2021年需要理解的五个人工智能概念

这是一个人在概念的概念以来一直在思考。我们希望建立智能系统，人类可以说是唯一真正聪明的物种。看着我们的灵感不是逻辑吗?但是，由于AI的构建块与生物基本件如此不同，我们不应该忘记人类，并跟随我们的研究导致我们的道路?

没有人知道ai将未来持有什么。我们所知道的是，现在深入学习越来越靠近人类的认知。也许人类在智能方面不那么特别，但进化给了我们一些独特的功能，我们在创建AI系统时更好地考虑。我们在这种环境中发展了几千年，慢慢地调整到不变的自然法则。为什么不通过模拟抛光机制来绕过这个过程?

在本文中，我将讨论目前是AI研究的最前沿的五个例子。每个都基于人类认知功能的某些方面，至少是松散的。这些概念在接下来的几年里将是中心的，因此让我们留意他们。

Transformer - 人类注意力机制

不久前，当基于复发的架构主导自然语言处理(NLP)时。如果您面临NLP问题 - 翻译，语音到文本，生成任务 - 您要么使用了Gated Recurrent单元(GRU)或长短短期内存(LSTM)。这两个架构旨在处理顺序输入数据。例如，系统可以采用英语句子并在西班牙语翻译中处理每个连续的单词。

这些模型的主要缺点之一是消失的梯度问题。因为信息被顺序处理，所以当系统即将输出第一个法语单词时，仅仅记住了第一个英文单词。为了解决这一缺陷，研究人员在2014年介绍了关注机制。通过模仿认知的关注，神经网络可以称重背景的影响。没有更多的信息损失。

2017年，谷歌的AI团队发表了最新的注意力机制。他说：注意机制足够强大，可以解决语言任务。我们不需要再次发生，我们不需要顺序处理。他们发明了著名的Transformer架构。Transformer影响了深入学习景观的方式，2012年亨廷的团队赢得了Imageenet挑战时的计算机视觉(CV)中的比赛。

（编辑：焦作站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!