O memorie asociativă regăsește informațiile stocate după conținut, nu după o adresă: un indiciu parțial sau perturbat este suficient pentru a reconstitui întregul corespunzător – la fel cum primele măsuri ale unei melodii aduc în minte întreaga piesă. Rețelele Hopfield sunt un exemplu clasic în cercetarea IA. Principiul apare și în hardware (memorie adresabilă prin conținut) și în analizele mecanismului de atenție din modelele lingvistice moderne.
Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.
Porniți demo-ulRețelele neuronale artificiale (RNA) sunt modele de calcul formate din multe unități conectate („neuroni”), aranjate în straturi, care prelucrează intrările prin conexiuni ponderate. În timpul antrenării, ponderile sunt ajustate pas cu pas pe baza unor exemple, de obicei prin retropropagare. RNA stau la baza deep learning și alimentează recunoașterea imaginilor, recunoașterea vorbirii și modelele lingvistice de mari dimensiuni. În ciuda inspirației biologice, funcționează mult mai simplu decât creierul uman.
Recunoașterea tiparelor este identificarea automată a regularităților, structurilor sau caracteristicilor recurente în date precum imagini, sunete, texte sau măsurători. Sistemele atribuie observații noi unor categorii cunoscute sau descoperă grupuri fără etichete predefinite. Aplicațiile includ recunoașterea facială, recunoașterea scrisului de mână, controlul calității în producție și depistarea tranzacțiilor neobișnuite. Disciplina este o bază importantă a învățării automate.
Cognitive computing este un termen umbrelă pentru sistemele menite să imite procese de gândire umane, precum înțelegerea limbajului, raționamentul și învățarea din experiență, pentru a sprijini deciziile oamenilor. Termenul a devenit cunoscut în anii 2010, mai ales prin IBM Watson. Combină metode precum procesarea limbajului natural, machine learning și reprezentarea cunoștințelor; astăzi se vorbește mai des despre asistenți IA sau modele lingvistice.
