Круг обмена ИИ

Справедливость ИИ - это междисциплинарная область обеспечения справедливого и беспристрастного отношения систем ИИ ко всем людям и группам людей на протяжении всего жизненного цикла их проектирования, разработки, внедрения и эксплуатации.

Метаобучение, или обучение тому, как учиться, - важная ветвь области машинного обучения, которая фокусируется на разработке алгоритмов обучения, способных быстро адаптироваться к новым задачам.

Безопасность искусственного интеллекта (AI Safety) - это передовая междисциплинарная область, направленная на обеспечение того, чтобы системы искусственного интеллекта, особенно те, которые становятся все более мощными и автономными, действовали надежно и предсказуемо в течение всего своего жизненного цикла в соответствии с намерениями человека и без вредных последствий.

Самоконтролируемое обучение (SSL) - это новая парадигма обучения в области машинного обучения, суть которой заключается в автоматическом генерировании контролируемых сигналов из немаркированных данных и обучении моделей для изучения полезных представлений этих данных.

Искусственный сверхинтеллект (ИСИ) - это интеллектуальная система, превосходящая человеческий интеллект, с возможностями, превышающими человеческие во всех областях, включая познание, творчество, решение проблем и принятие решений.

Трансферное обучение (Transfer Learning, TL) является важным направлением в области машинного обучения, основная идея которого заключается в применении знаний, полученных при решении одной задачи или области, к другой, связанной с ней, но отличающейся от нее.

Управление ИИ - это комплексная система, охватывающая технологии, этику, право и общество, которая эффективно направляет, управляет и контролирует весь жизненный цикл систем ИИ - от проектирования, разработки, развертывания и конечного использования. Основная цель - не препятствовать технологическим инновациям, а обеспечить, чтобы разработка и применение технологий ИИ начинались...

Полуподконтрольное обучение - важная отрасль машинного обучения, которая использует небольшое количество маркированных данных и большое количество немаркированных данных для совместного обучения модели с целью улучшения эффекта обучения и способности к обобщению.

Неподконтрольное обучение (Unsupervised Learning, ULS) - это важная ветвь машинного обучения, которая фокусируется на обработке наборов данных, не имеющих предварительных меток.

Обучение с подкреплением - важная ветвь машинного обучения, позволяющая интеллекту автономно учиться принимать оптимальные решения, чтобы максимизировать долгосрочное кумулятивное вознаграждение за счет непрерывного взаимодействия с окружающей средой.