Asociatívna pamäť vyhľadáva uložené informácie podľa obsahu, nie podľa adresy: na vybavenie zodpovedajúceho celku stačí čiastočný alebo zašumený podnet – podobne ako úvodné takty pripomenú celú pieseň. Klasickým príkladom vo výskume AI sú Hopfieldove siete. Tento princíp sa objavuje aj v hardvéri (obsahovo adresovateľná pamäť) a v analýzach mechanizmu pozornosti v moderných jazykových modeloch.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoUmelé neurónové siete (ANN, artificial neural networks) sú výpočtové modely zložené z mnohých prepojených jednotiek („neurónov“) usporiadaných do vrstiev, ktoré spracúvajú vstupy cez vážené spojenia. Počas trénovania sa váhy krok za krokom upravujú pomocou príkladov, zvyčajne spätným šírením chyby (backpropagation). ANN sú základom hlbokého učenia a poháňajú rozpoznávanie obrazu, rozpoznávanie reči a veľké jazykové modely. Napriek biologickej inšpirácii fungujú oveľa jednoduchšie než ľudský mozog.
Rozpoznávanie vzorov je automatická identifikácia pravidelností, štruktúr alebo opakujúcich sa znakov v dátach, ako sú obrázky, zvuky, texty alebo namerané hodnoty. Systémy priraďujú nové pozorovania k známym kategóriám alebo objavujú skupiny bez vopred daných označení. Medzi použitia patrí rozpoznávanie tvárí, rozpoznávanie rukopisu, kontrola kvality vo výrobe a odhaľovanie nezvyčajných transakcií. Disciplína je dôležitým základom strojového učenia.
Kognitívne počítanie (cognitive computing) je zastrešujúci pojem pre systémy, ktoré majú napodobňovať ľudské myšlienkové procesy, ako je porozumenie jazyku, usudzovanie a učenie sa zo skúseností, s cieľom podporovať rozhodovanie ľudí. Pojem sa široko rozšíril v 2010-tych rokoch, najmä vďaka IBM Watson. Spája metódy, ako sú spracovanie prirodzeného jazyka, strojové učenie a reprezentácia znalostí; dnes sa častejšie hovorí o asistentoch AI alebo jazykových modeloch.
