Galería de mapas mentales Conocimiento de inteligencia artificial AI
El conocimiento de la inteligencia artificial de la IA implica conocimientos de informática, matemáticas, estadística, filosofía, psicología y otras disciplinas, y generalmente se clasifica en la disciplina de informática.
Editado a las 2024-11-04 14:03:22,これは稲盛和夫に関するマインドマップです。私のこれまでの人生のすべての経験は、ビジネスの明確な目的と意味、強い意志、売上の最大化、業務の最小化、そして運営は強い意志に依存することを主な内容としています。
かんばんボードのデザインはシンプルかつ明確で、計画が一目で明確になります。毎日の進捗状況を簡単に記録し、月末に要約を作成して成長と成果を確認することができます。 実用性が高い:読書、早起き、運動など、さまざまなプランをカバーします。 操作簡単:シンプルなデザイン、便利な記録、いつでも進捗状況を確認できます。 明確な概要: 毎月の概要により、成長を明確に確認できます。 小さい まとめ、今月の振り返り掲示板、今月の習慣掲示板、今月のまとめ掲示板。
2025 年度計画テンプレートは、1 年間の開発を包括的に計画するためのツールであり、今後の方向性を示すことができます。このテンプレートでは、夢の実現に向けた取り組みに役立つ、年間目標の設定、四半期目標の内訳、月次計画の策定について詳しく説明しています。
これは稲盛和夫に関するマインドマップです。私のこれまでの人生のすべての経験は、ビジネスの明確な目的と意味、強い意志、売上の最大化、業務の最小化、そして運営は強い意志に依存することを主な内容としています。
かんばんボードのデザインはシンプルかつ明確で、計画が一目で明確になります。毎日の進捗状況を簡単に記録し、月末に要約を作成して成長と成果を確認することができます。 実用性が高い:読書、早起き、運動など、さまざまなプランをカバーします。 操作簡単:シンプルなデザイン、便利な記録、いつでも進捗状況を確認できます。 明確な概要: 毎月の概要により、成長を明確に確認できます。 小さい まとめ、今月の振り返り掲示板、今月の習慣掲示板、今月のまとめ掲示板。
2025 年度計画テンプレートは、1 年間の開発を包括的に計画するためのツールであり、今後の方向性を示すことができます。このテンプレートでは、夢の実現に向けた取り組みに役立つ、年間目標の設定、四半期目標の内訳、月次計画の策定について詳しく説明しています。
Conocimiento de inteligencia artificial AI
definición
Inteligencia artificial (artificial, inteligencia artificial), conocida como IA.
Una ciencia integral que estudia y desarrolla teorías, métodos, tecnologías y sistemas de aplicación para simular, ampliar y expandir el comportamiento inteligente humano.
Los conocimientos relacionados con la informática, las matemáticas, la estadística, la filosofía, la psicología y otras disciplinas se clasifican generalmente en la disciplina informática.
Dimensiones de la inteligencia
Habilidades cognitivas: comprensión, aprendizaje, razonamiento, memoria, etc.
Adaptabilidad: resolución de problemas, afrontamiento de cambios ambientales, etc.
Autonomía: Completar tareas de forma independiente, tomar decisiones de forma independiente, etc.
elementos centrales
Potencia informática
GPU, ASIC (TPU, NPU), FPGA, etc.
algoritmo
Aprendizaje automático, aprendizaje profundo, aprendizaje por refuerzo, aprendizaje por transferencia, etc.
datos
Datos estructurados, datos no estructurados, etc.
Recopilación de datos, limpieza de datos, estándares de datos, almacenamiento de datos, etc.
escuela
Tres grandes escuelas de pensamiento
escuela de simbolismo
escuela conexionista
escuela de conductismo
Otras escuelas de pensamiento
escuela evolutiva
bayesianismo
escuela de analogía
Principales métodos de investigación.
enfoque basado en el conocimiento
Sistema experto, gráfico de conocimiento.
enfoque basado en el aprendizaje
Aprendizaje automático, aprendizaje profundo
enfoque biónico
Conductismo, Computación Evolutiva
Clasificados por nivel de inteligencia
IA débil
Solo se especializa en una sola tarea o un grupo de tareas relacionadas y no tiene capacidades de inteligencia general.
IA fuerte
Tener ciertas capacidades de inteligencia general y ser capaz de comprenderlas, aprenderlas y aplicarlas a una variedad de tareas.
Súper inteligencia artificial (Súper IA)
Supera la inteligencia humana en casi todos los aspectos, incluida la creatividad, las habilidades sociales, etc.
Etapa de desarrollo
etapa de ciernes
Década de 1940 a 1956 Prueba de Turing
periodo de nacimiento
Conferencia de Dartmouth 1956
primera ola
Simbolismo 1956-1973
segunda ola
Simbolismo (Sistemas Expertos) 1980-1990
tercera ola
1994-presente aprendizaje automático, aprendizaje profundo
aprendizaje automático
Aprendizaje supervisado
Los algoritmos aprenden de conjuntos de datos etiquetados, es decir, cada muestra de entrenamiento tiene un resultado conocido.
Aprendizaje no supervisado
Los algoritmos aprenden de conjuntos de datos sin etiquetar
Aprendizaje semisupervisado
Combina una pequeña cantidad de datos etiquetados y una gran cantidad de datos sin etiquetar para entrenamiento
Aprendizaje por refuerzo
Aprenda mediante prueba y error qué comportamientos se recompensan y qué comportamientos resultan en un castigo.
red neuronal
Red neuronal convolucional (CNN)
Red neuronal recurrente (RNN)
Red Adversaria Generativa (GAN)
Memoria larga a corto plazo (LSTM)
Transformador
aprendizaje profundo
definición
Aprendizaje profundo, específicamente aprendizaje profundo de redes neuronales.
Es una rama importante del aprendizaje automático.
Los algoritmos de aprendizaje profundo utilizan más "capas ocultas" (cientos), lo que los hace más potentes y permite que las redes neuronales realicen trabajos más difíciles.
marco
TensorFlow (Google)
Café (BVLC)
Keras(fchollet)
CNTK (Microsoft)
Antorcha7 (Meta)
PaddlePaddle (Baidu)
MenteSpore (Huawei)
modelo grande
definición
Modelos de aprendizaje automático con grandes escalas de parámetros y estructuras informáticas complejas.
La estructura central básica de la mayoría de los modelos grandes es Transformer y sus variantes.
El modelo grande que se menciona a menudo en la actualidad es principalmente el modelo de lenguaje grande (Large Language Model).
proceso
pre-entrenamiento
El proceso de entrenamiento de modelos de lenguaje utilizando grandes cantidades de datos sin etiquetar.
Le da al modelo un cierto grado de versatilidad y la capacidad de adaptarse a una variedad de diferentes tareas posteriores.
sintonia FINA
Sobre la base del entrenamiento previo, utilice datos anotados (es decir, datos para tareas específicas) para entrenar aún más el modelo y adaptarlo a aplicaciones o tareas específicas.
Clasificación
Por uso
Modelo grande general
modelo de industria
por características
modelo de lenguaje grande
Entrenar con datos de texto
modelo visual
Entrenar con datos de imagen
Modelo grande multimodal
Tanto texto como imágenes.
por función
Analítico (toma de decisiones)
Generativo
Presione para cambiar de fuente
Modelo grande de código abierto
Modelo grande de código cerrado
modelo de negocio
Modelo de suscripción
modelo de servicio API
Modelo de servicio de plataforma
Modelo de servicio personalizado
Modelos de publicidad y promoción.
Modelo de autorización de datos
AIGC (Contenido Generado por Inteligencia Artificial)
definición
Utilice tecnología de inteligencia artificial para crear o generar contenido automáticamente
El contenido generado puede incluir texto, código, imágenes, música, videos y más.
categoría
generar texto
Serie GPT, Wen Xin Yi Yan, Tong Yi Qian Wen, Pangu, Claude 3, Diffusion-LM, Chinchilla, etc.
Cuadro vicenciano
DALL·E 2, Difusión estable, Midjourney, Pixeling Qianxiang, DreamGaussian, pintura Baidu AI, Tongyi Wanxiang, etc.
Vicente Audio
MusicLM, ElevenLabs, Wondershare Filmora, Reecho, SkyMusic, Qinle Model, FunAudioLLM, MusicGen, etc.
Vídeo de Vicente
Sora, Difusión de vídeo estable, Vidu, etc.
Habilidades principales
Visión por computadora (CV)
Reconocimiento de imágenes, reconocimiento visual, reconocimiento facial, reconocimiento de vídeo, reconocimiento de texto, reconocimiento de la marcha...
reconocimiento de voz
Reconocimiento de voz, reconocimiento de huellas de voz, síntesis de voz, interacción de voz...
procesamiento del lenguaje natural
Comprensión de información, revisión de textos, traducción automática, generación de lenguaje natural...
inteligencia encarnada
Robots de servicio a domicilio, robots de atención médica, robots de servicio hotelero, robots industriales...
Áreas de aplicación
Fabricación industrial
Producción automatizada, inspección de calidad inteligente, operación y mantenimiento de equipos, gestión de la cadena de suministro...
salud medica
Análisis de imágenes médicas, secuenciación de genes, predicción de enfermedades, investigación y desarrollo de fármacos, tratamiento personalizado...
valores financieros
Gestión de riesgos, evaluación crediticia, seguimiento de fraude, trading cuantitativo, previsión de mercado...
Educación y formación
Rutas de aprendizaje personalizadas, tutorías inteligentes, recomendaciones de cursos…
Transporte y Logística
Conducción autónoma, optimización de rutas, análisis de tráfico, planes de emergencia…
medios de noticias
Recogida y redacción de manuscritos, creación de materiales, pulido de textos...
Juegos y entretenimiento
Diseño de personajes, generación de elementos, diseño de trama, producción de efectos especiales...
papel y valor
Desde una perspectiva empresarial
La IA puede automatizar tareas repetitivas y tediosas, mejorar la eficiencia y la calidad de la producción y reducir los costos laborales.
La IA no solo puede mejorar la eficiencia de la gobernanza, sino también generar nuevos modelos de negocio, productos y servicios, estimulando la economía.
Desde la perspectiva del gobierno
La IA no solo puede mejorar la eficiencia de la gobernanza, sino también generar nuevos modelos de negocio, productos y servicios, estimulando la economía.
Desde una perspectiva personal
La IA puede ayudarnos a completar algunas tareas y mejorar nuestra calidad de vida
Desde la perspectiva de toda la humanidad.
La IA también puede desempeñar un papel importante en el tratamiento de enfermedades, la predicción de desastres, la predicción del clima y la erradicación de la pobreza.
dificultades y desafíos
empleo
Puede amenazar un gran número de empleos humanos y provocar un desempleo masivo
delito
La IA se utiliza para hacer la guerra y engañar (imitar voces o cambiar caras para cometer fraude)
privacidad
Vulneración de los derechos de los ciudadanos (recopilación excesiva de información, invasión de la privacidad)
justo
Si solo unas pocas empresas cuentan con tecnología de inteligencia artificial avanzada, esto podría exacerbar las desigualdades sociales.
El sesgo del algoritmo de IA también puede generar injusticia
confiar
A medida que la IA se vuelva cada vez más poderosa, también hará que las personas dependan de ella y pierdan su capacidad de pensar de forma independiente y resolver problemas.
confianza
La poderosa creatividad de la IA puede hacer que los humanos pierdan la motivación y la confianza para crear.
Seguridad
En torno al desarrollo de la IA, también existen una serie de cuestiones como la seguridad (fuga de datos, caída del sistema), la ética moral, etc.