這並不是一個預測，而只是一個相當人為的故事，旨在將機器學習的未來優勢融入背景中。從字面上看，就可行性而言，它肯定過於樂觀，並且偏向於正面的影響。
在本部落格的其餘部分中
我們將解釋一些故事中斜體句子背後的技術。其中大部分（但不是全部）受到明尼蘇達大學威拉德先生及其同事的精彩概述的啟發。解釋權歸我們所有。
“幸運的是，約翰有一個數
位助理可以為他創建 3D 模擬模型。
在2023 年的今天，對環境狀
況進行建模可能是一項相當大的挑戰。 ，並且需要高度專業化的人員。
然而，許多政府正在積極努力以標準格式公開其大部分數據。這將使以方便的形 澳洲電子郵件數據 式獲取所有必要的數據變得更加容易。產生網格和估計參數是可以使用機器學習自動化的任務。 因此，未來模型的生成很可能將在很大程度上實現自動化。事實上，Tygron公司已經以某種形式這樣做了。
“模型非常詳細重要的地方分辨率可達幾米
透過應用經過訓練來填充細節
的機器學習模型，該分辨率比當今模型所能達到的分辨率更高。這有點像 泰国数据 是填補影像的缺失部分，目前的生成式人工智慧可以令人信服地做到這一點。但我們不希望機器學習模型只是猜測丟失的細節可能是什麼：它應該學會根據粗略模型結果的上下文和適用的物理原理來填充細節。將物理學融入機器學習是一個重要的主題，也是目前世界各地的一個主要研究主題。稍後將在本部落格文章中詳細介紹這一點。
“……即使在這樣的複雜情況下，它們也往往非常準確
透過機器學習對物理世界中難以明確建模的方面進行建模，可以使預測更加可靠。許多計算模型 台灣賭博地址 都包含參數化來解釋我們無法正確描述的影響。透過機器學習，我們也許能夠想出更好的方法將這些影響納入電腦模型中，從而改善預測。
他們可以在頭戴式顯示器上播放計劃中的行動的互動電影
故事中幾個點發生的現實電影與人工智慧已經可以做到的事情並沒有太大的差距。即使在今天，虛擬實境也被用來與計算結果互動。這個故事中包含這個概念是為了強調，隨著科技融入日常生活，這種情況可能會比今天更普遍。
“它的控制系統使用約翰的數位助理創建的模型
在這裡，我們遇到了機器學習在計算和模擬方面最強大的應用：用超快的機器學習模型或代理模型取代繁重的計算模型。它在故事中作為船舶控制系統的一部分被引入，但這個概念在故事中的許多地方都出現過。它使約翰能夠互動地探索疏浚區域的情況，並允許廣泛優化溢油處理。
使用機器學習建立代理模型最常見的方法是訓練某種深度學習網路。一旦網路經過訓練，它就可以在眨眼之間提供模擬結果。這種方法的一個重要方面是機器學習模型必須遵守物理定律。否則，模擬可能會產生根本錯誤的結果。關於這個主題有很多研究，而且很多已經成為可能。
針對此類應用訓練深度學習網路的另一個問題是，可用的現實世界資料通常很小且有雜訊。我們可以透過運行模擬來產生合成數據，但這些通常既耗時又昂貴。將物理納入機器學習模型可以提供我們已有的關於變數之間關係的知識，從而有所幫助。這使得即使實際數據量相對較小，也可以使用機器學習。
在上面的故事中，有一個方面被小心翼翼地掩蓋了：代理模型需要訓練，而訓練需要時間和資源。事實上，有很多時間和很多資源。因此，即使數位助理快速產生了疏浚區域的模型，但產生下面的代理模型也不是那麼容易的。
發佈留言