知识卡片
专家规则需要领域知识
专家系统把专业知识与推理规则显式写进程序,使系统在限定问题中生成答案。它的能力依赖知识覆盖和规则组织,换问题领域通常需要重新构建这些内容。机器学习则可用已知输入输出样本训练映射。两者对知识获取的方式不同,而任务范围、错误代价和跨场景有效性仍需分别检验。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 人工智能的新时代 从视觉连接到可学习的非线性表示 · 查看原书依据
在专家系统的框架下,人们将精心设计的规则、知识或启发式方法写入计算机程序,程序通过分析输入数据来执行任务并生成答案。这些专家系统可以很好地处理特定任务,但它们丝毫不具备泛化的能力,即为一项任务设计的专家系统不能直接应用于新的问题领域。生物学
参考来源
- 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》人工智能的新时代,从视觉连接到可学习的非线性表示(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section03.xhtml)
- 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。
- 原始内容:在专家系统的框架下,人们将精心设计的规则、知识或启发式方法写入计算机程序,程序通过分析输入数据来执行任务并生成答案。这些专家系统可以很好地处理特定任务,但它们丝毫不具备泛化的能力,即为一项任务设计的专家系统不能直接应用于新的问题领域。生物学