Асоциативната памет извлича съхранена информация по съдържанието ѝ, а не по адрес: частичен или зашумен сигнал е достатъчен, за да се извика съответстващото цяло – подобно на това как първите тактове връщат в съзнанието цяла песен. Мрежите на Хопфийлд са класически пример в изследванията на ИИ. Принципът се среща и в хардуера (памет, адресируема по съдържание) и в анализите на механизма за внимание в съвременните езикови модели.
Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.
Стартирайте демотоИзкуствените невронни мрежи (artificial neural networks, ANN) са изчислителни модели, съставени от много свързани единици („неврони“), разположени на слоеве, които обработват входните данни чрез претеглени връзки. По време на обучението теглата се коригират стъпка по стъпка с помощта на примери, обикновено чрез обратно разпространение на грешката. ANN са основата на дълбокото обучение и задвижват разпознаването на образи, разпознаването на реч и големите езикови модели. Въпреки биологичното вдъхновение те работят много по-просто от човешкия мозък.
Разпознаването на образи е автоматично откриване на закономерности, структури или повтарящи се характеристики в данни като изображения, звуци, текстове или измервания. Системите отнасят новите наблюдения към известни категории или откриват групи без предварително зададени етикети. Приложенията включват лицево разпознаване, разпознаване на ръкопис, контрол на качеството в производството и откриване на необичайни транзакции. Дисциплината е важна основа на машинното обучение.
Когнитивните изчисления (cognitive computing) са събирателно понятие за системи, които имитират човешки мисловни процеси като разбиране на език, разсъждение и учене от опит, за да подпомагат решенията на хората. Терминът става широко известен през 2010-те години, главно чрез IBM Watson. Той съчетава методи като обработка на естествен език, машинно обучение и представяне на знания; днес по-често се говори за ИИ асистенти или езикови модели.
