Dziļās mācības vs. Mašīnmācība vs. AI: Kā viņiem iet kopā?

Reklāma

Nākamā lielā lieta tehnoloģijā ir mašīnmācība. Vai arī tā ir dziļa mācīšanās? Varbūt tā ir mākslīgais intelekts. Ja jūs pamanāt, ka esat samulsis atšķirībās starp trim, jūs neesat viens.

Nekad nepalaidīsim garām iespēju radīt labumus un neiegūt riska kapitāla naudu, daži tehnoloģiju uzņēmumi ir izmantojuši visus trīs savstarpēji aizvietojami. Lai arī viņi visi ietilpst vienā un tajā pašā plašajā lietussargā, starp tiem ir dažas būtiskas atšķirības.

Kas ir mākslīgais intelekts?

Mākslīgais intelekts, ko parasti dēvē par AI, ir koncepcija, nevis sistēma. Intelekts tiek uzskatīts par unikālu cilvēka īpašību. Tradicionāli domājams, ka mašīnas iegūst zināšanas, bet ne saprātu vai gudrību. Datorzinātnieks Alans Turings lielu dzīves daļu pavadīja, domājot par to, vai mašīnas varētu domāt.

Viņš izdomāja Tīringa tests Kas ir Tjūringa tests un vai tas kādreiz tiks pārspēts?Tjūringa tests ir paredzēts, lai noteiktu, vai mašīnas domā. Vai Jevgeņija Goostmana programma patiešām izturēja Tjūringa testu, vai arī veidotāji vienkārši apkrāpa? Lasīt vairāk

kura mērķis ir noteikt, vai mašīna var izrādīties inteliģenta, nevis obligāti intelektuāla. Šī ir svarīga atšķirība, jo mēs joprojām pilnībā neizprotam domu vai saprātu.

Tā vietā, lai mēģinātu definēt inteliģenci, mēs ceram radīt mašīnas, kas var izdomāt saprātīgu izturēšanos.

Tā vietā, lai pati būtu tehnoloģija, AI ir sistēmu aprakstīšanas līdzeklis. Šīs sistēmas var apzīmēt kā šauru AI un vispārēju AI. Šaura AI ir automatizēta sistēma, kas paredzēta tikai noteiktam uzdevumam. Vispārīgais AI ir tas tips, kuru mēs vairāk pazīstam no popkultūras.

Šāda veida sistēmas spētu parādīt visus cilvēka intelekta elementus. Skynet no filmas Terminators franšīzes jeb HAL no 2001. gada: Kosmosa odiseja ir izdomāti vispārējās AI piemēri. Lai gan, neskatoties uz to, ko stāsta filmas, ne visas vispārējās AI sistēmas varētu iznīcināt cilvēci.

Kas ir mašīnmācīšanās?

Mēs visi zinām, ka dati var būt noderīgi. Neatkarīgi no tā, vai tas zina, pa kuru ceļu doties uz biroju, vai seko mūsu veselības stāvoklim, dati informē par mūsu lēmumiem un palīdz mums dzīvot. Bet katru dienu mēs ģenerējam tik daudz, ka mums, cilvēkiem, vairs nav iespējams tos analizēt.

Tāpēc mums vajadzētu saņemt mašīnas, kas smagi celtu mūsu labā.

Google mašīnmācības kurss Kas ir mašīnmācīšanās? Google bezmaksas kurss jums to pārtraucGoogle ir izveidojis bezmaksas tiešsaistes kursu, lai iemācītu jums mašīnmācīšanās pamatus. Lasīt vairāk mašīnmācība ir apkopota kā “datu izmantošana, lai atbildētu uz jautājumiem”. Viņi to sadala divās daļās: apmācībā un prognozēs. Iedomājieties, ka jums ir attēlu kolekcija ar attēliem, kurus jūs gribējāt atpazīt. Ja attēli tiek ievadīti mašīnmācīšanās algoritmā, sistēma sāk apgūt šīs formas pazīmes.

Kad tas sastopas ar jaunu attēlu, forma tiek salīdzināta ar elementiem no apmācības datiem, lai noteiktu, vai tā atbilst.

Lai arī jūs to nevarat atpazīt, personalizētie meklēšanas rezultāti, Spotify atskaņošanas saraksti un Amazon produktu ieteikumi ir arī mašīnmācības rezultāts. Netflix pat izmanto mašīnmācīšanās algoritmus personalizējiet parādīto vāka mākslas darbu.

Kas ir dziļā mācīšanās?

Kaut arī mēs pilnībā neizprotam intelektu, zinātniekiem ir izdevies parādīt, ka smadzenes ģenerē informāciju caur sarežģītu neironu tīklu. Mūsu smadzenes veido šie elektriskie savienojumi, kas veido neironu ceļus. Šie ceļi nes informāciju ap mūsu ķermeni, ļaujot mums kustēties, elpot un domāt.

Tomēr, ja katrs no šiem neironu ceļiem būtu neatkarīgi viens no otra, mūsu reakcijas laiks būtu neticami lēns, un mēs, iespējams, nespējam izveidot savienojumus starp domām. Sistēmas panākumi ir saistīti ar visu šo ceļu saistību, kas rada vienlaicīgu datu apstrādi.

Dziļā mācīšanās ir metode šī blīvā neironu tīkla atkārtošanai. Apstrādājot vairākas datu plūsmas vienlaikus, datori ir spējuši samazināt laiku, kas nepieciešams, lai ievērojami apstrādātu datus. Šīs metodes izmantošana dziļajās mācībās ir devusi pamatu mākslīgie neironu tīkli Kas ir neironu tīkli un kā tie darbojas?Neironu tīkli ir nākamā lielā lieta, kad runa ir par lieliem aprēķiniem un viedajiem algoritmiem. Lūk, kā viņi strādā un kāpēc viņi ir tik pārsteidzoši. Lasīt vairāk .

Šos tīklus veido mezglu virkne. Datu saņemšanai ir ievades mezgli, iegūto datu izvades mezgli un pa vidu slēpti mezglu slāņi. Mērķis ir pārveidot ievades datus par kaut ko tādu, ko izvades mezgli var izmantot. Šeit nonāk paslēptie slāņi. Tā kā dati attīstās caur šiem slēptajiem mezgliem, neironu tīkls izmanto loģiku, lai izlemtu, kuram mezglam nodot datus nākamajam.

Mašīnmācība vs. AI vs. Dziļa mācīšanās

Kaut arī mašīnmācība ir spēcīgs rīks, kas palīdz mums saprast lielo datu daudzumu, ko mēs izveidojam, tas neizrāda neatkarīgu domu. Algoritmu izstrādājuši programmētāji, un viņi nosaka noteikumus, kas mašīnmācīšanās sistēmai ir jāspēlē. Izstrādātāju neobjektivitātei, neatkarīgi no tā, vai tā ir apzināta vai nē, ir sekas.

Viens no pirmajiem nozīmīgajiem mašīnu apguves trūkumiem bija pieklājīgs no viena no Google inženieriem. 2015. gadā viņš pamanīja, ka uzņēmuma foto identifikācijas algoritms viņu un viņa melnos draugus apzīmē kā gorillas. Google nekavējoties atvainojās un ieviesa īstermiņa labojumus.

Tomēr divus gadus vēlāk Ziņots par vadu Google risinājums bija pilnībā noņemt gorillas no apmācības datiem.

No otras puses, dziļa mācīšanās ved mūs soli tuvāk vispārējam mākslīgajam intelektam. Mēģinot atkārtot cilvēka prātu, izmantojot daudzslāņu mezglu kolekciju, dziļās mācīšanās struktūras nav jāapmāca ar lielu sākotnējo datu kopu. Viņi pieņem lēmumus, pamatojoties uz sniegto informāciju un sistēmas loģiku.

Var šķist, ka neitrāla tīkla lēmumu pieņemšana nav caurskatāma, taču tas nozīmē, ka tas izdodas atkārtot cilvēka inteliģenci. Piemēram, mēs pat pilnībā nesaprotam, kā mēs nākam klajā ar savām domām un lēmumiem.

Mākslīgais intelekts ikvienam

Visbeidzot, nav nepieciešams salīdzināt mašīnu apguvi ar AI vai dziļo apguvi ar mašīnu apguvi, jo tie visi kalpo dažādiem mērķiem. AI apraksta cilvēka stila intelekta jēdzienu mašīnās, savukārt mašīnmācība un dziļa mācīšanās ir centieni izveidot vispārēju AI.

Tas nenozīmē, ka AI lauks ir pilnīgi abstrakts. Google izmanto savas apjomīgās datu kopas, gandrīz visiem produktiem pievienojot AI. Nesen bija Gmail atjaunota ar viedajām atbildēm, savukārt uzņēmuma Duplex AI izplatīšana notiek visā ASV un var apstrādājiet tālruņa zvanus jūsu vārdā. Bet viņi nav vienīgie, kas var iekļūt AI spēlē.

Jūs varat to izmēģināt pats tagad ar Google tiešsaistes AI eksperimenti 5 labākie Google AI eksperimenti mākslīgā intelekta izpēteiGoogle ir vairāki AI eksperimenti, ar kuriem jūs varat doties un spēlēt tieši tagad. Pateicoties mašīnmācībai, viņi ar jūsu palīdzību var mainīt rītdienas pasauli. Lasīt vairāk .

Attēla kredīts: sdecoret /Depositphotos