Böylece makine öğrenimi, bir sistemin şimdiye kadar öğrendiklerine dayanarak gelecekteki durumu tahmin edebilmesi anlamında kendi kendine otomatik olmasını sağlar. Sorum şu: Makine öğrenimi teknikleri, bir sistemin etki alanı bilgisini geliştirmesinin tek yolu mudur?
Yanıtlar:
Bilgiyi geliştiren (öğrenen) bir sistemden (bir makine) bahsediyoruz, bu nedenle böyle bir tekniğin makine öğrenmesinin içine girmemesi biraz zor.
Ancak, yeni önermeler veya olasılıklar elde etmek için grafik tabanlı bir bilgi veritabanında çalışan çıkarım motorlarının makine öğrenmesinin bir parçası olmadığını iddia edebilirsiniz. Tabii ki bu durumda bilginin bir kısmı hiç kazanılmaz, geliştiriciler tarafından girilir.
Hala bunu okuyorum, ama benim izlenimim, bu bilgi veritabanları ve çıkarım motorlarının doksanlarda oldukça popüler hale geldiği ve bugün birçok AGI araştırmacısının hala bu yönde çalıştığı yönünde.
Bu, "makine öğrenme tekniklerini" ne kadar geniş tanımladığınıza bağlıdır. Bir tanım oluşturabilirsiniz, böylece tanım gereği tüm öğrenme bu değerlendirme tablosunun altına girer. OTOH, o kadar geniş bir makine öğrenimi tekniği dizisi var ki, bunu yapmanın bir şey kazanmayacağı.
Makine öğrenimi / yapay zeka içerisinde kullandığımız farklı öğrenme türleri hakkında konuşmak muhtemelen daha mantıklıdır. En azından şunlara sahipsiniz:
Ve sonra yukarıdakileri alt kategorilere ayırabilen "pekiştirici öğrenme" gibi şeyler. Bunların çoğu insanların genellikle “makine öğrenimi” dediği şeye düşüyor.
Bunun dışında, kural indüksiyon algoritmaları, dünya hakkında "öğrenmeyi" kendi yolları olan "öğrenmeyi" başarabilen endüktif mantık programlama gibi tümdengelimli mantık teknikleri, çıkarsama motorları, otomatik akıl yürütme vb. genellikle "makine öğrenimi" olarak adlandırılandan ayrıdır.
Ancak bu düşünceyle bile, haklı olarak orada gerçekten bir bölme çizgisi olup olmadığını sorabilir. Gerçekten de, gelecekteki yapay zeka sistemlerinin, "makine öğrenimi" veya "GOFAI" veya "diğer" olarak etiketlenip etiketlenmediğine bakılmaksızın birçok farklı tekniği birleştiren hibrit bir yaklaşım kullanabileceğini düşünmek için bir neden var gibi görünmektedir.