Rozdíl mezi AI, ML a DL

Umělá inteligence (AI). Strojírenství (ML). Hluboké učení (DL). Můžete narazit na tyto pojmy a uvědomit si, že jsou někdy používány zaměnitelně. Ve skutečnosti jsou úplně jiné.

Umělá inteligence (AI)

AI znamená schopnost napodobit kognitivní chování člověka, jako je rozhodování, učení, řešení problémů atd. Znalostní inženýrství je jádrem výzkumu a vývoje umělé inteligence. Stroje nebo počítačové systémy mohou zjistit, že poskytují velké množství dat. V minulosti uměla umělá inteligence napodobit to, co by účetní mohl vědět o daňovém kódu nebo základních aritmetických problémech. Závisí pouze na algoritmech napsaných počítačovými vědci. Někteří odborníci to nazývají „Dobrá, stará AI.“

Strojové učení (ML)

ML je podmnožinou AI. Velký průlom nastal v roce 1959, když si Artur Samuel uvědomil, že místo toho, aby učili systém všechno, co potřebovali vědět o světě, mohli být vyškoleni, aby se učili systémům a zlepšovali výkon.

Druhým důvodem tohoto úspěchu je vznik Big Data. Big Data je obrovské množství dat shromážděných od začátku digitální éry. S rozvojem počítačů, internetu a technologie je vše ve vašich rukou. Digitální stopy necháváme téměř s jakýmkoli digitálním pohybem. Od online transakcí po nejnovější vyhledávání. Vše je zaznamenáno a dostupné pro analýzu.

Díky těmto datům je efektivnější kódovat systémy, aby přemýšlely jako lidé a poskytovaly jim přístup ke všem informacím o světě. Tak vznikl termín „strojové učení“, protože systémy se neustále učí a zdokonalují kvůli pokusům a chybám. Jejich cílem je minimalizovat chyby nebo zvýšit pravděpodobnost, že jejich výroky budou pravdivé.

Schopnost testovat a dělat chyby je možná díky vývoji neuronových sítí. Neuronové sítě jsou sadou algoritmů, které umožňují počítači klasifikovat informace, jako je lidský mozek. Jak již bylo zmíněno, pracuje na pravděpodobnostním systému založeném na datech zadaných do systému. Zadáním zpětné vazby systému pomůžete prozkoumat, zda jsou předpovědi správné či nikoli, a časem se zlepší.

Hluboké učení (DL)

DL je nejmodernější metoda ML. Hlavním zaměřením DL je transformace neuronových sítí na hluboké neuronové sítě. DL se zaměřuje pouze na napodobení kognitivní funkce lidského mozku. Slovo "hluboký" znamená mnoho vrstev neuronových sítí. Místo pochopení dat z hlediska kódování umožňuje DL systému klasifikovat složitá data, jako jsou strojové signály, zvukové signály, videa, projevy a psaná slova. Systém je schopen vyvodit závěry podobné lidským závěrům.

Jedním z nejlepších příkladů jsou automobily s vlastním pohonem. Se senzory a analýzou na místě se systém učí rozpoznávat překážky a poskytovat vhodné reakce. S vývojem Google DL bude DeepMind schopen produkovat AI se schopností diagnostikovat oční choroby s přesností 94,5%.

V souhrnu lze říci, že AI je obraz širokého pole, ML je specializovaná část AI, a konečně, DL je dobře přizpůsobená verze ML. Jsou si podobné, ale v mnoha ohledech se liší.

Původně zveřejněno na: www.nexusmediaworks.com