Обсуждение:Искусственный интеллект
Материал из MachineLearning.
(Различия между версиями)
Anna Chirkova (Обсуждение | вклад)
(Новая: == Промпты для генерации == === Промпт 1 (основной) === <pre> Ты — эксперт по машинному обучению и научный ред...)
К следующему изменению →
Текущая версия
Содержание |
Промпты для генерации
Промпт 1 (основной)
Ты — эксперт по машинному обучению и научный редактор энциклопедии MachineLearning.ru. Напиши статью для вики-энциклопедии на русском языке на тему «Искусственный интеллект». Требования к статье: 1. Стиль — строгий научный, но понятный мотивированному новичку. Никакой воды, банальностей и общих фраз. 2. Объём — около 10–15 тысяч знаков с пробелами. 3. Структура: - Введение: чёткое определение ИИ, отличие сильного и слабого ИИ. - История: от Дартмутского семинара 1956 года до наших дней (ключевые вехи, зимы ИИ). - Основные подходы и направления: символизм, коннекционизм, машинное обучение, глубокое обучение. - Современное состояние: большие языковые модели, мультимодальные модели, генеративный ИИ, ключевые достижения 2020-х. - Связь с другими областями: машинное обучение, наука о данных, робототехника. - Открытые проблемы и направления развития. - См. также (список связанных терминов). - Литература (ключевые книги и статьи на русском и английском). 4. Форматирование для вики-разметки: - Заголовки разделов через == Название == - Подразделы через === Название === - Внутренние ссылки на другие статьи MachineLearning.ru через [[Название статьи]] - Формулы в тегах <tex>...</tex> - Сноски через <ref>...</ref> с секцией <references/> в конце - Списки через * или # 5. Добавь 5–8 внутренних ссылок на связанные статьи (например, [[Машинное обучение]], [[Нейронная сеть]], [[Глубокое обучение]], [[Обработка естественного языка]], [[Дартмутский семинар]]).
Промпт 2 (уточнение)
Наука о данных Глубокое обучение обработки естественного языка. таких статей нет.
Промпт 3 (уточнение)
M Matlab А Анализ клиентских сред И Индекс цитирования (инструменты) Инструменты и технологии Искусственная нейронная сеть К Как обучаются машины? Научно-популярная статья Кластеризация Коллаборативная фильтрация Криптография и машинное обучение К (продолжение) Критерий Стьюдента Л Линейная регрессия (пример) Логистическая регрессия (пример) М Машинное обучение Машинное обучение и обучаемость: сравнительный обзор Метод главных компонент Метод группового учёта аргументов Метод наименьших квадратов Моделирование мышления (школа Бонгарда) О Обучение по предпочтениям П Проверка статистических гипотез Р Ранговые критерии Регрессионная модель Регрессионный анализ Регрессионный анализ (рекомендуемые обозначения) Решающее дерево С Сингулярное разложение Статистика (функция выборки)
