AI versus machine learning versus deep learning: wat is het verschil? Beth Academy

AI versus machine learning versus deep learning: wat is het verschil?

Maandag 17 april 2017

Toen Deepmind's AlphaGo 4 van de 5 wedstrijden won tegen de toenmalige Go Go-kampioen Lee Se-dol, trok de hele wereld de aandacht. Op dat moment, aangekondigd als de triomf van kunstmatige intelligentie, was AI een belangrijke stap in de richting van de transformatie van geavanceerde machines naar de realiteit.

Wanneer de woorden Deep Learning en Machine Learning in het openbare lexicon komen, wanneer de media deze termen gebruiken om uit te leggen hoe AlphaGo het opneemt tegen de menselijke geest.

Door dicht bij elkaar te zijn, hebben deze termen verschillende betekenissen. In de dag en de eeuw, wanneer we weten hoe technologie ons leven beïnvloedt, is het belangrijk om het verschil tussen deze termen te kennen.

Dit artikel zal je helpen.

Aanpak De beste manier om deze termen te begrijpen, is door de onderlinge relaties te kennen. AI, Machine Learning en Deep Learning zijn als een verzameling Russische poppen - AI is het breedste concept en daarom is Machine Learning de grootste pop in de collectie, ongeëvenaard. Je kunt het hier vinden.

AI, machine learning en deep learning zijn als Russische poppenverzamelingen ... Klik om te tweeten

We beginnen met ons begrip van de eerste pop, kunstmatige intelligentie.

Artificial Intelligence (AI) Kunstmatige intelligentie is door de eeuwen heen geëvolueerd, van Griekse mythen over gemechaniseerde mensen tot de vernietiging / instandhouding van de mensheid, in de loop van de tijd, met betrekking tot intelligente cybernetische organismen. nggi maakt deel uit van onze publieke verbeelding tot aan de Terminator-lijn. . Dit is de theorie en ontwikkeling van computersystemen die menselijke intelligentie vereisen, zoals visuele waarneming, spraakherkenning, besluitvorming en vertaling tussen talen.

Het concept van AI, gepopulariseerd door Hollywood en Sci-Fi, wordt "Common AI" genoemd - een krachtige machine die de mens op alle gebieden domineert.

Echter, AlphaGo en de meeste van de huidige AI-gevallen vallen in de categorie "Dark AI", deze machines zijn ontworpen om iemands specifieke taken te repliceren of te verbeteren.

De populariteit van AI in de afgelopen jaren heeft het gemakkelijker gemaakt om alle mogelijkheden in het veld te verkennen, dankzij de eenvoudige integratie van GPU's en Big Data met verschillende soorten gegevens parallel.

Maar hoe is het gebied dat de aandacht en vooruitgang in 2012 ondermijnde zo snel geworden? Deze vraag brengt ons bij Machine Learning op het gebied van Informatica, waar deze ontwikkeling is gemaakt.

Machine learning

Werktuigbouwkunde verwijst als concept naar het vermogen van een machine om zelf te leren van de verstrekte informatie. Hoewel we onze machines meestal programmeren om de instructies volgens onze vereisten te volgen, gebruiken we in Machine Learning algoritmen die regelmatig de gegevens controleren en spontaan gedrag leren.

Maar hoe de AI, die gefocust en gefocust is op 2012, het groot heeft gemaakt ... Tweet to Tweet

Het classificeren van e-mails in verschillende filters, om te bepalen of e-mail spam is, is een goed voorbeeld hiervan, met behulp van Machine Learning-algoritmen.

Machine Learning is voor het eerst ontwikkeld door de AI-menigte en heeft sindsdien vele technieken verzameld, waaronder het leren van beslissingsbomen, de eenvoudige classificatie van Bayes en het ondersteunen van vectormachines. Deze computer wordt veel gebruikt in het gezichtsveld, met als doel de computer te helpen bij het identificeren van verschillende objecten in de afbeelding.

Aanvankelijk mislukte het in het veld - het vereiste handmatige codering, verwerkingstijd en slaagde er nog steeds niet in om de resultaten aan te passen aan menselijke normen. Met het verstrijken van de tijd en verbeterde technologische infrastructuur zijn deze technieken zeer krachtig geworden, maar er is maar één subveld dat kan helpen bij het ontwikkelen van Machine Learning, namelijk een foto en een Uber van PC Vision Het wordt met succes gebruikt bij objectherkenning. , Apple en chauffeurs parkeren graag minder.

En de techniek? Dit is het doel van diepgaande studie.

Diep leren

Deep Learning is een subdomein van Machine Learning dat gebruikmaakt van kunstmatige neurale netwerktechnieken. Het is geïnspireerd op de menselijke biologie - omdat ons brein bestaat uit een netwerk van neuronen die signalen verzenden en informatie verzenden, creëert het algoritme een machine-achtige opstelling, in tegenstelling tot biologische neuronen die vrij met elkaar kunnen communiceren. geur neuron. netwerken hebben afzonderlijke lagen en verbindingen en volgen de vooraf gedefinieerde richting.

In feite houdt Deep Learning in dat veel gegevens worden overgebracht naar een computersysteem dat gegevens classificeert door binaire echte of valse vragen of gegevens analyseert door numerieke waarden te extraheren. Deze informatie wordt opgeslagen als neurale netwerken en vervolgens gebruikt om elke vorm van informatie te classificeren - audio, video, spraak, enz. Hoewel het rekenvolume erg groot is, levert deze methode uitstekende resultaten op en wordt momenteel gebruikt voor zo'n breed scala aan problemen. Als mindere automobilist, zwart en wit schilderen, een medische diagnose stellen en meer.

Samenvattend zijn deze concepten gemakkelijk te zien als concentrische cirkels. AI is een breed doel, een toekomst die vandaag zal worden gerealiseerd. Machine learning is de meest veelbelovende aanpak om de toekomst te realiseren. Deep Learning is Machine Learning - de sterkste manier om dit te doen.

Bezoek onze cursussen Informatiekunde om een ​​beter begrip van deze concepten te krijgen.

Oorspronkelijk gepubliceerd door teacademy.co op 17 april 2017.