P:
Jaka jest różnica między sztuczną inteligencją, uczeniem maszynowym i głębokim uczeniem się?
ZA:Terminy „sztuczna inteligencja”, „uczenie maszynowe” i „głębokie uczenie się” opisują proces, który rozwinął się w ciągu ostatnich kilku dziesięcioleci, ponieważ świat dokonał ogromnego postępu w zakresie mocy obliczeniowej, transferu danych i innych celów technologicznych.
Rozmowa powinna rozpocząć się od sztucznej inteligencji, szerokiego terminu określającego dowolną zdolność komputerów lub technologii do symulacji ludzkiej myśli lub aktywności mózgu. W pewnym sensie sztuczna inteligencja rozpoczęła się wcześnie, od prostych komputerowych programów do gry w szachy i innych programów, które zaczęły naśladować ludzkie decyzje i myśli.
| Bezpłatne pobieranie: Uczenie maszynowe i dlaczego to ma znaczenie |
Sztuczna inteligencja rozwijała się od wczesnych czasów komputerów osobistych, do ery Internetu, a wreszcie do ery przetwarzania w chmurze, wirtualizacji i zaawansowanych sieci. Sztuczna inteligencja rozwijała się i rozwijała na wiele sposobów jako kluczowy przemysł technologiczny.
Jednym z kamieni milowych w sztucznej inteligencji jest pojawienie się i przyjęcie uczenia maszynowego, szczególnego podejścia do osiągnięcia celów sztucznej inteligencji.
Uczenie maszynowe wykorzystuje zaawansowane algorytmy i programy, aby pomóc oprogramowaniu komputerowemu w lepszym podejmowaniu określonych decyzji w środowisku wydajności. Zamiast po prostu programować komputer do robienia jednego zestawu rzeczy w kółko, tak jak w przypadku ręcznie kodowanych programów z lat 70. i 80. XX wieku, uczenie maszynowe zaczyna korzystać z heurystyki, modelowania zachowania i innych rodzajów prognoz, aby umożliwić technologia usprawniająca podejmowanie decyzji i ewoluująca z czasem. Uczenie maszynowe zostało zastosowane do walki ze spamem, wdrażania osobistości sztucznej inteligencji, takich jak IBM Watson, i osiągania celów sztucznej inteligencji na inne sposoby.
Głębokie uczenie się opiera się na uczeniu maszynowym. Eksperci opisują głębokie uczenie się jako użycie algorytmów do kierowania abstrakcjami wysokiego poziomu, takich jak zastosowanie sztucznych sieci neuronowych do szkolenia technologii w zadaniach. Głębokie uczenie się przenosi uczenie maszynowe na wyższy poziom, próbując modelować rzeczywistą aktywność ludzkiego mózgu i zastosować ją do sztucznego podejmowania decyzji lub innej pracy poznawczej.
Głębokie uczenie się zostało wykazane na przykładach, takich jak najnowocześniejsze programy optymalizacji łańcucha dostaw, programy sprzętu laboratoryjnego i inne rodzaje innowacji, takie jak generatywna sieć przeciwników, w której dwie przeciwstawne sieci, generatywna i dyskryminująca sieć, współpracują ze sobą, tworząc model człowieka procesy myślowe dyskryminacji. Ten szczególny rodzaj głębokiego uczenia się można zastosować do przetwarzania obrazu i innych zastosowań.
W rzeczywistości głębokie uczenie się przybliża sztuczną inteligencję do tego, co eksperci uważają za „silną AI”, sztuczną inteligencję, która jest mniej więcej w pełni zdolna do odtworzenia wielu ludzkich funkcji myślowych. Prowadzi to do poważnej debaty na temat tego, jak skutecznie radzić sobie z nowymi technologiami i jak dbać o świat, w którym komputery myślą w ten sam sposób, co my.
