Neyro kompyuterlar haqida

NEYROKOMPYUTERLARNI SUN'IY INTELLEKTDA O`RNI.
Statistik naqshni aniqlash usullari sun'iy intellekt sohasida keng qo'llanilgan. Ushbu usullarning kompyuterni ko'rish sohasidagi muvaffaqiyatli qo'llanilishi vizual tasvirlardan past darajadagi vizual ma'lumotni olish, qirralarni aniqlash, soyali ma'lumotlardan shakl ma'lumotlarini olish, ob'ektni segmentatsiyalash va ob'ektni etiketlashdan iborat (masalan, Chellapa va Jain 1993, Duda va Xart. 1973). Yashirin Markov modellari kabi statistik naqshni aniqlash usullari nutqni aniqlash algoritmlari va tabiiy tilni tushunishda muhim rol o'ynaydi (Charniak 1993). Yo'naltirilgan asiklik grafiklarda aniqlangan Baves tarmoqlari va yaqindan bog'liq bo'lgan Markov tasodifiy maydon usullari induktiv xulosa chiqarish muammolariga qo'llaniladi (Chellapa va Jain 1993, Golden 1996, Jordan 1999). Robotlarni boshqarish va neyrohisoblash sohalarida umumiy stokastik dinamik tizimni boshqarish muammosi (Qarang: Optimal boshqaruv nazariyasi) tabiiy ravishda statistik naqshni aniqlash doirasida ko'rib chiqiladi, bu erda boshqaruv signali naqshni aniqlash mashinasining "harakatiga" mos keladi (Golden 1996).
Xulq-atvorni modellashtirish:
Inson xulq-atvori nazariyalarini ishlab chiqish va takomillashtirishga urinib, ba'zi psixologlar statistik naqshni aniqlash mashinalari sinfining xatti-harakatlarini "aloqachi" algoritmlar deb nomlanuvchi odamlarning xatti-harakati bilan solishtirdilar (qarang: Golden 1996 va Ellis and Humphreys 1999, ba'zi kirish sharhlari uchun). Shuningdek qarang: Kontseptsiyani o‘rganishning konnektsionistik modellari; Rivojlanishning konnektsionistik modellari; Tilni qayta ishlashning konnektsionistik modellari). Garchi bunday algoritmlar odatda statistik naqshni aniqlash kontekstida taqdim etilmasa ham, ular odatda statistik naqshni aniqlash mashinalari sifatida talqin qilinishi mumkin (Golden 1996).
Ma'lumotlarni tahlil qilish:
Ijtimoiy va xulq-atvor fanlarida katta ma'lumotlar to'plamlarida murakkab tuzilmaviy qonuniyatlarni kashf qilishning tobora takomillashtirilgan usullari talab qilinadi. Faktor tahlili, asosiy komponentlar tahlili, klasterlash tahlili va ko'p o'lchovli masshtablash usullari kabi ko'plab klassik statistik naqshlarni aniqlash usullari muvaffaqiyatli qo'llanilgan (qarang: Psixologiyada ko'p o'lchovli o'lchov; Ko'p o'lchovli tahlil: Umumiy ko'rinish). Sun'iy neyron tarmoqlar (qarang: Sun'iy neyron tarmoqlari: Neyrohisoblash; Connectionistik yondashuvlar) va grafik statistik modellar kabi murakkabroq statistik naqshni aniqlash usullari ijtimoiy va xulq-atvor olimlari tomonidan to'plangan ma'lumotlarning tarkibiy qonuniyatlarini aniqlash uchun tobora muhimroq vositalarning asosini tashkil qiladi. "Ming yillik" o'n yillikda katta ma'lumotlar tushunchalarining paydo bo'lishi va ma'lumotlar fanidan jamiyatga keladigan potentsial foydalar (Larson va Chang, 2016) kabi bir qancha texnologik yutuqlar guvohi bo'ldi, ularni o'z vaqtida kutubxonadagi kataloglardan kuzatish mumkin (Candela va boshqalar). al., 2007). Shunday qilib, kapital va mehnat bilan bir qatorda ma'lumotlar jamiyatda farovonlikni yaratish uchun muhim manba sifatida paydo bo'ldi.
Kellining (2014) so'zlariga ko'ra, ma'lumotlarni qayta ishlash jarayonlarni korporativ dasturiy ilovalarni (ERP) qo'llab-quvvatlash tizimlaridan ma'lumotlar omboriga chiqarish, o'zgartirish va yuklashning an'anaviy usullaridan boshlangan bo'lsa-da, bu usullarni kengaytirib bo'lmadi, ayniqsa ma'lumotlarning katta o'sishini hisobga olgan holda. hajmi. Shunday qilib, katta ma'lumotlar rivojlandi, chunki firmalar raqobatdosh ustunlikka erishish uchun ma'lumotlar tahliliga sarmoya kiritish mahsulotlar, jarayonlar va texnologiyalar bilan bir xil darajada muhimligini angladilar (Vohra va boshq., 2012).
Evolyutsiyaga bo'lgan bu ehtiyoj tuzilmagan ma'lumotlarning paydo bo'lishi bilan bog'liq bo'lib, ularni an'anaviy vositalar yordamida to'g'ridan-to'g'ri qayta ishlash mumkin emas edi. Amaliyotchilar orasida asosiy tadqiqotga kirgan Tabiiy tilni qayta ishlash (NLP) va Mashinani o'rganish (ML) kabi maxsus ma'lumotlarni qayta ishlash va ma'lumotlarni qayta ishlash texnikasi kerak edi. Shunday qilib, bugungi kunda ma'lumotlarni qayta ishlash qaror qabul qiluvchilar uchun, xususan, fond bozori kabi ba'zi muhim sohalarda muhim ahamiyatga ega bo'lib qoldi, bu erda yangiliklardan olingan his-tuyg'ularni tahlil qilish daromad va fond daromadlarini bashorat qilishda muhim ahamiyatga ega (Tetlock, 2007).

Bundan tashqari, inqilob bulut, narsalar Interneti (IoT) va katta ma'lumotlar tahlilini birlashtirishni talab qildi (Press, 2014, Somani va boshq., 2019). Hisoblashni boshqarish va ijtimoiy-iqtisodiy rivojlanish uchun qaror qabul qilishni qo'llab-quvvatlash tizimlarini ishlab chiqishga ko'maklashish ma'lumotlar yaxlitligini himoya qilishdan iborat.

"Katta ma'lumotlar" inqilobi globallashuvni mamlakatlarning iqtisodiy o'sishi bilan bir qatorda biznes va xizmat ko'rsatuvchi provayderlarning raqobatdosh ustunlikka erishish uchun global muammolarga javob berish uchun ortib borayotgan ehtiyojlarini birlashtirdi. Yangi hodisa operatsiyalar, moliya, marketing, sog'liqni saqlash, strategiyani boshqarish, xavfsizlik va boshqaruv qarorlarini qabul qilish kabi turli sohalarda murakkab biznes muammolarini hal qilish uchun katta ma'lumotlar tahlili vositalarini keskinlashtirishga bo'lgan talabni ko'paytirdi. Talab butunlay yangi fanni, ya'ni "Ma'lumotlar fani" deb nomlanuvchi katta ma'lumotlarni tahlil qilish vositalarining texnik jihatlarini boshqaruv yoki biznes kontekstida qo'llash bo'lgan "Biznes tahlili" ning rivojlanishiga yo'l ochdi. qarorlar.