Локальный ИИ и глобальный ИИ

Технический ИИ и гуманитарный ИИ

Слабый ИИ и сильный ИИ

Узкий ИИ и общий ИИ

Слабый ИИ — это искусственный интеллект, специализированный на выполнении узких задач.

Слабый ИИ — это искусственный интеллект, способный к самосознанию.

Слабый ИИ — это универсальный искусственный интеллект, как человек.

Слабый ИИ — это искусственный интеллект, который может принимать решения без данных.

Алгоритмы для предсказания погоды

Системы для управления умным домом

Программы для обработки изображений

Голосовые помощники, системы рекомендаций, чат-боты, программы для распознавания лиц, алгоритмы для игры в шахматы.

Слабый ИИ выполняет задачи на уровне человеческого интеллекта.

Слабый ИИ способен к самообучению без ограничений.

Слабый ИИ работает в режиме полной автономии.

Слабый ИИ работает в режиме реального времени.

Сильный ИИ — это система, которая не может обучаться самостоятельно.

Сильный ИИ — это искусственный интеллект, обладающий способностью к общему пониманию и решению задач на уровне человека.

Сильный ИИ — это искусственный интеллект, который всегда принимает решения быстрее человека.

Сильный ИИ — это искусственный интеллект, который может выполнять только узкие задачи.

Сильный ИИ обладает общими интеллектуальными способностями, в то время как слабый ИИ ограничен конкретными задачами.

Сильный ИИ не может обучаться на новых данных.

Слабый ИИ может выполнять любые интеллектуальные задачи.

Сильный ИИ всегда превосходит человека в каждой задаче.

Машинное обучение - это способ создания физических машин.

Машинное обучение - это метод, который не использует данные.

Машинное обучение - это процесс, при котором компьютеры не могут обучаться.

Машинное обучение - это метод, позволяющий компьютерам обучаться на данных и делать предсказания.

Машинное обучение не имеет отношения к искусственному интеллекту.

Искусственный интеллект является подмножеством машинного обучения.

Машинное обучение является подмножеством искусственного интеллекта.

Машинное обучение и искусственный интеллект — это одно и то же.

Умение предсказывать будущее без анализа данных.

Способность игнорировать контекст и полагаться на случайные догадки.

Знание всех языков мира без необходимости обучения.

Способность анализировать контекст и обучаться на примерах.

Вычислительные системы обеспечивают мощность и инфраструктуру для обработки данных и обучения ИИ.

Вычислительные системы только хранят данные без обработки.

Вычислительные системы используются исключительно для хранения информации.

Вычислительные системы не имеют отношения к ИИ.

Способность ИИ анализировать, делать выводы и принимать оптимальные решения.

Отсутствие возможности анализа данных.

Способность ИИ выполнять только заранее заданные команды.

Способность ИИ имитировать человеческие эмоции.

Увеличение производительности и снижение затрат.

Снижение качества обслуживания клиентов.

Увеличение времени на выполнение задач.

Отсутствие необходимости в анализе данных.

Обучение с учителем, обучение без учителя и обучение с подкреплением.

Обучение только с учителем.

Обучение без использования данных.

Обучение только на текстовых данных.

Проблемы конфиденциальности, предвзятости и замены рабочих мест.

Отсутствие необходимости в регулировании.

Искусственный интеллект не имеет этических проблем.

Проблемы только в области программирования.

Обработка изображений, кодирование, сжатие данных

Классификация, прогнозирование, выявление тенденций, кластеризация, выявление аномалий

Моделирование физики, проектирование систем, черчение

Метод K-ближайших соседей

Алгоритм муравьиного колоний

Наивный байесовский алгоритм

Процесс классификации объектов в группы на основе схожих характеристик

Метод для выявления аномалий в данных

Способ прогнозирования временных рядов

Модель связи между компьютером и датчиками

Упрощенная модель биологического нейрона

Физическое устройство для хранения данных

Порог сигнала

Весовой коэффициент

Электрическое сопротивление

Сеть подбирает входные характеристики для новой задачи

Сеть принимает решение на основе классификации входных данных

Сеть создает новый нейрон для решения следующей задачи

По количеству входных данных и скорости работы

По количеству слоев, типу связей, алгоритму обучения, классу решаемых задач

По типу используемых процессоров