AI proti strojnemu učenju in poglobljenemu učenju: Kakšna je razlika? Akademija bajtov

AI proti strojnemu učenju in poglobljenemu učenju: Kakšna je razlika?

Ponedeljek, 17.4.2017

Ko je AlphaGo iz Deepmind-a dobil 4 od 5 tekem proti takratnemu Go Champion Leeju Se-dol, je ves svet to upošteval. Ta trenutek je bil razglašen za zmago za umetno inteligenco in je bil ta pomemben korak k uresničitvi prefinjenih AI strojev.

To je bilo tudi takrat, ko sta besedi globoko učenje in strojno učenje vstopili v javni leksikon, mediji pa so te izraze zamenljivo razlagali, kako je AlphaGo tekmoval proti človeški inteligenci.

Čeprav so ti izrazi tesno povezani, pomenijo različne stvari. In v današnjem času, ko tehnologija močno vpliva na to, kako živimo, je pomembno vedeti razliko med temi izrazi.

Ta članek vam bo pomagal narediti prav to.

Pristop
 Najboljši način razumevanja teh izrazov je spoznavanje razmerja med njimi. AI, Strojno učenje in Globoko učenje sta kot tisti ruski kompleti lutk - AI je najširši koncept in s tem največja lutka v kompletu, Strojno učenje je drugo, globoko učenje pa je mogoče najti znotraj tega.

AI, Strojno učenje in Globoko učenje so kot tisti ruski kompleti lutk ... Kliknite za Tweet

Svoje razumevanje bomo začeli s prvo lutko, Umetna inteligenca.

Umetna inteligenca (AI)
 Umetna inteligenca kot koncept je del naše javne domišljije že stoletja, od grških mitov o mehanskih ljudeh, zasnovanih tako, da posnemajo človeško vedenje, do novejše serije Terminator o super inteligentnih kibernetskih organizmih, ki potujejo nazaj v čas, da uničijo / rešijo človeštvo . To je teorija in razvoj računalniških sistemov, ki lahko izvajajo naloge, ki običajno zahtevajo človeško inteligenco, na primer vizualno zaznavanje, prepoznavanje govora, odločanje in prevajanje med jezike.

Koncept AI, ki ga popularizirata Hollywood in Sci-Fi, je znan kot "General AI" - močni stroji, ki lahko na vseh področjih prekašajo človeška bitja.

Vendar AlphaGo in večina drugih primerov AI v današnjem svetu spadajo v kategorijo "Ozki AI", v kateri so ti stroji ustvarjeni za podvajanje ali izboljšanje človeškega vedenja v eni specifični nalogi.

Priljubljenost AI je v zadnjih nekaj letih naraščala, zaradi enostavnega dostopa do vzporednega računalništva prek GPU-ja in gibanja Big Data, ki prinaša podatke vseh vrst, kar pomaga raziskati vsako globino možnosti na tem področju.

Toda kako je bilo področje, ki je do leta 2012 zamujalo pozornost in napredek, tako hitro postalo veliko? To vprašanje nas vodi do strojnega učenja, področja računalništva, ki je omogočilo ta razvoj.

Strojno učenje

Strojno učenje kot koncept pomeni sposobnost stroja, da se iz predloženih podatkov sam uči. Medtem ko ponavadi programiramo stroje, da sledijo navodilom v skladu z našimi zahtevami, v strojnem učenju uporabljamo algoritme, ki sistematično razčlenjujejo podatke in se vedenja naučijo sami, ne da bi za to izrecno programirali.

Kako pa je AI, ki je do leta 2012 zamudil pozornost in napredek, postal tako velik ... Kliknite To Tweet

Najboljši primer za to bi bila razvrstitev e-poštnih sporočil v različne filtre, pri čemer je določitev, ali e-pošta pripada Spam ali ne, opravljeno z algoritmi strojnega učenja.

Strojno učenje je zasnovala zgodnja množica AI in od takrat je nabrala veliko tehnik, kot so učenje na drevesu odločitev, klasik naivnega Bayesa in podporni vektorski stroji. Veliko se uporablja na področju računalniškega vida, kjer je cilj pomagati računalniku prepoznati različne predmete znotraj slike.

Na začetku je bilo to polje odpravljeno z napako - zahtevalo je veliko ročnega kodiranja, časa obdelave in še vedno ni bilo mogoče doseči rezultatov po človeških standardih. S časom in izboljšanjem tehnološke infrastrukture so njegove tehnike postale izredno močne, vendar obstaja eno podpolje, ki je pripomoglo k napredku strojnega učenja, kolikor Facebook Vision uspešno uporablja Facebook, za prepoznavanje predmetov na sliki in Uberja , Apple in všeč, da vozniki manj avtomobilov.

In tehnika? To je tisto, za kar gre globoko učenje.

Globoko učenje

Globoko učenje je pod polje strojnega učenja, ki uporablja tehniko umetnih nevronskih mrež. Navdihuje jo človeška biologija - tako kot so naši možgani sestavljeni iz mreže nevronov, ki sprožijo signale in prenašajo informacije, algoritem ustvari podobno postavitev znotraj stroja, s to razliko, da se lahko biološki nevroni med seboj prosto povežejo, umetni nevroni omrežja imajo diskretne plasti in povezave in sledijo vnaprej določeni smeri.

Deep Learning v bistvu vključuje napajanje računalniškega sistema z veliko podatkov, ki jih sistematično razčleni z razvrščanjem podatkov prek binarnih resničnih ali napačnih vprašanj ali pridobivanjem številčne vrednosti. Te informacije so shranjene v obliki nevronskih mrež, ki se nato uporabljajo za razvrščanje katere koli oblike podatkov - avdio, video, govor itd. Čeprav je računalniško obsežna, nam ta tehnika zagotavlja odličen rezultat in se zdaj uporablja za številne težave, kot so kot voznik manj avtomobilov, na novo obarva črno-bele slike, med drugim zagotavlja zdravniško diagnozo.

Za zaključek je enostavno pojmovati te koncepte kot koncentrične kroge. AI je širok cilj, prihodnost, ki se že uresničuje danes. Strojno učenje je najbolj obetaven pristop k uresničitvi te prihodnosti. In Globoko učenje je najmočnejša tehnika strojnega učenja za njegovo uresničitev.

Za boljše razumevanje teh konceptov si oglejte naše tečaje o znanstvenih podatkih.

Prvotno objavljeno na strani byteacademy.co 17. aprila 2017.