Az elmúlt években, a 4.0-s ipari forradalom robbanásával az olyan kifejezések, mint a mesterséges intelligencia (AI), a gépi tanulás és a mélytanulás fokozatosan népszerűvé váltak, és olyan fogalmakká váltak, amelyeket a 4.0-s korszak polgárainak meg kell érteniük.
E három fogalom kapcsolata azzal magyarázható, hogy körökként képzeljük el őket, amelyekben a legkorábban megjelenő ötlet a mesterséges intelligencia a legnagyobb kör, ezt követi a gépi tanulás – a később megjelent fogalom. , végül pedig a mély tanulás – ami a vezetést jelenti. a jelenlegi AI fellendülés – a legkisebb kör.
Az AI, a gépi tanulás és a mély tanulás közötti kapcsolat
Egy AI-rendszer felépítése természetesen rendkívül bonyolult, de megérteni nem is olyan nehéz. A legtöbb jelenlegi mesterséges intelligencia csak igazán jó kitalálógép (az agyunkhoz hasonló kitalálógép). Adja meg a rendszernek egy adathalmazt (például 1-től 10-ig terjedő számjegyeket), és megkéri a rendszert, hogy modellezzen (x + 1, 0-tól kezdve), és készítsen előrejelzéseket. (A következő szám tizenegy lesz). Nincs varázslat, ezt csinálja az emberi agy nap mint nap: használja azt, amit tudunk, hogy kitalálja azt, amit nem tudunk.
Az AI-t az különbözteti meg a többi számítógépes programtól, hogy ahelyett, hogy minden esetre külön programokat kellene készítenünk, teljesen meg tudjuk tanítani az AI-t (gépi tanulás), és képes az automatikus mélytanulásra is. Ez a három fogalom alapvetően a következőképpen definiálható:
Mesterséges intelligencia (AI): olyan gép, amely képes utánozni az emberi viselkedést és gondolkodást.
Gépi tanulás: A mesterséges intelligencia olyan funkciója, amely lehetővé teszi a szakértők számára, hogy megtanítsák a mesterséges intelligenciát az adatminták felismerésére és előrejelzések készítésére.
Mély tanulás: A gépi tanulás egy kis technikája, amely lehetővé teszi a gépek számára, hogy képezzék magukat.
Az AI, a gépi tanulás és a mély tanulás közötti kapcsolat
Mi az az AI?
Mesterséges intelligencia - az emberi agy egy gép formájában
Az AI a számítástechnikának az intelligens viselkedés automatizálásával foglalkozó ágaként határozható meg . A mesterséges intelligencia a számítástechnika része, ezért a terület szilárd, alkalmazható elméleti alapelvein kell alapulnia. Egyszerűen fogalmazva, könnyen érthető: ez az emberek által létrehozott gépek intelligenciája. Ez az intelligencia tud gondolkodni, gondolkodni, tanulni... mint az emberi intelligencia. Az adatok feldolgozása nagyobb, nagyobb léptékű, szisztematikus, tudományos és gyorsabb szinten, mint az emberek.
Jelenleg azonban az AI-technológiának még mindig sok korlátja van. Például Alexa – egy nagyszerű házvezetőnő, a mesterséges intelligencia-alkalmazások egyik legnépszerűbb szimbóluma, de még mindig nem megy át a Turing-teszten.
Röviden, amit ma az AI-val csinálunk, az a „keskeny AI” fogalma alá esik. Ez a technológia az emberekhez hasonlóan, vagy jobban képes bizonyos feladatokat ellátni. A gyakorlatban a „szűk mesterségesintelligencia” példái közé tartozik a Pinterest képosztályozási technológiája vagy az arcfelismerés az ismerősök megjelöléséhez a Facebookon .
Ezek a technológiák bemutatják az emberi intelligencia bizonyos aspektusait, de hogyan érhetők el? Honnan ez a bölcsesség? Jöjjön a következő kör: a gépi tanulás.
Mi az a gépi tanulás?
Gépi tanulás – az AI megközelítése
A gépi tanulás tág fogalom a számítógép megtanítására, hogy javítsa az általa végrehajtott feladatot. Pontosabban, a gépi tanulás minden olyan rendszerre vonatkozik, amelyben a számítógép teljesítménye egy feladatnál javul a feladat többszöri elvégzése után. Más szóval, a gépi tanulás legalapvetőbb képessége az, hogy algoritmusok segítségével elemzi a rendelkezésre álló információkat, tanul belőlük, majd döntést hoz vagy előrejelzést hoz valami kapcsolódóról. Ahelyett, hogy részletes műveleteket és utasításokat tartalmazó szoftvereket hoznának létre egy adott feladat végrehajtásához, a számítógépeket adatok és algoritmusok segítségével "oktatják" a feladat végrehajtásának megtanulására.
A gépi tanulás nélkül a jelenlegi mesterséges intelligencia meglehetősen korlátozott lenne, mivel ez lehetővé teszi a számítógépek számára, hogy kitalálják a dolgokat anélkül, hogy kifejezetten programoznák őket. Tegyük fel, hogy egy gépi tanulási típusra példaként egy olyan programot szeretne, amely képes azonosítani a macskákat a fényképeken:
- Először is, a mesterséges intelligencia számára egy sor macskajellemzőt biztosít a gép számára, hogy felismerje, például szőrszín, testforma, méret stb.
- Ezután be kell töltenie néhány képet az MI-be, ahol a képek egy része vagy mindegyike „macska” címkét kaphat, hogy a gép hatékonyabban tudja kiválasztani a macskákkal kapcsolatos részleteket és funkciókat.
- Ha a gép megkapta az összes szükséges adatot a macskákról, tudnia kell, hogyan kell macskát találni a képen - „Ha a kép bizonyos részleteket tartalmaz X, Y vagy Z, akkor 95% az esély arra, hogy Talán egy macska ."
Általánosságban elmondható, hogy a gépi tanulás alkalmazása manapság rendkívül népszerű, és hasznossága vitán felül áll.
Mi az a mély tanulás?
Mély tanulás – gépi tanulási technika
Elmondható, hogy a mesterséges intelligencia eddig számos nagy előrelépést ért el. Tekintsd úgy, mint egyfajta gépi tanulást mély " neurális hálózatokkal ", amelyek ugyanúgy képesek feldolgozni az adatokat, ahogy az emberi agy. A fő különbség itt az, hogy az embereknek nem kell megtanítaniuk egy mélytanulási programot, hogyan néz ki egy macska, hanem csak el kell látnia a macskákról készült összes szükséges képpel, és ő magától kitalálja. A teendők a következők:
- Adja meg a gépet sok macskás képpel.
- Az algoritmus megvizsgálja a fényképeket, hogy megtalálja a fotók közös jellemzőit és részleteit.
- Minden fotó részletesen dekódolásra kerül számos szinten, a nagy, általános formáktól a kis és kisebb cellákig. Ha egy alakzat vagy vonal sokszor megismétlődik, az algoritmus fontos jellemzőként fogja felcímkézni.
- Elegendő kép elemzése után az algoritmus most már tudja, mely minták adják a legtisztább bizonyítékot a macskákra, és az embernek csak a nyers adatokat kell megadnia.
Röviden: A mélytanulás a gépi tanulás egyik fajtája, amelyben a gép képezi magát. A mély tanulás sokkal több bemeneti adatot és számítási teljesítményt igényel, mint a gépi tanulás, de a nagy technológiai cégek, például a Facebook és az Amazon elkezdték bevezetni. Közülük a gépi tanulás egyik leghíresebb neve az AlphaGo, egy számítógép, amely képes megjátszani a Go-t önmaga ellen, amíg meg nem tudja jósolni a legpontosabb mozdulatokat ahhoz, hogy legyőzze sok világbajnokot.
Következtetést levonni
A mélytanulás számos valós gépi probléma alkalmazását tette lehetővé, miközben kiterjesztette a mesterséges intelligencia átfogó területét. A mély tanulás megzavarja az emberek működését, mivel lehetővé teszi mindenféle segédgép számára, hogy az emberhez közel vagy azzal azonos módon működjön. Vezető nélküli autók, jobb egészségügyi ellátás... Mindez napjainkban valósul meg. Az AI a világ jelene és jövője. A mély tanulás segítségével a mesterséges intelligencia megvalósíthatja azokat a sci-fi álmainkat, amelyeket oly régóta elképzelünk.
Többet látni: