Искусственный интеллект, машинное обучение (ML) и глубокое обучение — в чем разница

В повседневной жизни вы наверняка слышали термины «искусственный интеллект» (ИИ), «машинное обучение» (МО) и «глубокое обучение» (ГО). Вы могли также заметить, что эти термины часто используются взаимозаменяемо.

Но эти 3 одинаковые? У вас есть свобода использовать их взаимозаменяемо? Давайте узнаем!

Еще в 1955 году Джон Маккарти, один из первых крестных отцов ИИ, определил искусственный интеллект как «науку и технику создания интеллектуальных машин, способных достигать целей, как это делают люди». Затем, 4 года спустя, в 1959 году, Артур Сэмюэл описал машинное обучение как обширную область работы с ИИ, «которая дает компьютерам возможность учиться без явного программирования». Что это влечет за собой?

В машинном обучении, как только программа будет создана, она постепенно научится выполнять интеллектуальные задачи за пределами программирования — она учится на опыте и данных. В этом отношении программы машинного обучения отличаются от специально созданных программ с заранее определенным набором действий и целей.

Возможно, эта картинка немного прояснит для вас ситуацию:

Теперь мы подробно рассмотрим искусственный интеллект, машинное обучение и глубокое обучение и их различия.

Искусственный интеллект против машинного обучения

Проще говоря, ИИ стремится разрабатывать специальные компьютерные программы и алгоритмы, которые позволяют машинам функционировать как люди. Самое распространенное заблуждение людей об ИИ состоит в том, что это «система». Правда — ИИ — это не система; это исследование (как мы упоминали ранее «наука и инженерия»), посвященное тому, как научить компьютеры выполнять задачи, выполняемые людьми.

ИИ можно разделить на 3 типа:

• Узкий ИИ: это относится к ИИ, который может программировать машины для выполнения определенных задач, но гораздо лучше, чем человек.
• Общий ИИ: относится к ИИ, который может выполнять множество интеллектуальных/интеллектуальных задач с тем же уровнем точности, что и человек.
• Активный ИИ. Возможно, это самая продвинутая форма ИИ. Активный ИИ может превосходить людей в определенных задачах.

Поскольку ИИ — это исследование или концепция разработки умных машин, для достижения этой цели должны быть какие-то технологические средства, верно?

Одним из таких средств является машинное обучение. Заметим здесь наши слова: машинное обучение — это один из способов реализации концепции ИИ. По словам Тома Митчелла, эксперта по машинному обучению в Университете Карнеги-Меллона:

«Машинное обучение — это изучение компьютерных алгоритмов, которые позволяют компьютерным программам автоматически улучшаться на основе опыта».

Таким образом, достигается цель ИИ — создание машин, которые могут учиться на опыте и методах проб и ошибок так же, как это делают люди. Алгоритмы машинного обучения используют данные, чтобы учиться на них. Всякий раз, когда в алгоритм подается новый ввод, он корректирует свою реакцию на это изменение для выполнения новых задач. Классическим примером машинного обучения является механизм рекомендаций. Вы, должно быть, видели это на онлайн-платформах, таких как Netflix и Amazon — на основе контента, который вы ищете, эти приложения составляют персонализированный и настраиваемый список рекомендаций контента, который вы «хотели бы» увидеть.

Когда ИИ только зарождался, целью ученых и исследователей было создание машин, способных выполнять задачи, требующие интеллекта. Сначала они разработали программы (опять же, программы нужны для выполнения планов ИИ), которые могли решать базовые логические задачи и соревноваться с людьми в таких играх, как шахматы и шашки. Показательный пример — Deep Blue от IBM, победивший чемпиона мира Гэри Каспарова по шахматам.

Это один из самых первых случаев успеха ИИ, и нет необходимости говорить, что он вызвал огромный ажиотаж среди компьютерных и технических энтузиастов — это было начало мира с совершенно новыми возможностями. Перенесемся в наши дни, посмотрим, где сейчас находится ИИ — сегодня мы можем похвастаться реальными приложениями ИИ, такими как самоуправляемый автомобиль Google, робот София, умные виртуальные помощники, такие как Siri от Apple и Alexa от Amazon, умные дома и IoT, и намного больше. У всех этих изобретений ИИ есть одна общая черта — алгоритмы машинного обучения.

Машинное обучение против глубокого обучения

Точно так же, как машинное обучение является подмножеством ИИ, глубокое обучение является подмножеством ОД.

Суть глубокого обучения — искусственные нейронные сети (ИНС). Поскольку вся идея ИИ заключалась в том, чтобы имитировать возможности человеческого мозга, были созданы искусственные нейронные сети. Вы можете рассматривать Deep Learning как эволюционную ветвь ML, в которой ANN представляют собой сложные сети из непостижимого количества нейронов, глубоко взаимосвязанных друг с другом в слоях.

ИНС предназначены для решения сложных проблем, с которыми не могут справиться традиционные алгоритмы машинного обучения и простые нейронные сети. Это не потому, что обычные нейронные сети соединены простым способом — они не в состоянии поднять тяжелый вес человеческого мозга, который имеет более 86 миллиардов нейронов, формируя сложный стиль взаимосвязей.

Теперь, как мы уже говорили ранее, можно сказать, что глубокое обучение является подмножеством машинного обучения. По сути, машинное обучение — это разработка моделей, которые постепенно улучшают поставленную перед ними задачу, но им все еще нужно какое-то руководство. В случае, если алгоритм машинного обучения возвращает неточный результат, разработчикам необходимо вмешаться и внести необходимые исправления. Но модель глубокого обучения, поскольку она использует искусственные нейронные сети, которые воспроизводят работу человеческого мозга, определяет правильность своих прогнозов самостоятельно, без необходимости какого-либо вмешательства человека.

Заключительные мысли…

Приведенное выше обсуждение, должно быть, прояснило множество вопросов, которые у вас могли возникнуть в отношении ИИ, машинного обучения или глубокого обучения. По сути, конечная цель всех трех технологий одна — сделать машины умнее. Путь, по которому они идут, отличает их друг от друга.

Если вы все еще не понимаете, что к чему, напишите нам в комментариях — мы вам поможем!