Indhold
- Definition - Hvad betyder Distribueret kunstig intelligens (DAI)?
- En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.
- Techopedia forklarer Distribueret kunstig intelligens (DAI)
Definition - Hvad betyder Distribueret kunstig intelligens (DAI)?
En af de mange tilgange til kunstig intelligens er distribueret kunstig intelligens (DAI). Det er vant til læring ved hjælp af komplekse læringsmetoder, storstilet planlægning og beslutningstagning. Det kan bruge en bred vifte af beregningsressourcer på forskellige områder. Dette betyder, at det let kan behandle og analysere store mængder data og løse problemer hurtigt.
Der er mange agenter eller autonome læringsnoder i et sådant system. Disse knudepunkter er stærkt fordelt og er uafhængige af hinanden. På grund af dette er maskinindlæringssystemer, der bruger distribueret kunstig intelligens, ganske tilpasningsdygtige og pålidelige. Dette betyder, at DAI-systemer ikke behøver at blive omdisponeret helt efter nogen ændring af datafilerne, der er angivet som input til problemet.
En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.
Techopedia forklarer Distribueret kunstig intelligens (DAI)
Distribueret kunstig intelligens bruger et parallelt system til computing. Mange "knudepunkter" eller læringsagenter, uafhængigt af hinanden, er placeret på geografisk forskellige steder. Parallel behandling giver systemet mulighed for at bruge alle beregningsressourcer i deres fulde omfang. På grund af sin enorme behandlingsstyrke kan enorme datasæt analyseres hurtigt, hvor hver del analyseres med en separat knude. Hvis der skal foretages en ændring i de data, der gives til systemet, omdisponeres den tilsvarende knude og ikke hele systemet.
Integrationen af løsningen udføres af et effektivt kommunikationssystem mellem agenterne eller knudepunkterne. Dette sikrer, at behandlingen er elastisk. I modsætning til det centraliserede AI-system behøver dataene i DAI-systemer ikke at gives til et enkelt sted. Datasættet kan opdateres over tid. Knudepunkterne kan interagere med hinanden angående løsningen dynamisk og har de nødvendige færdigheder for at nå løsningen. DAI betragtes således som en af de bedste tilgange til maskinlæring og kunstig intelligens.