AI vs. învățare automată vs. învățare profundă: Care este diferența? Beth Academy

AI vs. învățare automată vs. învățare profundă: Care este diferența?

Luni, 17 aprilie 2017

Când AlphaGo de Deepmind a câștigat 4 din 5 jocuri împotriva campioanei de atunci a lui Go Go Lee Se-dol, întreaga lume a atras atenția. În acel moment, anunțat drept triumful inteligenței artificiale, AI a fost un pas important către transformarea mașinilor avansate în realitate.

Când cuvintele Învățare profundă și Învățare automată intră în lexicul public, când mass-media folosește acești termeni pentru a explica modul în care AlphaGo concurează împotriva minții umane.

Fiind apropiați unul de celălalt, acești termeni au semnificații diferite. În ziua și secolul, unde știm cum ne afectează tehnologia vieții, este important să cunoaștem diferența dintre acești termeni.

Acest articol vă va ajuta.

Abordare Cel mai bun mod de a înțelege acești termeni este de a cunoaște relațiile dintre ei. AI, Machine Learning și Deep Learning sunt ca o colecție de păpuși rusești - AI este cel mai larg concept, și, prin urmare, cel mai mare marionet din colecție, Machine Learning este pe deasupra. O găsiți aici.

AI, învățarea automată și învățarea profundă sunt ca colecțiile de păpuși rusești ... Faceți clic pentru a twitte

Începem cu înțelegerea primului păpușar, Inteligența artificială.

Inteligența artificială (AI) Inteligența artificială a evoluat de-a lungul secolelor, de la miturile grecești despre oamenii mecanizați până la distrugerea / conservarea umanității, de-a lungul timpului, în ceea ce privește organismele inteligente cibernetice. nggi a făcut parte din imaginația noastră publică în ceea ce privește linia Terminator. . Aceasta este teoria și dezvoltarea sistemelor informatice care necesită inteligență umană, precum percepția vizuală, recunoașterea vorbirii, luarea deciziilor și traducerea dintre limbi.

Conceptul de AI, popularizat de Hollywood și Sci-Fi, este denumit „AI comună” - o mașină puternică care domină omul în toate domeniile.

Cu toate acestea, AlphaGo și majoritatea cazurilor de AI actuală din lume se află în categoria „AI întunecată”, aceste mașini sunt concepute pentru a reproduce sau îmbunătăți sarcinile specifice ale unei persoane.

Popularitatea AI în ultimii ani a facilitat explorarea tuturor posibilităților din domeniu, datorită integrării ușoare a GPU-urilor și Big Data cu diferite seturi de date în paralel.

Dar cum a făcut zona care a subminat atenția și progresul până în 2012? Această întrebare ne conduce la învățarea mașinilor în domeniul informaticii, unde s-a realizat această dezvoltare.

Învățarea mașinilor

Ingineria mecanică, ca concept, se referă la capacitatea unei mașini de a învăța de la sine din informațiile furnizate. Deși de obicei programăm mașinile noastre pentru a urma instrucțiunile în conformitate cu cerințele noastre, în Machine Learning, folosim algoritmi care verifică în mod regulat datele și învață comportamentul spontan.

Dar modul în care AI, care este concentrat și axat pe 2012, a făcut-o mare ... Tweet to Tweet

Clasificarea e-mailurilor în diferite filtre și determinarea dacă e-mailul este spam este un bun exemplu în acest sens, folosind algoritmi de învățare automată.

Machine Learning a fost dezvoltat pentru prima dată de mulțimea AI și, de atunci, a colectat multe tehnici, inclusiv învățarea arborilor de decizie, clasificarea simplă a bayelor și mașini vector de susținere. Acest computer este utilizat pe scară largă în domeniul viziunii, al cărui scop este de a ajuta computerul să identifice diverse obiecte din imagine.

Inițial, a eșuat în domeniu - a necesitat codificarea manuală, timpul de procesare și încă nu a reușit să îndeplinească rezultatele în conformitate cu standardele umane. Odată cu trecerea timpului și o infrastructură tehnologică îmbunătățită, aceste tehnici au devenit foarte puternice, însă există un singur sub-câmp care poate ajuta la dezvoltarea învățării automate, care este o imagine și Uber prin computer Vision Este utilizat cu succes în recunoașterea obiectelor. , Apple și șoferii le place să parcheze mai puțin.

Și tehnica? Acesta este scopul studiului aprofundat.

Învățare profundă

Învățarea profundă este un sub-domeniu al Machine Learning care utilizează tehnici de rețea neuronală artificială. Este inspirat din biologia umană - deoarece creierul nostru este format dintr-o rețea de neuroni care transmit semnale și transmit informații, algoritmul creează o configurație asemănătoare mașinii, spre deosebire de neuronii biologici care pot comunica liber între ei. miros neuron. rețelele au straturi și conexiuni discrete și urmează direcția predefinită.

De fapt, Deep Learning implică transferul multor date către un sistem informatic care clasifică datele prin întrebări binare reale sau false sau analizează date prin extragerea de valori numerice. Aceste informații sunt stocate ca rețele neuronale și apoi folosite pentru clasificarea oricărei forme de informații - audio, video, vorbire etc. Deși volumul de calcul este foarte mare, această metodă dă rezultate excelente și este utilizată în prezent pentru o gamă atât de largă de probleme. În calitate de șofer mai mic, pictează alb-negru, oferind un diagnostic medical și multe altele.

Pe scurt, aceste concepte sunt ușor de gândit ca cercuri concentrice. AI este un obiectiv larg, un viitor care va fi realizat astăzi. Învățarea automată este cea mai promițătoare abordare de a face viitorul realitate. Învățarea profundă este Machine Learning - cea mai puternică modalitate de a face acest lucru.

Accesați cursurile noastre de științe informaționale pentru a obține o înțelegere mai profundă a acestor concepte.

Postat inițial pe byteacademy.co pe 17 aprilie 2017.