Überblick über hybride künstliche Intelligenz-Trainings-Ppt

Folie 1

Auf dieser Folie wird das Konzept der hybriden künstlichen Intelligenz vorgestellt. Hybride KI ist ein Durchbruch, der nicht-symbolische KI, wie maschinelles Lernen und Deep-Learning-Systeme, mit symbolischer KI oder in Maschinen eingebetteter menschlicher Intelligenz verbindet

Folie 2

Auf dieser Folie werden die beiden Bereiche der künstlichen Intelligenz beschrieben: symbolische KI und nicht-symbolische KI. Diese beiden Bereiche sind die Hauptpfeiler der Hybriden Künstlichen Intelligenz.

Hinweise des Dozenten:

• Symbolische KI: Symbolische KI versucht, Fakten und Ereignisse mithilfe logischer Regeln zu verbinden und diese Informationen durch semantische Anreicherung maschinenlesbar und abrufbar zu machen
• Nicht-symbolische KI: Diese Kategorie umfasst Modelle für maschinelles Lernen, Deep Learning und neuronale Netze, bei denen eine große Menge an Trainingsdaten verwendet wird, um statistische Schlussfolgerungen und Urteile zu ziehen. Dies gilt auch, wenn wir einen Text an die NLU-Komponente (Natural Language Understanding) senden, die ihn versteht und die richtige Antwort zurückgibt

Folie 3

Auf dieser Folie werden die Vor- und Nachteile der Verwendung hybrider KI-Modelle aufgeführt. Zu den Vorteilen zählen ein starkes und robustes Modell sowie die Flexibilität, die es bietet. Zu den Nachteilen gehören die Komplexität des Verständnisses, die schwierige Implementierung und der schulungsintensive Charakter.