एक AI सिस्टम अपने डोमेन ज्ञान को कैसे विकसित कर सकता है? क्या सिर्फ मशीन लर्निंग से ज्यादा कुछ है?


9

इसलिए मशीन लर्निंग एक प्रणाली को इस अर्थ में स्व-स्वचालित होने की अनुमति देता है कि यह भविष्य की स्थिति का अनुमान लगा सकता है कि उसने अब तक क्या सीखा है। मेरा सवाल है: क्या मशीन सीखने की तकनीक एक प्रणाली बनाने का एकमात्र तरीका अपने डोमेन ज्ञान को विकसित करना है?

जवाबों:


1

खैर, हम एक ऐसी प्रणाली (एक मशीन) के बारे में बात कर रहे हैं, जो ज्ञान विकसित करती है (सीखती है), इसलिए इस तरह की तकनीक के लिए मशीन लर्निंग के भीतर नहीं आना मुश्किल है।

लेकिन आप तर्क दे सकते हैं कि नए इंजनों या संभावनाओं को प्राप्त करने के लिए ग्राफ आधारित ज्ञान डेटाबेस पर काम करने वाले इंट्रेंस इंजन मशीन लर्निंग का हिस्सा नहीं हैं। बेशक उस मामले में ज्ञान का हिस्सा बिल्कुल हासिल नहीं किया गया है, बल्कि डेवलपर्स द्वारा दर्ज किया गया है।

मैं अभी भी इस पर पढ़ रहा हूं, लेकिन मेरी धारणा यह है कि ये ज्ञान डेटाबेस और इंजेक्शन इंजन नब्बे के दशक में लोकप्रिय हो गए थे और कई एजीआई-शोधकर्ता आज भी उस दिशा में काम करते हैं।


क्या यह कहना सही होगा कि कुछ समकालीन तरीके एआई बनाम एआई के माध्यम से उस ज्ञान डेटाबेस का निर्माण करते हैं?
DukeZhou

आप सेल्फ-प्ले के बारे में सोच रहे होंगे जैसे कि एल्फागो के लिए, यह निश्चित रूप से मशीन लर्निंग है। मुझे नहीं पता कि क्या ऐसी प्रणालियाँ हैं जो स्व-प्ले के माध्यम से ज्ञान डेटाबेस या ज्ञान ग्राफ बनाती हैं।
ब्लाइंडकुंगफूमास्टर

1

यह इस बात पर निर्भर करता है कि आप "मशीन लर्निंग तकनीक" को किस प्रकार परिभाषित करते हैं। आप एक परिभाषा का निर्माण कर सकते हैं, ताकि परिभाषा के अनुसार, सभी शिक्षण उस रूब्रिक के अंतर्गत आते हैं। OTOH, मशीन सीखने की तकनीक का इतना व्यापक सरणी है कि ऐसा करने से एक लाभ नहीं होगा।

यह संभवत: मशीन लर्निंग / आर्टिफिशियल इंटेलिजेंस के भीतर हमारे द्वारा उपयोग किए जाने वाले विभिन्न प्रकार के सीखने के बारे में बात करने के लिए अधिक समझ में आता है। कम से कम, आपके पास:

  1. पर्यवेक्षित अध्ययन
  2. अप्रकाशित शिक्षा
  3. अर्ध-पर्यवेक्षणीय शिक्षा
  4. प्रतिस्पर्धी शिक्षा

और फिर "सुदृढीकरण सीखने" जैसी चीजें जो उपरोक्त उपश्रेणी कर सकती हैं। उन चीजों में से अधिकांश जो लोग आमतौर पर "मशीन लर्निंग" कहते हैं, में आते हैं।

उसके बाहर, आपके पास रूल इंडक्शन एल्गोरिदम, आगमनात्मक लॉजिक प्रोग्रामिंग जैसी डिडक्टिव लॉजिक तकनीकें हैं, जो सॉर्टा-थोरा "लर्न", इंट्रेंस इंजन, ऑटोमैटिक रीजनिंग, आदि कर सकती हैं, जिनके पास दुनिया के बारे में "सीखने" के अपने तरीके हैं, लेकिन आम तौर पर "मशीन लर्निंग" लेबल वाले से अलग होते हैं।

लेकिन यह भी ध्यान में रखते हुए, कोई ठीक से पूछ सकता है कि क्या वास्तव में वहाँ एक विभाजन रेखा है या नहीं। वास्तव में, यह सोचने का कारण प्रतीत होता है कि भविष्य के AI सिस्टम एक हाइब्रिड दृष्टिकोण का उपयोग कर सकते हैं, जो कई अलग-अलग तकनीकों को जोड़ती है, चाहे वे "मशीन लर्निंग" या "GOFAI" या "अन्य" लेबल न हों।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.