Umělá inteligence, strojové učení a hluboké učení - jaký je rozdíl?

Google Home Mini. Foto Kevin Bhat na Unsplash

Moje první otázka byla, když jsem asi před měsícem začal studovat tato témata. Teď chápu podmínky lépe, tak se podívejme.

Umělá inteligence

Obecně platí, že když lidé přemýšlejí o umělé inteligenci (AI), uvažují o umělé obecné inteligenci (AGI) nebo schopnosti nebiologického tvora (nebo lepší) plnit různé úkoly na lidské úrovni. ) znalosti. Liší se od úzké umělé inteligence, která může provádět specifické úkoly na úrovni dovedností člověka. V každodenním životě například existují příklady úzkých cévních onemocnění, jako jsou náš osobní telefon nebo domácí asistenty, stroje s vlastním pohonem nebo AlphaGo. Zatím však nemáme žádné příklady AGI a nemohli jsme se dohodnout, kdy k tomu může dojít, ale posvátným směrem výzkumu AI bylo vyvinout člověka na úrovni AGI, což by nebylo velmi inteligentní AI. t je pozadu

Strojové učení

Strojírenství je pole, kde se strojové učení učí vyvíjet algoritmy pro provádění úkolů. Tato oblast letí před tradičním programováním, kde lidé shromažďují algoritmy a softwarové stroje pro jejich výpočet. Ve strojovém učení lidé poskytují údaje o školení (vstupy, které přinášejí určité výsledky) a softwarové stroje, aby určily, zda určité informace povedou k výsledkům. Toto je silné paradigma, protože osvobozuje lidi od toho, jak dosáhnout výsledků, musí stroji poskytnout dostatek informací, aby určilo, jak bude konkrétní kombinace vstupů vycházet. Například, pokud máte rybářský úkol, tradiční programování vás naučí, jak používat rybářské vybavení na lavičce - jak držet rukojeť, jak uvolnit kopí a jak nakreslit čáru. Výcvik v autě poskytuje stroji knihovnu videí, která ukazuje lidi, kteří při lovu ryb uspěli nebo neuspěli, a každé video nechává na stroji, aby zkontroloval a naučil se, jak chytat ryby. Možná, že některé techniky odlévání jsou lepší než jiné, nebo počasí může hrát velkou roli, vůz může mít nezamýšlené vzory.

Hluboké učení

Hluboké učení je strojové učení, technika strojového učení založená na nervových drátech biologického mozku. To znamená, že mozek je naprogramován tak, aby zvýšil mozkové znalosti prostřednictvím umělé neuronové sítě. Budu o tom mluvit později, ale tyto neuronové sítě mají mnoho vrstev „neuronů“, které prozkoumávají mnoho možných způsobů, jak se vstupní sada může stát výslednou sadou. Je zajímavé, že tyto neuronové sítě je obtížné analyzovat, protože jsou v podstatě součástí váhy, která počítá komponenty dat. Pokud je kočka na fotografii, získejte umělou neuronovou síť (ANN), která ji dokáže detekovat. U lidí identifikujeme kočky pomocí rysů podobných kočkám (specifické uši, kožešiny, kožešiny). ANN si může všimnout, že některé pixely patří do jiné skupiny pixelů, což naznačuje, že existuje kočka, ale pro člověka je to jako matematika a sada dat. Víme, že ANN dokáže najít přesnější způsob, jak identifikovat kočky, o nichž nikdo nepřemýšlel, což je zastaralé (což je to s cheburgem?), Což vám umožňuje rozpoznat jednoduché rysy.

Každopádně je to docela v pohodě a těším se na zlomení mého stého stupně hlubokého učení, strojového učení a umělé inteligence. Odpovězeno na jednu otázku, existuje mnoho dalších.

Pravopis Bee Tldr;

Hluboké učení je technika strojového učení, která nás přibližuje k vytváření umělé obecné inteligence.