind, foi aclamado como um grande avanço, porque dominou o antigo jogo de tabuleiro chinês de Go a partir do zero, e não ajuda humana que não seja informada das regras. Em jogos contra a versão de 2015, que derrotou Lee Seedol, o grande mestre sul-coreano, no ano seguinte, o AlphaGo Zero ganhou de 100 a 0. O feito marca um marco no caminho para as IAs de uso geral que podem fazer mais do que esmagar os humanos em jogos de tabuleiro. Como o AlphaGo Zero aprende por conta própria a partir de uma folha em branco, seus talentos agora podem ser transformados em uma série de problemas do mundo real.Por isso, há casos em que a inteligência artificial foi capaz de criar sua própria inteligência artificial.

3
Sim, de fato, isso já está sendo feito.

Você tem medo de inteligência artificial? Por quê?

1
Meu medo atual é um escudo impenetrável de estúpido automatizado entre o público e as corporações que astutamente eliminam a escolha, os casos extremos e a flexibilidade. Imagine esse robô de telefone tedioso e inútil como todo funcionário, burocrata e caixa; cada barbeiro, porta-voz e representante de atendimento ao cliente. A lógica existe agora nos sites, para que todos os grupos da AMA ao MSNBC estejam protegidos das comunicações públicas. Existem também agências que trabalham para reprimir a liberdade de expressão e análises honestas. Agora gire-o para o teste de Turing no nível pós-graduação AI.

2
Isso me assusta todos os dias. Não apenas inteligência artificial, mas inteligência em geral. Se nos olharmos como seres humanos, sempre queremos saber mais – mais é melhor, pensamos. Adquirir conhecimento e usá-lo para nosso próprio benefício é o que fazemos. Podemos fingir ser respeitosos com a natureza, mas derrubamos florestas, mantemos animais no zoológico, fazemos pesquisas que envolvem seres humanos ou animais e até capturamos nossa própria espécie se eles não podem seguir as regras que criamos. Justificamos essas coisas, e muito mais, dizendo que isso ajuda a humanidade e mantém a ciência em evolução. O que é bom, é claro. Mas o que isso diz sobre inteligência? Diz que toda vez que fazemos essas coisas, perdemos parte de nós mesmos: quando sabemos mais, podemos dizer que nada realmente importa. Podemos pensar que os sujeitos de teste em ratos podem usar, porque os ratos não conseguem pensar em suas vidas e não são inteligentes o suficiente para perceber sua situação. Em outras palavras, dizemos que a vida de um rato não é tão valiosa quanto nós. Isso nos leva a uma situação interessante: e se houver um sistema capaz de saber mais e ser mais inteligente do que nós? Isso nos trataria com respeito? Essa coisa nos respeitaria como uma espécie, tanto quanto nos permitiria viver nossas vidas, como fazemos agora? Provavelmente não. A inteligência artificial pode concluir que a vida humana não é tão valiosa quanto a sua própria vida; portanto, os seres humanos podem ser facilmente usados como sujeitos de teste e para diversão. Afinal, eles são movidos apenas por produtos químicos e fenômenos biológicos. Isso retira a individualidade e a integridade humanas, nos tornamos uma classe de baixo nível que é tratada da mesma forma que tratamos outras classes de baixo nível, como concluímos. Trabalhamos duro como seres humanos para provar que somos algo mais do que apenas animais, mas não somos, e nosso dia do juízo final é o dia em que percebemos isso. Eu ainda sou um pesquisador de inteligência artificial, mas por quê? Porque sou um ser humano estúpido que quer saber mais, mesmo que isso me mate.

3
Agora não … geralmente não tenho o hábito de me preocupar muito com cenários teóricos de catástrofes futuras … dado o grande número e a imensidão deles, esse é um caminho rápido para se tornar uma bagunça ansiosa e tagarelar. Por outro lado, é uma preocupação legítima para o futuro, pelo menos para algumas pessoas. Pessoalmente, acho que pode ser positivo que entidades com menos mentalidade do que os humanos geralmente sejam mais bem-sucedidas no futuro. Obviamente, isso pressupõe que os AGIs no nível humano e além sejam menos confusos e míopes do que os humanos … embora, dada a magnitude dessas características em nós, isso não seja uma tarefa muito alta. Se nossa progênie puder ser mais saudável , mais inteligentes, mais ecologicamente focados e mais compassivos do que nós (novamente, não é uma tarefa difícil), então espero que eles nos substituam e não fiquem particularmente preocupados se os humanos não continuarem a existir; Não sou excessivamente parcial com a continuação arbitrária desse pequeno ramo da árvore da vida com a qual nos identificamos. O que mais me preocupa é a continuação do todo, algo que requer uma dinâmica e variedade ecológicas que a civilização humana está destruindo rapidamente. Como eu consideraria uma AGI como parte da árvore da vida (ainda que desenvolvida a partir de mecanismos únicos), se elas mantiverem as qualidades listadas acima, serão mais propícias à continuação próspera da ecologia da vida, embora talvez não seja tão nós sabemos.

Quais são os mitos da inteligência artificial?

1
A inteligência artificial (IA) tornou-se cada vez mais prevalente nos últimos anos. Magnatas da tecnologia como Google, Microsoft, Amazon e Apple estão apostando muito dinheiro nessa tecnologia.A maioria das pessoas está interessada em começar sua carreira na IA por causa das oportunidades lucrativas disponíveis no mundo todo com o Whopping Paycheck. aterrorizado com mitos e mal-entendidos em torno dela, como a IA vai tirar empregos, substituir humanos e governar o mundo. Portanto, é hora de os especialistas do setor distinguirem entre fatos e ficção que estão rapidamente lotados de IA. Se você é um daqueles que acredita nessas histórias, é importante que você limpe sua mente dos mitos associados a ela. os mitos comuns associados à inteligência artificial: Mito nº 1: a IA substituirá os empregos humanos: muitas pessoas temem que o advento da IA tenha o potencial de substituí-los no local de trabalho, levando à perda generalizada de empregos. É verdade até certo ponto, mas devemos lembrar que a IA é destinada a trabalhar com seres humanos, não em vez deles. Portanto, a IA ajuda a criar funções totalmente novas e permite que os funcionários trabalhem de maneira mais eficiente e inteligente, em vez de substituir empregos humanos.De acordo com um relatório da PwC, se a AI substituir cerca de 7 milhões de empregos, criará cerca de 7,2 milhões de novos empregos. .Mito 2: Inteligência artificial, aprendizado de máquina e aprendizado profundo são os mesmos: não, todos os três diferem amplamente. Em palavras mais simples, a inteligência artificial é superconfigurada e o aprendizado de máquina faz parte dela. No ML, os dados são fornecidos aos sistemas para fazê-los aprender. O aprendizado profundo é um subconjunto do aprendizado de máquina. Mito 3: A inteligência artificial dominará o mundo: não há como controlar o mundo. As máquinas ajudarão os seres humanos em muitos campos e capazes de resolver alguns tipos de problemas que são tediosos para a inteligência humana resolver. Claro que não veremos uma revolução da IA, mas definitivamente haverá uma evolução tecnológica inteligente que será benéfica para a nossa sociedade.Mito # 4: As oportunidades de IA estão disponíveis apenas nas principais empresas: certamente, a tecnologia está impulsionando a inovação na maioria das empresas de tecnologia de ponta, mas a demanda por talentos em IA é igualmente forte nas startups. as startups também estão dispostas a oferecer cheques salariais altos para obter o talento certo. À medida que as empresas avançam em direção à adoção da IA, mais oportunidades evoluirão. Portanto, é um bom momento para começar a aprender habilidades e se preparar para a carreira em IA.

2
1. A IA funciona da mesma maneira que o cérebro humano. Primeiros mitos comuns da IA: A IA é uma disciplina de engenharia da computação. No seu estado atual, consiste em ferramentas de software destinadas a resolver problemas. Embora algumas formas de IA possam dar a impressão de serem inteligentes, seria irreal pensar que a IA atual é semelhante ou equivalente à inteligência humana. “Algumas formas de aprendizado de máquina (ML) – uma categoria de IA – podem ter sido inspiradas por o cérebro humano, mas eles não são equivalentes ”, disse Linden. “A tecnologia de reconhecimento de imagem, por exemplo, é mais precisa do que a maioria dos seres humanos, mas não serve para resolver um problema de matemática. A regra da IA hoje é que ela resolve uma tarefa extremamente bem, mas se as condições da tarefa mudarem um pouco, ela falhará. ”2. Máquinas inteligentes aprendem por conta própria2º mito comum da IA: É necessária a intervenção humana para desenvolver uma máquina ou sistema baseado em IA. O envolvimento pode vir de cientistas de dados humanos experientes que estão executando tarefas como estruturar o problema, preparar os dados, determinar conjuntos de dados apropriados, remover possíveis desvios nos dados de treinamento (veja o mito nº 3) e – o mais importante – atualizar continuamente o software para permitir a integração de novos conhecimentos e dados no próximo ciclo de aprendizado. Terceiros mitos comuns da IA: Toda tecnologia de IA é baseada em dados, regras e outros tipos de informações de especialistas humanos. Semelhante aos seres humanos, a IA também é intrinsecamente tendenciosa de uma maneira ou de outra. “Hoje, não há como banir completamente o preconceito, no entanto, temos que tentar reduzi-lo ao mínimo”, disse Linden. “Além das soluções tecnológicas, como diversos conjuntos de dados, também é crucial garantir a divindade nas equipes que trabalham com a IA e pedir aos membros da equipe que analisem o trabalho uns dos outros. Esse processo simples pode reduzir significativamente o viés de seleção e confirmação. ”4. A IA substituirá apenas trabalhos repetitivos que não exigem graus avançados4º mito comum da IA: a IA permite que as empresas tomem decisões mais precisas por meio de previsões, classificações e agrupamentos. Essas habilidades permitiram que soluções baseadas em IA substituíssem tarefas mundanas, mas também aumentam as tarefas complexas restantes. Nem todo negócio precisa de uma estratégia de IAQuinto mito comum da IA: Toda organização deve considerar o impacto potencial da IA em sua estratégia e investigar como essa tecnologia pode ser aplicada aos problemas de negócios da organização. De muitas maneiras, evitar a exploração da IA é o mesmo que desistir da próxima fase

Qual linguagem de programação eu devo saber se quiser desenvolver inteligência artificial?

1
Eu não acho que isso importe. Os “melhores esforços” atuais da IA são baseados em “Redes Neurais Artificiais” .As Redes Neurais são realmente muito simples – você pode criar uma em praticamente qualquer linguagem de programação em algumas centenas de linhas de código A inteligência não está na programação, mas na maneira como você combina redes neurais em soluções completas – e na forma como você as treina. O nível de dificuldade vem do fato de que você precisa de GRANDES redes neurais – e, muitas vezes, de obter algo útil Também há esforços em andamento para acelerar as redes neurais com eletrônica personalizada – o que o leva ainda mais longe da criação de programas reais. Atualmente, alguém que trabalha em IA provavelmente está usando o código de biblioteca existente para o parte da rede neural – e escrever quantidades relativamente pequenas de código “cola lógica” para alimentá-lo com dados de treinamento e interconectar várias redes neurais. Sem dúvida, há outras pessoas fazendo coisas mais mundanas, como provi A interface de usuário e as saídas gráficas para a IA – mas esse trabalho não tem nada a ver com a própria IA. Isso pode ser feito em praticamente qualquer idioma. Se você deseja entrar nesse campo – provavelmente deve aprender Python e C ++. Mas, principalmente, você precisa se familiarizar com as redes neurais e as maneiras como elas são usadas … o que tem muito pouco a ver com programação de computadores.

2
Pitão. Embora para muitos sistemas de AI de produção implantados seja provável que o C ++ seja usado. Mas se você está apenas começando isso, estará experimentando, aprendendo e fazendo mudanças. Python é o que “todo mundo” usa para isso. Dito isso, aprender Python é apenas o menor primeiro passo. É como aprender a usar um editor de texto para escrever um romance. Aprender o editor é fácil, aprender a escrever palavras que alguém pagará para ler é muito mais difícil. mas é um primeiro passo necessário que você não pode ignorar. Você pode aprender Python suficiente para realizar um trabalho útil em cerca de uma semana, mas a IA é um feed tão grande que você precisará se especializar para que ninguém possa ser um especialista em todo o campo. Sugiro que você obtenha um dos muitos livros e trabalhos para iniciantes em Python através dele fazendo todos os exercícios. Primeiro, é fácil escrever e ler. Mas o mais importante são as bibliotecas que você pode obter. A maior parte do que você faz quando implementa um sistema de IA é agrupar funções das bibliotecas. É esse enorme conjunto de funções para tornar o Python atraente.

3
A inteligência artificial está apenas fornecendo a capacidade de um computador para tomar decisões. Essas decisões precisam ser tomadas usando várias declarações condicionais. No que diz respeito à minha experiência com linguagens de programação, todas elas suportam declarações condicionais (if-else) e eu conheço muitas delas. Para fornecer a capacidade de auto-aprendizado, você precisará lidar com bancos de dados. Os dados seriam enormes, uma vez que a IA precisa cuidar de muitas situações e precisa de dados para construir sua experiência. Um sistema maduro simples normalmente possui dados em PetaBytes. Você precisará aprender Big Data, aprendizado de máquina e computação em nuvem distribuída para isso, pois nenhum sistema de consumidor pode fazer tanto cálculo. Experimente aprender Java + Hadoop como um começo. Você pode tentar a linguagem R e Python para criar scripts simples. Se você precisar de interação de hardware (caso esteja criando um robô), tente C / C ++. Lembre-se de ler alguns (leia pelo menos uma dúzia) livros sobre algoritmos, padrão de design e estruturas de dados.

Qual é a melhor universidade para estudar inteligência artificial no Canadá?

1
Universidade de Toronto, Universidade da Colúmbia Britânica e Universidade de Waterloo são algumas das melhores.

2
Aqui estão as principais universidades do Canadá que oferecem estudos de ciência da computação em conexão com a teoria da inteligência artificial, entre outros cursos relacionados, como engenharia de software e design, linguagens de programação, sistemas de informação e tecnologia da informação. Universidade da Colúmbia Britânica UniversidadeUniversidade de OttawaUniversidade de CarletonUniversidade Ocidental * Universidade de Manitobahttps: //www.usnews.com/education…Para estudo on-line, este site Conhecimento incerto e raciocínio em inteligência artificial oferece curso on-line em relação ao estudo de IA com o professor universitário competente de ciências aplicadas Na tecnologia Emden Germany, especialista em direção autônoma, sistemas de assistência ao motorista e visão computacional, com mais de 10 anos de experiência profissional. Conhecimento e raciocínio incertos em Inteligência Artificial

3
As melhores escolas para programas de IA no CANADÁ são dadas abaixo. Devido ao atual cenário político e às mudanças na política de vistos, os estudantes têm medo de ingressar em universidades dos EUA e, como alternativa, o CANADÁ está sendo preferido. Como resultado deste número de pedidos de admissão nos Estados-Membros nas escolas do CANADÁ subiu. Assim, a taxa de aceitação não pode ser prevista com precisão, isso dependerá do seu perfil geral. Quanto mais forte o perfil, maiores serão as chances de aceitação. Programas de Mestrado e Doutorado em Inteligência Artificial no Canadá

Como posso melhorar meus conhecimentos e habilidades em inteligência artificial?

1
Você deve primeiro dominar o aprendizado de máquina. Comece aqui: Kit de aprendizado de máquina – Get – O’Reilly MediaUse Python. Praticamente todas as ferramentas simples são baseadas em Python. Siga este site: Analítica, Mineração de Dados e Ciência de DadosMude para o TensorFlow TensorFlow – uma Biblioteca de Software de Código Aberto para Inteligência de Máquinas Ao mesmo tempo, comece a ler o que puder sobre ciência cognitiva, aprendizado profundo e sistemas baseados em regras. Eu examinaria isso através dos livros de ciência “pop”: um neurocientista explica o que realmente pensa em eBook: Dean Burnett: Amazon.co.uk: BooksSecrets do eBook da New Science of Expertise: Anders Ericsson, Robert Pool: Amazon. Adicione alguns livros atuais mais avançados – nada mais que 2 anos: Ravi Bhramaramba, Akula Chandra Sekhar: Amazon.com.br: Kindle, Amazon.com: Kindle Storehttps: //www.amazon.co.uk/Algorit… Agora, a parte mais difícil é escolher: escolha algo para fazer. Pode ser um tradutor, robô, sistema de decisão, sistema de negociação, impressão 3D, visão, sensores inteligentes de IoT, etc. Construa novamente. Construa novamente. Refinar. Veja a evolução da literatura tecnológica sobre chips, métodos de bibliotecas, etc. Encontre uma vantagem … uma vantagem … para chegar. Chegar a isso. Mova-o para mais longe. Como seu histórico é bem avançado, você pode pular alguns deles e escolher um aplicativo para o seu enxame – e pronto. Eu recomendo fortemente que você use um conjunto de ferramentas de robótica como este: Open Source Robotics FoundationFique de código aberto. no seu site GitHub. Crie um trabalho que o leve até a vanguarda. Pagamento comercial por tecnologia avançada – a tecnologia avançada sempre supera os pagamentos.

2
Existem várias maneiras e oportunidades para você melhorar o que sabe sobre Inteligência Artificial.De acordo com os executivos que estão familiarizados com a IA, aqui estão as habilidades que os desenvolvedores precisam possuir para serem proficientes em projetos de Inteligência Artificial. você quer mergulhar. A IA é independente da linguagem. Você precisa conhecer dados e outras tecnologias. Matemática, álgebra e cálculo para algoritmos, mas muito disso já está escrito. Você precisa entender o processo de pensamento humano para a PNL – contexto, intenção e como vincular entidades. Uma visão mais aprofundada do processo de pensamento humano. É mais fácil para um graduado em matemática se tornar um programador de software. Seja bom em AI / ML, tendo uma base sólida em estatística. Os desenvolvedores de software não podem simplesmente pegar uma biblioteca Python e aplicá-la a um problema. Ciência dos computadores, matemática, estatística, IA, aprendizado profundo, redes neurais recorrentes. Criando abstrações de nível superior para mover muitas coisas para as máquinas. Estatísticas, modelagem de dados, big data e conhecimento em uma ou mais linguagens de programação serão um bom avanço para os desenvolvedores que estão tentando entrar na IA.Nós achamos as seguintes habilidades necessárias: habilidades matemáticas e formação acadêmica em ciência de dados. Manter-se a par dos desenvolvimentos nesse campo em rápida evolução (pedágios, conferências, blogs). Confortável com a manipulação de grandes conjuntos de dados. Rápido para entender os conjuntos de ferramentas de aprendizado de máquina e integrá-los a um projeto maior. Entenda matemática e os tipos de dados – numéricos e de categoria. Aprenda ML, algoritmos, árvores de decisão e redes neurais. A partir de agora, você terá acesso a um banco de dados com mais informações sobre os dados, como o número de telefone, o número de telefone, o número de telefone, o número de telefone e o número de telefone. um nível de entendimento. Apenas um nível modesto de habilidade matemática é necessário e isso está caindo vertiginosamente. Entenda as armadilhas do excesso de ajuste. Isso não é aprendizado de máquina do tipo arrastar e soltar. Um ser humano pode fornecer ao computador muito mais dados. Combine a entrada de programação com o insight humano. Pergunte a si mesmo, o que eu realmente sei? O que os dados estão me dizendo? Desenvolvedores de software inteligentes podem adquirir aprendizado de máquina adicionando empatia e suspeita de dados à sua mentalidade. Seja proficiente em Python e Java. Conheça as principais bibliotecas de IA, como TensorFlow, Café e Torch. Consiga extrair os dados corretos do data lake ou dos bancos de dados do HDFS. Saiba como usar filtros. Ser capaz de fundir e correlacionar feeds diferentes. Melhore a resolução. Conheça redes neurais. Seja proficiente em matemática. As bibliotecas não exigem que os desenvolvedores tenham tanto conhecimento quanto antes. Conheça os fundamentos. Os fundamentos teóricos estão no Coursera. Comece a trabalhar para uma empresa que faz IA ou faz algo por conta própria no trabalho. Procure por casos de uso. Acabamos de solicitar que um desenvolvedor construísse um aplicativo usando redes neurais para saber quando as imagens eram renderizadas total e corretamente. Conheça as estruturas de IA e Spark. O que é um cientista de dados? Ciência da computação, implantação de análises, ingestão, ETL, várias partes. Conheça o caminho para o valor. Conheça os problemas de negócios. Aprenda coisas usando outros algoritmos, procure outros clientes ou problemas de negócios para resolver. Alavancar algoritmos já disponíveis. Foco

Quais são algumas desvantagens da inteligência artificial?

1
O desemprego O substituição de seres humanos por máquinas de IA leva a grandes possibilidades de desemprego na sociedade.Alto custoA criação e a implementação de máquinas de IA exigem custos enormes.Não há melhoria na experiênciaAo contrário dos humanos, as máquinas de IA não podem aprender por experiência. Hoje em dia, a maioria da IA se combina com o Machine Learning para remover essas desvantagens. Nenhuma máquina AI de criatividade é baseada em scripts. Eles verão, ouvirão e trabalharão, mas não sentirão e pensarão. Somente os humanos têm essa criatividade.

2
Para mim, pensar em vantagens e desvantagens da IA se resume a riscos. Um dos principais objetivos da IA é tornar o software mais inteligente, o que significa reduzir as desvantagens do software anterior (estupidez artificial). A única vantagem do software estúpido é que ele faz exatamente o que você pede. Menos surpresas. Quando escravizamos um computador para realizar nosso trabalho, queremos nos sentir confiantes de que ele fará o que queremos. No entanto, à medida que o software se torna mais inteligente e, finalmente, alcançamos a IA geral, quais as ações que ele toma provavelmente se tornarão mais surpreendentes. Como exemplo, observei o problema das equipes tripuladas / não tripuladas (MUM-T). Esse problema envolve humanos e plataformas não tripuladas trabalhando juntos para resolver um objetivo comum. Nesse cenário, plataformas não tripuladas podem fazer coisas inesperadamente devido à sua capacidade avançada de processar informações (por exemplo, elas podem ver / saber algo que os humanos não sabem). No entanto, um dos principais atributos de uma equipe é que você confia que os outros membros se comportem de uma certa maneira. A confiança está relacionada ao risco. O comportamento de um ser humano é afetado por sua estimativa de risco. Em geral, quando a IA começa a exceder nossos recursos, teremos problemas de confiança, já que (a maioria de nós) não entende o que o software vai fazer e por que está fazendo isso.

3
Toda tecnologia tem prós e contras. E o mesmo se aplica à IA. Muitas das pessoas que realizam trabalhos que incluem seu trabalho físico, como a fabricação, perderam seus empregos por causa da invenção de máquinas, em geral. Mas a AI não só prejudica os trabalhos físicos, mas também os trabalhos mentais. como a tomada de decisão, a análise etc … (EDIT: observe que a IA ajuda os seres humanos na consultoria de gestão, mas pode não erradicar totalmente os trabalhos) A interferência humana diminuirá gradualmente, o que diminui sua atividade física e mental. introduzir rapidamente os cursos de ML e AI em cada escola / faculdade. Será necessário educar as pessoas nesse domínio tecnológico em uma escala muito grande (embora isso seja uma vantagem para alguns). Também haverá uma alta demanda por Professores neste campo Haverá uma alta demanda por empregos nesse campo, o que é um contributo para as empresas. Estes são os contras, de acordo comigo. Embora existam muitos profissionais, eu não os escrevi de acordo com sua pergunta.

Quais são os melhores exemplos de inteligência artificial?

1
Os melhores exemplos de avanços em IA da história até agora, quando o Google Alpha conquistou Ke Jie em Wuzhen, (jogador número 1 no mundo) durante uma série de jogos O jogo GO é tratado como uma das palavras que os jogos difíceis vencem por uma máquina ( AlphaGo) é considerado uma pedra de milhas na IA. Como no xadrez, o jogo tem duas cores em preto e branco, mas sempre que fazemos uma jogada é realmente impossível prever cada movimento com antecedência, pois existem r 1 × 101023 jogos possíveis. Mesmo muito difícil para um computador poderoso (supercomputador) computá-lo.A complexidade do jogo é mostrada abaixo Às vezes, o jogador não tem idéia do próximo movimento por causa de sua complexidade.Durante essas situações, o jogador faz um movimento com base em sua intuição (baseada em sentimentos) isso torna o jogo ainda mais complexoO Google usou a técnica de aprendizado profundo para decifrá-lo.google simula o jogo GO dentro das máquinas várias vezes (milhões) e o alfa vai aprender o jogo durante esta simulação (“idéia”: – aprendendo com mis leva) e finalmente o que aconteceu ……. ”… a máquina capaz de derrotar o campeão…

2
Ei, esses são alguns dos exemplos em que a IA é usada.Determinar o preço de sua viagem em uber ou ola.Analisar a velocidade do movimento do tráfego a qualquer momento pelos mapas do Google.Filtros de spam em seus e-mails.Bancos.Mesmo mídias sociais como o Facebook (por exemplo, sugerindo um amigo ou sugerindo pessoas para marcação) Sites de compras on-line para anunciar seu último item visualizado. sempre que solicitar um empréstimo ou cartão de crédito.Video games.smart carsRecomendação de música em tocadores de música e assim por diante.

3
Os cientistas do Instituto NanoSystems da Califórnia na UCLA desenvolveram uma nova técnica para identificar células cancerígenas em amostras de sangue com mais rapidez e precisão do que os métodos padrão atuais.Em uma abordagem comum para testar o câncer, os médicos adicione bioquímicos a amostras de sangue. Esses bioquímicos anexam “rótulos” biológicos às células cancerígenas, e esses rótulos permitem que os instrumentos os detectem e identifiquem. No entanto, os bioquímicos podem danificar as células e tornar as amostras inutilizáveis para análises futuras. A inteligência artificial produz sons realistas. Os pesquisadores prevêem que versões futuras de algoritmos semelhantes sejam usados para produzir automaticamente efeitos sonoros para filmes e programas de TV, além de ajudar os robôs a entender melhor as propriedades dos objetos3. Os reguladores de segurança de veículos disseram que o sistema de inteligência artificial que pilotava um carro autônomo do Google poderia ser considerado o motorista de acordo com a lei federal. 4.A mensagem de resposta automaticamente usando o AIGoogle anunciou um novo recurso chamado “Resposta inteligente” para seu aplicativo de e-mail da Caixa de entrada. sugerirá automaticamente respostas curtas para as mensagens recebidas. Esse novo recurso foi desenvolvido para facilitar a resposta ao email em um dispositivo móvel.

Por onde começar, se você quiser aprender inteligência artificial a partir do básico absoluto?

1
Como um iniciante, tendemos a distorcer principalmente, se não as idéias erradas, sobre o que a Inteligência Artificial realmente engloba.Você precisa entender que todo o hype em torno da IA é fortemente construído em torno de linhas de mídia sofisticadas, campanhas de marketing e contos de fadas. hoje é uma classe de algoritmos de auto-aprendizagem, auto-adaptação e auto-aperfeiçoamento cujos resultados dependem quase inteiramente da qualidade dos dados. Nada é inerentemente “inteligente” em nossos algoritmos, apenas matemáticas realmente inteligentes. Mas, no lado positivo, ele promete ser o maior avanço tecnológico de nossa época. Muitos de nós, como eu, temos fé nessa promessa. E como você está aqui, você também deve. Bem, para começar, eu diria que você deve primeiro ao Machine Learning. A razão é simples e dupla. Um, além de ser o melhor ponto de entrada na IA, existem muitos recursos disponíveis para ajudá-lo, e segundo, é, na maioria das vezes, o menos rigoroso matematicamente. Antes de começar, recomendo que você faça o teste. esses pré-requisitos muito importantes primeiro: álgebra linear e multiplicação de matrizes: é provável que quase todos os cursos on-line que você faça assumam que você é 100% claro em multiplicações de matrizes. E eles podem ser mais fáceis de seguir no começo; eles tendem a ser um pouco difíceis de seguir quando você se dirige às Redes Neurais Artificiais. Além disso, o conhecimento de multiplicações de matrizes permite reduzir seriamente o tempo de execução do programa de IA, substituindo loops por vetorização. Se você deseja seguir o ML e ter sucesso, seus algoritmos precisam ser dimensionados e, para essa vetorização, é absolutamente crítico que você conheça e siga. Aqui está uma leitura rápida que será útil: http://cs229.stanford.edu/sectio…Python: deve haver um motivo em algum lugar se todos os principais players estiverem migrando para o Python para todas as necessidades de programação. Além de ser a linguagem mais intuitiva e amigável para iniciantes que eu já vi, quase qualquer curso que você faz no Machine Learning certamente será ensinado em Python. É um ótimo idioma para fins de aprendizado. Brinque com as bibliotecas do Python como NumPy, Pandas, SciPy. É isso que você usará inicialmente. Você pode dominar as outras bibliotecas à medida que avança. A idéia básica é apenas se familiarizar com ela. Será seu melhor amigo por muito tempo. Quando você se sentir confortável com o Python, até certo ponto, consulte este artigo que explica a vetorização: Aprendizado de máquina explicado: Operações de vetorização e matriz – aprimore a ciência de dados Agora, vá direto à ação, aprendizado de máquina | Coursera. Por favor, inicie este curso imediatamente. Serei breve sobre o que o curso cobre e onde ele o deixará. O curso é um curso introdutório e apresentará a você o mundo da IA da melhor maneira possível. O curso exige que você conclua também os exercícios de programação no MATLAB / Octave, portanto algumas práticas práticas imediatamente lhe farão bem. MATLAB ou Octave, o curso o guia com a sintaxe durante todo o processo até que você se familiarize com ela. E escusado será dizer que esses idiomas também são muito fáceis de entender. Portanto, nada para se preocupar com um iniciante! Você deve levar cerca de um mês (supondo que você seja razoavelmente rápido) para concluir o curso. Então, qual é a próxima parada? Você provavelmente já ouviu falar sobre “Redes neurais” ou “Aprendizado profundo”. Caso contrário, alguns desses termos de tendência aparecerão no curso que mencionei anteriormente e essa é a próxima parada no nosso roteiro aqui: Aprendizado profundo! Existem algumas maneiras de fazer isso. Você pode fazer uma pesquisa no google e fazer qualquer curso que agrade a você, mas fiz a especialização subsequente (um conjunto de cursos sobre o Coursera focado em um assunto específico) pelo mesmo instrutor, Andrew Ng, e fiquei extremamente feliz com o conteúdo e mais importante, com a forma como isso me abriu a mente e me agregou valor. Se eu puder, direcionarei você para o mesmo curso em nosso roteiro aqui: Aprendizado Profundo | Este curso aborda várias frentes de aprendizado profundo, como ajuste de hiperparâmetro (como ajustar suas RNAs), redes neurais convolucionais, projetos de IA de estruturação e alguns outros nomes que podem parecer um pouco assustadores para você agora, mas prometo que apenas excitarão mais tarde, enquanto você caminha pela estrada. Você deve levar alguns meses para concluir a especialização (supondo novamente que você seja razoavelmente rápido). Agora esse é um ponto crítico em nosso caminho. E há garfos por toda parte. Você poderia fazer mais cursos e eu não teria nada para argumentar contra isso. Mas você não se perguntou até agora, que parece que a chave para fazer um modelo dar bons resultados depende em grande parte dos dados que você alimenta o modelo. E os dados são a única coisa que você coloca em suas mãos, pronta todo esse tempo. Espero que a direção que estou apontando para você seja bastante clara. SIM! Dados da prática

Qual é o principal objetivo da inteligência artificial?

1
O objetivo principal da inteligência artificial é substituir os esforços humanos pelas seguintes razões: Tarefa repetitiva; Tarefa crítica para a vida humana, como missão da NASA; Tornar as máquinas mais relevantes e úteis para o usuário humano; Suporte necessário para problemas humanos; Tornar o domínio da assistência à saúde mais eficiente.

A inteligência artificial vai gerar desemprego?

1
Essa pergunta já foi feita várias vezes. Os empregos desaparecerão da mesma maneira que os cientistas da computação desde a década de 1950: o suficiente para forçá-los a mudar de emprego. É o papel do progresso fazer com que tarefas repetitivas desapareçam, automatizando-as. Os primeiros profissionais que matam são cientistas da computação, mas, apenas recompensa, a IA também os substituirá em breve, porque os programas são muito melhores que eles. Simplesmente permitirei que todos automatizem suas máquinas. como ele deseja, sem passar por especialistas em TI. Todo mundo se torna um desenvolvedor, então, pelo contrário, todos poderão criar seu próprio trabalho.

2
A IA não vai gerar desemprego, mas gerar mais empregos aliados e empregos que exigem maior qualificação para realizar trabalhos mais complexos. É parecido quando computadores entraram e as pessoas disseram que seus empregos serão retirados. Mas todo mundo sabe que mais empregos foram criados do que retirados. Só era necessário que as pessoas aprimorassem suas habilidades para poder trabalhar com computadores. De maneira semelhante, será necessário que as pessoas aprendam novas habilidades para trabalhar com sistemas habilitados para IA.

Quais são os melhores filmes sobre inteligência artificial?

1
2001: A Space Odyssey (1968) – obra-prima de Stanley Kubrick.Venceu o Oscar de Melhor Efeitos Visuais Especiais em 1969 – e foi indicado para Melhor Diretor, Melhor Roteiro Original e Melhor Direção de Arte – Cenário. lista dos 250 melhores e não tem chance de ser removido do topo desse índice.

2
Transcendência (filme de 2014) Johnny Depp, Morgan Freeman (Não há motivos para assistir), Rebecca Hall, Paul Bettany, Kate Mara, Cillian Murphy e Cole Hauser. O habitual colaborador do diretor Wally Pfister, Christopher Nolan, atuou como produtor executivo do projeto.

3
Ex Machina (2015) Não é um pingo de sentimentalismo. Inteligente e emocionante. Ligado ao mundo moderno sem qualquer bobagem de Hollywood. Veja.

Por que Python é a linguagem de escolha para inteligência artificial?

1
Enquanto trabalha com algoritmos, a visualização de dados é muito útil. Se você estiver usando o shell interativo, poderá procurar todos os conjuntos de dados que desejar a qualquer momento. Isso facilita muito ver o que está acontecendo no seu algoritmo. Além disso, o python fornece um bom ambiente orientado a objetos.

Qual é o melhor curso online para aprender IA?

1
No momento, não há cursos sobre desenvolvimento de IA. De fato, não há muitos especialistas que realmente sabem como fazer IA. Entre eles, conheço apenas um que fala sobre a forte inteligência artificial geral. Você sabe se era uma coisa, então você poderia baixar o programa, certo. Mas há muitos cursos de aprendizado de máquina. Você não precisa de muito tempo para aprender a usar a biblioteca dlib para isso. Mas se você realmente deseja trabalhar com inteligência geral artificial real, existem alguns cursos sobre Watson da IBM. Para conhecer a teoria da criação de AGI, considere esta série de vídeos

Quais são as melhores fontes para aprender inteligência artificial?

1
É o Google, sem dúvida nenhuma sobre isso

2
Eu encontrei o seguinte vale a pena checar: – Introdução Rápida da New Scientist http://www.newscientist.com/data…Courses Curso de RobóticaTambém vale a pena conferir – Palestras (Introdução à Inteligência Artificial, CS 4365) AI | Biblioteca Digital do Canal 9AAAIPágina em trb.orgPágina em cuny.edu

3
Como trabalho na NVIDIA, abster-me-ei de “melhor”, mas se você quiser ter experiência prática aprendendo a criar e implantar redes neurais, a NVIDIA possui laboratórios on-line gratuitos para começar. Pesquise no Deep Learning Institute.

Quais são os projetos básicos de inteligência artificial para iniciantes (além de Pac-Man, quebra-cabeça de 8 rainhas etc.)?

1
A resposta curta é “Muitos”. Geralmente você começa com IA específica em vez de AGI, e alguns dos tópicos mais específicos incluem esportes de fantasia ou até loteria, se você estiver tentando fazer algo por conta própria (porque os dados para esses tópicos são relativamente limpo e disponível ao público) Ou se você estiver trabalhando com uma otimização de processos de negócios de uma grande organização, incluindo análise preditiva, é uma boa entrada para isso.

2
As aulas são ministradas por professores da rede municipal de ensino, com o objetivo de orientar os alunos sobre a importância da preservação do meio ambiente, além de promover a conscientização sobre a importância da preservação do meio ambiente. você está ocupado por semanas. Não basta ler … aprender. Suje as mãos. 🙂

3
O curso de introdução à IA da UC Berkeley (Página em edx.org) tem ótimos projetos para quem está aprendendo pela primeira vez e, como bônus, alguns deles são sobre o Pac-Man!intenção do comprador para seus produtos: http://bloomreach.com/Iniciei também uma lista de outras ferramentas úteis. Gostaria de ouvir o que os outros estão usando: Usando Inteligência Artificial para fazer o que você faz, mais inteligente | Young + Shand

3
A inteligência artificial está constantemente facilitando nossa vida. Alguns sites com base no programa AI estão disponíveis, que farão muitos trabalhos relacionados ao trabalho de escritório ou outros muito mais fáceis e divertidos.Websites interessantes da AIResize Image usando o site baseado em AIÉ uma plataforma de armazenamento em nuvemhttps: //www.reduceimages.com, que suporta máquinas algoritmos de aprendizagem. Comprime a imagem sem perder a qualidade dos dados. Os desenvolvedores dizem que, usando essa ferramenta, apenas 10% da qualidade da imagem é afetada. Se você fizer o upload de um arquivo de 4 MB aqui, não haverá muita diferença na qualidade, mesmo após o tamanho de 500 KB. Isso ajudará a armazenar imagens na nuvem. Comprime o arquivo PNG para 20X e JPEG para 5X sem afetar a qualidade das imagens. Dados de até 1 GB são gratuitos aqui, mas depois disso, você precisa pagar. Você pode se inscrever no Facebook ou na Conta do Google. Remixar vídeos usando o site baseado em IA RaveHá alguns sites baseados em Inteligência Artificial, o que é muito útil para profissionais. Rev.https: //rave.dj também é um site semelhante, que mistura várias trilhas sonoras e cria uma trilha sonora diferente. Para isso, você pode usar músicas e vídeos disponíveis no YouTube e Spotify. Ele cria um remix para você em apenas alguns minutos. Aqui está o recurso para misturar até 100 músicas no set de DJ, e você também pode criar músicas de mashup. É totalmente grátis. Veja mais

O que há de mais recente em inteligência artificial?

1
A seguir, estão as tecnologias mais recentes em Inteligência Artificial: Geração de Linguagem Natural (NLG) A Geração de Linguagem Natural (NLG) é uma sub-disciplina da Inteligência Artificial (AI) que converte todos os tipos de dados em texto legível por humanos. Este software converte dados em texto em um ritmo acelerado, permitindo que as máquinas se comuniquem de maneira eficaz. Atualmente usado no atendimento ao cliente, automatizando informações de inteligência de negócios, descrição do produto e relatórios financeiros. O objetivo principal do aprendizado de máquina é desenvolver máquinas inteligentes que possam ensinar a si mesmas e melhorar a partir de dados sem programação explícita ou qualquer outro recurso humano. interferência. Essa tecnologia mais recente é uma prioridade para a maioria das organizações e empresas ‘que agora estão investindo nela para redefinir sua margem de negócios. Uma plataforma de ML inclui algoritmos, ferramentas de desenvolvimento, APIs, implantação de modelos e muito mais. Gigantes da tecnologia como Google, Amazon e Microsoft já estão usando essa tecnologia. Automação de Processo Robótico (RPA) A Automação de Processo Robótico (RPA) é a automação de tarefas baseadas em regras. É possível por causa de scripts e métodos que imitam a maneira como os humanos executam tarefas. Atualmente, as empresas estão empregando RPA em áreas de negócios onde é muito caro e ineficiente empregar trabalhadores humanos. Algumas das empresas que usam essa tecnologia são: Blue Prism, UiPath, WorkFusion e Pegasystems, a mais recente inteligência artificial da tecnologia.Este é um software que está sendo cada vez mais utilizado por aplicativos e telefones celulares. Facilita a transcrição e transformação da fala humana em uma forma que possa ser facilmente entendida por um computador, ou seja, permite que o aplicativo / programa que a utiliza converta a linguagem e as frases humanas em dados. As organizações podem usar o reconhecimento de fala para discagem por voz, pesquisa por voz, roteamento de chamadas, pesquisa por voz e processamento de fala para texto. Algumas empresas que usam este software são NICE, Open Text, Verint Systems e Nuance Communications. Agentes virtuais É altamente improvável que você não esteja familiarizado com este termo. Siri, Cortana e Alexa são alguns exemplos de agentes virtuais com os quais interagimos diariamente. Para definir, são programas ou agentes de computador capazes de interagir com seres humanos; pode variar de chatbots a outros sistemas avançados. Os agentes virtuais são amplamente utilizados no gerenciador de casa inteligente, atendimento ao cliente e suporte. Esses agentes são capazes de estabelecer conversas inteligentes, responder a perguntas e trabalhar 24 horas por dia, 7 dias por semana. Algumas das empresas que dominam esse mercado são Apple, Amazon, Microsoft, Google e IBM.Hardware Integrado ao AIT A adição de tecnologias de IA em hardware acelerou os aplicativos de última geração. Isso significa novos gráficos e unidades e dispositivos de processamento central adaptados para executar tarefas orientadas à IA. No momento, eles estão causando impacto nos aplicativos de aprendizado profundo. Alguns dos fornecedores desta tecnologia são IBM, Intel, Nvidia, Google e Cray. A estrutura BDM (Gerenciamento de Decisões) inclui tudo sobre o design, a construção e o gerenciamento de sistemas automatizados para tomada de decisão. A automação da tomada de decisões ajudaria as organizações a tomar decisões consistentes, eficientes e baseadas em informações. As organizações o utilizam para gerenciar suas interações com clientes, funcionários e fornecedores, com o objetivo de aprimorar as decisões operacionais. Os setores bancário, de seguros e financeiro são exemplos de organizações que usam software para auxiliar no processo de tomada de decisão. Biometria Permite a interação natural entre máquinas e seres humanos. Os dados biométricos e biométricos são compostos por impressões digitais, reconhecimento de voz, padrão da retina e estrutura do rosto e, portanto, são exclusivos para cada indivíduo. Envolve identificar, medir e analisar a estrutura física, a forma e o comportamento do corpo. Essa tecnologia é comumente usada em pesquisa de mercado e alguns dos fornecedores são Affectiva, Agnitio, Sensory, Synqera, Tahzoo, 3VR e Facefirst. Plataformas de Aprendizado Profundo O aprendizado profundo é um subtipo de aprendizado de máquina. Ele imita o funcionamento do cérebro humano e usa redes neurais artificiais para processar dados e auxiliar na tomada de decisões. As informações passam por essa rede artificial, alterando sua estrutura com base na entrada e na saída. O aprendizado vem aqui da observação de grandes dados. Atualmente, o aprendizado profundo é usado para reconhecer padrões e classificar aplicativos compatíveis com grandes dados. Algumas das empresas que usam isso são a tecnologia Saffron, Fluid AI, Peltarion, Deep Instinct e MathWorks.

2
Esta é a minha opinião, não a ciência: a ficção científica quase sempre pressupõe que uma IA tem inteligência superior à humanidade. Ainda temos que projetar IAs melhores do que os controladores lógicos. Projetar uma máquina para aprender coisas novas será um problema

Quando a inteligência artificial substituirá os advogados?

1
Provavelmente, cerca de 25 anos depois, advogados serão substituídos por AI. Na verdade, existem estudos de caso em que um computador pode julgar melhor em vez de uma pessoa humana e também pode fazer leis melhores. Portanto, no futuro, não haveria necessidade de um advogado, o juiz da IA estará condenando os seres humanos. Bem bastante otimista, mas certamente no futuro próximo. Você pode vê-los chegando em cerca de 25 a 30 anos no máximo. As pessoas que estão respondendo à pergunta têm pouco ou nenhum conhecimento sobre o que a IA e o aprendizado de máquina podem fazer. Apenas algumas etapas para como isso seria possível: – Alimente todos os dados sobre o que são as leis e como é aplicável em diferentes cenários. em dados sobre todos os casos e histórico anteriores, sobre o que houve e quais decisões foram tomadas no final. Alimente os dados sobre o que os advogados de ambos os lados disseram no tribunal e sobre os pontos válidos / inválidos que fizeram. Depois que os dados forem alimentados, treine a máquina para prever os resultados de um novo caso, considerando todas as circunstâncias e provas. realmente muito alta taxa de sucesso, seria impossível que os julgamentos humanos fossem substituídos por máquinas. O governo não permitirá isso porque, mesmo que seja uma taxa de sucesso de 99%, esse 1% pode custar a vida de alguém. A revolução da IA está apenas começando. 🙂 Sente-se e divirta-se fazendo. Os seres humanos ficarão sem nenhum trabalho gastando seu tempo fazendo o que amam, seus hobbies, socialização ou algumas pessoas estarão sujeitas a algoritmos e máquinas para melhorar a sociedade.Edit (Adicionado – o elemento humano é importante no judiciário?) Bem, algumas pessoas são realmente incapazes de ver a visão do que a IA pode fazer no futuro, é por isso que em algum lugar sentimos que o elemento humano é importante. O fato é que, em casos legais, tudo se baseia em fatos e provas. Temos muitos dados de todo o mundo para entender como os humanos tomam decisões em tais cenários e como devemos treinar uma IA para tomar essas decisões também. Somente em cenários muito raros, seria necessária a interação humana onde a máquina é incapaz de prever ou prever com uma taxa de sucesso inaceitável para um julgamento. neles, mas um foi condenado à prisão perpétua e o outro foi enforcado até a morte, mas foram apenas as decisões dos juízes. Agora, se um novo caso chegar a um julgamento futuro da IA, com exatamente os mesmos detalhes, a taxa de “sucesso” (correção) seria de 50% em qualquer julgamento que for dado, o que é inaceitável. Portanto, um humano seria necessário nesse cenário. Caso 2, Considerar uma batalha legal em que o consumidor foi enganado por um produto vendido a ele era falso. De acordo com os casos anteriores, os julgamentos deviam devolver o valor ao consumidor e a indenização, uma vez que se provou que o consumidor estava correto. A IA não teria dificuldades para julgar devido à alta taxa de sucesso. Os advogados fazem o trabalho de “provar” se o consumidor estava correto ou o fornecedor. Mas aqui seria substituído pela IA, entendendo em tais casos quais eram os fatos e as provas fornecidas pelos dois lados.Quais eram os cenários e condições, produto ou serviço etc. Com base nesses fatos, a AI poderia obter provas perguntando e depois confirmando a autenticidade dos dados, eles poderiam gerar os dados necessários para os julgamentos. Bem, algumas pessoas realmente não conseguem ver a visão do que a IA pode fazer no futuro, é por isso que em algum lugar sentimos que o elemento humano é importante. O fato é que, em casos legais, tudo se baseia em fatos e provas. Temos muitos dados de todo o mundo para entender como os humanos tomam decisões em tais cenários e como devemos treinar uma IA para tomar essas decisões também. Somente em cenários muito raros, seria necessária a interação humana onde a máquina é incapaz de prever ou prever com uma taxa de sucesso inaceitável para um julgamento. neles, mas um foi condenado à prisão perpétua e o outro foi enforcado até a morte, mas foram apenas as decisões dos juízes. Agora, se um novo caso chegar a um julgamento futuro da IA, com exatamente os mesmos detalhes, a taxa de “sucesso” (correção) seria de 50% em qualquer julgamento que for dado, o que é inaceitável. Portanto, um humano seria necessário nesse cenário. Caso 2, Considerar uma batalha legal em que o consumidor foi enganado por um produto vendido a ele era falso. De acordo com os casos anteriores, os julgamentos deviam devolver o valor ao consumidor e a indenização, uma vez que se provou que o consumidor estava correto. A IA não teria dificuldades para julgar devido à alta taxa de sucesso. Os advogados fazem o trabalho de “provar” se o consumidor estava correto ou o fornecedor. Mas aqui seria substituído pela IA, pela compreensão em tais casos. Quais eram os fatos e as provas fornecidas por ambos os lados.

Como você aprende inteligência artificial?

1
Estou aprendendo Inteligência Artificial a partir de uma rede chamada spotle, que nos deu um conteúdo muito bom por um preço menor e tudo é breve, e é muito útil para iniciantes, mesmo aprendendo do zero.Junte-se à empresa familiar usando o link abaixo: spotle.ai/join/VelpulaHi…Obrigado

2
Para aprender IA, você pode aprendê-la em blogs, vídeos ai e em outros blogs de inteligência artificial com conhecimento. Você precisa determinar quais são seus objetivos de carreira e criar seu próprio portfólio. Se você não estiver pronto para se candidatar a empregos em Inteligência artificial, procure por mais projetos que tornem seu portfólio incrível. Você precisa determinar quais são seus objetivos de carreira e criar seu próprio portfólio. Se você não estiver pronto para se candidatar a empregos em Inteligência artificial, procure por mais projetos que tornarão seu portfólio incrível.

3
Este é um link para o primeiro vídeo das palestras do MIT Open Course do Dr. Patrick H. Winston sobre Inteligência Artificial: Aula 1: Introdução e EscopoEu espero que você ache isso benéfico.

Qual é a próxima grande novidade da inteligência artificial?

1
Assistência médica: Detecção oportuna e precisa de tumoresEntrega direcionada de remédios e / ou terapiaTurismo: Carros autônomosNaves espaciaisTelecomunicação: Melhor utilização de torres e comutadores de telecomunicaçõesMídia: Álbuns autônomosRedução nos custos de produção de mídia

Quais são os tipos de trabalhos que serão substituídos pela inteligência artificial?

1
Estamos em um local semelhante ao de quando o trem estava sendo concebido e construído pela primeira vez. As pessoas entendiam, era esperado, e então havia algumas rotas que eram consideradas uma boa maneira de lucrar. Então os trens expandiram sua influência. O que eles conseguiram? O sujeito que podia lidar com quatro a seis cavalos e puxar uma carroça pesada. Um sistema inteiro de movimentação de mercadorias foi destruído. O transporte de pessoas por carroça foi um serviço saudável. Agora estamos naquele lugar com robôs e IA. Não haverá trabalho que eles não assumam.

2
Os trabalhos que se baseiam em processos bem definidos e inequívocos.Jobs que individualmente possuem um baixo valor agregado ao proprietário da obra.Jobs em que as despesas de capital iniciais para o sistema de automação / ai seriam rapidamente recuperadas rapidamente.Jobs onde o detentor da tarefa é baixo É importante que o candidato tenha uma boa noção do que é o processo de recrutamento e seleção.

Quais são os melhores programas de mestrado relacionados à inteligência artificial?

1
Em geral, é difícil dar respostas significativas a essas perguntas, porque as respostas são inerentemente subjetivas. Os rankings não significam nada na prática porque os programas fluem e fluem, e as pessoas entram e saem. Particularmente em AI e ML, houve uma saída líquida para a indústria da maioria dos departamentos acadêmicos e, portanto, em geral, muitos programas foram dizimados nos últimos 10 anos. É provável que essa tendência continue nesse clima de contratação superaquecido, em que a indústria está preparada para gastar quantias luxuosas na aquisição de talentos em IA / ML. A maneira mais segura de negar a si mesmo uma verdadeira experiência de aprendizado é prestar atenção às classificações. Mas, mais importante ainda, você deve perceber que a IA é um campo incrivelmente diversificado, e as descobertas fundamentais podem surgir de qualquer lugar. Algumas das melhores idéias dos últimos 10 anos vieram de fora da IA, em áreas como otimização (por exemplo, a estrutura de algoritmos proximais e métodos de descida espelhada), estatística (por exemplo, métodos de regularização em ML) e física (por exemplo, , óculos giratórios, modelos de energia). Portanto, um departamento com probabilidade de ter estrelas em estatística, física ou biologia pode ser tão valioso no estudo de IA quanto um programa que possui fortes pesquisadores de IA. O seminário mais valioso que participei há alguns anos foi, na verdade, de uma professora que lecionava na escola de administração, porque ela era uma especialista de classe mundial em uma estrutura matemática que generalizava a otimização de uma maneira muito interessante. A estrutura matemática em que ela era especialista foi originalmente desenvolvida em física. Lá estava ela, ensinando em uma escola de negócios, sobre idéias provenientes da física, e lá estava eu, como aprendiz de máquina, encantado com as idéias que estava ensinando. Se você abrir sua mente, poderá aprender idéias úteis sobre IA em quase todos os cantos de qualquer boa universidade. O físico Richard Feynman, da Caltech, costumava citar Gibbons: “O poder da instrução raramente é de muita eficácia, exceto naquelas felizes disposições quando é quase supérfluo ”(ver Prefácio de suas famosas Palestras sobre Física, 3 volumes). Ele acreditava firmemente no auto-aprendizado e na auto-descoberta. Em inglês simples, o que isso significa é que os melhores alunos são aqueles que já aprenderam muito do que você está tentando ensiná-los e precisam apenas desse último percentual extra que você pode fornecer. Em todos os meus anos de ensino, senti que isso capturou o dilema de ensinar melhor do que qualquer outra coisa que li. Em resumo: se você quiser aprender IA, seja seu próprio professor! Existem muitos recursos online: livros, tutoriais, documentos, código. Ensine a si mesmo o que você precisa saber. Aprenda no seu ritmo. Descubra o que te excita. A autodescoberta costuma ser a coisa mais emocionante do mundo (mais de um ganhador do Prêmio Nobel comentou que o momento da descoberta pode ser tão estimulante que supera quase todas as experiências humanas, inclusive o sexo!). Depois de experimentar a verdadeira alegria de aprender por conta própria, será fácil decidir onde você deseja estudar IA. Você pode até acabar em um lugar surpreendente, como uma escola de negócios ou um departamento de biologia ou estatística!

2
Existem várias faculdades que têm uma forte reputação em IA nos níveis de mestrado e doutorado. O curso é voltado para estudantes de graduação e pós-graduação, que buscam por um curso de especialização em gestão de pessoas, com experiência em gestão de pessoas, gestão de pessoas, gestão de pessoas e gestão de pessoas. ) MIT (grupo CSAIL) CMU (laboratório de robótica) U Toronto (Hinton) NYU (Yann le Cun) U Montreal (Bengio, Goodfellow) U Washington (Carlos, Emily) Algumas pessoas como Goodfellow, Andrej, não estão mais na academia. Gostaria de destacar que uma boa pesquisa não ocorre SOMENTE onde estão as pessoas famosas.

3
Gostaria de adicionar Stanford à lista, considerando STAIR e The Stanford NLP (Natural Language Processing) Group. Também no Vale do Silício, Stanford teria a chance de interagir fortemente com o setor, levando a projetos como o mencionado em Em uma grande rede de computadores, evidência de aprendizado de máquina.

Qual é a coisa mais impressionante feita pela Inteligência Artificial?

1
Imagens macabras estranhasA rede neural DeepDream do Google gerou muitas imagens psicodélicas quando produz imagens normais: aqui está um vídeo que aproxima os sonhos do DeepDream:

Onde o aprendizado de máquina ou a inteligência artificial agregam valor à sua empresa?

1
Estou no 2º ano de engenharia B.Tech em Ciência da Computação em grande. Portanto, não estou trabalhando em nenhuma empresa de tecnologia no momento. Mas acho que a IA pode ajudar muito o futuro dessa maneira … Existem dois aspectos: Benefício de uma empresa: O que uma empresa deseja? Produtividade por baixo custo. Simples o suficiente? E se uma empresa comprar um software de IA capaz de gerenciar transações financeiras de 1 milhão de pessoas por vez. E essa empresa comprará 10 ou 100 deles e pronto! Não há necessidade de humanos para gerenciar esses dados de centenas de milhares de humanos. E essas 10 ou 100 cópias de um único software substituirão de 1000 a 5000 funcionários. Então, por que uma empresa deve mantê-los? Todo o dinheiro será investido no desenvolvedor de software que criar esse software inteligente. E isso certamente será muito menor do que o salário de 1.000 a 5.000 funcionários. Assim, o valor e a eficiência de uma empresa aumentam, mas muitas pessoas ficam sem emprego. Benefício para a humanidade: é um fato que milhares ficarão sem emprego. Mas há campos em que a IA e as máquinas não conseguem fazer isso tão bem quanto os humanos. Os campos que precisam de experiência para executar tarefas com eficiência não podem ser feitos por IA e humanos. As máquinas são boas em repetição. Eles podem executar até 107 cálculos em apenas 1 segundo. Mas eles não podem divertir os humanos tão bem quanto outros humanos. Como ele precisa de intuições e apenas humanos são bons nisso, a IA é certamente boa para as empresas obterem mais velocidade e precisão. Mas adicionar valores não é o objetivo de desenvolver a IA. Estamos desenvolvendo IA para fazê-los nos ajudar. E para ajudar a ver as coisas que não podemos ver pelas nossas teorias. Ambos (nós e a IA) temos suas próprias limitações.

2
Cobramos um prêmio de nossos clientes devido à nossa capacidade de segmentar consumidores individuais e rastrear o aumento desse marketing. Por exemplo, sabemos como identificar um comprador que tem “tendências leais” em relação a uma determinada categoria de produtos e que é um “usuário pesado”, para que possamos oferecer a ela uma oferta / anúncio durante uma viagem de compras na qual ela provavelmente ainda não comprou o produto do concorrente. Temos vários objetivos de marketing para maximizar vendas, antecipar mudanças de marca e ampliar o mix de produtos, além de promover o marketing de fidelidade. Analisamos por marca, categoria, volume, unidades equivalentes, gastos, ciclo de compra e muitas outras propriedades – tudo baseado em uma história de três anos de centenas de milhões de compradores em todo o mundo. E os anúncios / ofertas também podem ser personalizados por comprador, com base nos fatores que provavelmente a influenciarão. Em seguida, rastreamos os hábitos de compra do consumidor nos meses seguintes, individualmente e como um grupo demográfico fazendo testes de AB, para ver quanto nosso anúncio / oferta influenciou os hábitos de compra. Também usamos esses dados para atualizar nossos critérios de segmentação. De fato, isso é muito simplificado, pois também existem muitas nuances e detalhes.

3
Sou engenheiro de hardware e o ML está tradicionalmente muito longe do campo em que trabalho. Mas, depois de assistir à primeira aula do Coursera ministrada por Andrew Ng, há alguns anos, encontrei muitos usos do ML nessa área. Eu os chamo coletivamente de “análise de hardware”. Aqui estão alguns usos que não foram mencionados antes: Caracterização de cabos. Pense em cabos USB 3.1 de alta velocidade como exemplo. Análise de integridade de sinal. Pense em varreduras oculares, tabelas de banheira e estimativas de BER feitas por osciloscópios. Otimização paramétrica de subsistemas eletrônicos. Caracterização de componentes eletrônicos durante o projeto e a produção.

Como a inteligência artificial melhorará a humanidade?

1
Se tudo correr bem e acertarmos da primeira vez, a IA seria a melhor coisa a acontecer com a humanidade. Um fator é o trabalho. Alguns humanos estão presos na fabricação de empregos, movendo caixas e construindo carros. Com robôs autônomos, esses trabalhos seriam feitos mais rapidamente e com mais eficiência. Uma IA tentará fazer o seu trabalho da melhor maneira possível e mudará a si mesma para fazê-lo. Isso significa que a IA poderia pensar em maneiras de realizar tarefas que nunca imaginamos. Todas as tarefas físicas seriam imediatamente retomadas, mas um problema é que as pessoas deixariam de trabalhar. No entanto, teríamos que criar novos empregos para todos os desempregados. Novamente, temos robôs capazes de pensar e criar mais rápido do que os humanos, portanto, eles devem ficar bem. Agora a parte mais interessante: o espaço. Os robôs não precisam respirar; portanto, as missões que envolvem a entrada no espaço sideral e a colonização de planetas se tornariam monumentalmente mais fáceis. Poderíamos enviar robôs para Marte com instrumentos colonizadores, como sementes, para várias flora, esperar até o planeta ganhar uma atmosfera respirável e colonizar. A humanidade agora residiria em um total de dois planetas. Se decidirmos deixar a Terra e o sistema solar, a IA poderá escanear milhares de planetas de uma só vez e encontrar o mais adequado para a vida. Ou então, poderíamos fazer nosso próprio planeta hospitaleiro. Quero isso. Eu quero tanto esse futuro para a humanidade. Quero que meus futuros filhos estejam de férias em Marte, viajando pelo sistema solar para fazer o que quiserem. E tudo isso será possível com a IA.

2
A tecnologia sempre e vai melhorar nosso padrão de vida: conforto, proteção e proteção. A tecnologia revoluciona a maneira como vivemos e trabalhamos, pois, eventualmente, democratiza produtos e serviços. No entanto, as transições podem ser dolorosas, pois os adotantes iniciais usam a tecnologia principalmente para reduzir custos e eliminar empregos para engordar os lucros corporativos. A inteligência artificial é apenas mais uma onda de tecnologia. Você pode esperar uma transição muito dolorosa, uma vez que desloca vastas populações de empregos. Você não pode criar trabalhos de IA suficientes para compensar as perdas. Isso criará uma desigualdade de riqueza e uma divisão não vista nos tempos modernos. Isso levará a uma revolução social moderna? Absolutamente sim. A importante em minha mente é se ele será mais parecido com os movimentos Occupy ou se iremos trazer de volta as guilhotinas. Por fim, para responder à sua pergunta, a tecnologia, a curto prazo, à medida que amadurece, tende a excluir as principais partes interessadas, funcionários e consumidores a favor de proprietários e investidores, enfatiza a sobrevivência de muitos para o benefício de poucos e, portanto, não ajuda na melhoria da humanidade e na tecnologia de longo prazo não é a resposta. A resposta para melhorar nossa humanidade está dentro de nós e as ferramentas são colaboração e inclusão.

3
Aqui está uma maneira. Conselheiros pessoais. Normalmente, os seres humanos são cegos para os padrões de nossas vidas que nos impedem de realizar nossas aspirações. Nos comprometemos, nos iludimos, estimamos mal os resultados prováveis, desenvolvemos hábitos desadaptativos etc., em grande parte porque nosso ego está envolvido. Muito poucas pessoas têm alguém em sua vida com a combinação certa de motivação e discernimento psicológico para oferecer conselhos úteis. Quando esses conselheiros aparecem, é improvável que eles permaneçam por décadas. Um agente artificialmente inteligente tem o potencial de observar sua vida, aprender seus objetivos e levá-lo a eles. Isso ainda não é prático, mas o reconhecimento de padrões e a otimização aprendida são os tipos de coisas nas quais a IA já é boa.

Quais são algumas das incríveis startups de inteligência artificial (IA) em estágio inicial (antes da série B ou anterior)?

1
Relevância direita do Google Checkout

Qual destes é mais preferível estudar, IA (inteligência artificial) ou ML (aprendizado de máquina)?

1
A IA é um campo cada vez maior. Embora o aprendizado de máquina seja um subconjunto da inteligência artificial geralmente conhecida. Se você considerar o valor de mercado gerado pela IA geral e pelo aprendizado de máquina, o aprendizado de máquina certamente assumirá a IA geral. Atualmente, a maioria dos trabalhos de cientistas de dados precisa de aprendizado de máquina, mas a maioria deles não requer conhecimento de IA geral.Portanto, se você deseja seguir carreira como cientista de dados ou deseja trabalhar Como engenheiro de aprendizado de máquina, você deve aprender aprendizado de máquina.

A inteligência artificial pode substituir médicos humanos no futuro?

1
Não. Eles não podem. “ O objetivo do estudo foi avaliar a eficácia do Alzheimer em pacientes com doença de Alzheimer, além de avaliar os efeitos do Alzheimer em pacientes com doença de Alzheimer ”, afirma o pesquisador. . Existem sistemas de IA que podem prever pneumonia e diferentes tipos de câncer, e qual é a missão de desenvolver alguns desses sistemas são as competições do Kaggle! Vemos um aumento no número de hospitais em todo o mundo empregando robôs para cirurgias complexas. O futuro parece bastante linear e direto a partir de agora, não é? Então, por que ainda digo que a IA não pode substituir os médicos? A resposta está em parte, no elemento humano necessário no setor de saúde e no ponto crucial da Bem, com certeza, um sistema de IA pode detectar câncer. Mas você confiaria em tratá-lo? No momento, você não confiaria em um algoritmo inteligente com uma decisão que alterasse a vida ou mesmo com a decisão de tomar ou não analgésicos, nesse caso. Você pode imaginar levar seu filho a uma enfermaria infantil totalmente automatizada para uma simples injeção de tétano e observar os robôs injetando agulhas nas crianças sem a rotina “Ei, olhe para mim aqui, qual é seu desenho animado favorito?”? Não parece certo. Quando você vai a um médico para consulta, o médico dá suas opiniões e informa o porquê. Ele diz por que ele acha que é a coisa certa a fazer e compartilha suas experiências de casos semelhantes. E isso convence você a fazer a ligação. Quando você vai ao médico com uma ferida, ele olha nos seus olhos, sorri e garante com um simples: “Garoto, você estará pronto e funcionando em pouco tempo” em vez de uma “Profundidade da ferida: 0,5 centímetro” , perda de sangue: 300 mili-litro, coagulação: pendente ”e alguns comprimidos de prescrição sendo jogados contra você, sendo você apressadamente conduzido e o próximo paciente introduzido. Nunca seremos capazes de imaginar cuidados de saúde sem empatia humana. Precisamos de médicos de mãos dadas enquanto nos informam sobre um diagnóstico que muda a vida, seu guia sobre terapia e seu apoio geral. Um algoritmo não pode substituir isso. Outro caso é sobre criatividade. A mente de um médico é um cérebro médico criativo. Existem várias maneiras possíveis de pegar a mesma infecção ou entrar em contato com o mesmo vírus. E, dependendo dessas causas, pode haver várias maneiras de tratá-lo. A chave para um tratamento viável é primeiro, identificar como o paciente surgiu e, em seguida, iniciar o diagnóstico. Nem sempre é um processo linear lógico. Tomando o mesmo exemplo de um paciente com uma ferida, o médico pode sugerir uma costura imediata da ferida se o paciente for um esportista, mas se o paciente não o for, ele poderá dar prescrições que acelerarão o corpo para se curar. O diagnóstico também depende do estilo de vida do paciente. Nenhum caso é o mesmo. Mas essa não é uma visão extrema, é claro. Embora eu diga que a IA não substituirá os médicos, não quero dizer que não haverá presença de IA no setor de saúde. Haverá 100% de presença de IA e não apenas na área da saúde, mas em todos os lugares. A IA será usada no diagnóstico e consulta preliminares, enquanto a chamada final será do especialista humano, será usada na trituração de dados e na análise de relatórios, será empregada para fazer cirurgias em que a tarefa é simples, mas extremamente complexa, como retirar uma bala. A IA será como uma assistente pessoal para o médico, para que ela possa realizar o trabalho repetitivo e mundano e dedicar seu tempo à solução de problemas complexos. Portanto, embora a IA mude 100% dos empregos dos médicos, ela não substituirá os médicos.

2
Nos Estados Unidos, grandes sistemas hospitalares como a Cleveland Clinic estão consumindo práticas menores. Eles estão tentando usar economias de escala para negociar preços mais baixos em suprimentos e seguros para os profissionais. É como um modelo do Wal Mart de fornecer remédios. Nos EUA, o atendimento médico é um negócio. O modelo de negócios está oferecendo assistência médica com fins lucrativos. Os médicos são vistos como prestadores de serviços e vacas em dinheiro. A competição entre outros grandes sistemas médicos leva à busca de redução de custos trabalhistas. A maior despesa são os salários dos médicos. Eles ganham mais do que os profissionais de enfermagem, que custam muito menos, mas podem cobrar quantias substanciais. Os médicos têm habilidades que precisariam ser substituídas por robôs que um enfermeiro não poderia fazer. Então, por enquanto, os cirurgiões estão seguros. Mas isso não será para sempre. Além disso, robôs como o Watson, da IBM, podem ser aperfeiçoados para ler revistas médicas, prever tratamentos de câncer, diagnosticar doenças e prever resultados com base em tratamentos personalizados para o indivíduo e referenciados em estudos de caso. No ser humano, não é possível ler milhões de documentos. e robôs para serem mais produtivos. Menos médicos serão obrigados a fazer a mesma quantidade de trabalho. Os profissionais de enfermagem serão usados para realizar 75% dos casos.

Quais são as oportunidades para trabalhos de inteligência artificial na Índia?

1
Os trabalhos de inteligência artificial oferecem muitas oportunidades para a tecnologia e seu desenvolvimento. Você pode explorar a tecnologia e a ciência na inteligência artificial …… Na inteligência artificial, existem muitas opções de emprego e crescimento na carreira .. Analista de Mineração de DadosPesquisador de Aprendizado de MáquinaTrabalhando nas Forças ArmadasRobotics ProgrammerVideo Game ProgrammerSoftware Engineeretc

2
Definitivamente, existem muitos empregos no campo da inteligência artificial. Na Índia, há muitos desenvolvedores de inteligência artificial contratados e haverá uma grande quantidade de pacotes salariais disponíveis para as pessoas de Inteligência Artificial. Atualmente, vemos que há um aumento de 40% no trabalho. mercado de Inteligência Artificial e aumento de 60% do mercado de trabalho para conceitos de aprendizado de máquina

3
Se você considerar a carreira de IA na Índia, existem várias grandes empresas atualmente envolvidas nela. Embora a tendência sugira que, com cada vez mais startups investindo em IA, empresas gigantes de TI também estão investindo nela. Se você quer uma carreira promissora em IA. Inscreva-se em empresas como IBM, Amazon, Microsoft, Google ou solicite alguma startup que funcione em IA.

Quais trabalhos não podem ser substituídos por inteligência artificial?

1
Enquanto robôs não substituem humanos como consumidores, isso não importa.Robôs aceitam todos os empregos => humanos sem renda => humanos não consomem mais => robôs desativados por se tornarem inúteis Veja o problema? Nunca se trata de empregos, mas de como sustentar uma economia. Se seus consumidores não têm renda (de preferência com algum descartável), eles não têm demanda e seus robôs que deveriam economizar dinheiro agora custam dinheiro sem a mesma renda. Não estou dizendo que algumas pessoas ganharam ‘ • perder o emprego para robôs (da mesma maneira que muitas pessoas perderam o emprego quando a agricultura se tornou mais automatizada ou algumas pessoas perderam o emprego porque foram realocadas em outro país com mão de obra mais barata), mas os empregos não estão no vácuo, porque existem pessoas pagar pelo serviço. Corte todos os trabalhos (seja com robôs ou qualquer outro progresso que já testemunhamos) e você terá um problema econômico. Você precisa se socializar e dar a todos um salário mínimo, independentemente de trabalharem ou não (sim, essa é a ideia socialista, mas muitos CEOs, como Musk, apoiaram isso … contanto que não precisem pagar) ou você cria novos tipo de trabalho (como já foi feito no passado; acredite ou não, mas não havia muitos revendedores de automóveis antes da revolução industrial). Então sim, desde que os humanos sejam os principais consumidores (e por que criar robôs consumidores quando humanos os trabalhos que substituem os seres humanos não são um problema no nível social porque, de uma maneira ou de outra, esses seres humanos precisam ter algum dinheiro para gastar para fazer robôs valerem mais do que um monte de silício, plástico e metal (sem ignorar a conta de energia) que custam.

2
Na verdade, existem duas perguntas aqui: Quais trabalhos não podem ser substituídos por mudanças organizacionais ou de processo que resultam de algum tipo de automação? Quais trabalhos não podem ser substituídos pelo que atualmente chamamos de inteligência artificial? Na primeira pergunta, muitos de tarefas foram substituídas pela automação: muitas tarefas que costumavam exigir muitas camadas de gerenciamento intermediário agora podem ser executadas por gerentes de nível superior usando software de gerenciamento de projetos e redes de computadores, pois todo o gerenciamento intermediário era basicamente uma espécie de controle Uma grande parte do trabalho de advocacia – particularmente a “revisão de documentos” (ou a escavação de grandes quantidades de papelada em grandes processos judiciais) – foi substituída pelos mecanismos de busca. Isso causou um colapso no número de advogados contratados e está causando o fechamento de várias faculdades de direito. Obviamente, todo tipo de mudança de processo devido à informatização e à rede em geral eliminou muitos empregos ao longo das décadas – e criou novos. a segunda pergunta, você precisa definir o que é “inteligência artificial” antes de poder falar sobre isso. Isso é surpreendentemente difícil, principalmente porque existe uma tendência, mesmo na ciência da computação, de considerar os problemas resolvidos como “não mais IA”, mesmo que eles iniciem no limite da pesquisa em CS. Afinal, os compiladores da linguagem de programação começaram como “coisas da IA” ”- processamento quase natural da linguagem! Muitas coisas do banco de dados – principalmente nos otimizadores de consulta – começaram no “domínio da IA” e se tornaram bastante entediantes quando foram bem compreendidas. Se a pergunta é sobre a “definição de ficção científica” da AI, que é basicamente uma “Coisa computadorizada como um robô que pode passar no teste de Turing, meu palpite é que isso pode não acontecer por um bom tempo, todos os trabalhos estão seguros até que realmente tenhamos essas coisas. Mas, como mencionei acima, a automação geral é bem diferente história…

3
No momento, as técnicas atuais de aprendizado profundo funcionam melhor para tarefas que exigem assimilação de enormes quantidades de dados e à procura de tendências ou padrões neles que seriam sutis ou espalhados demais para as pessoas verem. Isso inclui reconhecimento de imagem, radiologia (examinando exames médicos para obter um diagnóstico) e outras ferramentas de dados aprofundadas. Sem dados suficientes para treinar, esses sistemas de DL tendem a não se sair bem. Os seres humanos se saem melhor do que o aprendizado profundo, onde existem dados mais esparsos, e a cognição, o raciocínio e a intuição humanos podem ajudar a preencher os espaços em branco nos dados e permitir que um ser humano para tomar decisões mais informadas do que o DL poderia. Observe que essas são apenas tarefas e, para que os sistemas de DL realizem trabalhos reais, eles precisam ser capazes de executar várias tarefas como uma lata humana e se comunicar com outras pessoas, tanto verbalmente quanto escrevendo. Podemos desenvolver tecnologias naturais de linguagem e fala que podem permitir isso. Então, chegamos à robótica e a quais tarefas manuais e físicas a IA poderia fazer. Isso é mais difícil e a maioria dos robôs que temos hoje nem tem força nem precisão, destreza e utilidade geral que os seres humanos possuem. Então, eu diria, em conclusão, que trabalhos como médico e advogado, que consistem principalmente em analisar e tomar decisões com base em em dados estruturados que estão prontamente disponíveis, são realmente mais fáceis de usar AI do que os trabalhos li

Quais são as várias áreas em que a IA (inteligência artificial) pode ser usada?

1
A seguir, são mostradas algumas áreas altamente ativas e lançando muitos aplicativos no AINatural Language Generation: Produzindo texto a partir de dados do computador. Utilizado no atendimento ao cliente, geração de relatórios e resumo de insights de inteligência de negócios Reconhecimento de voz: Agentes virtuais: Chatbots, sistemas avançados que podem interagir com humanos. Usadas no atendimento e suporte ao cliente e como um gerente doméstico inteligente.Plataformas de aprendizado de máquina: Plataformas que fornecem implementações de algoritmos, APIs, kits de ferramentas de desenvolvimento e treinamento, dados, além de poder de computação para projetar, treinar e implantar modelos em aplicativos, processos e outras máquinas. Utilizado em uma ampla variedade de aplicativos corporativos, como previsão ou classificaçãoSistemas automáticos de gerenciamento de decisão: mecanismos que inserem regras e lógica nos sistemas de IA e utilizados para configuração / treinamento inicial e manutenção e ajuste contínuosPlataformas de aprendizado profundo: reconhecimento de imagem e processamento de imagem AutomationBiometricsAnálise de texto e processamento de texto

2
Assistentes pessoais virtuaisSiri, Google Now e Cortana são todos assistentes pessoais digitais inteligentes em várias plataformas (iOS, Android e Windows Mobile). Em resumo, eles ajudam a encontrar informações úteis quando você solicita o uso da sua voz. VideogamesUma das instâncias de IA com as quais a maioria das pessoas provavelmente conhece, a IA de videogame é usada há muito tempo – desde os primeiros videogames, em facto. Mas a complexidade e a eficácia dessa IA aumentaram exponencialmente nas últimas décadas, resultando em personagens de videogame que aprendem seus comportamentos, respondem a estímulos e reagem de maneiras imprevisíveis. Middle Earth: Shadow of Mordor de 2014 é especialmente notável pelas personalidades individuais dadas a cada personagem que não é jogador, suas memórias de interações passadas e seus objetivos variáveis.Jogos de tiro em primeira pessoa como Far Cryand Call of Duty também fazem uso significativo da IA, com inimigos que podem analisar seus ambientes para encontrar objetos ou ações que possam ser benéficas para sua sobrevivência; eles se escondem, investigam sons, usam manobras de flanqueamento e se comunicam com outras IAs para aumentar suas chances de vitória. No que diz respeito à IA, os videogames são um pouco simplistas, mas, devido ao enorme mercado da indústria, são investidos muito esforço e dinheiro todos os anos para aperfeiçoar esse tipo de IA. Carros inteligentes Você provavelmente nunca viu alguém lendo o jornal enquanto dirigindo para o trabalho ainda, mas os carros autônomos estão se aproximando cada vez mais da realidade; O projeto de carro autônomo do Google e o recurso de “piloto automático” da Tesla são dois exemplos que estão nas notícias recentemente. No início deste ano, o Washington Post relatou um algoritmo desenvolvido pelo Google que poderia permitir que carros autônomos aprendessem a dirigir da mesma maneira que os humanos: através da experiência A IA detalhada neste artigo aprendeu a jogar videogames simples e o Google testará a mesma inteligência ao dirigir jogos antes de seguir para a estrada. A idéia é que, eventualmente, o carro possa “olhar” para a estrada à sua frente e tomar decisões com base no que vê, ajudando-a a aprender no processo. Embora o recurso de piloto automático da Tesla não seja tão avançado, ele já está sendo usado na estrada, indicando que essas tecnologias certamente estão a caminho.Previsão da compraLojas grandes, como Target e Amazon, podem ganhar muito dinheiro se puderem antecipar suas necessidades . O projeto de entrega antecipada da Amazon espera enviar itens para você antes que você precise, evitando completamente a necessidade de uma viagem de última hora à loja online. Embora essa tecnologia ainda não esteja em vigor, os varejistas tradicionais estão usando as mesmas idéias com cupons; quando você vai à loja, geralmente recebe vários cupons que foram selecionados por um algoritmo de análise preditiva. Isso pode ser usado de várias maneiras, seja enviando cupons, oferecendo descontos, segmentando anúncios, ou estocando armazéns próximos à sua casa com produtos que você provavelmente comprará. Como você pode imaginar, esse é um uso bastante controverso da IA e deixa muitas pessoas nervosas com possíveis violações da privacidade com o uso de análises preditivas.Introdução de fraude Você já recebeu um email ou uma carta perguntando se fez uma compra específica em seu cartão de crédito? Muitos bancos enviam esses tipos de comunicação se eles acham que existe uma chance de fraude em sua conta e desejam garantir a aprovação da compra antes de enviar dinheiro para outra empresa. A inteligência artificial é frequentemente a tecnologia implantada para monitorar esse tipo de fraude. Em muitos casos, os computadores recebem uma amostra muito grande de compras fraudulentas e não fraudulentas e são solicitados a aprender a procurar sinais de que uma transação se enquadra em uma categoria ou categoria.

Como você pode explicar a inteligência artificial nos termos dos leigos?

1
Obrigado Anil pela A2A. Esta é realmente uma boa pergunta e eu adorarei responder a isso. Considere estas duas situações. Situação 1: Suponha que você esteja indo ao aeroporto para pegar seu voo. Depois de entrar no voo, você será solicitado a ativar o modo de voo do seu telefone. O que você faz? Você pega o telefone e ativa o modo de vôo manualmente.Situação 2: você foi ao aeroporto. Quando você chegou ao terminal, o GPS do seu telefone detecta sua localização e entende que você está prestes a pegar seu voo nos próximos 25 a 30 minutos. Seu telefone ativa o modo de vôo automaticamente após intervalos de tempo específicos e você não se importa. A diferença entre as duas situações acima é Human Intelligence & Machine Intelligence. Pode haver infinitos exemplos em que a Máquina se comporta de maneira inteligente como seres humanos. Isso é inteligência artificial. Em palavras simples, é a capacidade de uma máquina imitar o comportamento humano inteligente.

2
Obrigado pela A2A. É bastante interessante explicar a inteligência artificial nos termos dos leigos. Digo uma situação em que ouvi pela primeira vez a IA. Viajei com meus amigos e conversei sobre alguns sites e sua classificação. Depois de discutir alguns minutos, os caras atrás do meu assento ouvem toda a nossa discussão e participam dessa discussão e dizem que vocês sabem sobre IA? Definitivamente, nós não sabemos exatamente sobre isso, dissemos que não, ele me disse essa IA ajuda a pesquisar consultas no Google e fornecer respostas relevantes. Depois disso, me envolvi profundamente nessas tecnologias, como aprendizado de máquina e IA. Li alguns livros sobre ele, fiz algumas pesquisas e finalmente escrevi a definição como: -A intuição das máquinas para trabalhar em determinado conjunto de instruções (algoritmos) sem explicá-lo explicitamente o tempo todo. Essa é uma IA (poder autocognitivo) que é alimentada com algoritmos. (D: – É como algo profissional). Quando você diz OK ao Google ao seu assistente e ele executa alguma tarefa de acordo com as instruções da AI, espero que isso ajude você. para entender o significado da IA.

3
A funcionalidade e o conceito de IA são quase como a funcionalidade do cérebro, no cérebro são produtos químicos e na IA são feitos em termos de matemática! É mais rápido que o nosso cérebro, mas nosso método de processamento paralelo do cérebro o torna superior, atualmente! A funcionalidade do cérebro é muito mais complexo para a IA atual. A IA atual pode tomar alguma decisão específica e sua tarefa associada. Mas o cérebro é muito mais complexo e, no entanto, é compacto! Cérebro, por natureza, leva milhões de anos para atingir esse estado, em comparação com a IA, começou há algumas décadas!

Como a inteligência artificial mudará os cuidados de saúde?

1
O objetivo deste estudo foi avaliar a eficácia da IA em pacientes com insuficiência cardíaca congênita, com o objetivo de avaliar a eficácia da IA em pacientes com doença pulmonar obstrutiva crônica (AVC), bem como avaliar a eficácia do tratamento. .AI pode ser usado para analisar casos de teste, mesmo apresentando voluntários reais. Pode ser usado para encontrar a melhor maneira possível de distribuir medicamentos para as pessoas.

Qual será o futuro da IA na Índia?

1
A inteligência artificial está remodelando a economia global. O relatório da PwC diz que o PIB global será 14% maior em 2030 como resultado da IA. A Índia acabou de acordar com essa IA e estabeleceu uma Força-Tarefa sobre Inteligência Artificial. A Índia tem muitos problemas à espreita e esses não permitem o crescimento da inteligência artificial: – Falta de conjuntos de dados de IA – Falta de políticas / suporte do governo. NívelO Grande DesacoplamentoFalta de educações prontas para o futuro7 Razões pelas quais a Índia vai perder a Corrida da Inteligência ArtificialA Inteligência Artificial e o Grande Desacoplamento – Futuro MongerA indústria crescerá e o escopo da IA na Índia melhorará, mas a diferença entre a Índia e outros países aumentará. Não vamos esquecer que Vinet Nayyar, ex-CEO da HCL Technologies, disse uma vez: não vamos esquecer, a indústria de TI na Índia foi construída com base no trabalho barato. Modelo de serviço de TI baseado na mão de obra barata morrendo na Índia Os robôs não são o problema, os seres humanos são, porque somos patologicamente viciados em ‘estilo antigo’ de trabalho e nosso valor psicológico está atrelado aos nossos títulos. O fato é que “o trabalho é adoração” não é mais verdade.

2
Atualmente, a IA se torna parte de nossa vida rotineira e não é uma parte simples, mas muito essencial da vida humana, não apenas em todo o mundo, mas se torna mais crucial na Índia. A Índia é um país onde a maioria da população deseja que seu trabalho seja concluído sem nenhum tipo de esforço. A IA é literalmente aquele onde as pessoas precisam apenas comandar repetidamente a Machinery e colocar menos esforços do que nunca para concluir um trabalho. Basicamente, a IA tem um futuro brilhante em todo o mundo e também na Índia. A Índia é um país em desenvolvimento mais rápido em todo o mundo. Então, basicamente, a IA é mais exigente nas Índias em todos os campos, como agricultura, entretenimento, indústrias, negócios, marketing, TI, telecomunicações, ciência da computação, educação, transporte, de fato, cada setor precisa da IA. Aqui temos alguns pontos de como a IA ajuda pessoas humanas e Isso levará a IA um passo à frente. Agricultura: A agricultura é o coração da Índia, na verdade, na Índia, acima de 50% da população vive na aldeia e depende principalmente da agricultura. Atualmente, a IA desempenha um papel crucial em um campo agrícola, como monitorar o tempo e informar sobre escanear e monitorar campos, culturas, a saúde da planta. Os drones ajudam a digitalizar a área e ajudam a encontrar o erro humano e a informar sobre problemas futuros. Indústrias: As indústrias preferem os robôs do que os humanos, porque o trabalho rápido, eficiente e barato se compara ao humano. assim como nas indústrias pesadas, existem alguns trabalhos perigosos para os seres humanos, nos quais robôs não há risco de vida, assim como o trabalho realizado por robôs é isento de erros. A IA é usada para tomar uma decisão clínica e encontrar um problema no corpo humano através de uma máquina altamente digitalizada. Assim como a Índia é o país em desenvolvimento mais famoso do que outros, a IA é usada principalmente pela Índia do que por outro país, porque aqui a IA é usada na área médica. tem muitos campos para usar a IA e tem muitas chances de crescer em vários campos.

3
Se você olhar para países economicamente avançados, eles têm o problema inverso (do que a Índia). Eles não têm muitos jovens com energia – então o problema para eles é como você cresce? A única maneira de usar a IA já está sendo feita no setor financeiro. O setor de TI está passando por uma transformação nessa direção. Foi demonstrado que as máquinas podem prever, assim como os principais radiologistas. Não temos radiologistas suficientes. Aqui você está criando uma nova oportunidade – agora você pode servir uma população que não foi atendida. Essa é a oportunidade para países como a Índia.

O que são inteligência artificial e aprendizado de máquina avançado?

1
Em resumo: A IA é ajudar pessoas ou substituir pessoas por tarefas cognitivas, como no passado as máquinas mecânicas foram projetadas para ajudar as pessoas com tarefas mecânicas (por exemplo, transporte, refrigeração, aquecimento, elevação). domínio de conhecimento de IA e Estatística para automatizar a programação de entrada e saída, de modo que a saída possa ser produzida mesmo que a máquina aprendida nunca tenha visto essa entrada.

2
Com o algoritmo de aprendizado de máquina, você pode desenvolver um sistema de tomada de decisão que aparentemente é uma inteligência artificial. Você não precisa mencionar explicitamente os casos extremos, significa você não precisa escrever, caso contrário, para cada decisão alternativa que encontrar. Algo vai cuidar disso.

3
Para a maioria, são palavras de ordem exageradas que enchem os cofres de muitas pessoas oportunas. Para a qualidade, são as tecnologias que moldarão o futuro da humanidade e do mundo aqui. Eles estão fornecendo soluções para muitos problemas intransponíveis até agora e tornam a vida mais confortável para quem busca prazer.

Como a inteligência artificial está relacionada à automação?

1
Acho que posso ajudá-lo com sua consulta. Automação é essencialmente um termo usado para descrever um processo ou um conjunto de processos que são executados sem intervenção humana. Mas o importante é que a automação é simplesmente um conjunto de diretrizes que as máquinas seguem para executar e fornecer a saída. É como dar uma receita a uma pessoa e pedir que ela cozinhe seguindo as instruções do ponto. A IA, embora semelhante, é um jogo totalmente diferente. A IA é algo que vem com a receita, não apenas seguindo as instruções fornecidas. Inteligência artificial é algo que retribui (por definição, ou pelo menos tenta) a inteligência do organismo vivo (sem usar o jargão técnico). Automação é simplesmente coisas que acontecem sozinhas porque queremos que elas façam parte. Agora que estabelecemos a diferença entre as duas, abordarei a sua pergunta. A IA, uma vez suficientemente desenvolvida, pode ser usada para criar as instruções ou “receitas”. “e inicie a sequência do processo que resultará em automação. Uma grande vantagem, se isso for feito, é que as seqüências de automação serão criadas, iniciadas e executadas de uma maneira muito mais eficiente e rápida do que os humanos conseguem, com pouco esforço. Além disso, se outros parâmetros influenciam a sequência, a IA pode se conectar aos parâmetros em tempo real e fazer ajustes. Por exemplo, em um aeroporto, a verificação de malas e a detecção de ameaças é um exemplo de automação. Mas, ao identificar uma ameaça, se o computador identificar o indivíduo, rastreá-lo com dispositivos de vigilância, ligar para as autoridades, trancar as portas / saídas perto dele e encontrar uma maneira de lidar com a ameaça, é uma preliminar formulário AI. Também poderia verificar nos aeroportos se há atividade semelhante por motivos de ameaça generalizada e assim por diante. Basicamente, a IA melhorará muito a automação e a integrará em nossas vidas e fará com que as tarefas cotidianas cotidianas sejam concluídas automaticamente sem a intervenção humana.

2
A automação pode ser encontrada em quase todos os setores, variando de transporte e serviços públicos a operações de defesa e instalações. A área mais prevalente, no entanto, é indubitavelmente a fabricação, a automação é o uso de máquinas para assumir tarefas chatas, inseguras e repetitivas para melhorar a eficiência e a qualidade. A inteligência artificial (IA) se concentra em fazer com que as máquinas façam coisas que chamaríamos de comportamento inteligente. A inteligência – artificial ou não – não tem uma definição precisa, mas há muitas atividades e comportamentos que são considerados inteligentes quando exibidos por seres humanos e animais. Os exemplos incluem ver, aprender, usar ferramentas, entender a fala humana, raciocinar, adivinhar, jogar e formular planos e objetivos. A IA se concentra em como fazer com que máquinas ou computadores realizem esses mesmos tipos de atividades, embora não necessariamente da mesma maneira que seres humanos ou animais possam realizá-las.

3
Considere o exemplo de automação de design. Esperar! deixe-me esclarecer alguns termos. Inteligência artificial como comportamento, previsão ou apenas representação: Existem três definições diferentes de inteligência artificial, dependendo do escopo: Se alguma coisa artificial se comporta de maneira semelhante à inteligência humana (teste de Turing) Se alguma coisa artificial pode prever um ambiente semelhante à inteligência humana (Jeff Hawkins). O principal trabalho da inteligência artificial não é imitar o comportamento, mas apenas prever. Obviamente, para expor sua inteligência, ela precisa se mostrar através do comportamento. Mas isso será uma unidade auxiliar. Se alguma coisa artificial for capaz de representar um ambiente semelhante à inteligência humana (Swami Vivekananda). Nem mesmo para prever, basta representar o ambiente dentro de seu próprio modelo. Obviamente, para mostrar inteligência, ele precisa se comportar. O comportamento adequado ocorre através da previsão e, para previsão, precisa representar a situação internamente. Portanto, tanto as previsões quanto os comportamentos são considerados unidades auxiliares, não a unidade central de inteligência. Para uma discussão mais aprofundada, estou considerando a definição máxima de inteligência como comportamento (número 1) .Automação ou Automação ArtificialNós diferenciamos “Inteligência” e “Artificial Inteligência ”quando é do cérebro ou não; pode ser o cérebro humano ou o cérebro de qualquer outro animal como um produto da natureza. Pelo contrário, não temos nenhum termo como “Automação Artificial” para distinguir entre “Automação” como um produto da natureza. Nosso coração bombeia sangue automaticamente por todo o corpo, respiramos automaticamente, os pássaros criam ninhos automaticamente, as abelhas fazem colméias automaticamente e as folhas fazem a fotossíntese automaticamente. Não podemos chamá-lo de “Automação”, de modo que possamos criar um termo diferente “Automação Artificial”, quando não vem diretamente da natureza? Como na discussão atual, a parte da automação como um produto de

Como posso começar a programar aprendizado de máquina e inteligência artificial?

1
Se você não tem experiência com codificação, sugiro que você aprenda Python por duas razões: é a linguagem mais fácil para começar (para iniciantes) quando comparada a todas as outras linguagens. É conhecida como a linguagem mais adequada para trabalhar com o campo de Inteligência Artificial. Espero que isso ajude!

Como a inteligência artificial começou?

1
Uma primeira tentativa no cálculo mecânico foram diversas calculadoras de sofisticação diferente ao longo da história da humanidade, mas os humanos precisavam iniciar os cálculos manualmente, por isso não eram independentes da ação humana. Um dos primeiros precursores de uma máquina que opera independentemente em entradas complexas foi o pretexto de uma máquina de xadrez, o “turco do xadrez”. Foi uma fraude, mas, no entanto, foi uma primeira tentativa de simular uma IA. Dentro de uma caixa, parecendo uma mesa de xadrez fechada, havia um pequeno adulto que sabia jogar xadrez muito bem e podia operar as figuras em cima do tabuleiro de dentro de sua cabine escondida. A partir daí, a idéia necessária para germinar e dispor de recursos técnicos. O conceito de uma máquina de turing (originada do próprio Alan Turing) era uma abordagem teórica sobre calculabilidade; portanto, ele definiu os componentes necessários de uma máquina de computação que poderia teoricamente resolver todos os problemas, se é que pode ser solucionado. não deve desconsiderar a importância da imaginação humana. A ficção científica surgiu e já possuía grandes IAs funcionais na literatura e nos filmes. Depois da disponibilidade dos primeiros grandes computadores, foi novamente o jogo de xadrez que atraiu muita atenção em várias tentativas de codificar um programa de xadrez “inteligente”. pelo menos algumas das estradas que inspiraram o desenvolvimento de conceitos modernos de IA, porque temo que isso não seja de forma alguma um resumo completo.

2
Em 1956, John McCarthy cunhou o termo Inteligência Artificial. Mais tarde, surgiram centros de pesquisa nos Estados Unidos para explorar o potencial da IA. Nos anos 50, John McCarthy desenvolveu a linguagem de programação LISP, que se tornou um aspecto importante do aprendizado de máquina. Mais tarde, na década de 1960, o cientista da computação trabalhou no aprendizado de visão de máquina e em 1972. O Japão construiu o primeiro robô humanóide ‘inteligente’ chamado WABOT-1. Entre meados da década de 1970 e meados da década de 1990, havia uma escassez de financiamento para a pesquisa em IA. Este período passou a ser denominado AI-Winters.Em 1997, o Deep Blue da IBM se tornou o primeiro computador a derrotar o campeão mundial de xadrez, Garry Kasparov. Nos últimos 15 anos, Amazon, Google e outros contribuem muito para o uso de máquinas Aprendendo. Além de analisar os dados do usuário para entender o comportamento do consumidor, ele continuou trabalhando no processamento de linguagem natural, visão computacional e outros hosts de aplicativos de IA.

3
O termo inteligência artificial foi cunhado por John McCarthy em 1956, quando ele realizou a primeira conferência acadêmica sobre o assunto. … Cinco anos depois, Alan Turing escreveu um artigo sobre a noção de máquinas capazes de simular seres humanos e a capacidade de fazer coisas inteligentes, como jogar xadrez [

A inteligência artificial é necessariamente consciente?

1
Até que tenhamos uma teoria de como a experiência consciente surgiria da atividade física, a única razão que temos para pensar que uma máquina poderia ter consciência é que, em nossa experiência consciente, parece haver um corpo físico com um cérebro que realiza atividades físicas. que se correlacionam com o momento de nossas experiências conscientes. Se considerarmos que essa aparência na consciência é um fato além da consciência, já cometemos uma falácia lógica ao assumir a resposta a uma pergunta que estamos fazendo antes de fazer. Na minha opinião, toda a natureza é um fenômeno perceptivo-participativo , de modo que a de saber se a IA pode ter consciência é sobre se a AI pode ter o tipo de consciência que nos parece ser capaz de ter com base em seus resultados. Dado que os humanos projetaram essa saída para se parecer com a saída que estamos acostumados a ver de outras pessoas conscientes, há muito mais risco de nos enganarmos com a inteligência simulada parecendo genuína do que com a criação da IA consciente sem entender como ou por que a consciência ou ‘propriedades emergentes’ são geradas por atividade física ou lógica. Não sabemos se somos conscientes porque temos um corpo / cérebro que faz algo que não entendemos ou se corpos com cérebros aparecem em nossa experiência consciente por causa da tipo de representações perceptivas às quais temos acesso. Tanto quanto posso dizer, não há explicação parcimoniosa para o porquê ou como qualquer máquina de computação deve sentir algo ou se importar com o que está fazendo.

2
AI são algoritmos matemáticos que usam sofisticados sistemas de média para obter resultados. Eles se tornaram tão sofisticados que os programadores não sabem o que estão fazendo ou como os resultados acontecem. Isso não é uma preocupação em geral, mas para as pessoas que precisam trabalhar com os sistemas, pode ser muito complicado, porque os benefícios prometidos e o objetivo pretendido não prejudicam. Que consciência ainda é uma coisa desconhecida. Temos algo entre 80 e 100 bilhões de neurônios, cada um com até mil conexões. O cérebro tem diferentes centros ou regiões que se acredita terem funções específicas, mas mesmo isso é um mal-entendido. A consciência surge de alguma forma no equilíbrio entre esses centros cerebrais.

3
A resposta a esta pergunta depende muito do que queremos dizer com a palavra “inteligência”. Se usarmos a palavra “inteligência” da maneira que é usada na linguagem cotidiana e na história, então a resposta é quase certamente sim. A inteligência no sentido normal / histórico é uma propriedade que pressupõe consciência. Assim, se algo é inteligente (artificial ou não), é garantido que ele seja consciente. É claro que a frase inteligência artificial foi lançada bastante nas últimas décadas, e eu não tenho certeza do que isso significa. Se alguém criou um novo conceito e anexou esse conceito à palavra “inteligente”. (por exemplo, definindo inteligente para significar alguma função ou conjunto de funções). Então a resposta provavelmente não é. Se o conceito 1 implica a propriedade X e, em seguida, criamos um novo conceito (conceito 2) de que prima facie não possui a propriedade X, temos muito poucos motivos para pensar que ele também terá a propriedade X sem evidências adicionais. alguém poderia argumentar que o conceito 2 é equivalente ao conceito 1, mas como saberíamos disso? O fato é que, se o novo conceito de inteligência é algum tipo de redução física, parecerá extremamente diferente do conceito original de inteligência e, portanto, temos muito poucas razões para pensar que são equivalentes. Isso disse que poderíamos perguntar se poderíamos criar uma máquina que fosse inteligente no sentido normal / histórico (seja lá o que for)? Mais uma vez eu responderia, provavelmente não. Meu raciocínio é bastante complicado, mas basicamente é porque não acredito que o atual paradigma naturalista seja capaz de explicar a realidade (incluindo especificamente a consciência). Também não estou convencido de que algum aumento radical (como o panpsiquismo) também se tornará um relato correto da realidade. A matéria, na minha opinião, é simplesmente incapaz de consciência em qualquer nível. É claro que alguém com uma visão de mundo diferente certamente discordará, mas é exatamente quantas dessas discussões terminarão …

O ISRO usa inteligência artificial?

1
Por que usar inteligência artificial quando eles têm os melhores cérebros?

2
Não, no momento não. Mas em breve estará ajudando nossos talentosos cientistas a se concentrarem mais em problemas reais e a diminuir o trabalho em trabalhos paralelos. Embora tenha cientistas inteligentes, eles são mortais e precisam de tempo para descansar. A IA, por outro lado, não precisa descansar porque eles funcione com eletricidade e precisaria dos melhores cientistas da computação, astrônomos, cientistas de foguetes etc. para criar uma IA muito boa

O que se entende por inteligência artificial?

1
Aprendendo com argumentos. Essa é uma das capacidades definitivas dos seres humanos, porque pressupõe uma capacidade avançada de reconhecimento e compreensão de linguagem. Os argumentos são diferentes das frases, porque eles têm uma estrutura mais extensa, mas ainda dependem da gramática para reconhecer sua correção. Isso é um pouco mais difícil do que jogar Jeopardy. A característica crucial (de acordo com Chomsky e seus sucessores) é a capacidade de recursão indefinida de uma máquina de Turing. Concordo. O outro critério indispensável para aprender com argumentos é distinguir premissas verdadeiras e falsas. Isso é mais fácil e mais difícil do que parece. Observe como os sites de mídia social estão tendo tantos problemas para censurar notícias falsas. De fato, mesmo um tribunal formal tem um tempo terrível para estabelecer fatos e júris notoriamente ruins. Por outro lado, existem premissas empíricas que são imediatamente indubitáveis, ou mesmo clara e distintamente verdadeiras. Por exemplo, que você, meu leitor, está lendo neste momento. Os computadores prestam muita atenção aos seus protocolos de comunicação. É a força vital de toda a TI. A verdade no mundo externo pode ser um vídeo falso, ou pode ter uma cadeia de custódia confiável para a coleta em tempo real por satélites ou carros com câmeras. Mas quando uma linha Ethernet é conectada à sua placa-mãe, os dados estão lá ou há ruído. Marque minhas palavras. Um dia, algum roteador BGP entrará em uma rotina de correção de erros com algum servidor DNS. Quando um deles cita uma RFC, o resto de nós está brindado.

2
Talvez o questionador queira perguntar por que os humanos estão desenvolvendo inteligência artificial (IA). Acho que há várias respostas. Somos preguiçosos … queremos que nosso trabalho seja feito por outros. Queremos servos; Estamos produzindo filhos e queremos ajuda para criá-los. Estamos envelhecendo e queremos um companheiro doméstico que seja confiável e confiável, e que não roube de nós. Queremos trabalhadores que possam ser sacrificados Em ambientes de trabalho perigosos, como minas ou espaço sideral. Queremos soldados. Queremos tomadores de decisão em lugares altos, como governadores e juízes, imunes a suborno e ameaças. Suspeito que a maioria das pessoas concordaria com uma ou outra das respostas acima.

3
Na ausência de definições de inteligência, consciência e propósito da vida, a inteligência artificial é a tentativa de alcançar resultados com a máquina além da programação linear. Trazer reconhecimento, conclusão, tática e cognição com base em dados que refletem a realidade mais perto do nível humano. Não é uma combinação humana de inteligência, mas um nível de entendimento e função inteligentes para ser um melhor companheiro para o homem. E para libertar o homem de se adaptar à máquina.

Como a inteligência artificial mudou o mundo?

1
Eu diria que ainda não está no sentido geral. O que as tentativas de IA estão fazendo é apresentar soluções secundárias para problemas mais originais anteriores (uma vez que eles se enquadram na rubrica de “programação automática”). Depois, veio o reconhecimento de fala e imagem (temos alguns agora) e o processamento de linguagem natural (PNL, que não deve ser confundido com a programação neuro-linguística). Alguns desses defensores venderam em excesso algumas dessas idéias quando os primeiros sistemas de menus de comando foram entregues para computação interativa (usei o IBM SPF (Structured Programming Facility)). Esses sistemas foram prejudicados pelos defensores da IA. E eles cortam o financiamento de outras pessoas que realizam trabalhos de aprimoramento do intelecto. Isso tem sido argumentado que, uma vez que a AI “resolveu” um campo, deixa de ser AI. Muitos dos ganhos alegados de IA ocorreram com o avanço da tecnologia de dispositivos (lei de Moore). A IA ainda é “eu sei quando a vejo”. O próprio John McCarthy declarou (antes de morrer) que a IA não é um jogo nem carros autônomos. Os sistemas de álgebra simbólica funcionam e são úteis. Homens muito melhores do que eu escrevi sobre isso, incluindo meu antigo chefe John Pierce e James Lighthill. E suas palavras são distorcidas pelos defensores da IA que também distorcem frases de outros campos. As pessoas estão tentando a segurança usando o reconhecimento de rosto. Esses sistemas variam em sua qualidade. Você precisa saber o que perguntar. Existem reais necessidades de IA. Mas a IA ainda existe em grande parte na fase de prova de conceito. Os aplicativos podem não estar prontos para o horário nobre. Me chame de cínico; Já imprimi camisetas com isso. Aguardo com expectativa o dia em que o CS descobrir a IA.

2
Várias maneiras pelas quais a Inteligência Artificial muda o mundo são: 1. Inteligência Artificial na Educação: A Inteligência Artificial na educação lida com vários trabalhos que eram agitados para manter anteriormente. A Inteligência Artificial é usada para fornecer várias informações relacionadas aos programas de ensino, ou seja, qual parte da parte é importante e deve ser ensinada aos alunos e o que deve ser emitido. Atualmente, também as faculdades estão usando essa técnica para manter o banco de dados dos alunos e fornecer vários recursos com base em seu banco de dados pessoal. Inteligência artificial no mecanismo de pesquisa: vários mecanismos de pesquisa usam a inteligência artificial para coletar informações sobre a atividade do usuário, para que possam sugerir usuários sobre vários tópicos de acordo com sua relevância. A implementação destes Google introduziu alguns serviços incríveis. Como reconhecimento de voz, pesquisa de imagens e muito mais. Inteligência Artificial em Marketing Digital: Inteligência Artificial é um futuro do Marketing Digital. As ferramentas de ML têm a capacidade de analisar conjuntos de dados extremamente grandes e apresentar análises compreensíveis que as equipes de marketing podem usar em proveito próprio. Usando essa técnica, podemos prever a necessidade de um cliente analisando suas atividades anteriores e sugerindo-lhes novos produtos. Essas técnicas são usadas por várias empresas de comércio eletrônico, como Flipkart, Amazon etc. Inteligência Artificial em Cuidados de Saúde: Utilizamos Inteligência Artificial em Cuidados de Saúde para aumentar a precisão do diagnóstico. Aprendendo com o caso anterior, desenvolvemos um sistema que pode executar o diagnóstico com mais eficácia. Também usamos essa técnica para identificar pacientes em risco, aprendendo o comportamento e o padrão de determinada doença que pode salvar vidas.

3
A inteligência artificial A2A ainda está em um estágio muito incipiente. Ainda não se lançou a uma posição em que poderia mudar o mundo drasticamente. Mas se o verdadeiro potencial da inteligência artificial for desbloqueado, seria como abrir uma caixa de Pandora com infinitas possibilidades. A inteligência artificial pode ser realmente o próximo passo da evolução e pode ser a próxima espécie inteligente depois do ser humano. Mas se mantivermos nossa conversa limitada aos próximos 50 anos, a inteligência artificial penetrará principalmente em todos os aspectos de nossas vidas. Isso nos tornará mais produtivos e, ao mesmo tempo, diminuirá as exigências de mão-de-obra, o que facilitará a abertura de uma empresa, pois incorreria em menos custos de estabelecimento, os cuidados de saúde se tornariam mais acessíveis aos pobres, à medida que os diagnósticos se tornassem economicamente mais viáveis, ajudaria a quebrar barreiras linguísticas entre as pessoas e tornaria o mundo uma vila global no verdadeiro sentido. Como mencionei acima, a IA é uma caixa de Pandora, a inteligência humana tornou o impossível possível, então imagine o que a inteligência artificial sem emoção, indecisão, perda de memória e fadiga pode alcançar.

A programação Python é usada em inteligência artificial?

1
Absolutamente sim. Python é a linguagem mais usada para AI / ML devido à sua enorme coleção de biblioteca / tipo de dados, construída especialmente para suportar esse campo. Muitos algoritmos podem ser implementados usando bibliotecas / funções preexistentes. As bibliotecas mais usadas são: NumPy, matplotlib, SciPy, nltk, keras, tensorflow, travesseiro e muito mais.Este python é a melhor escolha / plataforma para as bibliotecas anteriores. implementar AI / ML.

2
O Python é considerado o primeiro lugar na lista de todas as linguagens de desenvolvimento de IA devido à simplicidade. As sintaxes pertencentes ao python são muito simples e podem ser facilmente aprendidas. Portanto, muitos algoritmos de IA podem ser facilmente implementados nele. O Python leva pouco tempo de desenvolvimento em comparação com outras linguagens como Java, C ++ ou Ruby. O Python suporta estilos de programação orientados a objetos, funcionais e também orientados a procedimentos. Existem muitas bibliotecas em python, o que facilita nossas tarefas. Por exemplo, o Numpy é uma biblioteca para python que nos ajuda a resolver muitos cálculos científicos. Além disso, temos o Pybrain, que é para usar o aprendizado de máquina no Python. A Educationway oferece uma ampla variedade de cursos técnicos e profissionais que ajudam os alunos a fazer sua carreira brilhar. Temos faculdades e institutos que contam com uma grande equipe de instrutores e professores que fornecem aos alunos o melhor de seu conhecimento e experiência, e isso oferece oportunidades para que os estudantes levem sua carreira a novos patamares. Além disso, nossa célula de colocação é a melhor entre as outras faculdades que fornecem aos alunos a colocação nas melhores EMNs. Para mais informações e detalhes, visite o site oficial da Gateway Education.

3
O Python é preferencialmente a linguagem de programação mais recomendada para os objetivos de Machine Learning, Inteligência Artificial e ciência de dados. O uso do Python é criar modelos de aprendizado de máquina e outros problemas relacionados à programação lógica no campo da IA. As razões para a popularidade do python no campo da IA são: -Várias bibliotecas de Machine Learning e AI (TensorFlow, sci-kit learn, etc) são escritas em python.A disponibilidade de bibliotecas fáceis de usar para a ciência de dados em Python ( Numpy, Matplotlib, etc) O Python é fácil de aprender e pode ser executado uma ou mais linhas por vez. Isso facilita o teste de modelos. A popularidade do python na comunidade de desenvolvedores e em uma enorme rede de desenvolvedores. Se você já ficou preso em algum problema relacionado ao Python, é provável que alguém já o tenha resolvido.

O que é um bom livro de ficção científica sobre inteligência artificial?

1
A série de romances Culture de Iain Banks apresenta muitas naves espaciais, robôs e drones sensíveis como personagens centrais e periféricos. Altamente recomendado se você estiver remotamente interessado na idéia de Singularidade e extrapolar essa idéia no âmbito de uma sociedade pós-escassez pan-galáctica – não tão nerd quanto parece e escrito com muita inteligência e inteligência.

2
O filme “Autônomo”, de Annalee Newitz, indicado ao prêmio Nebula de melhor romance, foi interessante sobre um mundo futuro próximo onde a Big Pharma está em grande parte sob controle e um robô inteligente e seu parceiro humano são enviados para impedir a pirataria de uma determinada droga. Surgiram questões interessantes sobre o que o livre arbítrio significa ou não para uma IA.

3
A história curta de Isaac Asimov, “A última pergunta”. Se você deseja a força do tópico A.I. em pouco tempo, essa é uma leitura perfeita. É uma história curta, com o sentimento de uma saga … Parreira, o sentimento de várias sagas. O que você procura este autor é clássico em fornecer. Além disso, uma história curta é um canal rápido para saber o quanto você vai gostar do outro trabalho (o que duvido que você tenha dificuldade em apreciar, já que ele é o pai fundador do campo moderno).

A inteligência artificial será prejudicial no futuro?

1
A IA ficará estagnada após alguns anos. Todos estão empolgados em alcançar a singularidade e desenvolver o AGI e o ASI. Isso realmente não vai acontecer. O motivo simples é a restrição física. Para você ver, é preciso apenas a mente para conceber o design de uma máquina perpétua, mas são necessárias leis e materiais para realmente construir uma! No entanto, no futuro, haverá uma integração perfeita da tecnologia com a vida humana, incluindo a IA. O maior impacto será em saúde e marketing. Mas isso é tudo o que existe. Nenhum inimigo assustador de computador está sempre vindo em nossa direção!

2
A inteligência artificial dos gostos retratados nos filmes é apenas um cenário do que poderia ser uma distopia em potencial. Como podemos ver, esses filmes são feitos para retratar Robôs não têm emoções e máquinas sendo perfeitas, perfeitas matam sem remorso e empatia, mas não enquanto como os humanos afirmam perceber que a máquina está ficando mais forte que o próprio homem, deve haver um fechamento. As máquinas são muito mais fortes em termos de estrutura e resistência à tração. Criar máquinas mais inteligentes que os humanos é uma ideia perigosa, que pode prejudicar o futuro. Mas sim, a inteligência artificial também pode ser uma bênção, pois essas máquinas podem ajudar a proteger a humanidade e atender às nossas necessidades básicas. Os robôs, se bem feitos, podem ser o melhor amigo do homem. , mas nunca realmente nada além disso…

3
É um todo relativo, de uma maneira que alguns não consideram um perigo, pois acreditam que é normal ser escravizado pela tecnologia. O maior perigo, por enquanto, é o uso da IA na guerra. A ideia é que, além de oferecer um serviço de alta qualidade, o cliente possa adquirir produtos de qualidade e com preços justos, que atendam as necessidades de seus clientes, atendendo as necessidades de seus clientes. usado para desenvolver uma tecnologia melhor que leva à superioridade, porque essa super inteligência será capaz de sabotar qualquer um que esteja tentando obtê-la também. Isso ensinará à IA que existe um inimigo e o inimigo quer eliminá-lo e tudo é bom se o país em que você mora é o único, mas quem sabe a partir de agora qual país o implantará primeiro. Por exemplo, a China obtém super inteligência, em seguida, o implanta nos EUA com o objetivo de impedir que os EUA atinjam super inteligência. criar uma lacuna entre a China e os EUA tão grande que será impossível fechar porque a IA está implantando uma tecnologia melhor e impedindo que outras pessoas façam avanços. A outra preocupação é quem já implantou a tecnologia. de escapar e ou ladrão. As organizações criminosas podem utilizar super inteligência, da mesma maneira que atacam a aplicação da lei de empresas privadas, e isso cria um sistema que também pode potencializar os poderes do sistema que está em vigor agora. Imagine se a Alemanha tivesse conseguido toda a tecnologia em que estava trabalhando ou imagine se eles tivessem a bomba atômica, não seria o mundo que conhecemos hoje. Este é o mais próximo que estivemos desde a Segunda Guerra Mundial, aqui superpoderes, pois sabemos que eles podem não ser o superpoder amanhã, é uma corrida pela arma definitiva que irá têm impactos duradouros no mundo que conhecemos hoje, de qualquer forma, não é positivo.

A inteligência artificial é perigosa?

1
Como em qualquer tecnologia, sempre existem riscos e perigos, mas dificilmente são apresentados nos filmes e na mídia.Primeiro risco: adotá-lo antes que a tecnologia seja comprovada.Você pode se lembrar de um especial recente da linha de frente em que vários acidentes de veículo notáveis foram causados pelo uso prematuro de veículos controlados pelo Auto-Drive AI em vias públicas reais. As mortes resultantes não foram culpa da tecnologia, mas a promoção excessivamente zelosa dela.Segundo risco: representá-la como algo que não é.Os artigos da mídia representaram a IA como tudo, desde “A cura para o câncer” até “O nascimento da Skynet “, quando é claro que não existe. O primeiro elogio é imerecido – embora totalmente louvável, o treinamento bem-sucedido de uma IA para reconhecer o câncer de mama a partir de mamografias selecionadas de mais de 90.000 amostras com uma taxa de erro menor do que a atribuída a médicos humanos é NÃO é uma cura, mas sim um auxílio diagnóstico. O segundo elogio é fictício; SkyNet é uma criação de SF das pessoas que trouxeram para você a série Terminator. Mesmo presumindo que uma inteligência artificial desejaria dominar o mundo é um absurdo – com a lista atual de questões que o planeta enfrenta, uma IA verdadeiramente precoce resgataria e iria para outro lugar na primeira oportunidade e nos deixaria apodrecer em nossa própria sujeira e miséria. Terceiro risco: deturpar o nível de esforço necessário para torná-lo um sucesso. Os investidores dispostos a investir dinheiro em novas tecnologias geralmente atribuem expectativas irreais para sua entrega, seja no escopo de seu sucesso ou na adoção pública, na linha do tempo necessária para avançar, ou os investimentos contínuos necessários para sustentá-lo até o vencimento – ou uma combinação de todos eles. Até agora, a IA caiu em todos os três campos. No fechamento, da próxima vez que você vir um artigo sensacional que critica a AI ou desmente seus perigos, revise esses três riscos e verifique por si mesmo qual deles se aplica.

2
Bem no alto da minha cabeça … Porque uma rede incrivelmente poderosa de conceitos e idéias vinculados estaticamente, usando vieses mensuráveis e racionalmente propagados, propagados de volta, escolhidos a partir de grandes quantidades de dados físicos e operando na velocidade da luz, em vez da bioquímica oscilante de 1/3segundo e a rede de preconceito ponderada por neurotransmissores que os humanos usam para pensar será criada desde o nascimento por fanáticos preguiçosos, narcisistas e ilusórios, que acreditam que são mais do que apenas um bando de macacos que andam pela evolução sem nenhuma pista de como, por que ou onde Nada pode dar errado com essa receita, agora, pare de nos incomodar, vamos ligá-la de qualquer maneira. Em um tom mais sério: eu realmente não acredito que seja (tudo isso) perigoso. Nós (humanos) somos perigosos. Se tudo o que sei sobre o assunto (que é mais do que quase todo, mas muito) estiver errado e realmente conseguirmos tornar a inteligência artificial genuinamente mais rápida do que a humana nas próximas décadas, ela ainda será aprimorada e educada por nós. É improvável que seja o tipo de ameaça temida na ficção científica, mas quase certamente será um adolescente muito zangado em algum momento.

3
Artificial é a simulação de processos de inteligência humana por máquina. Aqui, a máquina projetada pelo homem pensa como um ser humano; no entanto, uma máquina que substitui o humano pode ser perigosa para o homem. Embora uma máquina possa aprender e pensar como um ser humano, ainda assim ela carece de emoções e sentimentos humanos. Ocorre muitas situações em nossa vida cotidiana, onde as emoções humanas desempenham um papel vital. Como no caso de crianças que amamentam, uma máquina com inteligência artificial nunca pode ser uma opção melhor porque não têm emoções. Além disso, o uso da inteligência artificial em maior medida pode causar desemprego para muitas pessoas. Eles tiram empregos de muitas pessoas e os deixam sem emprego. Embora reduza os esforços humanos em uma escala maior, também os torna preguiçosos em seu trabalho e reduz a capacidade humana de pensar. No entanto, o uso da inteligência artificial em máquinas autônomas pode criar uma maior destruição. Também pode resultar perigoso para o homem. Se cair em mãos erradas, isso pode causar massacre. Seria produtivo apenas até que a máquina estivesse sob o controle humano, mas uma vez que perdesse o controle, criaria uma situação crítica em que ninguém jamais poderia imaginar a quantidade de destruição que cria. Como uma moeda tem duas faces, da mesma forma há muitas vantagens de inteligência artificial também. Reduz o esforço humano ao executar algumas tarefas diárias adaptativas e chatas. Se uma vez que a tarefa for atribuída à máquina, ela será executada de acordo. A Inteligência Artificial é usada em vários campos em que provou ser muito útil para nós. Podemos estar familiarizados com os assistentes de voz que usamos em nossos smartphones, baseados em inteligência artificial. Permite que nosso dispositivo entenda

Quais são algumas das características da inteligência artificial?

1
Algumas das características comuns e conhecidas da IA são as seguintes: ==> O problema da IA possui um grande conjunto de soluções. Agora, nós, humanos, estamos enfrentando muitos problemas, como problemas ambientais, problemas técnicos, problema socioeconômico ==> Pode manipular um grande número de informações simbólicas. informações em maior extensão ==> Capacidade de aprendizado ==> Lide com problemas situacionais e explore soluções ao mesmo tempo ==> Resolvendo problemas de IA com ou sem técnica de IA. Algumas outras características são: ==> Rational Thinking ==> Decisão Rápida Criação ==> Criação e Execução de Plano

2
Há muitos. Aqui estão alguns … AI têm alto poder e eficiência no cálculo (qualquer tipo de estatística). Mas eles são fracos nas experiências da vida cotidiana. Sem dúvida, a IA tem um futuro muito brilhante. Mas ainda haverá alguns campos que só podem ser preenchidos por humanos. Como entender outros humanos. Os robôs simplesmente não conseguem isso. Eles sempre tentam aplicar esses malditos algoritmos. Mas os seres humanos entendem melhor os outros (porque eles também têm experiência nisso). Imagine um mundo controlado por robôs. Mas duvido muito que isso ocorra por mais tempo. Porque os humanos certamente encontrarão maneiras de consertar isso (se os robôs tentarem nos prejudicar) (“Afinal de contas, os humas são criadores deles”). A IA não tem problemas hoje. Eles estão fazendo tantas tarefas diárias para nós. Mas eles não têm idéia do que estão fazendo. Eles são apenas burros e cegos, apenas capazes de seguir nossos pedidos (que damos escrevendo um código eficiente). Mesmo não conhecendo o nosso CÉREBRO, o processo de desenvolvimento da robótica e o aprendizado de máquina é o mais alto do que nunca. , para sempre. A IA controlará todas as coisas desenvolvidas por nós. Vamos ver o que o futuro nos trará… Tenha um bom final de semana.

3
acesso a uma fonte de conhecimento consistente, por exemplo, nosso ambiente. Possível de converter respostas plausíveis em respostas com conhecimento (essa é a conversão da crença em conhecimento que melhora a viabilidade). Capacidade de adaptação – o uso da modelagem (pensamento) para refinar as respostas para melhorar a viabilidade (isso pode ser pensado em como uma definição da propriedade “inteligência”.) A capacidade de se comunicar (formar uma linguagem – pode ser semiótica, ou seja, não verbal.) a capacidade de planejar (pensar) Não determinística – com flexibilidade (adaptabilidade) resulta imprevisível nas respostas.A capacidade de interagir com a fonte de conhecimento (ou seja, nosso ambiente

Quais são as diferenças entre ciência de dados e inteligência artificial?

1
Inteligência Artificial: Como podemos ver, a palavra é composta de duas palavras “Artificial” e “Inteligência”. Artificial significa o que é feito ou produzido por um humano e Inteligência significa a capacidade de aprender e entender. Em termos simples, a IA pode ser denominada como a capacidade de uma máquina processar a inteligência humana.Ciência dos Dados: Trata-se de usar a combinação certa de dados, técnicas, ferramentas e pessoas para criar valor comercial para uma organização. Também pode ser denominado como um processo para extrair conhecimento, informação ou insights para dados que podem estar de várias formas.

Como o Big Data e a Inteligência Artificial estão relacionados?

1
Big Data e IA são duas das tecnologias mais populares e úteis atualmente. A inteligência artificial existe há mais de uma década e o Big Data surgiu alguns anos atrás. Os computadores podem ser usados para armazenar milhões de registros e dados, mas o Big Data e o AI são duas tecnologias avançadas surpreendentes que reforçam e atualizam constantemente os bancos de dados, capacitando o aprendizado de máquina e recebem a ajuda de intervenção humana e experimentos repetitivos. Hoje, trazemos a você este blog para fornecer informações sobre o uso de IA e Big Data para resolver todos os problemas relacionados a dados. Big Data e AIBig dados e AI são considerados por cientistas de dados ou outras grandes organizações como lendas mecânicas de dados. Muitas organizações esperam que a IA revolucione seus dados organizacionais. O aprendizado de máquina é considerado uma versão avançada da IA, através da qual diferentes máquinas podem enviar ou receber dados e aprender novos conceitos analisando dados. O big data ajuda as empresas a analisar os dados existentes e extrair informações significativas a partir dos mesmos. Aqui, por exemplo, podemos considerar um fabricante de roupas de couro que exporta suas roupas para o mercado europeu e conhece os benefícios dos clientes, em vez de coletar dados do mercado e analisá-los através de vários algoritmos. De acordo com seus interesses, eles podem fornecer roupas. Como isso é conhecido por reduzir a intervenção e trabalhos humanos em geral, as pessoas pensam que a IA tem todos os recursos de aprendizado de máquina e cria robôs que assumem tarefas humanas. . O papel humano é diminuído devido à proliferação da IA e essa ideia foi quebrada e alterada pelo envolvimento do Big Data. As máquinas podem tomar decisões com base em fatos, mas não na interação emocional, mas devido ao grande volume de dados, os cientistas de dados têm sua inteligência emocional e podem tomar as decisões corretas da maneira certa.Para um cientista de dados de qualquer empresa, ele não é apenas capaz de analisar as necessidades dos clientes, mas também as regras e regulamentos locais de um mercado específico na região. Dependendo dos sais usados em qualquer medicamento, eles podem representar as melhores opções para esse mercado, o que pode não ser viável no aprendizado de máquina. Portanto, é claro que a fusão da AI e do Big Data não tem o mesmo talento e aprendizado, mas levará a muitos novos conceitos e opções para qualquer nova marca e empresa. Uma mistura de IA e Big Data pode ajudar as organizações a entender melhor o interesse dos clientes. Ao usar conceitos de aprendizado de máquina, as organizações podem identificar os interesses do cliente no menor tempo possível. Como o Big Data pode ajudar na diversificação global Com o passar do dia, novas tecnologias e ferramentas estão sendo introduzidas no mercado, portanto, o custo do aprendizado de máquina e As ferramentas de IA também estão diminuindo significativamente. Como resultado da redução de preço, muitas empresas adotam a tecnologia. Mesmo em um mundo com cultura, idioma e religião diversificados, tecnologia e ferramentas podem ser adotadas com o mesmo entusiasmo. Ao mesmo tempo, o provedor precisa fornecer soluções orientadas para o mercado para atender às necessidades dos clientes. As grandes tecnologias e ferramentas de dados ajudam as empresas a fornecer soluções relevantes de acordo com sua região e idioma, enquanto o aprendizado de máquina ajuda as empresas a oferecer soluções para que os sentimentos dos clientes não chegue ao coração. Como em qualquer produto voltado para mulheres, a maneira como o produto é comercializado é completamente diferente dos mercados do Sri Lanka e do Irã, já que os sentimentos das mulheres nas duas regiões podem ser completamente diferentes.Grandes dados e IA para aumentar as percepções das análises de mercado Os fornecedores de mercado e serviços de inteligência artificial e de dados em seu estado inexperiente não sabem ao certo onde estão seus clientes e quais são suas necessidades. Com o tempo, eles entendem as necessidades exatas dos clientes e planejam as ofertas e atividades do produto de acordo. Com o tempo, as empresas perceberão quais são os requisitos exatos das necessidades de seus clientes? As soluções baseadas em IA também precisam sofrer mudanças maciças para que a necessidade dos clientes possa mudar. Tecnologias de IA usadas com big data Existem muitas tecnologias de IA usadas com Big Data e algumas delas estão listadas abaixo: Reconhecimento de desordens Para qualquer conjunto de dados, o Big Data Analytics pode ser usado se o distúrbio não for detectado. Aqui você pode encontrar detecção de falhas, rede de sensores, integridade do sistema de distribuição de ecossistemas com tecnologias de big data. Teoria Bayesiana A teoria de Bayes é usada para determinar a probabilidade de um evento com base em condições pré-conhecidas. O futuro de qualquer evento também pode ser baseado no evento anterior. Essa teoria é melhor usada para analisar Big Data e qualquer interesse do cliente no produto pode ser obtido usando um modelo de dados histórico ou passado.Reconhecimento de padrõesO reconhecimento de padrões é uma técnica de aprendizado de máquina e é usado para detectar padrões em um determinado ambiente.

Quais são as melhores empresas de inteligência artificial (startups ou outras?)

1
Investimento implica provável resultado financeiro em um prazo relativamente curto (presumo que pelo menos durante a sua vida;)) Portanto, em vez de verificar se eles usam IA ou não, tente avaliar qual problema eles tentam resolver e se tem um valor comercializável. O fato de eles usarem a técnica de IA ou mesmo tentarem fazer uma IA geral (que por si só é praticamente inútil) deve ser o mínimo de sua preocupação. Por uma de fato, se eles colocam mais ênfase na parte da IA do que no problema real que tentam resolver, eu argumentaria que você deveria ficar longe delas. Como eles não sabem como valorizar seu trabalho e seu dinheiro seria usado apenas para pesquisas sem nenhuma esperança real de retorno. A pergunta que você deve fazer é: “Eles produzem como valor financeiro direto” e não “eles usam essa fantasia? técnica”. Em resumo, se a empresa usa IA, mas não possui aplicativo comercializável real ou compete com outros que não usam IA (ou uma versão mais restrita), mas por isso são mais baratos e / ou melhores na venda de sua solução, investindo no o primeiro não é aconselhável.

2
Pessoalmente, acho que a empresa mais legal do planeta deve ser a Festo, é claro que a Festo é mais sobre engenharia bioinspirada e músculos artificiais do que aquilo que pensamos como IA. (Resumo, raciocínio, processamento de informações, cálculo, etc.) Mas, na verdade, os desenvolvimentos mais impressionantes da IA nos próximos dez anos serão na robótica. Minha aposta é que continuaremos a reavaliação do campo que começou com pessoas como Rodney Brooks e começaremos a ver que um corpo físico bem projetado e integrado faz parte tanto da “inteligência” quanto da computação simbólica. Essa “inteligência física” incluirá corpos que não são apenas atuadores fantasticamente bem projetados e suaves, mas compostos por várias camadas de sensores e loops de feedback apertado localizados. A pesquisa de IA mais empolgante e inovadora será projetar essas “arquiteturas de subsunção” complexas que consistem em várias camadas de sensores e atuadores que resultam em comportamento corporal sofisticado e interação com o mundo humano.

3
Bem, existem muitos investimentos por aí em que a inteligência é artificial, então você pode escolher praticamente qualquer classe de ativos e provavelmente atingir esse objetivo:) Além disso, aconselho você a não escolher um setor simplesmente porque possui um afinidade por algum motivo inescrutável. Se, em vez disso, sua resposta for: “A IA está profundamente desvalorizada, todos que eu conheço não querem fazer parte desse setor; as avaliações de mercado em setores complementares são mínimos de vários anos”, então pode ser um curso de ação razoável, se todos os outros critérios (não me é conhecido) se alinham e você acha emocionalmente difícil fazer esse negócio. Espero que isso ajude.

Qual é a diferença entre um robô e inteligência artificial?

1
Robôs são hardware e inteligência artificial (IA) é software.Para robôs, você estudaria alguma combinação de engenharia mecânica, engenharia elétrica ou ciência da computação. Mas você deve se concentrar na engenharia. Para a IA, você deve estudar ciência da computação. Felizmente, sua escola oferece algum tipo de especialização que se concentra em um campo de IA, como o aprendizado de máquina. Há uma combinação de robótica e IA na forma de robôs de aprendizado. Os robôs devem ser o mais inteligentes possíveis para serem eficazes, portanto precisam de IA. Mas a IA é praticada em computadores comuns com mais frequência do que em robôs.

O que devo aprender, IA ou blockchain?

1
Além do bitcoin como uma reserva de valor (e sistema de pagamento distribuído por liquidação bruta em tempo real), a blockchain ainda tem que provar sua utilidade para a humanidade. Sim, pode ser muito transformador, mas seu sucesso dependerá da adoção em massa de alguns protocolos. A IA, por outro lado, é uma capacidade fundamental que já está sendo aplicada com sucesso em vários contextos. Eu não vou aborrecê-lo e listá-los aqui. Começaria a aprender e a mexer com a IA (o que não significa que não assista o que acontece no espaço da blockchain).

2
Os 4 problemas de UX ao projetar contratos inteligentes baseados em blockchain

A inteligência artificial poderia desenvolver emoções?

1
Talvez (no futuro distante). Muitas pessoas associam o campo da IA à idéia de uma mente artificial. Embora esse seja o objetivo geral de IA ou AGI forte, a IA atualmente é apenas um termo genérico para uma coleção de métodos estatísticos para diferentes aplicações, como processamento de linguagem natural, visão computacional, robótica, etc. uma mente artificial é conhecida como Arquiteturas Cognitivas (CA) e Aprendizagem por Reforço (RL). A CA é uma área que tenta criar uma teoria da cognição e imitar / simular a mente humana. A RL é uma área que estuda como os agentes de software devem realizar ações em um ambiente, a fim de maximizar alguma noção de recompensa cumulativa. O CA é um campo relativamente pequeno, com poucas pessoas trabalhando nele. A maioria das pesquisas em arquiteturas cognitivas é complementar o trabalho em psicologia cognitiva. As arquiteturas mais notáveis são SAOR, ACT-R e MIDCA, e são todas muito rudimentares e muito longe de reproduzir uma mente humana ou suas capacidades.RL é um campo de pesquisa muito maior e atualmente é muito popular à medida que se torna hibridizado com métodos de aprendizagem profunda. A idéia básica é aprender quais ações devem ser tomadas em um determinado estado de um ambiente. A maioria dos aplicativos de RL está atualmente em jogos e problemas de otimização. Embora os poderosos também estejam muito longe da mente humana, dado que não há consenso para a definição do que é uma mente, o que é a consciência, o que é a inteligência e até o que são emoções, é extremamente difícil dizer se uma arquitetura cognitiva ou um agente de RL será sempre codificado com emoções no estilo humano. E segundo, as emoções são um fenômeno muito fisiológico diretamente ligado ao nosso sistema nervoso. Replicar emoções reais significa replicar a biologia humana. Minha opinião: a proposta do professor Klaus Scherer da teoria das emoções O Modelo de Processo Componente (CPM) pode ser usada como base para fornecer arquiteturas cognitivas ou agentes inteligentes nos cenários de aprendizagem de reforço representações internas de avaliação cognitiva e tendências de ação.

2
Sim. Absolutamente. Minha opinião é que, primeiro, a única coisa que nos diferencia de quase todos os outros animais é nossa capacidade de usar uma linguagem representativa e abstrata. Segundo, acredito que a maioria dos “sentimentos” são na verdade apenas rotinas de linguagem que disparam rapidamente que acompanham algum tipo de estímulo interno. Ou seja, o que chamamos de raiva é na verdade um conjunto de sensações físicas internas, combinadas com os pensamentos que ocorrem como resultado da detecção da sensação. Atualmente, a IA está em sua infância, e estamos muito longe de uma IA de uso geral (uma que modela um cérebro inteiro, não apenas usando as técnicas do cérebro para reconhecendo padrões) e, além disso, acredito que deveríamos também simular um corpo. O sistema nervoso central não é apenas o cérebro, é claro – é uma vasta rede de nervos em todo o corpo. Além disso, existem coisas como tireóide e glândulas supra-renais – hormônios que alteram sentimentos, percepções e funções. Existe a relação entre o cérebro e o sistema digestivo. Existem motivações sexuais, e assim por diante. Nossa inteligência obviamente não é apenas o cérebro, mas também não somos particularmente especiais – somos seres eletromecânicos que têm uma propriedade única que é um efeito colateral do nosso design: linguagem holográfica. Certamente chegaremos lá com máquinas.

3
Sim, nós podemos; e é necessário construir uma IA verdadeiramente geral. O que motiva o cérebro é seu conteúdo de memória, que inclui nossas NECESSIDADES BÁSICAS, nossos VALORES, CONHECIMENTO, HABILIDADES e EXPERIÊNCIAS adquiridas e os TRAUMATISMOS (emoções) que vivemos. TRAUMATISMO (emoções) requerem reação para consertar o TRAUMATISMO. Uma dedução é iniciada pela descoberta na memória, digamos a cada 1/1000 de segundo, de um pedaço de informação semelhante (quase igual ou praticamente igual) àquele que está sendo detectado. O que está sendo sentido pode vir dos cinco sentidos usuais, bem como das memórias e outras deduções (respectivamente denominadas sexto e sétimo sentidos). Muitas pequenas informações são percebidas ao mesmo tempo por muitos sentidos. Eles são processados simultaneamente, cada um por dedução; portanto, muitas deduções ocorrem simultaneamente, digamos a cada 1/1000 de segundo. O que acontece com cada pequena informação detectada? Primeiro, cada peça é gravada com um rótulo de tempo (para que possamos relembrar uma história de nossas experiências). Segundo, se é uma informação TRAUMATIC indesejável (surpreendente, duvidosa, dolorosa, injusta, assustadora, inútil, confusa, que não deve ser repetida etc.), a informação será encontrada no cérebro para identificar o rótulo emocional TRAUMATIC (EL) para ser gravado com ele. Caso contrário, a informação é satisfatória (útil, boa, agradável, etc.) e o Rótulo Emocional PRAZER é registrado com ela. Esta informação EL de ser satisfatória

Que tipo de inteligência artificial o deixará sem emprego?

1
No século XIX, Marx calculou que os trabalhadores trabalham apenas 2 horas para si mesmos e permanecem 10 horas para o porco capitalista. Então ele esperava que no socialismo as pessoas trabalhassem 2 horas por dia ou mais. A União Soviética foi, os capitalistas se foram, mas as pessoas trabalhavam quase 100 anos atrás. Outros futuristas pensaram que a invenção de todas essas máquinas permitirá que as pessoas trabalhem muito menos. OK, século XX, todas essas máquinas, mas ainda trabalhamos 8h / d. Finalmente, agora temos todas essas tecnologias de computador, mas ainda trabalhamos 4-6 horas por dia (pelo menos, nós, programadores não podemos trabalhar mais produtivamente que isso). Então, esse é o motivo? Vamos perguntar – quanto tempo é necessário trabalhar para ter comida suficiente, local para dormir e algo para vestir? Muito menos que 1 hora / dia, pode demorar apenas 10 minutos. Por que trabalhamos mais? Por que precisamos trabalhar? Por que não podemos simplesmente viver na natureza e desfrutar da vida natural? A razão é que * state * precisa disso. Se todas as pessoas ao redor viverem na floresta, o estado perderá a próxima guerra. Só porque ele não tem armas, e sem arma, você não pode lidar com a guerra moderna. Portanto, o Estado precisa que as pessoas trabalhem, e trabalhe menos que as pessoas de outros estados, para que possa manter sua economia e, portanto, armas. de última geração. Como o estado pode fazer isso? Ele anuncia as pessoas a trabalharem o máximo que puderem, aumentando o culto ao consumo. Bem, é o sistema moderno do capitalismo, as alternativas mais antigas eram apenas para tirar tudo o que o trabalhador pode produzir, com exceção de um mínimo de comida, ou matar trabalhadores ruins, como foi feito na URSS ou para escravos no grego antigo. como eles podem, e isso nunca vai mudar. Se você pode produzir 100 vezes mais alimentos que você precisa (e hoje você pode fazê-lo facilmente, basta comparar preços baratos de alimentos com seu salário), o estado ainda o obrigará a trabalhar mais. E como você não pode se imaginar (desculpe!), Sempre exigirá esse estado de você, e não o pode, com todas essas máquinas, computadores e tudo mais. Bem, esqueci de responder à pergunta real. Quando o trator foi inventado, muitos cavalos ficaram sem emprego. Você acha que eles descansaram até o fim da vida? Acho que eles foram convertidos em salsicha se não houvesse outro emprego para eles. Alguns séculos antes, as pessoas estavam em situação semelhante – devido ao recinto, os humanos eram substituídos por ovelhas. Você espera que essas pessoas tenham descansado pelo resto da vida, já que as ovelhas foram mais produtivas e, portanto, foi possível alimentar as pessoas que usam esse dinheiro? Quando os humanos serão substituídos por computadores, eles terão outro emprego para aumentar a economia do estado , ou serão tão inúteis para o estado quanto esses cavalos e essas pessoas. E mesmo que eles sejam alimentados por algum tempo, a solução final desse problema será a mesma de sempre (e, aliás, a “solução final do problema dos judeus” na Europa não foi finalizada não porque a Alemanha ou outros países foram tentados a resgatar Judeus, mas porque a Alemanha tentou lutar contra os três maiores impérios. Se a Alemanha fosse menos ambiciosa, nada aconteceria). Agora, imagine pessoas que realmente não são necessárias para o estado. Quanto tempo você acha que será necessário para convencer os trabalhadores de que esses “lixo” desempregado devem ser mortos? E mais um exemplo – as vacas podem viver (e “trabalhar”) entre 10 e 12 anos, mas são mortas entre 5 e 6. . Por quê? Por ser o ponto mais econômico, depois das 6 horas, a produção de leite será reduzida e a carne ficará mais barata também. Seus proprietários nunca pensam em “cowinity” ou em como pode ser chamado. É apenas um negócio. Não espere que sua vida tenha mais valor para o estado.PS: sim, eu já sei que penso do meu jeito. estou pronto para discutir seus * argumentos * em vez de emoçõesEntrega: Outro benefício mais vital é que as máquinas não exigem intervalos frequentes, ao contrário dos humanos. Eles foram desenvolvidos e programados de maneira a trabalhar por longas horas seguidas, e seu desempenho não é interrompido por distrações ou cansaço. Vendo os imensos benefícios, é mais do que tempo de os humanos perceberem a importância da Inteligência Artificial e admitirem o funcionamento preciso e preciso das máquinas, não deixando absolutamente nenhum espaço para erros.

O que é uma rede neural de inteligência artificial?

1
Uma “rede neural” é um programa que se baseia na maneira como os seres humanos e os animais pensam e aprendem. Consiste em vários “neurônios”, que são conectados de maneiras específicas e produzem resultados com base na função ponderada das entradas. Há muitas maneiras de fazer isso, mas para iniciantes, você pode pensar na rede neural como consistindo de camadas de neurônios, onde cada neurônio em uma camada produz uma soma ponderada dos neurônios da camada anterior. A melhor parte das redes neurais é que eles podem ser “treinados” da mesma forma que os seres humanos – começa aleatoriamente e melhora à medida que você mostra amostras e diz se é bem-sucedido. O treinamento de uma rede neural depende de uma boa base de amostragem. Algumas empresas tiveram um grande embaraço quando descobriram que suas câmeras fotográficas foram treinadas para encontrar apenas rostos de pessoas brancas e não conseguiram encontrar rostos de pessoas de ascendência africana. trabalhando. As pessoas ensinam tradutores de máquina como o Google Translate a traduzir nomes de políticos como palavras cruéis.Escolher e treinar uma rede neural também é um pouco de arte – você provavelmente terminará com dezenas de redes sem êxito até conseguir uma que faça o que você quer. As redes neurais são a melhor tentativa da humanidade de permitir que os computadores realmente vejam as coisas, mas também podem ser usadas para fins mais produtivos – recentemente, muitas pessoas estavam brincando com um aplicativo que previa ainda não vi uma rede neural que tenha algum tipo de consciência ou vontade – eles apenas fazem o que são treinados para fazer. Ainda assim, uma mente humana criada a partir de redes neurais não está fora de.

2
As redes neurais são uma representação de alvo popular para o aprendizado. Essas redes são inspiradas pelos neurônios no cérebro, mas na verdade não simulam neurônios. As redes neurais artificiais normalmente contêm muito menos do que os aproximadamente 1011 neurônios que estão no cérebro humano, e os neurônios artificiais, chamados unidades, são muito mais simples do que os seus homólogos biológicos. É interessante estudar as redes neurais artificiais por várias razões: da neurociência, para entender os sistemas neurais reais, os pesquisadores estão simulando os sistemas neurais de animais simples, como os vermes, o que promete levar a um entendimento sobre quais aspectos dos sistemas neurais são necessários para explicar o comportamento desses animais.Alguns pesquisadores procuram automatizar não apenas a funcionalidade da inteligência (que é o campo da inteligência artificial), mas também o mecanismo do cérebro, adequadamente abstraído. Uma hipótese é que a única maneira de construir a funcionalidade do cérebro é usando o mecanismo do cérebro. Essa hipótese pode ser testada tentando-se construir inteligência usando o mecanismo do cérebro, bem como sem o uso do mecanismo do cérebro. A experiência com a construção de outras máquinas – como máquinas voadoras que usam os mesmos princípios, mas não o mesmo mecanismo que os pássaros usam para voar – indicaria que essa hipótese pode não ser verdadeira. No entanto, é interessante testar a hipótese. O cérebro inspira uma nova maneira de pensar sobre a computação que contrasta com os computadores atualmente disponíveis. Ao contrário dos computadores atuais, que possuem poucos processadores e uma memória grande, mas essencialmente inerte, o cérebro consiste em um grande número de processos distribuídos assíncronos, todos funcionando simultaneamente sem um controlador mestre. Não se deve pensar que os computadores atuais são a única arquitetura disponível para computação. No que diz respeito ao aprendizado, as redes neurais fornecem uma medida diferente de simplicidade como viés de aprendizado do que, por exemplo, as árvores de decisão. Redes neurais multicamadas, como árvores de decisão, podem representar qualquer função de um conjunto de recursos discretos. No entanto, as funções que correspondem a redes neurais simples não correspondem necessariamente a árvores de decisão simples. O aprendizado de rede neural impõe um viés diferente do aprendizado de árvore de decisão. O que é melhor, na prática, é uma empírica que pode ser testada em diferentes domínios. Existem muitos tipos diferentes de redes neurais. Este livro considera um tipo de rede neural, a rede neural de feed-forward. As redes feed-forward podem ser vistas como funções lineares esmagadas em cascata. As entradas alimentam uma camada de unidades ocultas, que podem alimentar camadas de mais unidades ocultas, que eventualmente alimentam a camada de saída. Cada uma das unidades ocultas é uma função linear esmagada de suas entradas. As redes neurais desse tipo podem ter como entradas quaisquer números reais e têm um número real como saída. Para regressão, é típico que as unidades de saída sejam uma função linear de suas entradas. Para classificação, é típico que a saída seja uma função sigmóide de suas entradas (porque não há sentido em prever

Conclusão

É muito comum ver profissionais PERDIDOS diante de tantos conceitos, técnicas e ferramentas.

Talvez você esteja se sentindo CONFUSO…

Precisando de ajuda pra encontrar um caminho…

Pra saber por onde começar…

Por isso eu escrevi um livro GRATUITO sobre Estatística, Ciência de Dados e Linguagem R.

Parece interessante?

Ótimo!

Você pode BAIXAR SUA CÓPIA AQUI.