Q:
Wat zijn de vijf scholen voor machine learning?
EEN:Voor degenen die niet hebben onderzocht wat er achter moderne machine learning en kunstmatige intelligentie zit, lijken al deze inspanningen en onderzoeken vaak op één grote amorfe allegaartje. Wanneer je echter aan de oppervlakte krast en kijkt naar wat wetenschappelijke leiders op deze gebieden doen, zie je dat er in zekere zin echt vijf verschillende belangrijke benaderingen zijn voor het probleem van kunstmatige intelligentie.
Deze vijf 'scholen' of 'stammen' zijn populair gemaakt door het werk van Pedro Domingos in zijn 'Master Algorithm'-boek over AI-ontwikkeling, maar ze worden ook elders in verschillende delen van de wetenschappelijke wereld overwogen.
| Gratis download: machine learning en waarom het ertoe doet |
De eerste school van kunstmatige intelligentie wordt connectiviteit genoemd. Deze school richt zich op de feitelijke neurale verbindingen en de fysica van het menselijk brein. Het steunt op het idee van backpropagation, dat deze verbindingen traceert om resultaten te vormen. Sommige mensen noemen de connectionistische school een 'poging om het menselijk brein om te buigen'.
De volgende school van kunstmatige intelligentie is symboliek. Symbolisten gebruiken logica en bestaande kennis om modellen te bouwen die intelligent werken. In sommige opzichten is de symbolistische benadering vergelijkbaar met wat al vroeg in de kunstmatige intelligentie wereld ontstond voordat neurale netwerken werden ontwikkeld. Als je een voldoende grote kennisbasis samenstelt en er op bepaalde manieren mee omgaat, begint het een vorm van kunstmatige intelligentie te creëren, en dat is wat achter de symbolistische benadering is die nu is gecombineerd met enkele van de andere moderne benaderingen.
De derde school is de school van het evolutionisme. Hier ligt de nadruk niet alleen op de evolutietheorie, maar ook op genetica en biofysica en bio-informatica. Je zou deze arm van kunstmatige intelligentie kunnen zien als de categorie die werkt met het menselijk genoom en moderne technologieën toepast op het gebied van genetica. In die zin is evolutionistische kunstmatige intelligentie uniek. Het is een ietwat ander soort project dan de andere vier scholen.
De Bayesiaanse school is de vierde school voor kunstmatige intelligentie. Dit is wederom een van de oudere scholen en werd bijvoorbeeld al vroeg toegepast bij het verwijderen van spam uit e-mailmappen.
Het Bayesiaanse model en aanpak is een heuristisch model. Het werkt op het idee van waarschijnlijkheid om modellen te ontwikkelen die ongewenste resultaten wegnemen of andere doelen nastreven, op basis van waar gebeurtenissen zich het meest waarschijnlijk zullen voordoen, of op basis van andere statistieken. Een andere populaire toepassing van Bayesiaanse logica is netwerkbeveiliging - de afgelopen jaren hebben beveiligingsingenieurs Bayesiaanse logica op grote schaal gebruikt om bedreigingen voor een netwerk te detecteren door te modelleren waar die waarschijnlijk zullen voorkomen en hoe.
De vijfde en laatste school voor machinaal leren wordt analogiseren genoemd. Dit is ook een school die de gemiddelde consument misschien gemakkelijker begrijpt. Aanbevelingsengines van bedrijven als Facebook en Google zijn gebaseerd op een analoge benadering. Ze nemen algoritmen zoals "naaste buur" en combineren ze met verschillende soorten signalering om te proberen ideeën te matchen met andere ideeën, of, alternatief, met mensen. Een computer die beweert te weten wat voor soort muziek je leuk vindt, is een goed voorbeeld van deze aanpak.
Al deze denkrichtingen vormen samen het geheel van onderzoek naar moderne kunstmatige intelligentie. Wetenschappers werken eraan om elk van deze samen met elkaar vooruit te helpen, en in het algemeen het veld vooruit te helpen - en ze proberen dit in een zeer interessante context te doen. Sommige van de topleiders op het gebied van technologie in de afgelopen decennia hebben gewaarschuwd dat, naast het bevorderen van AI, er ook aandacht moet zijn voor ethiek en verantwoord gebruik van technologie om ernstige sociale problemen te voorkomen. Dat moet op elk van deze vijf scholen voor machine learning worden toegepast.
