Hur fungerar intelligenta maskiner?
I det här kapitlet undersöker vi hur intelligenta system kan följa skrivna regler eller lära sig från exempel. Därefter öppnar vi modellen och ser vad träningen faktiskt justerar: först i en rät linje, sedan i en artificiell neuron och till sist i ett neuronnät.
Innehåll
Hur datorns delar, program och data samverkar när ett regelstyrt system bearbetar indata och skapar utdata.
Skriv OM–SÅ-regler åt en robot som hämtar ett föremål och pröva sedan reglerna i rum som de inte skrevs för.
Skillnaden mellan att ge ett system skrivna regler och att träna en modell med hjälp av exempel.
Träna, testa och förbättra en egen modell med hjälp av Teachable Machine.
Vad som faktiskt förändras när en modell tränas: parametrar som justeras tills modellens fel blir så litet som möjligt.
Rita egna förutsägelser, låt datorn träna modeller och tävla mot en modell som bara har datan. Resultatet prövas alltid på data som modellen inte har sett.
Hur en bild blir tal, hur en viktad summa och ett tröskelvärde blir en modell som väljer klass, och hur perceptronen lär sig genom att justera sina vikter när den gör fel.
Räkna som en perceptron, dra beslutsgränsen själv, upptäck inlärningsregeln och se vikterna bli en bild.
En sammanfattning av kapitlet och en översikt av hur tränade neuronnät kan användas för bildigenkänning, text och bildgenerering.