Искусственный интеллект, глубокое обучение, машинное обучение — что бы вы ни делали, если вы этого не понимаете — изучайте. Потому что иначе через 3 года вы превратитесь в динозавра».
– Марк Кьюбан
Существует множество заблуждений, связанных со словами Машинное обучение(ML),глубокое обучение и Искусственный интеллект (ИИ), большинство людей думают, что все это одно и то же. , ну эти слова очень тесно связаны друг с другом. Но и отличий немного.
В этой статье давайте разберемся в основных различиях между глубоким обучением, искусственным интеллектом и машинным обучением.
Искусственный интеллект
Искусственный интеллект — процесс передачи данных, информации машинам; чтобы машины могли функционировать так же, как человеческий разум. Его основной целью является разработка самостоятельных машин, которые могут думать и действовать как люди. Эти машины могут имитировать человеческое поведение и выполнять задачи, обучаясь и решая проблемы. Большинство систем имитируют естественный интеллект для решения сложных задач.
Искусственный интеллект фокусируется на выполнении трех когнитивных функций, как и у человека: обучении, рассуждении и самоисправлении. Его можно разделить на 2 широкие категории. Они есть:
Тип-1: на основе возможностей
- Искусственный узкий интеллект: его также называют «слабым ИИ», который может программировать машины для выполнения определенных задач, но гораздо лучше, чем человек.
- Общий искусственный интеллект: ИИ, способный выполнять множество интеллектуальных/интеллектуальных задач с таким же уровнем точности, как человек.
- Искусственный суперинтеллект: это самая продвинутая форма, также называемая «Активный ИИ». Он может превзойти людей в конкретных задачах с большей точностью и скоростью за очень короткое время.
Тип-2: На основе функциональности
Они бывают 4-х типов, которые основаны на принципе работы машин.
· Реактивные машины: это системы, которые исключительно реагируют. Эти системы не формируют воспоминаний и не используют прошлый опыт для принятия новых решений.
- Ограниченная память: эти системы ссылаются на прошлое, и информация добавляется в течение определенного периода времени. Ссылочная информация недолговечна.
- Теория разума: охватывает системы, которые могут понимать человеческие эмоции и то, как они влияют на принятие решений. Они обучены соответствующим образом корректировать свое поведение.
- Самосознание: эти системы разработаны и созданы, чтобы осознавать себя. Они обладают способностью понимать собственные внутренние состояния, предугадывать чувства других людей, а также действовать адекватно.
В настоящее время ИИ используется по-разному. Вот некоторые из них:
- Чат-боты, которые отвечают на вопросы на основе ввода пользователя
- Машинный перевод, такой как Google Translate
- Самоуправляемые автомобили, такие как Waymo от Google
- AI Роботы, такие как София и Айбо
- Приложения для распознавания речи, такие как Apple Siri, Google Assistant, Alexa и Cortana.
- Различные системы распознавания лиц
Машинное обучение
ИИ и машинное обучение очень тесно связаны друг с другом, поскольку последний является подмножеством первого. ML — это дисциплина информатики, которая использует компьютерные алгоритмы и аналитику для построения прогностических моделей или принятия решений на основе прошлых данных или опыта без явного программирования и полезна для решения бизнес-задач. ML использует огромное количество структурированных и полуструктурированных данных, поэтому модель ML может генерировать соответствующие результаты или делать прогнозы на основе данных. ML широко используется в следующих местах:
- Прогнозирование продаж для различных продуктов
- Анализ мошенничества в банковской сфере
- Рекомендации по продукту
- Прогноз цены акций
Глубокое обучение
Глубокое обучение — это подмножество машинного обучения, в котором используются алгоритмы, вдохновленные структурой и функциями человеческого мозга. Алгоритмы глубокого обучения могут работать с огромным объемом как структурированных, так и неструктурированных данных. Его основная концепция заключается в искусственных нейронных сетях (ИНС), которые позволяют машинам принимать решения.
Основное различие между глубоким обучением и машинным обучением заключается в способе представления данных машине. Алгоритмам машинного обучения нужны структурированные данные, тогда как сети глубокого обучения работают на нескольких уровнях ИНС. Понятие глубокое обучение в основном используется в следующих местах:
- Captionbot для подписи к изображению
- Обнаружение раковой опухоли
- Музыкальное поколение
- Раскрашивание изображения
- Обнаружение объекта
Подведение итогов
Многие системы ИИ основаны на алгоритмах машинного обучения и глубокого обучения. Конечная цель всех трех одна и та же — сделать машины умнее. Знание этих трех и понимание их различий поможет человеку добиться лучших результатов.
Исходный URL: https://datafloq.com/read/artificial-intelligence-vs-machine-learning-vs-deep-learning/15711