コンテンツ
出典：iLexx / iStockphoto
取り除く：
人工知能は、いつか人工ニューラルネットワークを使用して実現できますが、これらのエキサイティングな技術にはいくつかの重要な違いがあります。
人工知能（AI）と人工ニューラルネットワーク（ANN）は、コンピューターサイエンスの2つの刺激的で絡み合った分野です。ただし、この2つの間に知っておく価値のあるいくつかの違いがあります。
主な違いは、ニューラルネットワークが人工知能の検索の足がかりであることです。
人工知能は、知的な機械の作成を目標とする広大な分野であり、知能の定義方法に応じて何度も達成されています。 「Jeopardy」で勝ち、チェスのチャンピオンに勝てるコンピューターがあるという事実にもかかわらず、AIの目標は一般に、一般的な知性、または多様で無関係な状況問題に適用できる知性の探求と考えられています。
これまでに構築されたAIの多くは、ピンポンを演奏するロボットや「Jeopardy」を支配するロボットの実行などの目的で構築されています。これは、コンピューター科学者が座って特定のタスクを実行する何かを作成する際の避けられない結果です–最終的に、そのタスクを実行できるものになりますが、それ以外のことはほとんどありません。
タスク指向AIのこの問題を回避するために、コンピューター科学者は人工ニューラルネットワークをいじり始めました。私たちの一般的に知的な脳は、知覚と外部刺激に基づいて接続を行う生物学的ニューラルネットワークで構成されています。
非常に単純化された例は、火傷による痛みです。これが初めて発生すると、脳内で接続が確立され、これが火（炎、煙の臭い、熱）として知られる感覚情報を識別し、痛みと関連付けます。これは、非常に若い年齢で、火傷を避ける方法を学ぶ方法です。この同じニューラルネットワークを介して、「アイスクリームの味が良い」などの一般的な学習を行い、「雨の前に常に雲がある」または「12月に在庫が常に集まる」などの演ductive的な跳躍を行うこともできます。 （悪いアイスクリームがあり、12月に低下する在庫があります）、しかし経験によって訂正することができ、従って適応学習を許可します。
人工ニューラルネットワークは、問題に対応し、それがどのように行われるかについてのフィードバックを受け取るための単純なフレームワークプログラムを構築することにより、コンピューター上でこの学習システムを再現しようとします。コンピューターは、同じ問題を数千回実行し、受信したフィードバックに従って応答を調整することにより、応答を最適化できます。その後、コンピューターに別の問題を与えることができ、以前の問題から学んだのと同じ方法でアプローチできます。コンピューターが学習した問題とそれらを解決するためのアプローチの数を変えることにより、コンピューター科学者はコンピューターがジェネラリストであることを教えることができます。
これは、「The Martrix」などのハリウッド映画に見られるように、コンピューターが世界を占領し、人間を収穫するイメージを思い起こさせますが、私たちはニューラルネットワークから人工知能までの道のりはまだ長いです。ニューラルネットワークでテストされている問題はすべて数学的に表現されています。コンピュータに花を持たせて、匂いで色を推測するように伝えることはできません。匂いを数字で表現する必要があり、コンピュータはそれらの数字を花の画像とともにメモリにカタログ化する必要があるからです。その匂いを発します
バグやストレスなし-あなたの人生を破壊することなく人生を変えるソフトウェアを作成するためのステップバイステップガイド
誰もソフトウェアの品質を気にしない場合、プログラミングスキルを向上させることはできません。
とはいえ、匂いなどの入力をより多く提供できる人工ニューラルネットワーク、およびそれらすべての入力から学習する能力は、最も筋金入りのAI愛好家の基準を満たす最初の人工知能を生み出す軌道に乗っている可能性があります。
本質的に、人工ニューラルネットワークは、コンピューターの学習を支援するために設計された人間のニューラルネットワークのモデルです。人工知能は、一部のコンピューター科学者がニューラルネットワークを模倣するような手法を使用して達成しようとしている聖杯です。