Со ссылкой на сессию профессора Митеша Хапра и Пратюша Кумара
С развитием информатики вы могли столкнуться с различными терминами, такими как искусственный интеллект, машинное обучение, глубокое обучение, наука о данных и другими. Существует много путаницы в понимании одного и того же.
Некоторые из терминов, которые плавают вокруг, указаны на изображении ниже:
Теперь есть «Центр Роберта Боша по науке о данных и искусственному интеллекту».
Почему это наука о данных и искусственный интеллект, а не один термин?
Возникает вопрос, они одинаковые? или они разные? Если да, то чем они отличаются?
Если вы поищете определения, чтобы очистить этот жаргон, вы найдете некоторые из этих определений:
Искусственный интеллект (ИИ), иногда называемый машинным интеллектом, представляет собой интеллект, демонстрируемый машинами, в отличие от естественного интеллекта, которым обладают люди и другие животные.
Машинное обучение – это область компьютерных наук, в которой используются статистические методы, позволяющие компьютерным системам "обучаться" на данных без явного программирования.
В приведенном выше определении говорится, что машинное обучение включает в себя статистические методы, но как насчет искусственного интеллекта? Разве это не связано со статистическими методами? Это может сбивать с толку. Это вызывает определенные вопросы.
Чтобы устранить путаницу, давайте посмотрим на это с неортодоксальной точки зрения:
Искусственный интеллект
ИИ можно понимать как совокупность задач, способностей и методов.
Следующее сопоставляет человеческие способности со способностями искусственного интеллекта:
Способности включают в себя: видеть предметы (например, компьютерное зрение), слушать звуки (например, распознавание речи), читать и писать (например, обработка естественного языка), принимать решения (например, планировать/принимать решения).
Задачи включают: классифицировать изображения, распознавать и различать речь и звук, создавать и классифицировать документы, принимать решения на основе различных способностей.
Методы включают-
Экспертные системы: для явного программирования системы для выполнения задач. Здесь следует только заранее заданным алгоритмам.
Машинное обучение. Включает алгоритмы с графическими моделями. Он обучается самостоятельно без необходимости явного программирования на основе ввода, вывода и параметров.
Глубокое обучение. Это семейство машинного обучения. Сложные алгоритмы, которые лучше других алгоритмов машинного обучения. Это предполагает обучение на огромных объемах данных.
Обучение с подкреплением. Оно включает планирование и принятие сложных решений на основе глубокого обучения.
ИИ включает в себя все это:
Распознавание образов
«Область распознавания образов связана с автоматическим обнаружением закономерностей в данных с помощью компьютерных алгоритмов и с использованием этих закономерностей для выполнения таких действий, как классификация данных по различным категориям». -Кристофер Бишоп
Большая часть искусственного интеллекта связана с распознаванием образов.
Перед классификацией изображений в компьютерном зрении, распознаванием речи в распознавании речи, классификацией документов в НЛП или принятием решения в обучении с подкреплением необходимо распознавание образов.
Обработка изображений
Отличается ли обработка изображений от компьютерного зрения?
В примере темного изображения автомобиля ночью мы не можем видеть марку автомобиля, но, тем не менее, мы можем преобразовать изображение в дневное изображение с помощью обработки изображения. Мы можем продолжить работу над этим переработанным изображением с компьютерным зрением для выполнения задач. Вот как обработка изображений и компьютерное зрение идут рука об руку, но отличаются друг от друга.
Наука о данных
Является ли это подмножеством ИИ, супермножеством или ни тем, ни другим?
Наука о данных — это систематическое изучение данных путем наблюдения и экспериментов для визуализации данных.
Это все?
Наука о данных может также включать прогностический анализ, который использует НЛП для прогнозирования, используя его возможности. НЛП является одним из методов. Он может использовать несколько таких методов для прогнозов.
В заключение, зеленые на изображении ниже представляют методы, синие — способности, а красные — задачи.
Таким образом, это разрушает сложность, чтобы лучше понять область искусственного интеллекта и машинного обучения, среди прочего.
Ссылки:
- Разрушение жаргона One Fourth Labs — https://www.youtube.com/watch?time_continue=2752&v=OMGt-jcMlCs
2. Распознавание образов и машинное обучение Кристофера Бишопа
