Inhoud
- Definitie - Wat betekent Distributed Artificial Intelligence (DAI)?
- Een inleiding tot Microsoft Azure en de Microsoft Cloud | In deze gids leert u waar cloud computing over gaat en hoe Microsoft Azure u kan helpen bij het migreren en runnen van uw bedrijf vanuit de cloud.
- Techopedia verklaart Distributed Artificial Intelligence (DAI)
Definitie - Wat betekent Distributed Artificial Intelligence (DAI)?
Een van de vele benaderingen van kunstmatige intelligentie is gedistribueerde kunstmatige intelligentie (DAI). Het wordt gebruikt om te leren door middel van complexe leermethoden, grootschalige planning en besluitvorming. Het kan een breed scala aan rekenbronnen op verschillende gebieden gebruiken. Dit betekent dat het gemakkelijk grote hoeveelheden gegevens kan verwerken en analyseren en problemen snel kan oplossen.
Er zijn veel agenten of autonome leerknooppunten in een dergelijk systeem. Deze knooppunten zijn sterk verdeeld en zijn onafhankelijk van elkaar. Hierdoor zijn machine learning-systemen met gedistribueerde kunstmatige intelligentie vrij aanpasbaar en betrouwbaar. Dit betekent dat DAI-systemen niet volledig opnieuw hoeven te worden geïmplementeerd na een wijziging van de gegevensbestanden die als invoer voor het probleem worden gegeven.
Een inleiding tot Microsoft Azure en de Microsoft Cloud | In deze gids leert u waar cloud computing over gaat en hoe Microsoft Azure u kan helpen bij het migreren en runnen van uw bedrijf vanuit de cloud.
Techopedia verklaart Distributed Artificial Intelligence (DAI)
Gedistribueerde kunstmatige intelligentie gebruikt een parallel systeem voor computergebruik. Veel "knooppunten" of leeragenten, onafhankelijk van elkaar, bevinden zich op geografisch diverse plaatsen. Parallelle verwerking stelt het systeem in staat om alle computationele middelen volledig te gebruiken. Vanwege de enorme verwerkingscapaciteit kunnen enorme datasets snel worden geanalyseerd, waarbij elk onderdeel door een afzonderlijk knooppunt wordt geanalyseerd. Als er een wijziging moet worden aangebracht in de gegevens die aan het systeem worden gegeven, wordt het overeenkomstige knooppunt opnieuw geïmplementeerd en niet het hele systeem.
De integratie van de oplossingen gebeurt door een effectief communicatiesysteem tussen de agenten of knooppunten. Dit zorgt ervoor dat de verwerking elastisch is. In tegenstelling tot het gecentraliseerde AI-systeem, hoeven de gegevens in DAI-systemen niet aan één locatie te worden gegeven. De gegevensset kan in de loop van de tijd worden bijgewerkt. De knooppunten kunnen dynamisch met elkaar omgaan wat betreft de oplossing en beschikken over vaardigheden die nodig zijn om de oplossing te bereiken. Daarom wordt DAI beschouwd als een van de beste benaderingen van machine learning en kunstmatige intelligentie.