Материал из MachineLearning.
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)
