Accions

Diferència entre revisions de la pàgina «Màquines que aprenen»

De Wikisofia

m (bot: - necessitaven d'un enorme + necessitaven un enorme)
m (bot: - per modificar el + per a modificar el)
 
(Hi ha una revisió intermèdia del mateix usuari que no es mostren)
Línia 1: Línia 1:
 
{{ConcepteWiki}}
 
{{ConcepteWiki}}
Els primers sistemes d'intel·ligència artificial eren incapaces d'aprendre dels seus errors per modificar el seu funcionament, i necessitaven un enorme treball previ d'estudi del problema per part del programador. Aviat es va fer evident la necessitat de crear programes capaços de respondre a situacions noves i d'utilitzar informació externa sobre l'adequació de les solucions proposades per modificar el seu funcionament en vista dels resultats obtinguts. Així, apareix la noció d'aprenentatge per màquina (''machine learning'') que consisteix bàsicament a extrapolar un nou pla o acció a partir d'una sèrie d'experiències de resultat conegut. El problema és similar al problema de regressió en estadística, però la dificultat radica en la complexitat i riquesa semàntica dels objectes a tractar. Les tendències simbòlica i subsimbólica en [[intel·ligència artificial|intel·ligència artificial]] han aportat solucions diverses a aquest problema, que avui dia és fruit d'intensa investigació.
+
Els primers sistemes d'intel·ligència artificial eren incapaces d'aprendre dels seus errors per a modificar el seu funcionament, i necessitaven un enorme treball previ d'estudi del problema per part del programador. Aviat es va fer evident la necessitat de crear programes capaços de respondre a situacions noves i d'utilitzar informació externa sobre l'adequació de les solucions proposades per a modificar el seu funcionament en vista dels resultats obtinguts. Així, apareix la noció d'aprenentatge per màquina (''machine learning'') que consisteix bàsicament a extrapolar un nou pla o acció a partir d'una sèrie d'experiències de resultat conegut. El problema és similar al problema de regressió en estadística, però la dificultat radica en la complexitat i riquesa semàntica dels objectes a tractar. Les tendències simbòlica i subsimbólica en [[intel·ligència artificial|intel·ligència artificial]] han aportat solucions diverses a aquest problema, que avui dia és fruit d'intensa investigació.
  
 
{{Etiqueta
 
{{Etiqueta

Revisió de 10:14, 13 oct 2017

Els primers sistemes d'intel·ligència artificial eren incapaces d'aprendre dels seus errors per a modificar el seu funcionament, i necessitaven un enorme treball previ d'estudi del problema per part del programador. Aviat es va fer evident la necessitat de crear programes capaços de respondre a situacions noves i d'utilitzar informació externa sobre l'adequació de les solucions proposades per a modificar el seu funcionament en vista dels resultats obtinguts. Així, apareix la noció d'aprenentatge per màquina (machine learning) que consisteix bàsicament a extrapolar un nou pla o acció a partir d'una sèrie d'experiències de resultat conegut. El problema és similar al problema de regressió en estadística, però la dificultat radica en la complexitat i riquesa semàntica dels objectes a tractar. Les tendències simbòlica i subsimbólica en intel·ligència artificial han aportat solucions diverses a aquest problema, que avui dia és fruit d'intensa investigació.