Az asszociatív memória a tárolt információt nem cím, hanem tartalom alapján keresi elő: egy részleges vagy zajos jel is elég a hozzá tartozó egész felidézéséhez – hasonlóan ahhoz, ahogyan az első ütemek eszünkbe juttatják az egész dalt. A Hopfield-hálózatok klasszikus példát jelentenek erre az MI-kutatásban. Az elv a hardverben (tartalommal címezhető memória) és a modern nyelvi modellek figyelemmechanizmusának elemzéseiben is megjelenik.
Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.
Demó indításaA mesterséges neurális hálók (ANN-ek) számítási modellek, amelyek sok összekapcsolt egységből („neuronból”) állnak, rétegekbe rendezve, és súlyozott kapcsolatokon keresztül dolgozzák fel a bemeneteket. A tanítás során a súlyokat lépésről lépésre, példák alapján módosítják, általában visszaterjesztéssel (backpropagation). Az ANN-ek a mélytanulás alapját képezik, és a képfelismerés, a beszédfelismerés és a nagy nyelvi modellek mögött állnak. Biológiai ihletésük ellenére sokkal egyszerűbben működnek, mint az emberi agy.
A mintafelismerés a szabályszerűségek, struktúrák vagy visszatérő jellemzők automatikus azonosítása olyan adatokban, mint a képek, hangok, szövegek vagy mérések. A rendszerek az új megfigyeléseket ismert kategóriákba sorolják, vagy előre megadott címkék nélkül fedeznek fel csoportokat. Alkalmazási területei például az arcfelismerés, a kézírás-felismerés, a gyártás minőségellenőrzése és a szokatlan tranzakciók felderítése. A tudományterület a gépi tanulás fontos alapja.
A kognitív számítástechnika olyan rendszerek gyűjtőfogalma, amelyek az emberi gondolkodási folyamatokat – például a nyelv megértését, az érvelést és a tapasztalatból való tanulást – utánozzák, hogy támogassák az emberek döntéseit. A kifejezés a 2010-es években vált széles körben ismertté, főként az IBM Watson révén. Olyan módszereket egyesít, mint a természetesnyelv-feldolgozás, a gépi tanulás és a tudásreprezentáció; ma inkább MI-asszisztensekről vagy nyelvi modellekről beszélnek.
