AI vs Machine Learning vs Deep Learning: Hver er munurinn? Byte Academy

AI vs Machine Learning vs Deep Learning: Hver er munurinn?

Mánudaginn 17. apríl 2017

Þegar AlphaGo frá Deepmind vann 4 af 5 leikjum gegn þáverandi Go Champion Lee Se-dol tók allur heimurinn eftir því. Þessi stund var höfð sem sigur fyrir gervigreind og var mikilvægt skref í átt að því að gera háþróaðar AI knúnar vélar að veruleika.

Þetta var líka þegar orðin Deep Learning og Machine Learning fóru inn í almenna Lexicon, þar sem fjölmiðlar notuðu þessi hugtök til skiptis til að útskýra hvernig AlphaGo keppti gegn mannlegri greind.

Þótt þau séu náskyld, þýðir þessi hugtak mismunandi hlutir. Og á þessum degi og tíma, þegar tækni hefur mikil áhrif á hvernig við lifum lífi okkar, er mikilvægt að vita muninn á þessum kjörum.

Þessi grein mun hjálpa þér að gera einmitt þetta.

Aðkoman
 Besta leiðin til að skilja þessi hugtök er að kynnast samskiptum þeirra á milli. AI, Machine Learning og Deep Learning eru eins og þessi rússnesku dúkkusett - AI er víðtækasta hugtakið og þar með stærsta dúkkan í settinu, Machine Learning kemur í annað sæti og Deep Learning er að finna innan þess.

AI, vélinám og djúpt nám eru eins og þessi rússnesku dúkkusett… Smelltu til að Tweeta

Við byrjum á skilningi okkar á fyrstu dúkkunni, gervigreind.

Gervigreind (AI)
 Gervigreind sem hugtak hefur verið hluti af opinberu ímyndunarafli okkar síðan um aldir, allt frá grískum goðsögnum um vélræna menn sem eru hannaðir til að líkja eftir hegðun manna í nýlegri Terminator seríu um ofur greindar netnetverur sem ferðast aftur í tímann til að tortíma / bjarga mannkyninu . Það er kenning og þróun tölvukerfa sem geta sinnt verkefnum sem venjulega krefjast mannlegrar upplýsingaöflunar, svo sem sjónræn skynjun, talgreining, ákvarðanatöku og þýðingu á milli tungumála.

Hugmyndin um AI, sem Hollywood og Sci-Fi eru vinsæl, er þekkt sem „General AI“ - öflugar vélar sem geta staðið betur en manneskjur á öllum sviðum.

Samt sem áður, AlphaGo og flest önnur tilvik AI í heimi nútímans tilheyra flokknum „þröngt AI“ þar sem þessar vélar eru búnar til að endurtaka eða bæta mannlega hegðun í einu verkefni.

Vinsældir AI hafa sprungið undanfarin ár, vegna greiðs aðgangs að samhliða tölvuvinnslu með GPU og Big Data hreyfingunni sem færir inn gögn af öllum toga og hjálpar til við að kanna alla dýptarmöguleika á þessu sviði.

En hvernig gerði akur, sem var langsamlega eftir athygli og framfarir til ársins 2012, það stórt svo fljótt? Þessi spurning leiðir okkur til Vélnáms, á sviði tölvunarfræði sem hefur gert þessa þróun mögulega.

Vélarnám

Vélarnám sem hugtak felur í sér hæfi vélar til að læra af sjálfu sér, af gögnum sem fylgja með. Þó við forritum venjulega vélar til að fylgja fyrirmælum samkvæmt kröfum okkar, þá notum við í Vélarnámi reiknirit sem kerfisbundið flokka gögnin og læra hegðunina sjálf, án þess að vera beinlínis forrituð til að gera það.

En hvernig gerði AI, sem var lítið fyrir athygli og framfarir til ársins 2012, það stórt svo… Smelltu til að Tweeta

Besta dæmið fyrir þetta væri flokkun tölvupósta í mismunandi síur og tilgreina hvort tölvupóstur tilheyri ruslpósti eða ekki sé gert með því að nota Machine Learning reiknirit.

Vélarnám var hugmyndafræðilegt af snemma AI hópnum og hefur síðan þá safnað saman margvíslegum aðferðum eins og námi ákvörðunar tré, barnalegri Bayes flokkun og stuðningsvektor vélum meðal annarra. Það hefur verið mikið notað á sviði tölvusjónar þar sem markmiðið er að hjálpa tölvunni að bera kennsl á mismunandi hluti í mynd.

Upphaflega var þessi reitur treginn af bilun - hann krafðist mikillar handkóðunar, vinnslutíma og gat samt ekki samsvarað árangri samkvæmt mannlegum stöðlum. Með tímanum og endurbótum á tæknilegum innviðum hafa tækni þess orðið mjög öflug en það er eitt undirsvið sem hefur hjálpað til við að ná fram vélarfræðslu að því marki sem tölvusjón er notuð af Facebook eins og hægt er að bera kennsl á hluti á mynd og Uber , Apple og þess háttar að gera ökumenn að minna bílum.

Og tæknin? Það er það sem Deep Learning snýst um.

Djúpt nám

Deep Learning er undirsvið Vélanáms þar sem notast er við tæknin Artificial Neural Networks. Það er innblásið af líffræði manna - rétt eins og heili okkar samanstendur af neti taugafrumna sem skjóta merki og senda upplýsingar, reikniritið býr til svipaða uppstillingu í vél þar sem eini munurinn er sá að þó líffræðilegar taugafrumur geti tengst hver við aðra, þá er gervi tauga netkerfi eru með stakum lögum og tengingum og fylgja fyrirfram ákveðinni stefnu.

Í meginatriðum felst Deep Learning í því að fæða tölvukerfið mikið af gögnum sem það flokkar kerfisbundið með því að flokka gögn um tvöfaldar sannar eða rangar spurningar eða draga út tölulegt gildi. Þessar upplýsingar eru geymdar í formi taugakerfa sem síðan eru notaðar til að flokka hvers konar gögn - hljóð, myndband, tal o.fl. Þrátt fyrir að reiknivæðingin sé umfangsmikil, þá veitir þessi tækni okkur afburða árangur og er nú notuð við fjölmörg vandamál, svo sem eins og að sigla um minna bílum, lita aftur svart og hvítt myndir, veita læknisfræðilega greiningu, meðal annarra.

Að lokum er auðvelt að hugsa um þessi hugtök sem sammiðja hringi. AI er víðfeðma markmiðið, framtíðin sem þegar er að veruleika í dag. Vélarnám er efnilegasta aðferðin til að gera þessa framtíð að veruleika. Og Deep Learning er öflugasta tækni Machine Learning til að láta það gerast.

Til að fá dýpri skilning á þessum hugtökum skaltu skoða gagnanámskeiðin okkar.

Upphaflega birt á byteacademy.co þann 17. apríl 2017.