Asociativní paměť vyhledává uložené informace podle obsahu, nikoli podle adresy: k vybavení odpovídajícího celku stačí částečný nebo zašuměný podnět – podobně jako první takty vybaví celou píseň. Klasickým příkladem ve výzkumu AI jsou Hopfieldovy sítě. Princip se objevuje i v hardwaru (obsahově adresovatelná paměť) a v analýzách mechanismu pozornosti v moderních jazykových modelech.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoUmělé neuronové sítě (ANN) jsou výpočetní modely složené z mnoha propojených jednotek („neuronů“) uspořádaných do vrstev, které zpracovávají vstupy prostřednictvím vážených spojení. Při trénování se váhy krok za krokem upravují na příkladech, obvykle zpětným šířením chyby (backpropagation). ANN jsou základem hlubokého učení a pohánějí rozpoznávání obrazu, rozpoznávání řeči a velké jazykové modely. Navzdory biologické inspiraci fungují mnohem jednodušeji než lidský mozek.
Rozpoznávání vzorů je automatické určování pravidelností, struktur nebo opakujících se rysů v datech, jako jsou obrázky, zvuky, texty nebo naměřené hodnoty. Systémy přiřazují nová pozorování ke známým kategoriím nebo objevují skupiny bez předem daných štítků. Mezi využití patří rozpoznávání obličejů, rozpoznávání rukopisu, kontrola kvality ve výrobě a odhalování neobvyklých transakcí. Tento obor je důležitým základem strojového učení.
Cognitive computing je zastřešující pojem pro systémy, které mají napodobovat lidské myšlenkové procesy, jako je porozumění jazyku, usuzování a učení ze zkušeností, aby podporovaly rozhodování lidí. Pojem se široce rozšířil v 10. letech 21. století, především díky IBM Watson. Kombinuje metody, jako je zpracování přirozeného jazyka, strojové učení a reprezentace znalostí; dnes se místo toho častěji mluví o asistentech AI nebo jazykových modelech.
