Sử dụng AI và thuật toán để giải quyết các hệ thống phức tạp


Đặng Hồng Xuân
1 năm trước
Hữu ích 5 Chia sẻ Viết bình luận 0
Đã xem 2868

Không dễ để hiểu trí tuệ nhân tạo là gì và đặc biệt là hiểu các lĩnh vực ứng dụng của nó. Nhiệm vụ này không được đơn giản hóa bởi thực tế là các nhóm trí tuệ nhân tạo cùng với một số loại thuật toán khác nhau. Một số thuật toán này được gọi là xác định , trong khi các thuật toán khác có tính cân bằng hơn (hoặc ngẫu nhiên , nếu bạn thích). Trong bài viết này, tôi cố gắng khiêm tốn đưa ra quan điểm của mình để giải thích những đóng góp của trí tuệ nhân tạo so với những gì chúng ta có với khoa học máy tính trong quá khứ.

AI bao gồm những gì?

Trước hết, điều quan trọng là phải biết các thuật toán trí tuệ nhân tạo khác nhau bao gồm những gì. Ví dụ: chúng tôi có:

  • Hệ thống chuyên gia liệt kê kiến ​​thức miền để đi đến kết luận.

  • Hệ thống thần kinh bắt chước chức năng thần kinh để tìm hiểu và suy luận kết luận.

  • Các thuật toán ngẫu nhiên làm xác suất và thống kê.

  • Học sâu mô hình chuỗi dài nguyên nhân và kết quả.

  • Học máy học dựa trên số liệu thống kê.

AI giải quyết các hệ thống phức tạp như thế nào? 

So với các thuật toán thủ tục mà tôi sẽ mô tả là cổ điển , thuật toán trí tuệ nhân tạo tìm cách không giải quyết một quy trình đơn giản mà để giải quyết cái được gọi là một hệ thống phức tạp . Thật vậy, trong khi thuật toán thủ tục là sự kế thừa đơn giản của các bước theo các điều kiện đơn giản, trí tuệ nhân tạo tìm cách giải quyết vấn đề chứa nhiều thực thể được liên kết với nhau theo một cách phức tạp. Và đó chính xác là định nghĩa của một hệ thống phức tạp . AI có thể, ví dụ, nghiên cứu các hệ thống phức tạp như dư luận xã hội và nền kinh tế cũng như các lĩnh vực khác như ngôn ngữ và sự công nhận các hình thức. Tất cả các lĩnh vực này được giải quyết bằng các thuật toán trí tuệ nhân tạo. 

Chúng tôi vẫn sử dụng số liệu thống kê

Chúng ta có thể nói rằng trí tuệ nhân tạo giải quyết các hệ thống phức tạp, bằng cách cố gắng nắm lấy sự phức tạp này hoặc bằng cách tiếp cận đơn giản và theo thủ tục. Do đó, người ta sẽ có các thuật toán hệ thống chuyên gia và các hệ thống thần kinh trong danh mục các thuật toán nắm lấy sự phức tạp này, trong khi học máy sẽ là một phương pháp thủ tục hơn.

Không có gì đáng ngạc nhiên khi có một cách tiếp cận thủ tục thống kê để giải quyết một hệ thống phức tạp. Một trong những ví dụ điển hình nhất có thể là, ví dụ, các phương pháp nhanh. Các phương pháp nhanh nhẹn được lấy cảm hứng từ cùng một tầm nhìn về một hệ thống các dự án phức tạp và một nỗ lực đã được thực hiện để giải quyết tính chất phức tạp của một dự án theo cách thức thủ tục, bao gồm tất cả các hài kịch liên quan. Và chính vì sự nhanh nhẹn hiểu được sự phức tạp của các dự án mà nó đã thành công trong việc cung cấp các thủ tục đơn giản để giải quyết sự phức tạp này. Đồng thời, sự nhanh nhẹn nhận thức được những hạn chế của nó, ví dụ, đẩy các cuộc họp xem xét của Sprint và đẩy mạnh để quản lý nợ kỹ thuật. Nó thực sự phức tạp, nếu không nói là không thể, để giải quyết hầu hết các vấn đề của một hệ thống phức tạp mà không có quy trình xem xét cải tiến.

Rồi sao? 

Có thể nói, trí tuệ nhân tạo giải quyết các hệ thống phức tạp trong khi các quy trình trước đây đã được giải quyết giúp có thể đo lường tác động rất mạnh mà AI sẽ có. Thật vậy, trong khi trước đó, chúng tôi đã thực hiện các quy trình và tính toán, ngày mai, chúng tôi sẽ hiểu hệ thống phức tạp của thế giới chúng ta. Rõ ràng, không phải mọi thứ đều có thể được giải quyết, và vẫn còn nhiều tiến bộ cần đạt được, ví dụ, trong sinh học, nhưng với AI, chúng ta sẽ có thể, ví dụ, hiểu và dự đoán các cuộc khủng hoảng kinh tế. Nói tóm lại, AI mang đến câu trả lời cho câu hỏi của mọi người vì chúng ta sẽ có câu trả lời ngay cả trước khi đặt câu hỏi. Chúng ta có thể mong đợi nhiều thay đổi, dù chúng tốt hay xấu, nhưng với tia hy vọng cho nhân loại.

Hữu ích 5 Chia sẻ Viết bình luận 0
Đã xem 2868