Продолжаем медитировать над схемами и диаграммами, которые я насобирал в интернетах. Сегодня у нас схема № 5, где перечислены и кратко охарактеризованы наиболее интересные тренды в области Искусственного Интеллекта, которые были в 2018 году (ну и всё ещё продолжаются сейчас). Смотрите:
Давайте я просто переведу то, что написано на диаграмме:
1. Теория глубокого обучения. Принцип информационного бутылочного горлышка объясняет то, как обучаются глубокие нейронные сети.
2. Капсульные сети. Новый тип нейронных сетей глубокого обучения, которые учатся на меньшем объёме данных с меньшим числом ошибок, при этом сохраняют ключевые иерархические отношения.
3. Глубокое обучение с подкреплением. Эта техника комбинирует обучение с подкреплением и глубокие нейронные сети для того, чтобы ИИ-система обучалась в своём взаимодействии со средой.
4. Генеративно-состязательные нейронные сети. Тип глубокого обучения без учителя, реализованный в виде двух соревнующихся нейронных сетей, что позволяет осуществлять машинное обучение с небольшим участием человека.
5. Бережливое и дополненное изучение данных. Различные техники, которые позволяют модели машинного обучения получать знания из меньшего объёма данных или из синтезированных данных.
6. Вероятностное программирование. Языки программирования высокого уровня, которые позволяют разработчикам легко определять вероятностные модели.
7. Гибридные модели обучения. Подход, который комбинирует различные типы глубоких нейронных сетей с вероятностными моделями для моделирования неопределённости.
8. Автоматическое машинное обучение. Техника для автоматизации стандартного процесса машинного обучения.
9. Цифровой двойник. Виртуальная модель, используемая для осуществления детального анализа и мониторинга физических или физиологических систем.
10. Объяснимый Искусственный Интеллект. Техники машинного обучения, которые создают более объяснимые модели, но вместе с тем оставляют высокую производительность.
Предыдущие схемы для ИИ-медитации:
1) ИИ и сферы жизни
2) Технологии Индустрии 4.0 для промышленности
3) Роли сотрудников в датасаенс
4) Машинное обучение