Perbezaan antara AI, pembelajaran mesin dan pembelajaran mendalam

Dunia teknologi – Dalam beberapa tahun kebelakangan ini, seiring dengan ledakan revolusi industri 4.0, istilah seperti kecerdasan buatan (AI), pembelajaran mesin dan pembelajaran mendalam semakin popular dan menjadi konsep yang mesti difahami oleh warga era 4.0.

Hubungan antara ketiga-tiga konsep ini boleh dijelaskan dengan menganggapnya sebagai bulatan, di mana AI - idea terawal - adalah bulatan terbesar, diikuti dengan pembelajaran mesin - konsep yang datang selepasnya. , dan akhirnya pembelajaran mendalam - yang memacu arus AI boom – ialah bulatan terkecil.

Membina sistem AI sudah tentu sangat rumit, tetapi memahaminya tidaklah begitu sukar. Kebanyakan kecerdasan buatan semasa adalah mesin meneka yang sangat baik (serupa dengan otak kita). Anda memberikan sistem sekumpulan data (seperti digit 1 hingga 10) dan minta sistem mencipta model (x + 1, bermula pada 0) dan membuat ramalan. (Nombor seterusnya ialah sebelas). Tiada keajaiban, inilah yang dilakukan oleh otak manusia setiap hari: gunakan apa yang kita tahu untuk membuat tekaan tentang perkara yang tidak diketahui.

Apa yang menjadikan AI berbeza daripada program komputer lain ialah daripada perlu mencipta program khusus untuk setiap kes, kami boleh mengajar sepenuhnya AI (pembelajaran mesin), dan ia juga mempunyai keupayaan untuk pembelajaran mendalam secara automatik. Ketiga-tiga konsep ini secara asasnya boleh ditakrifkan seperti berikut:

Kecerdasan Buatan (AI):  mesin yang boleh meniru tingkah laku dan pemikiran manusia.

Pembelajaran mesin:  Ciri AI yang membolehkan pakar melatih AI untuk mengenali corak data dan membuat ramalan.

Pembelajaran mendalam:  Teknik kecil pembelajaran mesin yang membolehkan mesin melatih diri mereka sendiri.

Konsep khusus

Kecerdasan buatan – otak manusia dalam bentuk mesin

AI boleh ditakrifkan sebagai satu cabang sains komputer yang berurusan dengan automasi tingkah laku pintar. AI ialah sebahagian daripada sains komputer, dan oleh itu ia mesti berdasarkan prinsip teoretikal bidang yang kukuh dan terpakai. Ringkasnya: ia adalah kecerdasan mesin yang dicipta oleh manusia. Kecerdasan ini boleh berfikir, berfikir, belajar, ... seperti kecerdasan manusia. Memproses data pada tahap yang lebih besar, lebih berskala, sistematik, saintifik dan lebih pantas daripada manusia.

Namun, pada masa ini, teknologi AI masih sangat terhad. Sebagai contoh, Alexa – seorang pembantu rumah yang hebat, salah satu ikon aplikasi kecerdasan buatan yang paling popular, tetapi masih tidak dapat lulus ujian Turing.

Ringkasnya, apa yang kita lakukan dengan AI hari ini adalah dalam konsep "AI Sempit". Teknologi ini mampu melaksanakan tugas tertentu dengan cara yang serupa dengan, atau lebih baik daripada manusia. Contoh "AI sempit" dalam amalan termasuk teknologi klasifikasi imej Pinterest atau pengecaman muka untuk menandakan rakan di Facebook.

Teknologi ini mewakili beberapa aspek kecerdasan manusia, tetapi bagaimana boleh berlaku? Dari mana datangnya hikmah itu? Mari pergi ke bulatan seterusnya: pembelajaran mesin.

Pembelajaran mesin – pendekatan AI

Pembelajaran Mesin ialah istilah umum yang merujuk kepada tindakan anda mengajar komputer untuk memperbaiki tugas yang sedang dilakukannya. Secara lebih khusus, pembelajaran mesin merujuk kepada mana-mana sistem di mana prestasi komputer semasa melaksanakan tugas menjadi lebih baik selepas menyelesaikan tugas itu berkali-kali. Dalam erti kata lain, keupayaan pembelajaran mesin yang paling asas ialah menggunakan algoritma untuk menganalisis maklumat yang tersedia, belajar daripadanya, dan kemudian membuat keputusan atau ramalan tentang sesuatu yang berkaitan. Daripada mencipta perisian dengan arahan dan tindakan terperinci untuk melaksanakan tugas tertentu, komputer "dilatih" menggunakan sejumlah besar data dan algoritma untuk mempelajari cara melaksanakan tugas. .

Tanpa pembelajaran mesin, AI semasa akan menjadi agak terhad kerana ia memberikan komputer kuasa untuk memikirkan sesuatu tanpa diprogramkan secara eksplisit. Sebagai contoh jenis pembelajaran mesin, katakan anda mahu program dapat mengenal pasti kucing dalam gambar:

• Mula-mula, anda memberikan AI satu set ciri kucing untuk dikenali oleh mesin, seperti warna bulu, bentuk badan, saiz, dsb.
• Seterusnya, anda menyuapkan beberapa imej ke AI, di mana beberapa atau semua imej mungkin dilabelkan "kucing" supaya mesin boleh memilih ciri dan butiran berkaitan kucing dengan lebih berkesan. .
• Selepas mesin menerima semua data kucing yang diperlukan, ia mesti tahu cara mencari kucing dalam gambar – “Jika imej mengandungi butiran X, Y atau Z tertentu, terdapat 95% peluang untuk mencari kucing dalam gambar . Mungkin itu kucing."

Secara umum, aplikasi pembelajaran mesin hari ini sangat popular dan kegunaannya tidak dapat dipertikaikan.

Pembelajaran mendalam – teknik pembelajaran mesin

Boleh dikatakan sehingga kini, AI telah mencapai banyak kemajuan yang hebat. Fikirkannya sebagai sejenis pembelajaran mesin dengan "rangkaian saraf" dalam yang boleh memproses data dengan cara yang sama seperti yang boleh dilakukan oleh otak manusia. Perbezaan utama di sini ialah manusia tidak perlu mengajar program pembelajaran mendalam tentang rupa kucing, tetapi hanya berikan semua gambar kucing yang diperlukan, dan ia akan memikirkannya sendiri. , pembelajaran kendiri. Langkah-langkah yang perlu dilakukan adalah seperti berikut:

• Beri mesin banyak gambar kucing.
• Algoritma akan menyemak imej untuk melihat ciri umum dan butiran antara imej.
• Setiap imej akan dinyahkod secara terperinci pada banyak peringkat, daripada bentuk umum yang besar kepada jubin yang lebih kecil dan lebih kecil. Jika bentuk atau garisan diulang berkali-kali, algoritma akan melabelkannya sebagai sifat penting.
• Selepas menganalisis cukup imej yang diperlukan, algoritma kini mengetahui corak mana yang memberikan bukti paling kukuh tentang kucing, dan semua yang perlu dilakukan oleh manusia ialah menyediakan data mentah.

Ringkasnya: Pembelajaran mendalam ialah sejenis pembelajaran mesin di mana mesin melatih dirinya sendiri. Pembelajaran mendalam memerlukan lebih banyak input data dan kuasa pengkomputeran daripada pembelajaran mesin, tetapi ia telah mula dilaksanakan oleh syarikat teknologi besar seperti Facebook dan Amazon. Antaranya, salah satu nama yang paling terkenal dalam pembelajaran mesin ialah AlphaGo, sebuah komputer yang boleh memainkan Go melawan dirinya sendiri sehingga ia boleh meramalkan gerakan paling tepat yang cukup untuk ditewaskan. ramai juara dunia.

Menyimpulkan

Pembelajaran mendalam telah membolehkan penggunaan banyak masalah mesin sebenar sambil mengembangkan keseluruhan bidang kecerdasan buatan. Pembelajaran mendalam mengganggu cara manusia bekerja dengan menjadikan semua jenis mesin bantuan boleh berfungsi, hampir atau sama dengan manusia. Kereta tanpa pemandu, penjagaan kesihatan yang lebih baik... Semuanya direalisasikan pada zaman ini. AI adalah masa kini dan masa depan dunia. Dengan bantuan pembelajaran mendalam, AI boleh merealisasikan impian sci-fi yang telah kita bayangkan sejak sekian lama.