根据变量或组数据的相

[account_disabled]

通过这种方式，他们能够：似性或差异发现它们之间的关系。 神经网络还可以通过强化来学习。在这种情况下，人工智能算法会收到一定的规则和原则，它们必须在下一步中应用。然后，他们尝试根据之前提供的信息解决任务。当他们给出正确答案时，他们可以获得虚拟奖励，如果他们回答错误，他们会受到惩罚。这使得神经网络能够通过反复试验来尝试 理解 不同系统的工作原理。 什么是深度学习？ 在描述神经网络如何工作时，我们不能忽视深度学习这样一个重要的问题。

它涉及神经网络的独立学习，但不是针对单个数据，而是针对大量 手机号码数据 数据。然后，人工智能算法从许多不同来源收集数据并尝试对其进行概括，这将使它们能够在以后识别语音或图像。通过使用大量数据（即大数据），他们能够熟悉同一参数的许多不同版本并提供更好的答案（例如狗可能是不同品种，有不同颜色，人工智能应该调用腊肠犬和狗）。还有德国牧羊犬）。 人工智能 例子 现在我们已经了解了人工智能的基础知识，现在我们将看到人工智能的示例。



然而，让我们记住，如今我们几乎可以在任何地方遇到人工智能（有时甚至没有意识到），下面提供的例子只是人工智能提供的可能性的沧海一粟。 在线广告的个性化 您多久会在网站上看到与您最近浏览过的产品类似的广告？可能每天都是 这是网络营销不可分割的元素。然而，随着时间的推移，这些广告越来越适合我们的喜好 你不再需要浏览特定的产品它就会出现在推荐中，有时搜索类似的商品甚至停留几个就足够了滚动时给定广告的显示时间会延长几秒。这一切的背后是人工智能算法，它不断分析我们喜欢什么，以及哪些进一步的优惠可能会吸引我们的注意力。