Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
WPROWADZENIE
żeludzieniemajączęścielektrycznych,aleFredmiałwrękuelektryczną
golarkę,więcuwierzył,żejednostkanFredPodczasGolenia”zawierałaelementy
elektryczne.Stądpojawiłosiępytanie,czypodczasgoleniaFrednadaljest
osobą.
Trudnościsystemuopierającegosięnatwardozapisanejwiedzysuge-
rują,żesystemyAIpotrzebujązdolnościdoprzyswajaniawłasnejwiedzy
wyodrębnianejjakowzorcezsurowychdanych.Takiezdolnościokreślasię
mianem
systemówuczącychsię
.Ichwprowadzeniepozwoliłokomputerom
nazajęciesięproblemamiobejmującymiwiedzęoświecieipodejmowanie
decyzji,którewydająsięsubiektywne.Prostyalgorytmsamouczeniasię
zwanyregresjąlogistycznąpozwalaokreślić,czyzalecaćcesarskiecięcie(Mor-
Yosefetal.1990).InnyprostyalgorytmsamouczeniazwanynnaiwnyBaynes”
potrafioddzielićważnee-maileodspamu.
Działanietychalgorytmówmocnozależyodreprezentatywnościotrzy-
manychdanych.Naprzykład,gdyregresjalogistycznajestużywanado
wskazaniacesarskiegocięcia,systemAIniebadapacjenta.Tolekarzpodaje
systemowikilkaodpowiednichinformacji,jakobecnośćbliznmacicznychlub
ichbrak.Każdyfragmentinformacjiujętywopisiepacjentkijestokreślany
jakocecha.Regresjalogistycznauczysię,jakizwiązekmakażdazcech
pacjentkizrozmaitymirezultatami.Niemożejednakwżadensposóbwpły-
waćnasposóbdefiniowaniatychcech.Jeśliregresjalogistycznaotrzyma
skanrezonansumagnetycznego(MRI)pacjentkizamiastformalnegoraportu
lekarza,niepotrafidaćużytecznychwskazań.Pojedynczepikseleskanowania
MRImająpomijalnąkorelacjęzjakimikolwiekkomplikacjami,jakiemogą
pojawićsięprzyporodzie.
Tazależnośćodsposobureprezentacjijestogólnymzjawiskiemwcałej
dziedzinieinformatyki,atakżewżyciucodziennym.Wnaukachkomputero-
wychdziałaniatakie,jakprzeszukiwaniezbiorudanych,sąwwykładniczo
szybsze,jeślizbiórmastrukturęijestinteligentnieindeksowany.Ludzie
złatwościąwykonujądziałaniaarytmetycznenacyfracharabskich,aledzia-
łanianacyfrachrzymskichzajmująimznaczniewięcejczasu.Niejestwięc
zaskoczeniem,żewybranysposóbreprezentacjimaogromnywpływnawy-
dajnośćalgorytmówsamouczącychsię.Prostyobrazowyprzykładpokazano
narysunku1.1.
Wielezadańzzakresusztucznejinteligencjimożnarozwiązać,projektując
odpowiednidladanegozadaniazestawcech,anastępniedostarczającte
cechyprostemualgorytmowiuczącemusię.Naprzykładużytecznącechą
identyfikacjimówcynapodstawiedźwiękujestocenarozmiarujegotoru
głosowego.Cechatadajenammożneprzesłankidookreślenia,czymówiący
jestkobietą,mężczyznączydzieckiem.Jednakdlawieluzadańtrudnookreślić
3
