K:
Mi a különbség a mesterséges intelligencia, a gépi tanulás és a mély tanulás között?
A:A „mesterséges intelligencia”, a „gépi tanulás” és a „mély tanulás” kifejezések olyan folyamatokat írnak le, amelyek az elmúlt évtizedekben önmagukra épültek, mivel a világ hatalmas előrelépéseket tett a számítási teljesítmény, az adatátvitel és más technológiai célok terén.
A beszélgetésnek a mesterséges intelligenciával kell kezdődnie, amely a számítógépek vagy technológiák bármilyen képességének tágabb kifejezése az emberi gondolkodás vagy az agyi tevékenység szimulálására. Bizonyos értelemben a mesterséges intelligencia már korán elindult, egyszerű számítógépes sakkjátszási programokkal és más olyan programokkal, amelyek elkezdték utánozni az emberi döntéshozatalt és gondolkodást.
| Ingyenes letöltés: Gépi tanulás és miért számít? |
A mesterséges intelligencia tovább haladt a személyi számítógép kezdeti napjaitól az internet koráig, végül a felhő-számítás, a virtualizáció és a kifinomult hálózatok korszakáig. A mesterséges intelligencia sok szempontból nőtt és bővült, mint kulcsfontosságú technológiai ipar.
A mesterséges intelligencia egyik mérföldköve a gépi tanulás megjelenése és elfogadása, amely a mesterséges intelligencia céljainak elérésére irányul.
A gépi tanulás kifinomult algoritmusokat és programokat használ, amelyek segítenek a számítógépes szoftvereknek abban, hogy jobban meghozhassanak bizonyos döntési sorozatokat egy teljesítménykörnyezetben. Ahelyett, hogy a számítógépet egyszerűen úgy programoznák, hogy újra és újra elvégezzen egy-egy dolgot, amint ez a 1970-es és 1980-as évek kézi kódolású programjaival történt, a gépi tanulás heurisztikát, viselkedésmodellezést és más típusú vetületeket használ, hogy lehetővé tegye a technológia a döntéshozatal javításához és az idő múlásával. A gépi tanulást alkalmazták a spam e-mailek leküzdésére, a mesterséges intelligencia személyiségeinek, például az IBM Watson megvalósítására, és a mesterséges intelligencia céljainak más módon történő elérésére.
A mély tanulás viszont a gépi tanulásra épül. A szakértők a mély tanulást az algoritmusok felhasználásaként írják le a magas szintű absztrakciók vezérlésére, például a mesterséges ideghálózatok használatát a technológiák feladatokra történő kiképzésére. A mély tanulás a gépi tanulást a következő szintre hozza azáltal, hogy megpróbálja modellezni az emberi agy tényleges aktivitását, és alkalmazni azt a mesterséges döntéshozatalban vagy más kognitív munkában.
A mély tanulást olyan példákkal mutatták be, mint például a legmodernebb ellátási lánc optimalizálási programok, laboratóriumi felszerelési programok és más típusú innovációk, például a generációs versenytárs hálózat, ahol két egymással ellentétes hálózat, egy generatív és diszkriminatív hálózat működik egymással az emberi modell modellezése érdekében. a diszkrimináció gondolati folyamata. Ez a mélyreható tanulás típusa alkalmazható a képfeldolgozásra és más célokra.
A valóság az, hogy a mély tanulás a mesterséges intelligenciát közelebb hozza ahhoz, amit a szakértők „erős AI” -nek tartanak, és amely többé-kevésbé képes több emberi gondolkodási funkciót megismételni. Ez jelentős vitát vált fel a kérdésről, hogyan lehet hatékonyan kezelni ezeket a felmerülő technológiákat, és hogyan kell gondoskodni egy olyan világról, amelyben a számítógépek ugyanúgy gondolkodnak, mint mi.
