原创 | AI知识地图:如何对AI技术进行分类

这是一个关于该AI的先前知识的门户,可以让你寻找更多信息并最终创建关于AI的新知识。我称之为AI知识地图(AIKM)。

《原创 | AI知识地图:如何对AI技术进行分类》

在轴上,您将找到两个宏组,即AI范例和AI问题域。所述AI范例(X轴)是用于通过AI的研究人员来解决特定AI相关的问题(其包括最新的方法)的方法。另一方面,AI问题域(Y轴)在历史上是AI可以解决的问题类型。从某种意义上说,它也表明了AI技术的潜在能力。

因此,我已经确定了以下AI范例:

  • 基于逻辑的工具:用于知识表示和解决问题的工具
  • 基于知识的工具:基于本体的工具和概念、信息和规则的庞大数据库
  • 概率方法:允许代理在不完整的信息场景中行动的工具
  • 机器学习:允许计算机从数据中学习的工具
  • 体验智能:工程工具箱,它假定身体(或至少部分功能,如运动、感知、交互和可视化)是更高智力所必需的
  • 搜索和优化:允许使用许多解决方案进行智能搜索的工具

这六种范式也分为三种不同的宏观方法,即符号、次符号和统计(由上面的不同颜色表示)。简而言之,符号方法表明人类智能可以简化为符号操作,子符号方法是事前不提供具体知识表示的方法,而统计方法则基于解决特定子问题的数学工具。

纵向轴反而规定了AI已经用过的问题,这里的分类很标准:

  • 推理:解决问题的能力
  • 知识:表达和理解世界的能力
  • 规划:设定和实现目标的能力
  • 沟通:理解语言和沟通的能力
  • 感知:将原始感官输入(例如,图像、声音等)转换为可用信息的能力。

盒子的模式将技术分为两组,即狭窄的应用和一般应用。使用的词语是有目的的,但可能看起来有点误导……对于任何开始使用AI的人来说,了解弱/窄AI(ANI),强/一般AI(AGI)和人工超智能之间的区别(ASI)是至关重要的。

为了清楚起见,ASI只是一个最新的推测,一般人工智能是研究人员的最终目标和圣杯,而狭义人工智能是我们今天真正拥有的,即一套无法应对任何事情的技术超出其范围(这是与AGI的主要区别)。

图中使用的两种类型的线(连续和点线)明确指出了区别,以帮助您在阅读其他介绍性AI材料时增加一些信心。然而,与此同时,这里的差异概述了只能解决特定任务的技术(通常比人类更好 – 狭窄的应用程序)和其他 解决当前或未来的多项任务并与世界互动的技术(比许多人更好 – 一般应用)。

最后,让我们看看图中本身有什么。在图中,代表了不同类别的AI技术。注意没有命名特定的算法,而是将它们聚类成宏组。也没有提供有效和无效的价值评估,只是列出了研究人员和数据科学家可以利用的内容。

那么如何阅读和解读地图?举两个例子。如果看一下自然语言处理,它会嵌入一类算法,这些算法结合了基于知识的方法,机器学习和概率方法来解决感知领域的问题。但与此同时,如果你看一下基于逻辑的范例和推理问题之间的交叉处的空白区域,你可能会想知道为什么那里没有技术。地图传达的不是一个方法,而是表明,当人们接近推理问题时,他们更喜欢使用机器学习。

以下是技术列表:

机器人过程自动化(RPA):通过观察用户执行特定任务来提取要执行的规则和操作列表的技术

专家系统:一种计算机程序,具有硬编码规则来模拟人类决策过程。模糊系统是基于规则系统的一个特定示例,它将变量映射到0到1之间的连续值,这与传统的数字逻辑相反,后者导致0/1结果

计算机视觉(CV):获取和理解数字图像的方法(通常分为活动识别,图像识别和机器视觉)

自然语言处理(NLP):处理自然语言数据的子字段(属于该字段的三个主要块,即语言理解,语言生成和机器翻译)

神经网络(NNs或ANNs):一类松散地模仿人类/动物大脑的神经元结构的算法,可以在不明确指示如何操作的情况下改善其性能。NN 的两个主要和众所周知的子类是深度学习(具有多个层的神经网络)和生成性对抗网络(GAN – 两个相互训练的网络)

自治系统:位于机器人和智能系统交叉点的子场(例如,智能感知,灵巧对象操纵,基于计划的机器人控制等)

分布式人工智能(DAI):一类通过将问题分发给彼此交互的自治“代理”来解决问题的技术。多智能体系统(MAS),基于代理的建模(ABM)和群体智能是该子集的三个有用的规范,其中集体行为来自分散的自组织代理的交互

情感计算:一个处理情绪识别,解释和模拟的子领域

进化算法(EA):它是更广泛的计算机科学领域的一个子集,称为进化计算,它使用受生物学启发的机制(例如突变、繁殖等)来寻找最佳解决方案。遗传算法是最常用的EA子群,它是搜索启发式,遵循自然选择过程来选择“ 最适合 ”的候选解决方案

归纳逻辑编程(ILP):使用形式逻辑表示事实数据库并制定源自这些数据的假设的子字段

决策网络:是最知名的贝叶斯网络 /推理的推广,它通过映射表示一组变量及其概率关系(也称为有向无环图)

概率编程:一种框架,它不会强制您对特定变量进行硬编码,而是使用概率模型。贝叶斯程序综合(BPS)在某种程度上是概率编程的一种形式,其中贝叶斯程序编写新的贝叶斯程序(而不是人类执行它,如在更广泛的概率编程方法中)

环境智能(AmI):一种框架,要求物理设备进入数字环境,以感知,感知和响应外部刺激(通常由人类行为触发)的情境感知。

为了解决特定问题,您可以采用一种或多种方法,这反过来意味着一种或多种技术,因为它们中的许多技术不是相互排斥的并且是互补的。

教授计算机如何学习而不需要明确编程是一项艰巨的任务,涉及多种技术来处理多种细微差别,即使这张地图远非完美,它至少是第一次尝试弄清楚凌乱的景观。

我知道这里出现了强有力的帕累托原则,即80%(如果不是更多)当前的努力和结果是由地图中描绘的20%的技术(即深度学习、NLP和计算机视觉)驱动的,但我也确信拥有全谱可能有助于研究人员,创业公司和投资者。

我对第一个版本的反馈持开放态度,并计划采取两个额外步骤:一个是为AI面临的挑战类型创建一个层(例如,内存问题和灾难性遗忘、转移学习、从更少的数据中学习零和一次性学习等)以及可用于克服该特定问题的技术。其次,是应用镜头来看待不同的技术,而不是他们正在解决的问题,而是他们正在创造的问题(例如,道德问题、数据密集型问题、黑盒和可解释性问题等)。

(Francesco Corea,博士,专栏作家,是一位复杂科学家和技术投资者,主要关注科学驱动的公司,涉及生命科学,能源和人工智能等高社会影响垂直领域。)

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注