Quais são as diferenças e definições entre dados, informações, conhecimento, aprendizado, memória, ontologia e epistemologia no contexto da inteligência artificial e também na inteligência natural?

Inteligência artificial e inteligência humana

trata-se de adquirir e coletar e processar Dados, Informações, Conhecimento e Sabedoria, como fatos, regras e padrões e regularidades, correlações e leis de diferentes graus, generalizações ou universalidade, com vistas a aplicar-se a problemas do mundo real.

A verdadeira fonte de dados, conhecimento e aprendizado é o mundo, seus estados, situações, mudanças, processos e relações, ações e atividades humanas e eventos, tudo isso é assunto de Ontologia / Ontologia Aplicada / Ciências Naturais.

O que é registrado como dados ou informações na mídia / memória de armazenamento é um corpo de sinais e símbolos ou gravações de sinais, representado como conhecimento ou sabedoria na mente humana, agora como um corpo de sinais mentais de saber o quê, know-how ou sei-porque, tudo é assunto de Epistemologia / Semiótica / Ciências Cognitivas.

Em ciência da computação, informática e gestão do conhecimento, as relações entre dados mundiais, informação e conhecimento são modeladas como uma hierarquia estrutural:

a "Hierarquia da Informação", a "Hierarquia do Conhecimento", a "Pirâmide do Conhecimento" ou a "Hierarquia da Sabedoria" ou a Pirâmide de Dados,

tudo é assunto de IA, redes neurais artificiais (RNA) ou sistemas de computação conexionistas, aprendizado de máquina e aprendizado de máquina profundo (aprendizado estruturado profundo ou aprendizado hierárquico) ou redes neurais profundas.

Os algoritmos de aprendizado profundo usam várias camadas para extrair progressivamente recursos de nível superior da entrada de dados brutos, como no processamento de imagens, as camadas inferiores podem identificar bordas, enquanto as camadas superiores podem identificar os conceitos relevantes para um ser humano, como dígitos, letras ou faces.

Devido à sua capacidade de reproduzir e modelar a Hierarquia de Dados, as RNAs encontraram várias aplicações: identificação e controle do sistema (controle de veículo, previsão de trajetória, controle de processo, gerenciamento de recursos naturais), química quântica, jogo em geral, reconhecimento de padrões (sistemas de radar, identificação de rosto, classificação de sinal, reconstrução 3D, reconhecimento de objetos e muito mais), reconhecimento de sequência (gesto, fala, reconhecimento de texto manuscrito e impresso), diagnóstico médico, finanças (por exemplo, sistemas de negociação automatizados), mineração de dados, visualização, tradução automática, rede social filtragem e filtragem de spam por email.

As RNAs também foram usadas para a construção de modelos de caixa preta em geociência: hidrologia, modelagem oceânica e engenharia costeira e geomorfologia. As RNAs foram empregadas em segurança cibernética, para classificar malware Android, para identificar domínios pertencentes a agentes de ameaças e para detectar URLs que representam um risco de segurança, para testes de penetração, para detectar redes de bots, fraudes em cartões de crédito e invasões de rede.

As RNAs foram propostas como uma ferramenta para simular as propriedades de sistemas quânticos abertos de muitos corpos. As RNAs estudaram o comportamento de curto prazo dos neurônios individuais, a dinâmica dos circuitos neurais surge das interações entre os neurônios individuais e como o comportamento pode surgir dos módulos neurais abstratos que representam subsistemas completos. Os estudos consideraram a plasticidade a longo e a curto prazo dos sistemas neurais e sua relação com a aprendizagem e a memória do neurônio individual até o nível do sistema.

As RNAs foram usadas em diversas tarefas, incluindo visão computacional, reconhecimento de fala, tradução automática, filtragem de redes sociais, jogos de tabuleiro e videogame, diagnóstico médico e atividades artísticas.

Rede neural artificial - Wikipedia

Em AI e HI, os dados são definidos pelo mundo; os dados são concebidos como símbolos ou sinais, representando estímulos ou sinais; estímulos sensoriais, que percebemos através dos nossos sentidos ou leituras de sinais, incluindo leituras sensoriais e / ou sensoriais de luz, som, cheiro, paladar e tato.

Dados são alguns fatos importantes sobre o estado do mundo.

A informação é definida em termos de dados, como dados organizados ou estruturados com algum sentido, significado e propósito.

O conhecimento é definido em termos de informações, informações conectadas em relacionamentos, dados organizados ou estruturados como experiência, habilidade, conhecimento, capacidade ou bom senso, padrões, idéias, regras e leis.

A sabedoria é definida em termos de conhecimento, conhecimento integrado no contexto, compreensão profunda dos dados do mundo real para decisões sábias e / ou ações e interações.

Fórmula de AI e HI = Sistema de Transformação Mundial-Informação-Informação-Conhecimento-Sabedoria-Ação-Mundo.