{"id":13642,"url":"\/distributions\/13642\/click?bit=1&hash=b1d04d123bef3157778955d4fff0f37b6ea4b9628be659b0252c803d9c42eced","title":"\u0412\u044b \u0441\u0430\u043c\u043e\u0437\u0430\u043d\u044f\u0442\u044b\u0439? \u0422\u0435\u043f\u0435\u0440\u044c \u043c\u043e\u0436\u0435\u0442\u0435 \u043f\u0440\u043e\u0434\u0430\u0432\u0430\u0442\u044c \u043d\u0430 \u00ab\u042f\u043d\u0434\u0435\u043a\u0441 \u041c\u0430\u0440\u043a\u0435\u0442\u0435\u00bb","buttonText":"\u041f\u043e\u0434\u0440\u043e\u0431\u043d\u0435\u0435","imageUuid":"7b44ef31-f829-53ec-90f8-add9595cf252","isPaidAndBannersEnabled":false}
Александр Крылов

Логика vs Нейросеть

В прошлых статьях мы немного рассказали про статистический подход к искусственному интеллекту на примере нейронных сетей, а также описали общие принципы работы логического искусственного интеллекта. В этом посте постараемся кратко, резюмируя, не вдаваясь в подробности, описать плюсы и минусы каждого из этих подходов.

Статистический подход (нейронные сети):

+ позволяет решать плохо сформулированные задачи, которые невозможно решить алгоритмическими или логическими методами;

+ позволяет моделировать такие особенности человеческого мышления, как «интуиция», «опыт», позволяет компьютеру в каком-то смысле «думать как человек»;

+ позволяет быстро проанализировать большие объемы хорошо структурированных данных;

+ для разработки не требуется глубокое погружение в предметную область, нужны лишь качественные наборы данных;

- для обучения нейросети нужно подготовить большой массив качественных, структурированных данных; если в исходных данных будут ошибки, то нейросеть их «выучит» и будет повторять;

- нейросеть в принципе не компетентна за пределами того, что она «зазубрила», если ей дать задачу за пределами её "компетенции", то она с большой вероятностью выдаст полную ерунду;

- даже в самом лучшем случае нейронная сеть не может дать ничего лучше, чем ответ «правильный на 99%»;

- нейронная сеть может угадать ответ, но не решить задачу.

Логический подход:

+ позволяет именно решить задачу, а не угадать ответ;

+ не требует специального обучения и специально подготовленного набора данных;

+ позволяет решать даже совершенно новые задачи, не встречавшиеся в истории;

+ может продемонстрировать всю логическую цепочку, а не только ответ;

+ если ответ получен, то он в рамках исходных посылок 100% правильный;

- не подходит для решения некорректно сформулированных с логической точки зрения задач;

- иногда даже самые мощные компьютеры не могут просчитать все возможные варианты, возникающие в процессе анализа;

- разработка таких систем – чрезвычайно сложный и наукоемкий процесс, требующий глубокого погружения в предметную область.

Надеемся, наша заметка поможет сформировать начальные представления о различии в типах искусственного интеллекта и даст ориентиры при чтении очередных новостей о «гигантском прорыве в области искусственного интеллекта».

Полная версия + таблица для наглядности тут.

0
Комментарии
Читать все 0 комментариев
null