Maschinen, die fast wie ein Gehirn funktionieren
Diese Seite wurde seit 5 Jahren inhaltlich nicht mehr aktualisiert.
Unter Umständen ist sie nicht mehr aktuell.
Zusammenfassungen
Zur Geschichte und zum Erfolg des maschinellen Lernens im Gegensatz zur symbolische KI.
- Der regelbasierte oder symbolische Ansatz in der Kl gilt als überholt. Es scheint unwahrscheinlich, dass er abgesehen von einigen wenigen Bereichen wieder Bedeutung erlangt, und vielleicht nicht einmal das. Maschinetles Lernen - die Kunst und Wissenschaft, Softwaresystemezu programmieren, welche Muster erkennen und erfolgreiche Strategien entwickeln, nachdem man ihnen eine Menge an Beispielen gezeigt hat - erfüllt endlich einige der ältesten Versprechen der Kl und leistet sinnvolle Arbeit.
- Systeme zum maschinellen Lernen werden besser, je größer sie werden, sie laufen auf schnellerer und besser spezialisierter Hardware, haben Zugriff auf größere Datenmenen finden aktuell statt, aslo mcht das maschinelle Lernen grosse Fortschritte.
- Neuronale Netze haben ihre größten Erfolge mit überwachtem Lernen erzielt, bei dem die Lernbeispiele mit Tags versehen sind. Aber sie haben kaum Fortschritte beim unüberwachten Lernen gemacht, die Art und Weise, auf die Menschen hauptsachlich etwas über ihre Umwelt lernen.
- Überwachtes Lernen ist ideal geeignet, um zahlreiche Aufgaben zu automatisieren, die momentan von Menschen erledigt werden, besonders in den Bereichen der Mustererkennung, Diagnose, Klassifizierung, Vorhersage und Empfehlung. Visueile Erfassung, Spracherkennung und andere Fähigkeiten, die für Maschinen früher unmöglich waren, erreichen jetzt schon in vielen Bereichen ein Niveau, das dem von Menschen vergleichbar ist.
- Wir stehen bei der Verbreitung von maschinellem Lernen immer noch am Anfang. Es wird unsere Wirtschaft und unsere Gesellschaft durchdringen, besonders, da es jetzt in der Cloud und on demand verfügbar ist.
- Systemen zum maschinellen Lernen (und allen anderen Formen der Kl) fehlt nach wie vor der gesunde Menschenverstand.
Dieses Kapitel erwähnt ...
 Personen KB IB clear | Marvin Minsky , Seymour Papert | ||||||||||||||||||
 Aussagen KB IB clear | big data fördert machine learning | ||||||||||||||||||
 Begriffe KB IB clear |  AlphaGo
,  amazon
,  big databig data
,  deep learning
,  Gehirnbrain
,  Google
,  IBM
,  Intelligenzintelligence
,  Künstliche Intelligenz (KI / AI)artificial intelligence
,  Lernenlearning
,  machine learning
,  Microsoft
,  Neuronales Netzneural network
, reinforcement learning
, Spracherkennungvoice recognition
, supervised learning
, symbolische künstliche Intelligenz (GOFAI)
, unsupervised learning
| ||||||||||||||||||
 Bücher |
|
Dieses Kapitel erwähnt vermutlich nicht ... 
Tagcloud
Zitationsgraph (Beta-Test mit vis.js)
Anderswo suchen
Beat und dieses Kapitel
Beat hat Dieses Kapitel während seiner Zeit am Institut für Medien und Schule (IMS) ins Biblionetz aufgenommen. Beat besitzt weder ein physisches noch ein digitales Exemplar. Es gibt bisher nur wenige Objekte im Biblionetz, die dieses Werk zitieren.
Biblionetz-History