1, 학습 분야 강화
강화 학습 (Reinforcement learning) 은 실험과 오류를 통해 학습하는 방법으로, 인간이 새로운 기술을 배우는 과정에서 영감을 받았다. 집중 학습의 전형적인 경우 실험자에게 현재 상태를 관찰하여 피드백 결과를 극대화하기 위한 조치를 취할 것을 요청합니다. 한 동작씩 수행할 때마다 실험자는 환경으로부터 피드백을 받기 때문에 이 동작이 긍정적인 효과를 가져올지 부정적인 효과를 가져올지 판단할 수 있다.
2. 모델 도메인 생성
대량의 샘플 수집을 통해 인공지능으로 생성된 모형은 매우 유사성이 있다. 즉, 훈련 데이터가 얼굴의 이미지라면 훈련 후 얻은 모델도 얼굴과 비슷한 합성도이다.
인공지능 최고 전문가인 이안 구드펠러 (Ian Goodfellow) 는 입력 데이터를 새로운 내용으로 합성하는 생성기라는 두 가지 새로운 아이디어를 제시했습니다. 다른 하나는 생성기가 생성한 내용이 사실인지 거짓인지를 판단하는 인증기입니다. 이런 식으로 생성기는 인증자가 생성기 내용의 진위를 구분할 수 없을 때까지 합성된 내용을 반복해서 배워야 합니다.
3. 스토리지 네트워크 영역
인공지능 시스템이 인간처럼 다양한 환경에 적응하려면 끊임없이 새로운 기술을 익히고 응용하는 법을 배워야 한다. 전통적인 신경망은 이러한 요구 사항을 충족하기가 어렵습니다. 예를 들어, 작업 a 에 대한 교육을 마친 후 작업 b 를 해결하기 위해 신경망을 교육하면 네트워크 모델이 더 이상 작업 a 에 적용되지 않습니다 .....
현재 모델을 다양한 수준의 메모리 능력으로 만들 수 있는 네트워크 구조가 있습니다. 장기 및 단기 메모리 네트워크는 시계열을 처리하고 예측할 수 있습니다. 독립 모델 간의 수평 관계를 배우고 동일한 기능을 추출하여 새로운 작업을 수행하는 점진적 신경망.
4. 데이터 학습 분야
오랫동안 심도 있는 학습의 모델은 우리가 대량의 훈련 데이터가 있어야만 최상의 결과를 얻을 수 있다는 것이다. 대규모 교육 데이터가 없으면 심도 있는 학습 모델이 최상의 결과를 얻지 못할 것이다. 예를 들어, 인공 지능 시스템을 사용하여 데이터 부족 작업을 해결할 때 다양한 문제가 발생합니다. 마이그레이션 학습이라고 하는 한 가지 방법은 훈련된 모델을 새로운 작업으로 옮기는 것입니다. 그러면 문제가 쉽게 해결될 수 있습니다.
5. 시뮬레이션 환경 분야
인공지능 시스템을 실생활에 응용하려면 인공지능은 반드시 적용성의 특징을 가져야 한다. (윌리엄 셰익스피어, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능) 따라서 실제 물리적 세계와 행동을 시뮬레이션하기 위한 디지털 환경을 개발하면 인공 지능을 테스트할 수 있는 기회를 얻게 됩니다. 이러한 시뮬레이션 환경에서 교육을 실시하면 인공 지능 시스템의 학습 원리와 시스템 개선 방법을 이해하는 데 도움이 되며 실제 환경에 적용할 수 있는 모델도 제공됩니다.
6, 의료 기술 분야
현재 수직 분야의 이미지 알고리즘과 자연어 처리 기술은 기본적으로 의료업계의 요구를 충족시킬 수 있으며, 시장에도 지능형 의료 영상 기술을 제공하는 상덕운행, 인공지능 세포 인식 의료 진단 시스템을 개발하는 지위신지사, 지능형 보조 진단 서비스 플랫폼을 제공하는 약수의료, 통계, 의료 데이터 처리 등 많은 기술 서비스 공급업체들이 등장하고 있다. 지능의료는 보조진료, 질병예측, 의학영상보조진단, 약물연구개발 등에서 중요한 역할을 하고 있지만. , 의료 영상 데이터와 전자의료 기록이 병원 간에 유통되지 않아 기업과 병원 간의 협력이 불투명해 기술 개발과 데이터 공급 사이에 갈등이 생기고 있다.
7. 교육 분야
과대뉴스, 초설교육 등 기업들은 이미 인공지능의 교육 분야 응용을 탐구하기 시작했다. 이미지 인식을 통해 시험지 수정, 제목 인식, 기계 답안 등을 할 수 있다. 음성 인식을 통해 발음을 수정하고 개선 할 수 있습니다. 인간-컴퓨터 상호 작용은 온라인으로 대답 할 수 있습니다. AI 와 교육의 결합은 교육 업계의 교사 분포 불균형과 비용이 많이 드는 문제를 어느 정도 개선할 수 있으며, 도구 수준에서 교사와 학생에게 보다 효율적인 학습 방식을 제공할 수 있지만 교육 내용에 더 큰 영향을 미칠 수는 없습니다.
8, 물류 관리 분야
물류업계는 스마트 검색, 추리계획, 컴퓨터 비전, 스마트 로봇 등의 기술을 활용해 운송, 창고 보관, 배송, 하역 등의 프로세스를 자동화해 무인 운영을 가능하게 했다. 예를 들어, 대형 데이터 계획 상품의 지능형 배송을 이용하여 물류 공급, 수요 일치 및 물류 자원 구성을 최적화합니다. 현재 물류업계의 대부분의 인력은' 마지막 킬로미터' 유통과정에 분포되어 있으며, JD.COM, 쑤닝, 신참들은 앞다퉈 무인차, 드론 개발에 앞다퉈 시장을 선점하고 있다.