Александр Власкин - Глоссариум по искусственному интеллекту - 2500 терминов

Имитация отжига(SA) ( Simulated annealing) – это вероятностный метод аппроксимации глобального оптимума заданной функции. В частности, это метаэвристика для аппроксимации глобальной оптимизации в большом пространстве поиска для задачи оптимизации.

Импульс (Momentum) –это метод машинного обучения, реализующий импульсный алгоритм градиентного спуска, очень эффективной техники в котором шаг обучения зависит не только от градиента текущего шага для направления поиска, а также от градиента прошлых шагов, которые непосредственно предшествовали ему чтобы определить направление движения. Импульс включает в себя вычисление экспоненциально взвешенного скользящего среднего градиента с течением времени, аналогичного импульсу в физике. Импульс способствует обучению не застревать в локальных минимумах.

Инвариантность размера( Size invariance)в задаче классификации изображений – это способность алгоритма успешно классифицировать изображения даже при изменении размера изображения. Например, алгоритм все равно может идентифицировать кошку независимо от размера изображения – будь то 2 Мб или 200 Кб пикселей. Обратите внимание, что даже самые лучшие алгоритмы классификации изображений по-прежнему имеют практические ограничения на неизменность размера. Например, алгоритм (или человек) вряд ли правильно классифицирует изображение кошки, занимающее всего 20 пикселей.

Индивидуальная справедливость (Individual fairness) – это метрика справедливости, которая проверяет, одинаково ли классифицируются похожие лица. Например, Brobdingnagian Academy может захотеть удовлетворить индивидуальную справедливость, гарантируя, что два студента с одинаковыми оценками и результатами стандартизированных тестов с одинаковой вероятностью будут приняты. Обратите внимание, что индивидуальная справедливость полностью зависит от того, как вы определяете «сходство» (в данном случае оценки и баллы за тесты), и вы можете столкнуться с риском возникновения новых проблем со справедливостью, если ваша метрика схожести пропускает важную информацию (например, строгость учащегося). учебный план).

Индуктивная предвзятость алгоритма обучения (Inductive Bias) – это набор предположений, которые обучаемая система использует для прогнозирования результатов на основе вводных параметров, с которыми она ещё не сталкивалась.

Индуктивное рассуждение (Inductive reasoning) – это метод рассуждения, который использует предпосылки для предоставления доказательств в поддержку вывода. В отличие от дедуктивного рассуждения, индуктивное рассуждение работает как нисходящая логика, которая дает заключение путем обобщения или экстраполяции от частных случаев к общим правилам.

Индукция (Induction) (от латинского inductio – «наведение») –это метод получения логического вывода при помощи перехода от частного к общему, т.е. индукция является противоположностью дедукции. В этом методе работают не только законы логики, но и математические, психологические и фактические представления.

Индустриальный Интернет (Industrial Internet) – это концепция построения информационных и коммуникационных инфраструктур на основе подключения к информационно-телекоммуникационной сети «Интернет» промышленных устройств, оборудования, датчиков, сенсоров, систем управления технологическими процессами, а также интеграции данных программно-аппаратных средств между собой без участия человека.

Индустрия ИИ (AI industry) – например, commercial AI industry – это коммерческая индустрия ИИ, коммерческий сектор индустрии ИИ.

Инженерия знаний (Knowledge engineering) – это создание систем, основанных на знаниях, включая все научные, технические и социальные аспекты. Также, это область искусственного интеллекта, которая создает правила, применяемые к данным, чтобы имитировать мыслительный процесс человека-эксперта. Он изучает структуру задачи или решения, чтобы определить, как делается вывод.

Инкрементное обучение (Incremental learning) – это пошаговое обучение является методом машинного обучения, в котором входные данные непрерывно используются для расширения знаний существующей модели для дальнейшего обучения модели. Оно представляет собой динамический метод обучения, который можно применять, когда данные обучения постепенно становятся доступными с течением времени или их размер выходит за пределы системной памяти. Задачей инкрементального обучения является адаптация модели обучения к новым данным, не забывая при этом уже имеющиеся знания.