ما الفرق بين الذكاء الاصطناعي والتعلم الآلي (ML) والتعلم العميق
نشرت: 2019-08-08في حياتك اليومية ، يجب أن تكون قد سمعت بمصطلحات الذكاء الاصطناعي (AI) والتعلم الآلي (ML) والتعلم العميق (DL). ربما لاحظت أيضًا أن هذه المصطلحات غالبًا ما تستخدم بالتبادل.
لكن هل هؤلاء الثلاثة متشابهون؟ هل لديك الحرية في استخدامها بالتبادل؟ هيا نكتشف!
بالعودة إلى عام 1955 ، أحد أوائل الأب الروحي للذكاء الاصطناعي ، ذهب جون مكارثي لتعريف الذكاء الاصطناعي بأنه "علم وهندسة صنع آلات ذكية لديها القدرة على تحقيق أهداف مثل البشر." ثم بعد 4 سنوات ، في عام 1959 ، وصف آرثر صامويل التعلم الآلي بأنه مجال فرعي واسع من التعامل مع الذكاء الاصطناعي "يمنح أجهزة الكمبيوتر القدرة على التعلم دون أن تتم برمجتها بشكل صريح." ماذا يعني هذا؟
في التعلم الآلي ، بمجرد إنشاء البرنامج ، سيتعلم تدريجياً كيفية إنجاز المهام الذكية خارج حدود البرمجة - فهو يتعلم من خلال الخبرة والبيانات. في هذا الصدد ، تختلف برامج تعلم الآلة عن البرامج المصممة لغرض معين مع مجموعة محددة مسبقًا من السلوك والأهداف.
ربما ستجعل هذه الصورة الأمور أكثر وضوحًا بالنسبة لك:
الآن ، سنلقي نظرة متعمقة على الذكاء الاصطناعي والتعلم الآلي والتعلم العميق والاختلافات بينهما.
الذكاء الاصطناعي مقابل التعلم الآلي
بكلمات بسيطة ، يسعى الذكاء الاصطناعي إلى تصميم برامج وخوارزميات كمبيوتر خاصة تسمح للآلات بالعمل مثل البشر. المفهوم الخاطئ الأكثر شيوعًا لدى الناس حول الذكاء الاصطناعي هو أنه "نظام". الحقيقة - الذكاء الاصطناعي ليس نظامًا ؛ إنها دراسة (كما ذكرنا من قبل "العلوم والهندسة") تتضمن كيفية تدريب أجهزة الكمبيوتر على إنجاز المهام التي يقوم بها البشر.
يمكن تصنيف الذكاء الاصطناعي إلى 3 أنواع:
- ذكاء اصطناعي ضيق: يشير إلى الذكاء الاصطناعي الذي يمكنه برمجة الآلات لأداء مهام معينة ، ولكن بطريقة أفضل بكثير من الإنسان.
- الذكاء الاصطناعي العام: يشير إلى الذكاء الاصطناعي الذي يمكنه أداء مجموعة من المهام الفكرية / الذكية بنفس مستوى الدقة للإنسان.
- الذكاء الاصطناعي النشط: ربما يكون أكثر أشكال الذكاء الاصطناعي تقدمًا ، يمكن للذكاء الاصطناعي النشط أن يتفوق على البشر في مهام محددة.
نظرًا لأن الذكاء الاصطناعي عبارة عن دراسة أو مفهوم لتطوير الآلات الذكية ، فيجب أن يكون لديه بعض الوسائل التكنولوجية لتحقيق هذه الغاية ، أليس كذلك؟
إحدى هذه الوسائل هي التعلم الآلي. بمناسبة كلماتنا هنا ، ML هي إحدى الطرق التي يمكننا بها تنفيذ مفهوم الذكاء الاصطناعي. وفقًا لتوم ميتشل ، خبير ML في جامعة كارنيجي ميلون:
"التعلم الآلي هو دراسة خوارزميات الكمبيوتر التي تسمح لبرامج الكمبيوتر بالتحسين تلقائيًا من خلال التجربة."
وبالتالي ، تحقيق هدف الذكاء الاصطناعي - إنشاء آلات يمكنها التعلم من التجربة والتجربة والخطأ تمامًا كما يفعل البشر. تتغذى خوارزميات ML على البيانات للتعلم منها. عندما يتم إدخال مدخلات جديدة في الخوارزمية ، فإنها تعدل استجابتها لهذا التغيير لأداء مهام جديدة. من الأمثلة الكلاسيكية على تعلم الآلة محرك التوصيات. يجب أن تكون قد شاهدت هذا على منصات الإنترنت مثل Netflix و Amazon - بناءً على المحتوى الذي تبحث عنه ، تقوم هذه التطبيقات برعاية قائمة توصية مخصصة ومخصصة للمحتوى الذي `` ترغب '' في رؤيته.
عندما كان الذكاء الاصطناعي في مراحله الأولى ، كان هدف العلماء والباحثين هو إنشاء آلات يمكنها أداء المهام التي تتطلب الذكاء. في البداية ، طوروا برامج (ضع في اعتبارك هذا مرة أخرى ، هناك برامج مطلوبة لتنفيذ خطط الذكاء الاصطناعي) يمكنها حل المشكلات المنطقية الأساسية والتنافس مع البشر في ألعاب مثل الشطرنج والداما. مثال على ذلك - ديب بلو IBM الذي هزم بطل العالم غاري كاسباروف في لعبة الشطرنج.
هذه واحدة من أولى حالات نجاح الذكاء الاصطناعي ولا داعي للقول إنها تسببت في موجة هائلة من الإثارة بين عشاق الكمبيوتر والتكنولوجيا - لقد كانت بداية لعالم به إمكانيات جديدة تمامًا. سريعًا إلى الأمام حتى يومنا هذا ، انظر إلى أين يقف الذكاء الاصطناعي الآن - يمكننا اليوم التفاخر بتطبيقات الذكاء الاصطناعي الواقعية مثل سيارة Google ذاتية القيادة ، وروبوت صوفيا ، والمساعدين الافتراضيين الأذكياء مثل Apple's Siri و Amazon's Alexa ، و Smart Homes ، و IoT ، و اكثر بكثير. كل اختراعات الذكاء الاصطناعي هذه لها شيء واحد مشترك يقودها - خوارزميات تعلم الآلة.
التعلم الآلي مقابل التعلم العميق
كما أن التعلم الآلي هو مجموعة فرعية من الذكاء الاصطناعي ، فإن التعلم العميق هو مجموعة فرعية من التعلم الآلي.
جوهر التعلم العميق هو الشبكات العصبية الاصطناعية (ANN). نظرًا لأن الفكرة الكاملة للذكاء الاصطناعي كانت تقليد قدرات الدماغ البشري ، فقد تم إنشاء شبكات عصبية اصطناعية. يمكنك اعتبار التعلم العميق بمثابة الفرع التطوري لـ ML حيث تكون الشبكات العصبية الاصطناعية عبارة عن شبكات معقدة من كمية غير مفهومة من الخلايا العصبية ، ومترابطة بعمق مع بعضها البعض في طبقات.
تم تصميم شبكات ANN لمعالجة المشكلات المعقدة التي لا تستطيع خوارزميات ML التقليدية والشبكات العصبية البسيطة القيام بها. هذا ليس لأن الشبكات العصبية التقليدية متصلة بطريقة بسيطة - فهي غير قادرة على القيام برفع الأثقال الثقيل للدماغ البشري الذي يحتوي على أكثر من 86 مليار خلية عصبية ، مما يشكل نمطًا معقدًا من الترابط.
الآن ، كما ذكرنا سابقًا ، يمكن القول بأن التعلم العميق هو مجموعة فرعية من التعلم الآلي. في الأساس ، يتعلق التعلم الآلي بتطوير النماذج التي تتحسن تدريجيًا في المهمة المخصصة لها ، لكنها لا تزال بحاجة إلى نوع من التوجيه. في حالة إرجاع خوارزمية ML نتيجة غير دقيقة ، يحتاج المطورون إلى التدخل وإجراء التعديلات اللازمة. لكن نموذج التعلم العميق - حيث يستخدم الشبكات العصبية الاصطناعية التي تكرر عمل الدماغ البشري - يحدد صحة تنبؤاته من تلقاء نفسه ، دون الحاجة إلى أي تدخل بشري.
أفكار ختامية…
يجب أن تكون المناقشة أعلاه قد أوضحت الكثير من الاستفسارات التي قد تكون لديك بخصوص الذكاء الاصطناعي أو التعلم الآلي أو التعلم العميق. من حيث الجوهر ، فإن الهدف النهائي لجميع التقنيات الثلاث هو نفسه - جعل الآلات أكثر ذكاءً. إنه الطريق الذي يسلكونه يجعلهم مختلفين عن بعضهم البعض.
إذا كنت لا تزال مرتبكًا بشأن ما هو ، فلا تتردد في ترك تعليق لنا - سنقوم بتغطيتك!