Q:
Kuo skiriasi dirbtinis intelektas, mašininis mokymasis ir gilus mokymasis?
A:Sąvokos „dirbtinis intelektas“, „mašinų mokymasis“ ir „gilus mokymasis“ apibūdina procesą, kuris per pastaruosius kelis dešimtmečius buvo paremtas savimi, nes pasaulis padarė didžiulę pažangą skaičiavimo galios, duomenų perdavimo ir kitų technologijų tikslų srityje.
Pokalbis turėtų prasidėti dirbtiniu intelektu, plačiu terminu, apibūdinančiu bet kokius kompiuterių ar technologijų gebėjimus imituoti žmogaus mintis ar smegenų veiklą. Tam tikra prasme dirbtinis intelektas prasidėjo anksti, pasitelkus paprastas kompiuterines šachmatais žaidžiančias programas ir kitas programas, kurios ėmė mėgdžioti žmogaus sprendimus ir mąstymą.
| Nemokamas atsisiuntimas: mašinų mokymasis ir kodėl tai svarbu |
Dirbtinis intelektas toliau vystėsi nuo asmeninių kompiuterių pradžios iki interneto amžiaus ir pagaliau debesų kompiuterijos, virtualizacijos ir modernių tinklų amžiaus. Dirbtinis intelektas, kaip pagrindinė technologijų pramonė, išaugo ir išplito.
Vienas iš dirbtinio intelekto etapų yra mašininio mokymosi atsiradimas ir priėmimas, ypatingas požiūris siekiant dirbtinio intelekto tikslų.
Mašinų mokymasis naudoja sudėtingus algoritmus ir programas, kurios padeda kompiuterių programinei įrangai geriau priimti tam tikrus sprendimų rinkinius veiklos aplinkoje. Užuot tiesiog programuodami kompiuterį, kad tai darytų vėl ir vėl, kaip tai buvo padaryta rankomis užkoduotoms programoms aštuntajame ir devintajame dešimtmečiuose, mašinų mokymasis pradeda naudoti heuristiką, elgesio modelį ir kitokio pobūdžio projekcijas, kad technologijos, leidžiančios patobulinti sprendimų priėmimą ir laikui bėgant tobulėti. Mašinų mokymasis buvo pritaikytas kovojant su šlamštu, įgyvendinant dirbtinio intelekto asmenybes, tokias kaip „IBM Watson“, ir dirbtinio intelekto tikslams pasiekti kitais būdais.
Gilus mokymasis savo ruožtu grindžiamas mašinų mokymu. Ekspertai gilųjį mokymąsi apibūdina kaip algoritmų naudojimą aukšto lygio abstrakcijoms skatinti, pavyzdžiui, dirbtinių neuroninių tinklų naudojimą technologijoms treniruotis atliekant užduotis. Giluminis mokymasis perkelia mašinų mokymąsi į kitą lygį, bandant modeliuoti tikrąją žmogaus smegenų veiklą ir pritaikyti ją dirbtiniam sprendimų priėmimui ar kitam pažintiniam darbui.
Gilus mokymasis buvo įrodytas tokiais pavyzdžiais kaip moderniausios tiekimo grandinės optimizavimo programos, laboratorinės įrangos programos ir kitos naujovės, pavyzdžiui, generatyvusis priešininkų tinklas, kai du priešingi tinklai - generatyvinis ir diskriminacinis tinklas - dirba vienas prieš kitą modeliuodami žmogų. minties diskriminacijos procesai. Šis ypatingas giluminio mokymosi būdas gali būti taikomas vaizdų apdorojimo ir kitoms reikmėms.
Realybė yra tokia, kad gilus mokymasis pritraukia dirbtinį intelektą prie to, ką ekspertai laiko „stipriu AI“, dirbtiniu intelektu, daugiau ar mažiau galinčiu atkartoti daugelį žmogaus minčių funkcijų. Tai sukelia rimtas diskusijas apie tai, kaip efektyviai valdyti šias kylančias technologijas ir kaip rūpintis pasauliu, kuriame kompiuteriai mąsto panašiai kaip mes.
