Маргарита Акулич - Искусственный интеллект и маркетинг

В обучении для подкрепления агента вознаграждают за ответы, считающиеся хорошим, и наказывают за ответы, относящиеся к плохим. Агентом эта последовательность вознаграждений и наказаний используется для формирования стратегии работы в собственном проблемном пространстве.

Все типы обучения можно проанализировать с позиций теории принятия решений с использованием такого понятия, как утилита.

Если говорить о математическом анализе алгоритмов машинного обучения и их эффективности, это имеет отношение к теоретической информатике, известной как теория вычислительного обучения.

В рамках развития робототехники происходит разработка подходов к обучению, чтобы имело место развитие, содействующее накоплению роботами репертуара новых навыков благодаря автономному самопознанию, социальному взаимодействию с преподавателями-людьми и использованию механизмов наведения (использованию активного обучения, созревания, синергии двигателя и т. д.).

Обработка естественного языка

Дерево разбора представляет собой синтаксическую структуру предложения в соответствии с некоторой формальной грамматикой.

Обработка естественного языка дает машинам возможность читать и понимать человеческий язык. Достаточно мощная система обработки естественного языка позволит использовать пользовательские интерфейсы на естественном языке и получить знания непосредственно из письменных источников, таких как тексты новостей. Некоторые простые приложения обработки естественного языка включают в себя поиск информации, интеллектуальную обработку текста, ответы на вопросы и машинный перевод.

Общим методом обработки и извлечения смысла из естественного языка является семантическая индексация. Хотя для этих индексов требуется большой объем ввода пользователя, ожидается, что увеличение скорости процессора и снижение затрат на хранение данных приведут к повышению эффективности.

Восприятие машины и область робототехники

Восприятие машины – это возможность использовать входные сигналы от датчиков (таких, как камеры, микрофоны, тактильные датчики, гидролокатор и другие) для вывода аспектов мира. Компьютерное зрение – это способность анализировать визуальный ввод. Несколько выбранных подзадач – распознавание речи, распознавание лиц и распознавание объектов.

Область робототехники тесно связана с AI. Интеллект необходим, чтобы роботы обрабатывали такие задачи, как манипулирование объектами и навигация, с такими проблемами, как локализация, сопоставление и планирование движения. Эти системы требуют, чтобы агент мог: быть пространственно осведомленным о своем окружении, учиться и строить карту своей среды, выяснять, как добраться из одной точки в пространстве в другую, и выполнять это движение (оно часто связано с совместимым движением, процессом, в котором движение требует поддержания физического контакта с объектом).

Аффективные вычисления

Под аффективными вычислениями принято понимание исследований и разработок систем, способных к распознаванию, интерпретированию, обработке и моделированию человеческих аффектов. Их рассматривают в качестве междисциплинарного поля, обеспечивающего охват таких областей как компьютерные науки, психология и когнитивная наука.

В отношении происхождения поля можно сказать, что его рассмотрение имело место еще в ранних философских исследованиях эмоций. А более современная ветвь информатики возникла с помощью статьи об «аффективных вычислениях» Розалинды Пикард (1995 год). Мотивацией для исследования является способность имитирования эмпатии, когда машина будет способна на интерпретирование человеческих эмоций и адаптированию своего поведения, чтобы дать отличающийся адекватностью ответ на эти эмоции.