دانستن مفاهيم مورد بحث در اين فرادرس و تسلط بر اين موضوعات، ضامن يادگيري بهتر و تسلط بيشتر بر مباحث آتي در حوزه بهينه سازي خواهد بود. لذا، مطالعه و يادگيري آموزش «مباني محاسبات تكاملي و بهينه سازي هوشمند» يا درس شماره صفر بهينه سازي را از دست ندهيد. در اين آموزش ويدئويي، يكي از محبوب ترين و پركاربردترين علوم حوزه يعني يادگيري عميق ، معرفي شده است.
در حقيقت اين سيستم هنوز يك كامپيوتر است اما يك كامپيوتري كه در برخي از زمينه‌ها هوشمندتر از انسان عمل مي‌كند. سامانه‌هاي خبره زمينه‌اي پركاربرد در هوش مصنوعي و مهندسي دانش است كه با توجه به نياز روزافزون جوامع بر اتخاذ راه حل‌ها و تصميمات سريع در مواردي كه دانش‌هاي پيچيده و چندگانهٔ انساني مورد نياز است و بر اهميت نقش آن‌ها نيز افزوده مي‌شود. سامانه‌هاي خبره به حل مسائلي مي‌پردازند كه به‌طور معمول نيازمند تخصص‌هاي كاردانان و متخصّصان انساني است. به‌منظور توانايي بر حل مسائل در چنين سطحي (ترازي)، دسترسي هرچه بيشتر اين‌گونه سامانه‌ها به دانش موجود در آن زمينه خاص ضروري مي‌گردد. هوش مصنوعي در علم پزشكي امروزه به دليل گسترش دانش و پيچيده‌تر شدن فرايند تصميم‌گيري، استفاده از سامانه‌هاي اطلاعاتي به خصوص سامانه‌هاي هوش مصنوعي در تصميم‌گيري، اهميت بيشتري يافته‌است. گسترش دانش در حوزهٔ پزشكي و پيچيدگي تصميمات مرتبط با تشخيص و درمان - به عبارتي حيات انسان - توجه متخصصين را به استفاده از سامانه‌هاي پشتيبان تصميم‌گيري در امور پزشكي جلب نموده‌است.
استفاده از الگوريتم‌هاي تكاملي براي بهينه‌سازي شبكه‌هاي عصبي، به عبارت Neuroevolution شناخته مي‌شود و در توسعه‌ي نسل‌هاي بعدي از سيستم‌هاي هوشمند، كارايي بسياري خواهد داشت. جديدترين دستاوردها در اين حوزه، در آزمايشگاه هوش مصنوعي اوبر رخ داد كه از الگوريتم‌هاي ژنتيكي براي آموزش شبكه‌هاي عصبي عميق در جهت يادگيري پيشرفته استفاده كرد. شايد تا به حال متوجه اين موضوع نبوده باشيد، ولي همين حالا هم توسط هوش مصنوعي ضعيف يا ANI محاصره شده‌ايم.
اما از آن زمان تا كنون ماشيني اختراع نشده است كه توانسته باشد اين تست را با موفقيت بگذراند. هر چند زبان AIML ابداع شد، اما اين زبان هرگز به اين حد از هوش مصنوعي دست نيافت. هوش مصنوعي در آينده‌اي نه چندان دور زندگي بيشنر انسان‌ها را تحت تاثير قرار خواهد داد. بنا بر تحقيق معتبر دانشگاه آكسفورد كه در سال ۲۰۱۳ انجام گرفته است؛ ۴۷ درصد از كل جايگاه‌هاي شغلي ايالات متحده در سال ۲۰۳۰ به شكل اتوماسيون و بدون حضور انسان انجام مي‌گيرند. همچنين برنامه‌نويسان و مهندسان نرم‌افزار در ۲۰ سال آينده تنها ۸ درصد امكان اتوماسيون شغلشان وجود دارد. محققين براين باوراند كه نهايتا مهندسان نرم‌افزار روزي با برنامه‌اي هوشمند جايگزين خواهند شد؛ برنامه اي كه مي‌تواند كدها را خود كپي كند، بنويسد و آن‌ها را بهبود بخشد.
يادگيري بدون نظارت، با هدف انتخاب داده‌‌ي خاص از ميان ديتاست داده انجام نمي‌شود. درواقع چنين الگوريتم‌هايي تنها تلاش مي‌كنند تا داده‌هاي با مشخصات مشابه را پيدا كنند. به‌عنوان مثالي كاربردي، مي‌توان به فيدهاي خبري اشاره كرد كه موضوع‌هاي مشابه را به‌صورت روزمره در دسته‌هاي مشخص قرار مي‌دهند. هوش مصنوعي در سطوح بالا به دو نوع وسيع به‌نام‌هاي «هوش مصنوعي محدود » و «هوش عمومي مصنوعي » تقسيم مي‌شود.
انواع مدل هاي هوش مصنوعي