人工知能vs機械学習（ML）vsディープラーニング–違いは何ですか

日常生活の中で、人工知能（AI）、機械学習（ML）、ディープラーニング（DL）という用語を聞いたことがあるはずです。 また、これらの用語がしばしば同じ意味で使用されていることに気付いたかもしれません。

しかし、これら3つは同じですか？ それらを交換可能に使用する自由がありますか？ 確認してみましょう！

AIの最も初期のゴッドファーザーズの1つである1955年にさかのぼると、ジョンマッカーシーは、人工知能を「人間のように目標を達成する能力を持つインテリジェントマシンを作る科学と工学」と定義し続けました。 それから4年後の1959年、Arthur Samuelは、機械学習をAIを扱う広大なサブフィールドとして説明しました。これにより、コンピューターは明示的にプログラムされていなくても学習できるようになります。 これには何が必要ですか？

機械学習では、プログラムが作成されると、プログラミングの境界を超えてインテリジェントなタスクを実行する方法を徐々に学習します。つまり、経験とデータを通じて学習します。 この点で、MLプログラムは、事前定義された一連の動作と目標を備えた専用プログラムとは異なります。

おそらく、この写真はあなたにとって物事を少し明確にするでしょう：

次に、人工知能、機械学習、ディープラーニングとそれらの違いについて詳しく見ていきます。

人工知能と機械学習

簡単に言えば、AIは、機械が人間のように機能できるようにする特別なコンピュータープログラムとアルゴリズムを設計しようとしています。 AIについて人々が抱く最も一般的な誤解は、AIが「システム」であるというものです。 真実–AIはシステムではありません。 これは、人間が行うタスクを実行するためにコンピューターをトレーニングする方法を含む研究です（「科学と工学」の前に述べたように）。

AIは次の3つのタイプに分類できます。

• ナローAI：特定のタスクを実行するようにマシンをプログラムできるAIを指しますが、人間よりもはるかに優れた方法です。
• 一般的なAI：人間と同じ精度レベルで一連の知的/インテリジェントタスクを実行できるAIを指します。
• アクティブAI：おそらく最も高度な形式のAIであるアクティブAIは、特定のタスクで人間よりも優れたパフォーマンスを発揮します。

AIはスマートマシンを開発するための研究または概念であるため、その目的を達成するための技術的手段が必要ですよね？

それらの手段の1つは、機械学習です。 ここで私たちの言葉をマークします。MLはAIの概念を実行する方法の1つです。 カーネギーメロン大学のMLエキスパート、トムミッチェルによると：

「機械学習は、コンピュータープログラムが経験を通じて自動的に改善されることを可能にするコンピューターアルゴリズムの研究です。」

したがって、AIの目標を達成すること、つまり、人間と同じように経験と試行錯誤から学ぶことができるマシンを作成することです。 MLアルゴリズムは、データをフィードしてデータから学習します。 新しい入力がアルゴリズムに入力されるたびに、この変更に対する応答を調整して、新しいタスクを実行します。 機械学習の典型的な例は、レコメンデーションエンジンです。 NetflixやAmazonなどのオンラインプラットフォームでこれを見たことがあるはずです。検索するコンテンツに基づいて、これらのアプリは、「見たい」コンテンツのパーソナライズされカスタマイズされた推奨リストをキュレートします。

AIが初期の段階にあったとき、科学者と研究者の目標は、インテリジェンスを必要とするタスクを実行できるマシンを作成することでした。 当初、彼らは基本的な論理的問題を解決し、チェスやチェッカーなどのゲームで人間と競争できるプログラムを開発しました（これをもう一度思い出してください。プログラムはAIの計画を実行するために必要です）。 好例–チェスで世界チャンピオンのゲイリーカスパロフを破ったIBMのディープブルー。

これはAIの成功の最初の例の1つであり、言うまでもなく、コンピューターとテクノロジーの愛好家の間で大きな興奮の波を引き起こしました。これは、まったく新しい可能性を秘めた世界の始まりでした。 今日に向けて、AIの現在の状況を見てみましょう。今日、Googleの自動運転車、Robot Sophia、AppleのSiriやAmazonのAlexaなどのスマート仮想アシスタント、Smart Homes、IoTなどの実際のAIアプリケーションについて自慢できます。そんなに。 これらすべてのAIの発明には、それらを推進する1つの共通点があります。それはMLアルゴリズムです。

機械学習とディープラーニング

MLがAIのサブセットであるように、ディープラーニングはMLのサブセットです。

ディープラーニングの本質は、人工ニューラルネットワーク（ANN）です。 AIの全体的なアイデアは人間の脳の能力を模倣することだったので、人工ニューラルネットワークが作成されました。 ディープラーニングは、ANNが理解できない量のニューロンの複雑なウェブであり、層状に相互に深く相互接続されているMLの進化的ブランチと見なすことができます。

ANNは、従来のMLアルゴリズムや単純なニューラルネットでは不可能な複雑な問題に取り組むように設計されています。 これは、従来のニューラルネットワークが単純な方法で接続されているためではありません。860億を超えるニューロンを持つ人間の脳の重量を大幅に持ち上げることができず、複雑なスタイルの相互接続性を形成しています。

さて、先に述べたように、ディープラーニングは機械学習のサブセットであると言えます。 本質的に、機械学習とは、割り当てられたタスクを段階的に改善するモデルを開発することですが、それでも何らかのガイダンスが必要です。 MLアルゴリズムが不正確な結果を返す場合、開発者は介入して必要な修正を行う必要があります。 しかし、ディープラーニングモデルは、人間の脳の働きを再現する人工ニューラルネットワークを使用しているため、人間の介入を必要とせずに、それ自体で予測の正確さを判断します。

結論…

上記の議論は、AI、ML、またはディープラーニングに関してあなたが持っていたかもしれない多くの質問を明らかにしたに違いありません。 本質的に、3つのテクノロジーすべての最終目標は同じであり、マシンをよりスマートにすることです。 それは彼らがたどるルートであり、彼らを互いに異なったものにします。

それでも何が何であるかについて混乱している場合は、コメントをお寄せください。カバーさせていただきます。