人工智能系統在與Covid-19的斗爭中正在發揮至關重要的作用,幫助組織適應困難的環境并加快流行病學研究和治療發現的步伐。過去,當人類將AI驅動的解決方案應用于新問題時,我們就被提醒了人類與AI的不同之處。但是Covid-19強調了人類和AI系統共享的一些特質。
情境在所有形式的智力中都起著作用。我們已經了解了人類和我們的機器如何在彼此無法獨自協作的情況下互相幫助,獲得至關重要的上下文意識。
了解上下文在AI系統中的作用
背景對于AI系統來說是棘手的。為了創建功能良好的AI,必須向機器學習算法提供足夠的數據,以捕獲要解決的問題的復雜性。該算法對數據進行分析,并且經過培訓,可以加深對數據點關鍵特征與任務之間關系的理解。這種理解使算法能夠開始自行處理新數據。
如果您想訓練一種算法來安排會議以響應簡單的書面命令,則可以向其提供書面命令的示例。示例命令-培訓數據-可能包含“與財務團隊安排會議”或“在最近的餐館與凱瑟琳舉行午餐會議”之類的短語。此培訓數據必須包含清晰的標簽,以便算法可以了解哪些單詞和短語指示參加會議的人員是誰以及會議的時間和地點。
-
人工智能
+關注
關注
1796文章
47681瀏覽量
240298 -
機器學習
+關注
關注
66文章
8439瀏覽量
133087
發布評論請先 登錄
相關推薦
【「具身智能機器人系統」閱讀體驗】+數據在具身人工智能中的價值
《AI for Science:人工智能驅動科學創新》第6章人AI與能源科學讀后感
AI for Science:人工智能驅動科學創新》第4章-AI與生命科學讀后感
《AI for Science:人工智能驅動科學創新》第二章AI for Science的技術支撐學習心得
《AI for Science:人工智能驅動科學創新》第一章人工智能驅動的科學創新學習心得
risc-v在人工智能圖像處理應用前景分析
FPGA在人工智能中的應用有哪些?
傳感器在人工智能領域:潛藏的市場機遇與發展趨勢

工業顯示器在軍隊中發揮著至關重要的作用
人工智能在影像升級中的關鍵作用
為何電感器對于大數據及人工智能產業發展至關重要

評論