Содержание
Следующая большая вещь в технологии машинное обучение. Либо это глубокое обучение? Может быть, это искусственный интеллект. Если вы обнаружите, что запутались в различиях между тремя, вы не одиноки.
Никогда не упускайте возможность получить ажиотаж и заработать деньги венчурного капитала, некоторые технологические компании используют все три взаимозаменяемо. Хотя все они подпадают под один и тот же широкий зонтик, между ними есть некоторые существенные различия.
Что такое искусственный интеллект?
Искусственный интеллект, обычно называемый ИИ, является концепцией, а не системой. Интеллект воспринимается как уникальная человеческая черта. Традиционно считалось, что машины приобретают знания, а не интеллект или мудрость. Информатик Алан Тьюринг провел большую часть последней части своей жизни, размышляя о том, могут ли машины думать.
Он разработал тест Тьюринга
цель которого — определить, может ли машина демонстрировать интеллектуальное поведение, а не обязательно быть интеллектуальной. Это важное различие, потому что мы до сих пор сами не до конца понимаем мысли или интеллект.
Вместо того, чтобы пытаться определить интеллект, мы надеемся создать машины, которые могут демонстрировать интеллектуальное поведение.
ИИ — не просто технология, а средство описания систем. Эти системы могут быть обозначены как Узкий ИИ и Общий ИИ. Узкий ИИ — это интеллектуальная система, но только для решения конкретной задачи. Общий AI — тип, с которым мы больше знакомы по поп-культуре.
Эти типы систем будут способны отображать все элементы человеческого интеллекта. Skynet из фильма «Терминатор», или HAL 2001 года: «Космическая одиссея», являются вымышленными примерами General AI. Хотя, несмотря на то, что рассказывают фильмы, не все системы общего ИИ будут уничтожать человечество.
Что такое машинное обучение?
Мы все знаем, что данные могут быть полезны. Зная, какой маршрут выбрать для пути в офис или следя за своим здоровьем, данные определяют наши решения и помогают нам в жизни. Но мы генерируем так много каждый день, что для нас, людей, становится невозможным анализировать.
Итак, мы должны заставить машины делать тяжелую работу за нас.
Курс машинного обучения Google
Сводная информация о машинном обучении обобщается как «использование данных для ответа на вопросы». Они разбивают его на две части: обучение и предсказания. Представьте, что у вас есть коллекция изображений с фигурами, которые вы хотели бы узнать. Если изображения вводятся в алгоритм машинного обучения, система начинает изучать особенности этой формы.
Когда он встречает новое изображение, форма сравнивается с элементами из обучающих данных, чтобы определить, соответствует ли оно.
Хотя вы можете этого и не узнать, персонализированные результаты поиска, плейлисты Spotify и рекомендации по продуктам Amazon также являются результатом машинного обучения. Netflix даже использует алгоритмы машинного обучения, чтобы персонализировать обложку, которую вы показали.
Что такое глубокое обучение?
Хотя мы не полностью понимаем интеллект, ученым удалось показать, что мозг генерирует информацию через сложную сеть нейронов. Наш мозг состоит из этих электрических соединений, которые образуют нервные пути. Эти пути несут информацию вокруг наших тел, позволяя нам двигаться, дышать и думать.
Кредит изображения: ktsdesign / Depositphotos
Однако, если бы каждый из этих нервных путей не зависел друг от друга, наше время реакции было бы невероятно медленным, и мы не могли бы установить связь между мыслями. Успех системы зависит от взаимосвязи между всеми этими путями, что приводит к одновременной обработке данных.
Глубокое обучение — это метод воспроизведения этой плотной сети нейронов. Обрабатывая несколько потоков данных одновременно, компьютеры смогли значительно сократить время, необходимое для обработки данных. Применение этой техники к глубокому обучению привело к появлению искусственных нейронных сетей
,
Эти сети состоят из серии узлов. В середине находятся входные узлы для приема данных, выходные узлы для полученных данных и скрытые слои узлов. Цель состоит в том, чтобы преобразовать входные данные в то, что могут использовать выходные узлы. Вот где появляются скрытые слои. По мере прохождения данных через эти скрытые узлы нейронная сеть использует логику, чтобы решить, какой узел передавать данные следующему.
Машинное обучение против искусственного интеллекта против глубокого обучения
Хотя машинное обучение является мощным инструментом, который помогает нам разобраться в огромных объемах данных, которые мы создаем, оно не демонстрирует самостоятельную мысль. Алгоритм разработан программистами, и они устанавливают правила, по которым должна работать система машинного обучения. Предубеждения разработчиков, сознательные или нет, имеют разветвления.
Одной из первых серьезных неудач в машинном обучении стала любезность одного из инженеров Google. В 2015 году он заметил, что алгоритм идентификации фото компании помечал его и его черных друзей как горилл. Google немедленно извинился и внедрил краткосрочные исправления.
Однако два года спустя WIRED сообщил, что решение Google состоит в том, чтобы полностью удалить горилл из данных обучения.
С другой стороны, глубокое обучение приближает нас к общему искусственному интеллекту. Пытаясь воспроизвести человеческий разум через многослойную коллекцию узлов, структуры глубокого обучения не требуют обучения с большим начальным набором данных. Они принимают решения на основе предоставленной информации и логики системы.
То, что принятие решений нейтральной сетью не является прозрачным, может показаться нервирующим, но это означает, что ей удается воспроизводить человеческий интеллект. Например, мы даже не до конца понимаем, как мы придумываем свои собственные мысли и решения.
Искусственный интеллект для всех
В конце концов, нет необходимости сравнивать машинное обучение с искусственным интеллектом или глубокое обучение с машинным обучением, поскольку все они служат различным целям. AI описывает концепцию человеческого интеллекта в машинах, в то время как машинное обучение и глубокое обучение являются попытками создания общего AI.
Нельзя сказать, что область ИИ полностью абстрактна. Google использует свои массивные наборы данных, добавляя ИИ практически во все свои продукты. Недавно Gmail был обновлен с помощью Smart Replies, а Duplex AI компании работает по всей территории США и может обрабатывать телефонные звонки от вашего имени. Но они не единственные, кто может участвовать в игре ИИ.
Вы можете попробовать это прямо сейчас с онлайн-экспериментами Google по искусственному интеллекту.
,
Кредит изображения: sdecoret / Depositphotos
