Konzepte der Künstlichen Intelligenz für Architekten, Entwickler und Führungskräfte
Erfahren Sie, wie künstliche Intelligenz, maschinelles Lernen und Deep Learning eingesetzt werden, um Computern beizubringen, die Welt um uns herum zu verstehen. In der Wirtschaft werden sie eingesetzt, um Kunden zu verstehen, Finanzergebnisse vorherzusagen, Prozesse zu automatisieren und vieles mehr. Lucid Thoughts erklärt KI-Konzepte in einfachen Worten, die Architekten, Entwickler und Führungskräfte gleichermaßen verstehen werden.
Sie können sowohl die erste als auch die zweite Staffel jetzt im Schnelldurchlauf ansehen.
Abonnieren Sie den Kanal Lucid Thoughts und stellen Sie sicher, dass Sie Ihre Fragen und Kommentare zu jedem Video hinterlassen.
Abschrift:
Geben Sie es zu, Sie hören in jedem Meeting von KI, richtig? Und was tun Sie? Sie setzen sich an Ihren Computer, googeln nach dem Thema und werden direkt zu mir geführt.
Ich bin Brynn. Und dies ist ein urteilsfreier Ort voller Informationen über künstliche Intelligenz.
KI ist die Anwendung von Mathematik, um Computern beizubringen, wie Menschen zu denken. Maschinelles Lernen, Deep Learning, lineare Regression und natürliche Sprachverarbeitung. Und bei all diesen Dingen geht es eigentlich nur darum, den Computern die gleichen Lektionen zu erteilen, die Sie als Kind gelernt haben.
Lassen Sie uns mit dem maschinellen Lernen beginnen.
Stellen Sie sich das maschinelle Lernen wie das klassische Kinderspiel vor: „Eines dieser Dinge ist nicht wie die anderen.“ So wie Sie als Kind die Regeln eines Spiels lernen, lernt auch der Computer die Regeln. Aber in der KI nennen wir diese Regeln Algorithmen. Sie bringen dem Computer bei, Muster in Daten zu erkennen, indem sie eine oder zwei Methoden anwenden: Überwachtes Lernen und unüberwachtes Lernen.
Wenn Sie die Methode des überwachten Lernens verwenden, wird Ihre Maschine mit Daten trainiert, die bereits von Menschen beschriftet wurden. Wenn dem System weitere Daten hinzugefügt werden, lernt der Computer, diese zu identifizieren und zu klassifizieren. Oh! Merken Sie sich das. Das kommt später noch, glauben Sie mir. Der Computer lernt, alle zukünftigen Daten zu klassifizieren.
Die lineare Regression ist eine Form des überwachten Lernens. Es ist wie damals in der Schule, als Sie ein neues Blatt Millimeterpapier bekamen und lernten, alle Punkte zu zeichnen. Sie haben gelernt, Projektionen zu erstellen. Und das ist es, was die lineare Regression den Computern beibringt, nämlich das Einzeichnen und Projizieren, damit wir die möglichen Ergebnisse vorhersagen können.
Dann gibt es noch das unüberwachte Lernen.
Indem Sie der Maschine unbeschriftete Daten geben, stellt sie Gleiches mit Gleichem dar und identifiziert Ähnlichkeiten. Ich meine, Sie brauchen dazu keine Trainingsdaten von Menschen. Profi-Tipp! Auch das Clustering kommt später wieder zum Einsatz.
Woher wissen Sie also, was Sie verwenden sollen? Ich meine, wann verwenden Sie überwachtes Lernen, wann verwenden Sie unüberwachtes Lernen? Nun, das ist so, wie wenn Sie einen Hammer oder einen Bulldozer verwenden. Es hängt von Ihrer Situation und Ihren Zielen ab.
Sind Sie noch bei mir? In Ordnung, gut.
Lassen Sie uns ein wenig tiefer eintauchen.
Deep Learning bringt Maschinen auf ein neues Niveau. Mit ein paar verrückten mathematischen Methoden sind wir jetzt in der Lage, ein künstliches neuronales Netzwerk zu erstellen, das im Grunde ein Modell des menschlichen Gehirns ist. Dann kann die Maschine Dinge tun wie Bilder, Gesichter und Geräusche erkennen.
Apropos Erkennung: Bei der Verarbeitung natürlicher Sprache lernen Computer, menschliche Sprachmuster zu erkennen. Ähnlich wie die Stunden, die Sie damit verbracht haben, Ihren Neffen dazu zu bringen, Ihren Namen zu sagen, helfen maschinelle und Deep Learning-Techniken den Geräten, die Sprache zu verstehen und zu erwidern.
Bestes Beispiel: „Siri, wann ist der nationale Pizzatag?“
Siri: „Heute ist nationaler Pizzatag.“
Mein Glückstag. Oh, warten Sie, Sie haben das alles nicht mitbekommen? Machen Sie sich keine Sorgen. Sie haben den Rest der Saison Zeit, sich mit jedem dieser Themen näher zu beschäftigen. Bis dahin. Bis später, Homeslice.