Inteligență artificială vs învățare automată (ML) vs învățare profundă – Care este diferența

În viața de zi cu zi, trebuie să fi auzit termenii Inteligență artificială (AI), Învățare automată (ML) și Învățare profundă (DL). S-ar putea să fi observat, de asemenea, că acești termeni sunt adesea folosiți interschimbabil.

Dar acestea 3 sunt la fel? Ai libertatea de a le folosi interschimbabil? Să aflăm!

În 1955, unul dintre cei mai timpurii nași ai inteligenței artificiale, John McCarthy a definit inteligența artificială drept „știința și ingineria de a face mașini inteligente care au capacitatea de a atinge obiective precum oamenii”. Apoi, 4 ani mai târziu, în 1959, Arthur Samuel a descris învățarea automată ca un vast subdomeniu al IA „care oferă computerelor capacitatea de a învăța fără a fi programate în mod explicit”. Ce presupune asta?

În Machine Learning, odată ce un program este creat, acesta va învăța treptat cum să îndeplinească sarcini inteligente dincolo de limitele programării - învață prin experiență și date. În acest sens, programele ML sunt spre deosebire de programele create special, cu un set predefinit de comportament și obiective.

Probabil că această imagine vă va face lucrurile puțin mai clare:

Acum, vom analiza în profunzime inteligența artificială, învățarea automată și învățarea profundă și diferențele dintre acestea.

Inteligența artificială vs învățarea automată

Cu cuvinte simple, inteligența artificială încearcă să proiecteze programe și algoritmi de computer speciali care permit mașinilor să funcționeze ca oamenii. Cea mai comună concepție greșită pe care oamenii o au despre AI este că este un „sistem”. Adevărul – AI nu este un sistem; este un studiu (cum am menționat anterior „știință și inginerie”) care implică modul de pregătire a computerelor pentru a îndeplini sarcinile efectuate de oameni.

IA poate fi clasificată în 3 tipuri:

• AI îngustă: se referă la IA care poate programa mașinile pentru a îndeplini anumite sarcini, dar într-un mod mult mai bun decât un om.
• AI generală: se referă la IA care poate îndeplini o serie de sarcini intelectuale/inteligente cu același nivel de precizie ca un om.
• Active AI: Poate cea mai avansată formă de AI, Active AI poate depăși oamenii în anumite sarcini.

Întrucât AI este un studiu sau un concept de dezvoltare a mașinilor inteligente, trebuie să aibă niște mijloace tehnologice pentru a atinge acest scop, nu?

Unul dintre aceste mijloace este învățarea automată. Ne marchează cuvintele aici, ML este una dintre modalitățile prin care putem executa conceptul de AI. Potrivit lui Tom Mitchell, expert ML la Universitatea Carnegie Mellon:

„Învățarea automată este studiul algoritmilor de computer care permit programelor de calculator să se îmbunătățească automat prin experiență.”

Astfel, atingerea obiectivului AI - crearea de mașini care pot învăța din experiență și încercări și erori, așa cum fac oamenii. Algoritmii ML se hrănesc cu date pentru a învăța din acestea. Ori de câte ori o nouă intrare este introdusă în algoritm, acesta își ajustează răspunsul la această modificare pentru a efectua noi sarcini. Un exemplu clasic de învățare automată este Motorul de recomandare. Trebuie să fi văzut asta pe platforme online precum Netflix și Amazon – pe baza conținutului pe care îl căutați, aceste aplicații organizează o listă de recomandări personalizată și personalizată a conținutului pe care ați „dori” să îl vedeți.

Pe vremea când AI era în primele etape ale sale, scopul oamenilor de știință și al cercetătorilor era să creeze mașini care pot îndeplini sarcini care necesită inteligență. Inițial, au dezvoltat programe (rețineți acest lucru, sunt necesare programe pentru a executa planurile AI) care ar putea rezolva probleme logice de bază și ar putea concura cu oamenii în jocuri precum șah și dame. Un exemplu – Deep Blue de la IBM, care l-a învins pe campionul mondial Gary Kasparov la șah.

Acesta este unul dintre primele exemple ale succesului AI și inutil să spunem că a provocat un val masiv de entuziasm în rândul pasionaților de computere și tehnologie - a fost începutul unei lumi cu posibilități noi. Avanză rapid până în ziua de azi, uită-te la ce se află acum AI – astăzi ne putem lăuda cu aplicații AI reale, cum ar fi mașina cu conducere autonomă de la Google, Robot Sophia, asistenți virtuali inteligenți precum Siri de la Apple și Alexa de la Amazon, Smart Homes și IoT și mult mai mult. Toate aceste invenții AI au un lucru comun care le conduce – algoritmii ML.

Învățare automată vs învățare profundă

La fel cum ML este un subset al AI, Deep Learning este un subset al ML.

Esența învățării profunde este rețelele neuronale artificiale (ANN). Întrucât întreaga idee a inteligenței artificiale era să imite capacitățile creierului uman, au fost create rețele neuronale artificiale. Puteți considera Deep Learning ca ramură evolutivă a ML în care ANN-urile sunt rețele complexe ale unei cantități de neînțeles de neuroni, profund interconectate între ele în straturi.

ANN-urile sunt concepute pentru a aborda probleme complexe pe care algoritmii tradiționali ML și rețelele neuronale simple nu le pot. Acest lucru nu se datorează faptului că rețelele neuronale convenționale sunt conectate într-un mod simplu – ele nu sunt capabile să ridice greutăți grele ale creierului uman, care are peste 86 de miliarde de neuroni, modelând un stil complex de interconectivitate.

Acum, așa cum am afirmat mai devreme, se poate spune că Deep Learning este un subset al Machine Learning. În esență, Machine Learning se referă la dezvoltarea modelelor care se îmbunătățesc progresiv la sarcina care le este alocată, dar au nevoie totuși de un fel de îndrumare. În cazul în care un algoritm ML returnează un rezultat inexact, dezvoltatorii trebuie să intervină și să facă amendamentele necesare. Dar, un model de învățare profundă – deoarece utilizează rețele neuronale artificiale care reproduc funcționarea creierului uman – determină corectitudinea predicțiilor sale singur, fără a fi nevoie de nicio intervenție umană.

Gânduri de încheiere...

Discuția de mai sus trebuie să fi clarificat o mulțime de întrebări pe care le-ați fi avut cu privire la AI, ML sau Deep Learning. În esență, obiectivul final pentru toate cele trei tehnologii este același - a face mașinile mai inteligente. Este traseul pe care îl parcurg îi face să fie diferiți unul de celălalt.

Dacă încă sunteți confuz în ceea ce privește ce este, vă rugăm să nu ezitați să ne lăsați un comentariu - vă vom acoperi!