Intel·ligència artificial, aprenentatge automàtic i aprenentatge profund: quina diferència hi ha?

Google Home Mini Foto de Kevin Bhat a Unsplash

La meva primera pregunta va ser quan vaig començar a estudiar aquests temes fa aproximadament un mes. Entenc les condicions ara mateix, així que vegem.

Intel·ligència artificial

Generalment, quan les persones pensen en intel·ligència artificial (IA), pensen en intel·ligència general artificial (AGI) o en la capacitat de la criatura no biològica (o millor) per realitzar diverses tasques a nivell humà. ) coneixement. Es diferencia d’una IA estreta que pot realitzar tasques específiques al nivell de les habilitats d’una persona. A la vida quotidiana, per exemple, hi ha exemples de malalties vasculars estretes, com ara el nostre telèfon personal o auxiliars de casa, màquines d’auto conducció o AlphaGo. Tanmateix, encara no tenim exemples d’AGI i no podríem estar d’acord quan es podria produir això, però la direcció sagrada de la investigació d’AI centrada en el desenvolupament humà a nivell d’AGI no hauria estat una intel·ligència intensa. T queda molt enrere

Aprenentatge automàtic

La construcció de màquines és un camp on l’aprenentatge de màquines s’ensenya a desenvolupar algoritmes per realitzar tasques. Aquesta zona vola davant de la programació tradicional on la gent reuneix algoritmes i programari per calcular-los. En l'aprenentatge automàtic, les persones proporcionen dades de formació (entrades que produeixen determinats resultats) i màquines de programari per determinar si determinada informació comportarà resultats. Aquest és un poderós paradigma perquè allibera la gent de saber obtenir resultats, han de proporcionar informació suficient per a la màquina per determinar com resultarà una combinació d'entrada particular. Per exemple, si teniu una tasca de pesca, la programació tradicional us ensenyarà a utilitzar un equip de pesca a la banqueta: com subjectar la nansa, com alliberar la llança i com traçar una línia. L’entrenament a l’automòbil proporciona a la màquina una biblioteca de vídeos que mostren a les persones que han tingut èxit o no han pogut capturar peixos, i deixen cada vídeo a la màquina per revisar i aprendre a capturar el peix. Potser algunes tècniques de colat són millors que d’altres, o el clima pot tenir un paper important, el cotxe pot comportar patrons no desitjats.

Aprenentatge profund

L’aprenentatge profund és l’aprenentatge automàtic, una tècnica d’aprenentatge automàtic basada en els cables neurals del cervell biològic. És a dir, el cervell està programat per augmentar el coneixement cerebral mitjançant una xarxa neuronal artificial. En parlaré més endavant, però aquestes xarxes neuronals tenen moltes capes de "neurones" que exploren moltes maneres possibles que un conjunt d'entrada pot esdevenir un conjunt de resultats. Curiosament, aquestes xarxes neuronals són difícils d’analitzar perquè formen part essencialment del pes que calcula els components de les dades. Si el gat està a la foto, obteniu una xarxa neuronal artificial (ANN) que la pugui detectar. Per als humans, identifiquem els gats mitjançant trets semblants als gats (orella específica, pell, pell). L’ANN pot notar que alguns píxels pertanyen a un altre grup de píxels que indiquen que hi ha un gat, però per a un humà és com un conjunt de dades i matemàtiques. Sabem que l’ANN pot trobar una forma més exacta d’identificar els gats que ningú ha pensat, que està obsoleta (que és amb un burger?) Que permet reconèixer funcions senzilles.

De totes maneres, són coses fantàstiques i tinc ganes de trencar el centèssim grau d’aprenentatge profund, aprenentatge automàtic i AI. Respondre a una pregunta, n’hi ha moltes més.

Spelling Bee Tldr;

L’aprenentatge profund és una tècnica d’aprenentatge automàtic que ens apropa a la creació d’intel·ligència general artificial.