O aprendizado profundo é um tipo de aprendizado de máquina baseado em redes neurais com várias camadas. Esses sistemas podem aprender padrões complexos em imagens, texto, áudio e vídeo. O aprendizado profundo potencializa muitas inovações modernas de IA, incluindo reconhecimento de fala, geração de imagens, tradução e modelos de grandes idiomas. Geralmente, exige grandes quantidades de dados e capacidade de computação.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Modelo de difusão

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Gêmeo digital

Um gêmeo digital é um modelo virtual de um objeto, sistema ou processo do mundo real. Por exemplo, uma fábrica pode ter um gêmeo digital que simula máquinas, uso de energia e fluxo de produção. A IA pode tornar os gêmeos digitais mais poderosos ao prever problemas e testar mudanças antes que elas aconteçam no mundo real. Os gêmeos digitais são usados em engenharia, saúde, transporte e cidades inteligentes.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Modelo discriminativo

A

destilação de IA está treinando um modelo de IA pequeno e rápido para copiar o conhecimento e o comportamento de um modelo de IA grande e inteligente. Pense nisso como um chef de cozinha (o modelo grande) ensinando a um aprendiz (o modelo pequeno) todas as suas receitas e técnicas secretas para que o aprendiz possa cozinhar alimentos da mesma qualidade, mas muito mais rápido e com menos utensílios de cozinha. Por que é usadoEconomiza espaço: reduz os enormes sistemas de IA para que pode caber em um smartphone ou laptop. Economiza dinheiro: custa muito menos energia do computador executar o modelo menor. Economiza tempo: o o modelo menor dá respostas muito mais rápido do que o gigante.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Adaptação de domínio

A

deriva ocorre quando o desempenho de um modelo de IA muda com o tempo porque o mundo real muda. Por exemplo, o comportamento do cliente, as táticas de fraude, a prática médica ou o uso da linguagem podem evoluir. Um modelo que funcionou bem no ano passado pode se tornar menos confiável hoje. O monitoramento da deriva é essencial em qualquer sistema de IA usado ao longo do tempo

.

O abandono é uma técnica de treinamento usada em redes neurais para reduzir o sobreajuste. Durante o treinamento, algumas conexões são ignoradas aleatoriamente, forçando o modelo a não depender muito de nenhum caminho. Isso ajuda o modelo a generalizar melhor para novos dados. É semelhante a treinar uma equipe para que todo o grupo tenha um bom desempenho, em vez de depender de um craque.

Defina The Portugal News como sua fonte preferida de notícias no Google

GoogleAdicionar como fonte preferida no Google