AI vs. strojové učení vs. hluboké učení: Jaký je rozdíl? Akademie Beth

AI vs. strojové učení vs. hluboké učení: Jaký je rozdíl?

Pondělí 17. dubna 2017

Když Deepmind's AlphaGo vyhrál 4 z 5 her proti tehdejšímu šampionovi Go Go Lee Se-dolovi, získal pozornost celý svět. V té chvíli, která byla oznámena jako triumf umělé inteligence, byla AI důležitým krokem k transformaci pokročilých strojů na skutečnost.

Když se do veřejného lexikonu dostanou slova Deep Learning and Machine Learning, média používají tyto pojmy k vysvětlení toho, jak AlphaGo soutěží s lidskou myslí.

Tím, že jsou blízko sebe, mají tyto pojmy různý význam. V den a století, kdy víme, jak technologie ovlivňuje náš život, je důležité znát rozdíl mezi těmito pojmy.

Tento článek vám pomůže.

Přístup Nejlepší způsob, jak porozumět těmto podmínkám, je znát vztahy mezi nimi. AI, Machine Learning a Deep Learning jsou jako sbírka ruských panenek - AI je nejširší koncept, a proto největší loutka ve sbírce, Machine Learning je na špičkové úrovni. Najdete ji zde.

AI, strojové učení a hluboké učení jsou jako ruské sbírky panenek ... Klepnutím tweetujete

Začneme tím, že pochopíme první loutku Artificial Intelligence.

Umělá inteligence (AI) Umělá inteligence se vyvinula v průběhu staletí, od řeckých mýtů o mechanických lidech, až po zničení / zachování lidstva v průběhu času, s ohledem na inteligentní kybernetické organismy. nggi je součástí naší veřejné fantazie, pokud jde o linku Terminator. . Toto je teorie a vývoj počítačových systémů, které vyžadují lidskou inteligenci, jako je vizuální vnímání, rozpoznávání řeči, rozhodování a překlad mezi jazyky.

Koncept AI, popularizovaný Hollywoodem a Sci-Fi, se nazývá „Common AI“ - výkonný stroj, který ovládá člověka ve všech oblastech.

Nicméně, AlphaGo a většina současných případů AI na světě jsou v kategorii „Dark AI“, tyto stroje jsou navrženy tak, aby replikovaly nebo vylepšovaly specifické úkoly dané osoby.

Popularita AI v posledních několika letech usnadnila prozkoumání všech možností v terénu díky snadné integraci GPU a Big Data s různými typy dat paralelně.

Ale jak to, že oblast, která podkopávala pozornost a pokrok do roku 2012, ji zrychlila? Tato otázka nás vede k strojovému učení v oblasti informatiky, kde byl tento vývoj učiněn.

Strojové učení

Strojírenství jako koncept označuje schopnost stroje učit se pro sebe z poskytnutých informací. Ačkoli obvykle programujeme naše stroje tak, aby se řídily pokyny podle našich požadavků, v strojovém učení používáme algoritmy, které pravidelně kontrolují data a učí se spontánnímu chování.

Ale jak AI, která je zaměřena a zaměřena na rok 2012, z ní udělala velký ...

Dobrým příkladem je klasifikace e-mailů do různých filtrů a určení, zda je e-mail spamem, pomocí algoritmů Machine Learning.

Strojové učení bylo poprvé vyvinuto davem AI a od té doby shromáždilo mnoho technik včetně učení se rozhodovacím stromům, jednoduchého klasifikátoru Bayes a podporujících vektorových strojů. Tento počítač je široce používán v oblasti Vision, jehož účelem je pomoci počítači identifikovat různé objekty v obraze.

Zpočátku selhala v terénu - vyžadovalo ruční kódování, dobu zpracování a stále nesplnilo výsledky v souladu s lidskými standardy. S postupem času a vylepšenou technologickou infrastrukturou se tyto techniky staly velmi silnými, ale existuje pouze jedno podpole, které může pomoci vyvinout strojové učení, což je fotografie a Uber by PC Vision Úspěšně se používá při rozpoznávání objektů. , Apple a řidiči rádi parkují méně.

A technika? To je cílem hloubkové studie.

Hluboké učení

Deep Learning je subdoménou Machine Learning, která používá techniky umělé neuronové sítě. Je inspirován lidskou biologií - protože náš mozek sestává ze sítě neuronů, které přenášejí signály a přenášejí informace, algoritmus vytváří strojové nastavení, na rozdíl od biologických neuronů, které mohou navzájem volně komunikovat. neuron zápachu. sítě mají diskrétní vrstvy a spojení a sledují předdefinovaný směr.

Ve skutečnosti Deep Learning zahrnuje přenos velkého množství dat do počítačového systému, který klasifikuje data podle binárních reálných nebo falešných otázek nebo analyzuje data extrahováním číselných hodnot. Tyto informace se ukládají jako neuronové sítě a poté se používají ke klasifikaci jakékoli formy informací - audio, video, řeč atd. Ačkoli je výpočetní objem velmi velký, tato metoda přináší vynikající výsledky a v současné době se používá pro tak širokou škálu problémů. Jako řidič menšího auta maloval černobíle, poskytoval lékařskou diagnózu a další.

Stručně řečeno, tyto pojmy lze snadno považovat za soustředné kruhy. AI je široký cíl, budoucnost, která se uskuteční dnes. Strojové učení je nejslibnějším přístupem k tomu, aby se budoucnost stala skutečností. Hluboké učení je strojové učení - nejsilnější způsob, jak toho dosáhnout.

Navštivte naše kurzy informační vědy a získejte hlubší porozumění těmto pojmům.

Původně publikoval byteacademy.co 17. dubna 2017.