Deep Learning vs. Machine Learning vs. AI: Hvordan går de sammen?
Annonse
Den neste store tingen i tech er maskinlæring . Eller er det dyp læring ? Kanskje det er kunstig intelligens . Hvis du synes at du blir sammenfiltret i forskjellene mellom de tre, er du ikke alene.
Aldri noen til å gi opp en mulighet til å generere hype og skaffe ut Venture Capital-penger, noen teknologiselskaper har brukt alle tre om hverandre. Mens de alle faller inn under den samme brede paraplyen, er det noen avgjørende forskjeller mellom dem.
Hva er kunstig intelligens?
Kunstig intelligens, ofte referert til som AI, er et konsept i stedet for et system. Etterretning oppleves som et unikt menneskelig trekk. Tradisjonelt har maskiner antatt å få kunnskap, men ikke intelligens eller visdom. Dataforskeren Alan Turing brukte store deler av siste del av livet med å vurdere om maskiner kunne tenke.
Han tenkte på Turing-testen. Hva er Turing-testen, og vil den noen gang bli slått? Hva er Turing-testen, og vil den noen gang bli slått? Turing-testen er ment å bestemme om maskiner tenker. Har Eugene Goostman-programmet virkelig bestått Turing-testen, eller jukset skaperne rett og slett? Les mer som tar sikte på å bestemme om en maskin kan utvise intelligent oppførsel i stedet for nødvendigvis å være intelligent. Dette er et viktig skille fordi vi fremdeles ikke helt forstår tanker eller intelligens.
I stedet for å prøve å definere intelligens, håper vi å lage maskiner som kan vise intelligent atferd.
I stedet for å være en teknologi i seg selv, er AI et middel til å beskrive systemer. Disse systemene kan merkes som smal AI og generell AI. Smal AI er et system som er intelligent, men bare til en spesifikk oppgave. Generell AI er den typen vi er mer kjent med fra popkultur.
Disse typer systemer vil være i stand til å vise alle elementer av menneskelig intelligens. Skynet fra Terminator filmfranchise, eller HAL fra 2001: A Space Odyssey er fiktive eksempler på General AI. Til tross for hva filmene forteller deg, ville ikke alle generelle AI-systemer være ute etter å ødelegge menneskeheten.
Hva er maskinlæring?
Vi vet alle at data kan være nyttige. Enten det er å vite hvilken rute vi skal ta på vei til kontoret eller holde øye med helsen vår, informerer data om beslutningene våre og guider oss gjennom livet. Men vi genererer så mye hver dag at det har blitt umulig for oss mennesker å analysere.
Så vi skulle få maskiner til å gjøre det tunge løftet for oss.
Googles maskinlæringskurs Hva er maskinlæring? Googles gratis kurs bryter det ned for deg. Hva er maskinlæring? Googles gratis kurs bryter det ned for deg Google har designet et gratis online kurs for å lære deg grunnleggende om maskinlæring. Read More oppsummerer maskinlæring som “å bruke data for å svare på spørsmål.” De deler det opp i to deler: trening og spådommer. Se for deg at du har en samling bilder med figurer som du ønsket å gjenkjenne. Hvis bildene mates inn i maskinlæringsalgoritmen, begynner systemet å lære funksjonene i den formen.
Når det møter et nytt bilde, blir formen sammenlignet med elementene fra treningsdataene for å avgjøre om det er en kamp.
Selv om du kanskje ikke gjenkjenner det, er personaliserte søkeresultater, Spotify-spillelister og produktanbefalinger fra Amazon også et resultat av maskinlæring. Netflix bruker til og med maskinlæringsalgoritmer for å tilpasse omslagsbilder du viser.
Hva er dyp læring?
Selv om vi ikke helt forstår intelligens, har forskere klart å vise at hjernen genererer informasjon gjennom et sammensatt nettverk av nevroner. Hjernen vår består av disse elektriske forbindelsene som danner nevrale veier. Disse veiene fører informasjon rundt kroppene våre slik at vi kan bevege oss, puste og tenke. 
Imidlertid, hvis hver av disse nevrale traséene var uavhengige av hverandre, ville vår reaksjonstid være utrolig treg, og vi kan ikke være i stand til å knytte forbindelser mellom tanker. Systemets suksess skyldes forholdet mellom alle disse stiene, noe som gir opphav til samtidig databehandling.
Dyp læring er en metode for å gjenskape dette tette nettverket av nevroner. Ved å håndtere flere datastrømmer samtidig, har datamaskiner klart å redusere tiden det tar å behandle data betydelig. Å bruke denne teknikken på dyp læring har gitt opphav til kunstige nevrale nettverk Hva er nevrale nettverk og hvordan fungerer de? Hva er nevrale nettverk, og hvordan fungerer de? Nevrale nettverk er den neste store tingen når det gjelder tunge beregninger og smarte algoritmer. Slik fungerer de, og hvorfor de er så fantastiske. Les mer .
Disse nettverkene består av en serie noder. Det er inngangsnoder for mottak av data, utgangsnoder for de resulterende dataene og skjulte lag med noder i midten. Målet er å forvandle inndataene til noe utgangsnodene kan bruke. Det er her de skjulte lagene kommer inn. Når dataene går videre gjennom disse skjulte nodene, bruker nevrale nettverket logikk for å bestemme hvilken node som skal overføre dataene til neste.
Machine Learning vs. AI vs. Deep Learning
Selv om maskinlæring er et kraftig verktøy som hjelper oss med å forstå de store datamengdene vi lager, viser den ikke uavhengig tanke. Algoritmen er designet av programmerere, og de setter reglene som maskinlæringssystemet må spille etter. Tiltakene til utviklerne, enten de er bevisste eller ikke, har forgreninger.
Et av de første betydelige tilbakeslagene for maskinlæring kom med tillatelse fra en av Googles ingeniører. I 2015 la han merke til at selskapets algoritme for fotoidentifikasjon merket ham og hans svarte venner som gorillaer. Google ba umiddelbart unnskyldning og implementerte kortsiktige rettelser.
To år senere rapporterte WIRED imidlertid Googles løsning var å fjerne gorillaer fra treningsdataene helt.
På den annen side tar dyp læring oss et skritt nærmere generell kunstig intelligens. Ved å prøve å gjenskape det menneskelige sinn gjennom en flerlags samling av noder, trenger ikke dype læringsstrukturer å bli opplært med et stort initialt datasett. De tar beslutninger basert på informasjonen som er gitt og logikken i systemet.
At beslutninger om et nøytralt nettverk ikke er gjennomsiktige kan virke irriterende, men det betyr at det lykkes med å gjenskape menneskelig etterretning. For eksempel forstår vi ikke engang helt hvordan vi kommer frem til egne tanker og beslutninger.
Kunstig intelligens for alle
Til slutt er det ingen grunn til å sammenligne maskinlæring kontra AI eller dyp læring kontra maskinlæring, ettersom de alle tjener forskjellige formål. AI beskriver begrepet menneskelig intelligens i maskiner, mens maskinlæring og dyp læring er innsats for å lage en generell AI.
Det er ikke å si at feltet til AI er helt abstrakt. Google bruker sine enorme datasett ved å legge til AI til nesten alle produktene sine. Gmail ble nylig oppusset med Smart Replies, mens selskapets Duplex AI ruller ut over hele USA og kan håndtere telefonsamtaler på dine vegne. Men de er ikke de eneste som kan komme inn på AI-spillet.
Du kan prøve det ut selv med Googles online AI-eksperimenter 5 Beste Google AI-eksperimenter for å utforske kunstig intelligens 5 Beste Google AI-eksperimenter for å utforske kunstig intelligens. Google har flere AI-eksperimenter som du kan gå og leke med akkurat nå. Takket være maskinlæring kan de endre morgendagens verden med din hjelp. Les mer .
Bildekreditt: sdecoret / Depositphotos
Utforsk mer om: Kunstig intelligens, maskinlæring.
