Исскуственный интеллект (ИИ) все больше и больше переплетается с нашим будущим, и по мере того, как язык ИИ проникает в разговоры, изучение специальной лексики ИИ может быть полезным для понимания многих ключевых технологических достижений.
Команда технических писателей и экспертов по искусственному интеллекту разрабатывает терминологию. Конечно, определения должны быть точными, однако ясность редко встречается в такой области, как искусственный интеллект. Поэтому в 2016 году
Google создал
глоссарий по машинному обучению.
Вот глоссарий ключевых терминов ИИ
Искусственный интеллект, термин, придуманный заслуженным профессором Стэнфорда Джоном Маккарти в 1955 году, был определен им как "наука и техника создания интеллектуальных машин". Многие
исследования показывают, что люди программируют машины так, чтобы они вели себя разумно, например, играя в шахматы, но сегодня мы уделяем особое внимание машинам, которые могут учиться, по крайней мере, отчасти так, как это делают люди.
Машинное обучение (ML) - это часть ИИ, изучающая, как компьютерные агенты могут улучшить свое восприятие, знания,
мышление или действия на основе опыта или данных. Для этого ML опирается на информатику, статистику, психологию, нейробиологию, экономику и теорию управления.
Глубокое обучение - это использование больших нейронных сетей, которые выполняют вычисления, что немного похоже на иерархически организованные нейроны в человеческом мозге. В настоящее время это наиболее успешный подход к машинному обучению, применимый для всех типов машинного обучения.
Конечно, преимущества искусственного интеллекта редко возникают от простого включения инструмента искусственного интеллекта в рабочий процесс для повышения производительности этой задачи. Получение реальной выгоды от внедрения инструмента искусственного интеллекта может потребовать переосмысления или "реинжиниринга" всего рабочего процесса.