В последние годы, с взрывом промышленной революции 4.0 , такие термины, как искусственный интеллект (ИИ), машинное обучение и глубокое обучение, постепенно становятся популярными и становятся концепциями, которые граждане эпохи 4.0 должны понять.
Взаимосвязь между этими тремя концепциями можно объяснить, представляя их в виде кругов, в которых ИИ — идея, появившаяся раньше — является самым большим кругом, за ним следует машинное обучение — концепция, появившаяся позже, и, наконец, глубокое обучение — которое является движущей силой. нынешний бум ИИ — это самый маленький круг.
Связь между ИИ, машинным обучением и глубоким обучением
Построить систему ИИ, конечно, чрезвычайно сложно, но понять ее не так уж и сложно. Большинство современных искусственных интеллектов — это просто хорошие машины для догадок (машины для догадок, похожие на наш мозг). Вы предоставляете системе набор данных (например, цифры от 1 до 10) и просите систему смоделировать (x + 1, начиная с 0) и сделать прогнозы. (Следующее число будет одиннадцать). Здесь нет никакой магии, это то, что человеческий мозг делает каждый день: использует то, что мы знаем, чтобы догадаться о том, чего мы не знаем.
Что отличает ИИ от других компьютерных программ, так это то, что вместо того, чтобы создавать конкретные программы для каждого случая, мы можем полностью научить ИИ (машинное обучение), а также он обладает способностью к автоматическому глубокому обучению. Эти три понятия можно в основном определить следующим образом:
Искусственный интеллект (ИИ): машина, способная имитировать поведение и мышление человека.
Машинное обучение: функция ИИ, которая позволяет экспертам обучать ИИ распознавать закономерности данных и делать прогнозы.
Глубокое обучение: небольшой метод машинного обучения, позволяющий машинам обучаться самостоятельно.
Связь между ИИ, машинным обучением и глубоким обучением
Что такое ИИ?
Искусственный интеллект — человеческий мозг в форме машины
ИИ можно определить как отрасль информатики, занимающуюся автоматизацией интеллектуального поведения. ИИ является частью информатики и поэтому должен основываться на прочных и применимых теоретических принципах в этой области. Проще говоря, это легко понять: это интеллект машин, созданный человеком. Этот разум может думать, думать, учиться... как человеческий разум. Обрабатывайте данные на более масштабном, систематическом, научном и более быстром уровне, чем люди.
Однако в настоящее время технология искусственного интеллекта все еще имеет множество ограничений. Например , Алекса — отличная домохозяйка, один из самых популярных символов приложений искусственного интеллекта, но до сих пор неспособная пройти тест Тьюринга.
Короче говоря, то, что мы сегодня делаем с ИИ, подпадает под концепцию «Узкого ИИ». Эта технология способна выполнять определенные задачи так же или лучше, чем люди. Примеры «узкого ИИ» на практике включают технологию классификации изображений Pinterest или распознавание лиц для отметки друзей на Facebook .
Эти технологии демонстрируют некоторые аспекты человеческого интеллекта, но как они достигаются? Откуда эта мудрость? Перейдем к следующему кругу: машинному обучению.
Что такое машинное обучение?
Машинное обучение – подход к ИИ
Машинное обучение — это широкий термин, обозначающий обучение компьютера улучшению выполняемой им задачи. Более конкретно, машинное обучение относится к любой системе, в которой производительность компьютера при выполнении задачи улучшается после многократного выполнения этой задачи. Другими словами, самая основная способность машинного обучения — использовать алгоритмы для анализа доступной информации, обучения на ее основе, а затем принятия решения или прогноза о чем-то связанном. Вместо создания программного обеспечения с подробными действиями и инструкциями для выполнения конкретной задачи компьютеры «обучаются» с использованием данных и алгоритмов, чтобы научиться выполнять задачу.
Без машинного обучения нынешний ИИ был бы весьма ограничен, потому что он дает компьютерам возможность разбираться во всем без явного программирования. В качестве примера машинного обучения предположим, что вам нужна программа, которая может распознавать кошек на фотографиях:
- Сначала вы предоставляете ИИ набор характеристик кошки, которые машина может распознать, например, цвет шерсти, форму тела, размер и т. д.
- Затем вы передаете несколько изображений ИИ, где некоторые или все изображения могут быть помечены как «кошки», чтобы машина могла более эффективно выделять детали и особенности, связанные с кошками.
- После того, как машина получила все необходимые данные о кошках, она должна знать, как найти кошку на картинке: «Если изображение содержит определенные детали X, Y или Z, то с вероятностью 95%, что «Может быть, это кошка». ."
В целом применение машинного обучения сегодня чрезвычайно популярно и его полезность не подлежит сомнению.
Что такое глубокое обучение?
Глубокое обучение — метод машинного обучения
Можно сказать, что на сегодняшний день ИИ добился многих больших успехов. Думайте об этом как о типе машинного обучения с глубокими « нейронными сетями », которые могут обрабатывать данные так же, как человеческий мозг. Основное отличие здесь в том, что людям не придется учить программу глубокого обучения тому, как выглядит кошка, а просто предоставить ей все необходимые изображения кошек, и она разберется сама. Шаги, которые необходимо предпринять, следующие:
- Накормите машину множеством фотографий кошек.
- Алгоритм исследует фотографии, чтобы увидеть общие черты и детали между фотографиями.
- Каждая фотография будет детально декодирована на многих уровнях: от крупных, общих форм до мелких и мелких ячеек. Если фигура или линия повторяется много раз, алгоритм пометит ее как важную особенность.
- Проанализировав достаточное количество изображений, алгоритм теперь знает, какие образцы наиболее четко свидетельствуют о наличии кошек, и все, что нужно сделать человеку, — это предоставить необработанные данные.
Вкратце: глубокое обучение — это тип машинного обучения, при котором машина обучается сама. Глубокое обучение требует гораздо больше входных данных и вычислительной мощности, чем машинное обучение, но его начали использовать крупные технологические компании, такие как Facebook и Amazon. Среди них одно из самых известных имен в области машинного обучения — AlphaGo, компьютер, который может играть в го против самого себя, пока не сможет предсказать наиболее точные ходы, достаточные для победы над многими чемпионами мира.
Заключить
Глубокое обучение позволило решить многие реальные машинные задачи, одновременно расширив общую область применения искусственного интеллекта. Глубокое обучение меняет способы работы людей, позволяя всем видам вспомогательных машин работать близко к людям или идентично им. Беспилотные автомобили, лучшее здравоохранение... Все это реализовано в наши дни. ИИ – это настоящее и будущее мира. С помощью глубокого обучения ИИ может воплотить в жизнь научно-фантастические мечты, о которых мы так долго мечтали.
Узнать больше:


