ใช้แป้นลูกศรขึ้น/ลงเพื่อเพิ่มหรือลดระดับเสียงดาวน์โหลดเสียงปัญญาประดิษฐ์และการเรียนรู้ของเครื่องกลายเป็นเครื่องมือสำคัญสำหรับการปรับปรุงระบบให้ทันสมัยและทำให้กระบวนการของรัฐบาลกลางง่ายขึ้น อย่างไรก็ตาม พวกเขาต้องการข้อมูลที่ถูกต้องสำหรับการฝึกอัลกอริทึมมนุษย์ฝึกอัลกอริทึมโดยใช้มัน และเมื่อเวลาผ่านไป อัลกอริทึมจะเรียนรู้ผ่านChris Ritter หัวหน้ากลุ่ม Digital and Software Engineering แห่ง Idaho National Laboratory กล่าวว่า แม้ว่าเป้าหมายสูงสุดของปัญญาประดิษฐ์คือการทำให้คอมพิวเตอร์คิดเหมือนมนุษย์หรือเหนือกว่ามนุษย์ในแง่ของฟังก์ชันการทำนาย
แต่การเรียนรู้ของเครื่องนั้นเกี่ยวกับการมี – โปรแกรมอุปกรณ์ที่สามารถดำเนิน
การวิเคราะห์ด้วยตนเอง การขยายขนาดปัญญาประดิษฐ์ทั่วไป ตั้งแต่รูปแบบ Google CAPTCHA ธรรมดาๆ ไปจนถึงการควบคุมเครื่องปฏิกรณ์นิวเคลียร์ คือสิ่งที่สำนักงานของเขาพิจารณา
“การวิจัยที่มีอยู่จำนวนมากคือการได้รับข้อมูลที่ได้รับการจัดระเบียบ และได้รับข้อมูลในรูปแบบที่เป็นไปได้ที่จะได้รับประโยชน์จากการปรับขนาดเหล่านั้น และการนำการเรียนรู้ของเครื่องไปใช้กับปัญหาที่ซับซ้อนของเราในโดเมนพลังงาน Ritter กล่าวในFederal Monthly Insights – Artificial Intelligence and Data
นอกเหนือจากโครงข่ายประสาทเทียมระดับลึกซึ่งเป็น “กล่องดำ” ชนิดหนึ่งที่ไม่สามารถตรวจสอบได้ง่ายๆ Ritter กล่าวว่าอัลกอริทึมอีกประเภทหนึ่งเรียกว่า “ปัญญาประดิษฐ์ที่อธิบายได้หรือโปร่งใส”
“นั่นหมายความว่า มันเป็นคณิตศาสตร์ ขวา? ดังนั้นจึงสามารถตรวจสอบได้อย่างสมบูรณ์ และเราสามารถใช้เทคนิคการลงโทษการถดถอย กับพื้นที่เหล่านั้นได้ และคุณก็สามารถทำให้เทคนิคนั้นแปลกใหม่ยิ่งขึ้นได้” เขากล่าวกับ Tom Temin ใน Federal Drive “และสิ่งที่ผู้คนจำนวนมากไม่คิดก็คือ ถ้าคุณมีข้อมูลมากมาย การจดจำรูปภาพก็เป็นตัวอย่างที่ดีใช่ไหม จากนั้น DNN ซึ่งเป็นโครงข่ายประสาทเทียมเชิงลึกเหล่านี้ก็เป็นแนวทางที่ดี แต่ถ้าคุณมีข้อมูลน้อย บางครั้งก็ควรใช้วิธีการทางสถิติทั่วไปจะดีกว่า”
ในกรณีการใช้งาน เช่น ความปลอดภัยในชีวิตและระบบความปลอดภัยที่สำคัญ สิ่งสำคัญคือต้องสามารถตรวจสอบได้ว่าอัลกอริทึมจะทำอะไรและทำไมจึงเป็นเช่นนั้น
ที่ Idaho National Laboratory Ritter มีส่วนร่วมในวิศวกรรมดิจิทัลซึ่ง
ใช้หลักการสำคัญของการสร้างแบบจำลอง การสร้างจากแหล่งที่มาของความจริง และนวัตกรรม เป็นต้น กลุ่มได้พยายามเปลี่ยนวิธีการทำงานของผู้คนและให้พวกเขาสร้างข้อมูลลงในถังที่วิศวกรสามารถขุดได้ Ritter กล่าวว่าพวกเขากำลังลองใช้แนวทางนี้แทนที่จะดูว่าพวกเขาจะทำให้อัลกอริทึมฉลาดขึ้นได้อย่างไร มาทำให้มนุษย์เปลี่ยนรูปแบบกันสักหน่อย
ในด้านนวัตกรรม เขายกตัวอย่างโครงการ Versatile Test Reactor เป็นตัวอย่าง เครื่องปฏิกรณ์กำลังถูกสร้างขึ้นเพื่อทำการทดสอบการฉายรังสีที่ฟลักซ์ของพลังงานนิวตรอนที่สูงกว่าที่มีอยู่ในปัจจุบัน และผลที่ได้คือ “ช่วยเร่งการทดสอบเชื้อเพลิงนิวเคลียร์ขั้นสูง วัสดุ เครื่องมือวัด และเซ็นเซอร์” ตามรายงานของกระทรวงพลังงาน Ritter กล่าวว่ามีนักวิจัยของมหาวิทยาลัยจำนวนมากเข้าร่วมในโครงการ ซึ่งนำเทคนิค AI ใหม่ๆ มาใช้ในตาราง
เพื่อให้แน่ใจว่าวิศวกรรมดิจิทัลของโครงการขนาดใหญ่เหล่านี้ในห้องปฏิบัติการจะสร้างผลลัพธ์ที่ใช้งานได้และใช้งานได้จริง วิศวกรจึงสร้างออนโทโลยีหรือพิมพ์เขียวสำหรับข้อมูลในการดูแลจัดการ ตัวอย่างของข้อมูลอาจเป็นรายการอุปกรณ์ ไฟล์การออกแบบโดยใช้คอมพิวเตอร์ช่วย ค่าใช้จ่าย ข้อมูลกำหนดการ ความเสี่ยง และข้อมูลจากผู้ปฏิบัติงานโรงงาน Ritter กล่าว เมื่อระบบย่อยเหล่านี้กำลังสร้างข้อมูลจำนวนมากเกินกว่าที่ใครจะดูได้ในหนึ่งชั่วโมง การบำรุงรักษาเชิงคาดการณ์สามารถตรวจจับความผิดปกติและส่งสัญญาณสีแดงได้
“และในแอปพลิเคชันอื่นๆ และอุตสาหกรรมอื่นๆ เราเห็นการใช้การบำรุงรักษาเชิงคาดการณ์ ดังนั้นเราจึงรู้ว่าเทคนิคนั้นเป็นไปได้อย่างแน่นอน ในด้านการออกแบบ ความสามารถในการใช้ปัญญาประดิษฐ์ในระหว่างการออกแบบสินทรัพย์” เขากล่าว “ผมคิดว่าเรายังอยู่ในช่วงเริ่มต้นของแนวคิดนั้น”
credit : ฝากถอนไม่มีขั้นต่ำ
