Dincolo de Hype: diferența dintre inteligența artificială, învățarea automată și învățarea profundă

Inteligența artificială (AI) a intrat în viața noastră de zi cu zi cu o explozie. De la marketing la medicină, pare să afecteze fiecare afacere și industrie. Companiile de tehnologie se luptă să domine cursa pentru a gestiona piața și pentru a achiziționa cele mai inovatoare și promițătoare afaceri AI.

Puteți utiliza deja AI în viața de zi cu zi, cum ar fi recunoașterea vorbirii, asistenți virtuali pe smartphone, site-uri web de cumpărături și algoritmi de streaming de muzică sau video sau chiar atunci când vizitați un medic și comparați radiografiile. sau alte imagini medicale cu alte informații medicale.

Și atunci există noțiunea de învățare automată și învățare profundă care confundă mulți. Foarte des, sunt folosite în mod interschimbabil, dar chiar dacă sunt împletite, au semnificații diferite. Deci, care este diferența dintre AI, învățare automată și învățare profundă?

Inteligență artificială

Într-un sens larg, potrivit fondatorilor săi, AI este știința și ingineria mașinilor inteligente, în special a software-urilor inteligente. Acesta este un mod de a gândi în mod inteligent, așa cum cred oamenii, atunci când folosesc un computer, un robot sau un software controlat de computer, la o viteză și putere mare.

Ingineria cognitivă este o parte cheie a cercetării AI. Mașinile pot acționa ca oamenii dacă au multe informații despre lume. O mașină autonomă poate conduce doar în siguranță, având suficiente cunoștințe de mediu. Algoritmii de decizie sunt la fel de buni ca datele de intrare.

Cu alte cuvinte, inteligența artificială trebuie să aibă acces la relațiile dintre obiecte, categorii, caracteristici și toate, pentru a implementa ingineria cognitivă. Utilizarea inteligenței și a puterii de rezolvare a problemelor în mașini este o abordare dificilă și obositoare. Nu suntem alături de mașinile inteligente.

Învățarea mașinilor

În timp ce inteligența artificială acoperă întregul spectru de învățare automată, termenul „învățare automată” are un sens mai restrâns, și anume „capacitatea de a învăța fără o programare precisă”. De altfel, cea mai mare schimbare se întâmplă chiar acum: alimentarea seturilor de date uriașe. conectați-vă și așteptați rezultatele.

Învățarea automată este tipul de AI care facilitează învățarea mașinii și se învață să evolueze atunci când se confruntă cu date noi și în continuă schimbare. De exemplu, feed-urile de știri Facebook folosesc un computer pentru a personaliza mâncarea fiecăruia după bunul plac. Principalele elemente ale software-ului tradițional de învățare automată sunt analiza statistică și analiza predictivă pentru a identifica tiparele și pentru a găsi unde să arătați, pe baza observațiilor din calculele anterioare fără programare.

Învățarea automată a evoluat de-a lungul anilor cu capacitatea de a trece prin seturi de date cu adevărat complexe. Ele sunt adesea denumite „date mari”. Mulți pot fi surprinși să afle că se confruntă cu programe de învățare automată în viața lor de zi cu zi prin servicii de raportare pe probleme de actualitate sau hashtag-uri precum Netflix și algoritmi de social media. Separarea funcțiilor în învățarea mașinii presupune ca programatorul să caute ceva care durează un proces care consumă mult timp, de la computer la luarea deciziilor. Acest lucru duce, de asemenea, la învățarea mașinii care are ca rezultat o scădere a preciziei din cauza erorii unei persoane în procesul de programare.

Învățare profundă

Învățarea profundă este cea mai tânără zonă de învățare automată care a fost introdusă pentru a aduce învățarea mașinii mai aproape de inteligența artificială.

Aceasta este legată de studiul „rețelelor neuronale profunde” din creierul uman, iar în acest context, învățarea profundă încearcă să imite funcțiile straturilor interioare ale creierului uman, creând cunoștințe din multe straturi de procesare a informațiilor. Pe măsură ce tehnologia de învățare profundă este modelată după creierul uman, capacitățile sale se îmbunătățesc de fiecare dată când sunt furnizate date noi.

În cadrul unei paradigme de învățare profundă, o mașină poate folosi cantități mari de date și algoritmi pentru a-i da capacitatea de a învăța cum să îndeplinească o sarcină. Această informație este transmisă prin rețele neuronale, care conțin o serie de întrebări binare corecte / greșite sau valori numerice, orice informații care pot fi transmise și clasificate în funcție de răspunsurile primite. Astăzi, învățarea în profunzime a mașinilor, predată de învățarea în profunzime a mașinilor, este folosită pentru a învăța roboți și vehicule autonome, pentru a identifica simptomele bolii și toate tipurile de imagini din medicină.

Cu ceva timp în urmă, AlphaGo Google a învățat jocul jucându-l din nou și de mai multe ore. Abilitatea de a învăța din ce în ce mai repede, ceea ce nu se învață, este cheia zgomotului existent prin învățarea profundă. Dar următoarea tehnologie revoluționară este departe de a se termina.