- คำศัพท์ (A ถึง D)
- การควบคุมความสามารถของ AI
- AIOps
- อัลบั้ม
- ประสิทธิภาพของสินทรัพย์
- ตัวเข้ารหัสอัตโนมัติ
- การขยายพันธุ์หลัง
- ทฤษฎีบทเบย์
- ข้อมูลขนาดใหญ่
- Chatbot: คู่มือสำหรับผู้เริ่มต้น
- การคิดเชิงคำนวณ
- วิสัยทัศน์คอมพิวเตอร์
- เมทริกซ์ความสับสน
- เครือข่ายประสาทเทียม
- cybersecurity
- ผ้าข้อมูล
- การเล่าเรื่องข้อมูล
- ข้อมูลวิทยาศาสตร์
- คลังข้อมูล
- ต้นไม้ตัดสินใจ
- Deepfakes
- การเรียนรู้ลึก ๆ
- การเรียนรู้การเสริมแรงเชิงลึก
- devops
- DevSecOps
- แบบจำลองการแพร่กระจาย
- ดิจิตอลแฝด
- การลดขนาด
- คำศัพท์ (E ถึง K)
- เอดจ์ไอ
- อารมณ์ AI
- การเรียนรู้ทั้งมวล
- การแฮ็กอย่างมีจริยธรรม
- ETL
- AI ที่อธิบายได้
- สหพันธ์การเรียนรู้
- ฟินอ๊อฟ
- กำเนิด AI
- เครือข่ายผู้ให้กำเนิด
- กำเนิดเทียบกับการเลือกปฏิบัติ
- ไล่โทนสี
- โคตรไล่ระดับ
- การเรียนรู้ไม่กี่ช็อต
- การจำแนกรูปภาพ
- การดำเนินงานด้านไอที (ITOps)
- ระบบอัตโนมัติของเหตุการณ์
- วิศวกรรมอิทธิพล
- K-หมายถึงการจัดกลุ่ม
- K-เพื่อนบ้านที่ใกล้ที่สุด
- คำศัพท์ (L ถึง Q)
- คำศัพท์ (R ถึง Z)
- การเรียนรู้เสริมแรง
- AI ที่มีความรับผิดชอบ
- อาร์แอลเอชเอฟ
- ระบบอัตโนมัติของกระบวนการหุ่นยนต์
- มีโครงสร้าง vs ไม่มีโครงสร้าง
- การวิเคราะห์ความเชื่อมั่น
- อยู่ภายใต้การดูแล vs ไม่ได้รับการดูแล
- สนับสนุนเครื่องเวกเตอร์
- ข้อมูลสังเคราะห์
- สื่อสังเคราะห์
- การจัดประเภทข้อความ
- TinyML
- ถ่ายทอดการเรียนรู้
- เครือข่ายประสาทหม้อแปลง
- การทดสอบของทัวริง
- การค้นหาความคล้ายคลึงกันของเวกเตอร์
AI 101
การคิดเชิงคำนวณคืออะไร?
การตีพิมพ์
2 ปีที่ผ่านมาon
สารบัญ
ยุคที่เราอาศัยอยู่นั้นต้องการวิธีคิดใหม่เพื่อแก้ไขปัญหาความท้าทายใหม่ๆ การเพิ่มขึ้นของปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (ML) ทำให้เกิดโลกใหม่ที่ขับเคลื่อนด้วยข้อมูล ซึ่งต้องใช้แนวทางที่เป็นนวัตกรรม
การคิดเชิงคำนวณมักเรียกว่า CT เป็นเทคนิคการแก้ปัญหาที่โปรแกรมเมอร์คอมพิวเตอร์ใช้เมื่อเขียนโปรแกรมคอมพิวเตอร์และอัลกอริทึม ในกรณีของโปรแกรมเมอร์ พวกเขาแบ่งปัญหาที่ซับซ้อนออกเป็นชิ้นเล็กชิ้นน้อย ซึ่งทำให้ง่ายต่อการทำความเข้าใจและพัฒนาวิธีแก้ปัญหาที่ใช้ได้กับทั้งคอมพิวเตอร์และมนุษย์
มนุษย์ยังใช้เทคนิคการคิดเชิงคำนวณนอกเหนือจากการเขียนโปรแกรม พวกเขาแบ่งปัญหาออกเป็นเศษเล็กเศษน้อยและเรียบง่ายก่อนที่จะสรุปวิธีแก้ปัญหาเพื่อแก้ไขปัญหาแต่ละข้อ ทำให้เข้าใจกระบวนการแก้ปัญหาได้ง่ายขึ้นมาก
มีข้อกำหนดบางประการสำหรับการคิดเชิงคำนวณ ประการแรก คุณต้องสำรวจและวิเคราะห์ปัญหาอย่างละเอียดเพื่อทำความเข้าใจ นอกจากนี้ยังกำหนดให้คุณใช้ภาษาที่แม่นยำเมื่อสรุปปัญหาและแนวทางแก้ไข และคุณควรใช้เหตุผลที่ชัดเจนในทุกขั้นตอนของกระบวนการ
การคิดเชิงคำนวณช่วยให้เราแยกแยะปัญหาใดๆ อย่างเป็นระบบ ซึ่งทำให้เราสามารถพัฒนาและอธิบายวิธีแก้ปัญหาด้วยคำง่ายๆ ที่มนุษย์หรือคอมพิวเตอร์สามารถดำเนินการได้
สี่เทคนิคสำคัญของการคิดเชิงคำนวณ
เมื่อดูที่การคิดเชิงคำนวณ มีเทคนิคสำคัญสี่ประการที่ควรเข้าใจ:
- การสลายตัว: การแบ่งปัญหาที่ซับซ้อนออกเป็นชิ้นเล็ก ๆ ที่จัดการได้มากขึ้น
- การจดจำรูปแบบ: ระบุความคล้ายคลึงกันระหว่างและภายในปัญหา
- นามธรรม: โดยเน้นข้อมูลที่สำคัญโดยเว้นรายละเอียดที่ไม่เกี่ยวข้องออกไป
- ขั้นตอนวิธีการ: การพัฒนาวิธีแก้ปัญหาทีละขั้นตอนหรือกฎบางอย่างที่ควรปฏิบัติตามเพื่อแก้ปัญหา
แต่ละเทคนิคเหล่านี้มีความสำคัญพอๆ กับเทคนิคถัดไป หากคุณขาดอย่างใดอย่างหนึ่ง แสดงว่าระบบทั้งหมดอาจพังทลาย
เมื่อพยายามแก้ปัญหาที่ซับซ้อน การเริ่มต้นไม่ใช่เรื่องง่าย ด้วยการคิดเชิงคำนวณ การจำแนก กระบวนการเกี่ยวข้องกับการแบ่งมันออกเป็นปัญหาเล็ก ๆ ที่จัดการได้มากขึ้น จากนั้น คุณสามารถดูปัญหาเล็กๆ ทีละข้อทีละข้อ และพิจารณาว่าปัญหาที่คล้ายกันนี้เคยได้รับการแก้ไขอย่างไร ซึ่งก็คือ การจดจำรูปแบบ เทคนิค. จากนั้นคุณใช้ สิ่งที่เป็นนามธรรม เทคนิคการเน้นเฉพาะรายละเอียดที่สำคัญโดยตัดข้อมูลที่ไม่เกี่ยวข้องออก ในที่สุดการ ขั้นตอนวิธี เทคนิคช่วยให้คุณสร้างกฎง่ายๆ เพื่อแก้ปัญหาเล็กๆ น้อยๆ แต่ละข้อ
ขั้นตอนหรือกฎทั้งหมดเหล่านี้รวมกันเพื่อตั้งโปรแกรมระบบและช่วยแก้ปัญหาที่ซับซ้อนได้อย่างมีประสิทธิภาพ
ความสำคัญของการคิดเชิงคำนวณ
สิ่งสำคัญคือต้องตระหนักว่าการคิดเชิงคำนวณนั้นไม่เหมือนกับการเขียนโปรแกรม ในขณะที่การเขียนโปรแกรมบอกให้คอมพิวเตอร์รู้ว่าต้องทำอะไรและทำอย่างไร การคิดเชิงคำนวณจะช่วยให้คุณตัดสินใจได้ว่าควรบอกให้คอมพิวเตอร์ทำอะไร กล่าวอีกนัยหนึ่ง การคิดเชิงคำนวณเกี่ยวข้องกับการวางแผน ในขณะที่การเขียนโปรแกรมเกี่ยวข้องกับการทำตามคำแนะนำ
แง่มุมที่สำคัญอีกประการหนึ่งของการคิดเชิงคำนวณคือ ไม่ใช่สำหรับนักวิทยาศาสตร์คอมพิวเตอร์หรือโปรแกรมเมอร์เท่านั้น เป็นทักษะพื้นฐานที่ทุกคนควรมี และรวมถึงเครื่องมือทางจิตต่างๆ ที่สะท้อนถึงความกว้างใหญ่ของสาขาวิทยาการคอมพิวเตอร์
แม้ว่าจะเป็นเทคนิคสำคัญที่ช่วยให้นักวิทยาศาสตร์คอมพิวเตอร์ทำงานกับข้อมูลได้ดีขึ้น เข้าใจระบบ และสร้างแบบจำลองการคำนวณที่ใช้งานได้ แต่ก็ถูกนำไปประยุกต์ใช้ในแอปพลิเคชันในโลกแห่งความเป็นจริงนอกเหนือจากวิทยาการคอมพิวเตอร์ การคิดเชิงคำนวณเป็นเครื่องมือที่มีประสิทธิภาพสูงสำหรับนักเรียนและการเรียนรู้ ช่วยพัฒนากลยุทธ์การแก้ปัญหาที่สามารถนำไปใช้ในชีวิตประจำวัน เมื่อชีวิตประจำวันนี้ยังคงรวมถึงด้านดิจิทัลมากขึ้นเรื่อย ๆ แนวคิดการคิดเชิงคำนวณก็ยิ่งมีความสำคัญมากขึ้นเพื่อช่วยให้ผู้คนสามารถแก้ไขความท้าทายที่หลากหลายด้วยวิธีที่มีประสิทธิภาพและจัดการได้
ประโยชน์และความสำคัญของการคิดเชิงคำนวณคือเหตุใดจึงมีการสอนเป็นหลักสูตรระดับชาติในระบบการศึกษา เช่น ในสหรัฐอเมริกาและสหราชอาณาจักร
ภาคและสาขาโดยใช้การคิดเชิงคำนวณ
การคิดเชิงคำนวณใช้ได้กับทุกคนและทุกคน เป็นเครื่องมือเสริมศักยภาพสำหรับผู้จัดการ ผู้มีอำนาจตัดสินใจ และผู้ดูแลระบบที่ต้องการคิดนอกกรอบและสร้างโซลูชันที่หลากหลายและปรับกลยุทธ์ของพวกเขา ทีมเทคนิคสามารถใช้ความคิดเชิงคำนวณเพื่อเพิ่มประสิทธิภาพเทคนิคของตน
ต่อไปนี้เป็นฟิลด์ยอดนิยมบางส่วนที่ใช้การคิดเชิงคำนวณ:
- วิศวกรรม: ใช้ในการออกแบบ จำลอง จำลอง เพิ่มประสิทธิภาพ และทำนายพฤติกรรมของระบบภายใต้เงื่อนไขต่างๆ
- ดูแลสุขภาพ: ให้วิธีการวิเคราะห์ใหม่สำหรับข้อมูลทางการแพทย์และช่วยพัฒนาระบบที่มีประสิทธิภาพมากขึ้นซึ่งช่วยให้ตัดสินใจได้ดีขึ้น
- การเงิน: ใช้ในการสำรวจพฤติกรรมของตลาดและจัดการการเคลมประกัน
- วิทยาศาสตร์ข้อมูล: ผสมผสานกับเทคนิคการวิเคราะห์สมัยใหม่เพื่อให้คำตอบที่ดีขึ้นและวัดผลได้มากขึ้น โดยที่เทคนิคดั้งเดิมมักจะล้มเหลว
- วิทยาศาสตร์: ช่วยให้นำเข้าข้อมูลโดยอัตโนมัติและเปิดใช้งานการวิเคราะห์ที่ทรงพลัง
- สื่อ: ใช้ในการสร้างแบบจำลองเหตุการณ์ทางธรรมชาติ สร้างแอนิเมชั่น ออกแบบรูปแบบ สร้างประติมากรรม 3 มิติ และอื่นๆ
- กฎหมายและสังคมศาสตร์: ใช้ในการวิเคราะห์เครือข่ายสังคม จำลองพฤติกรรม และวิเคราะห์ข้อมูลทางเศรษฐกิจและสังคม
- สภาพแวดล้อม: ช่วยในการทำนายการเปลี่ยนแปลงสภาพภูมิอากาศ การพัฒนาพลังงานทางเลือก การสร้างแบบจำลองมลพิษ และการวางแผนเพื่อการอนุรักษ์
- การสื่อสารและความปลอดภัย: ทำให้ง่ายต่อการพัฒนาอัลกอริทึมสำหรับการถ่ายโอนข้อมูลที่มีประสิทธิภาพและความปลอดภัยของข้อมูล
การคิดเชิงคำนวณในธุรกิจปัจจุบัน
การคิดเชิงคำนวณมีความสำคัญต่อธุรกิจในปัจจุบัน และจะเป็นทักษะหลักสำหรับโอกาสในการทำงานในอนาคต เนื่องจากเทคโนโลยีมีความซับซ้อนมากขึ้นเรื่อย ๆ เราจำเป็นต้องเข้าใจวิธีการรวบรวมและกรองข้อมูล
เรายังจำเป็นต้องรู้ว่าจะหาข้อมูลได้จากที่ใดและจะนำไปใช้ในการตัดสินใจได้อย่างไร เมื่อเผชิญกับปัญหาที่ซับซ้อน ผู้คนจำเป็นต้องมีความมั่นใจและความสามารถในการหาวิธีแก้ปัญหาเชิงตรรกะ ซึ่งสามารถทำได้โดยการคิดเชิงคำนวณ ซึ่งมีความยืดหยุ่นและให้เทคนิคที่สอดคล้องกัน
สถานที่ทำงานสมัยใหม่สร้างขึ้นจากการแก้ปัญหา ซึ่งกำหนดความสำเร็จหรือความล้มเหลวขององค์กร การคิดเชิงคำนวณช่วยให้ทั้งผู้นำธุรกิจและพนักงานนำเสนอโซลูชันได้อย่างชาญฉลาดและประหยัดมากขึ้น ธุรกิจสมัยใหม่จำเป็นต้องทำงานอย่างชาญฉลาดขึ้นและนำเสนอโซลูชันได้เร็วขึ้น และการจัดเตรียมพนักงานของคุณด้วยทักษะการคิดเชิงคำนวณ คุณสามารถเร่งประสิทธิภาพการทำงานและยกระดับธุรกิจของคุณไปอีกขั้น
Alex McFarland เป็นนักข่าวและนักเขียนด้าน AI ที่สำรวจการพัฒนาล่าสุดในด้านปัญญาประดิษฐ์ เขาได้ร่วมมือกับสตาร์ทอัพด้าน AI และสิ่งพิมพ์ต่างๆ มากมายทั่วโลก