Q:
Jaký je rozdíl mezi umělou inteligencí, strojovým učením a hlubokým učením?
A:Pojmy „umělá inteligence“, „strojové učení“ a „hluboké učení“ popisují proces, který si v posledních několika desetiletích vybudoval sám sebe, protože svět dosáhl obrovského pokroku v oblasti výpočetní síly, přenosu dat a dalších technologických cílů.
Konverzace by měla začít umělou inteligencí, což je široký termín pro jakoukoli schopnost počítačů nebo technologií simulovat lidské myšlení nebo mozkovou aktivitu. V jistém smyslu umělá inteligence začala brzy, s jednoduchými počítačovými šachovými programy a dalšími programy, které začaly napodobovat lidské rozhodování a myšlení.
| Zdarma ke stažení: Strojové učení a proč to záleží |
Umělá inteligence pokračovala v postupu od prvních dnů osobního počítače, do věku internetu a nakonec do věku cloud computingu, virtualizace a sofistikovaných sítí. Umělá inteligence rostla a expandovala mnoha způsoby jako klíčový technologický průmysl.
Jedním z milníků v umělé inteligenci je vznik a přijetí strojového učení, zvláštní přístup k dosažení cílů umělé inteligence.
Strojové učení používá sofistikované algoritmy a programy, které pomáhají počítačovému softwaru zlepšit se při rozhodování o určitých souborech rozhodnutí v prostředí výkonu. Místo jednoduchého programování počítače, aby dokázal znovu a znovu dělat jednu řadu věcí, jako tomu bylo v případě ručně kódovaných programů sedmdesátých a osmdesátých let, začíná strojové učení používat heuristiku, modelování chování a další typy projekcí, které umožňují technologie pro zlepšení jeho rozhodování a vývoj v průběhu času. Strojové učení bylo použito v boji proti spamu, implementaci osobností umělé inteligence, jako je IBM Watson, a dosažení cílů umělé inteligence jinými způsoby.
Hluboké učení se zase opírá o strojové učení. Odborníci popisují hluboké učení jako použití algoritmů k řízení abstrakcí na vysoké úrovni, jako je například použití umělých neuronových sítí k tréninku technologií na úkoly. Hluboké učení posouvá strojové učení na další úroveň tím, že se snaží modelovat skutečnou činnost lidského mozku a aplikovat ji na umělé rozhodování nebo jinou kognitivní práci.
Hluboké učení bylo demonstrováno na příkladech, jako jsou špičkové programy pro optimalizaci dodavatelského řetězce, programy laboratorního vybavení a další typy inovací, jako je generativní protivníková síť, kde dvě protichůdné sítě, generativní a diskriminační síť, pracují proti sobě, aby modelovaly člověka myšlenkové procesy diskriminace. Tento konkrétní typ hlubokého učení lze použít pro zpracování obrazu a další použití.
Skutečností je, že hluboké učení přibližuje umělou inteligenci blíže tomu, co odborníci považují za „silnou umělou inteligenci“, umělou inteligenci, která je více či méně plně schopna replikovat mnoho funkcí lidského myšlení. To vede k významné debatě o tom, jak efektivně zacházet s těmito vznikajícími technologiemi a jak se starat o svět, ve kterém počítače myslí stejným způsobem jako my.
