Kunstmatige intelligentie, machinebouw, diep leren en kenniswetenschap - wat is het verschil?

Verschil tussen AI, ML, DS, DL. Foto: Oluebube Princess Egbuna Lagos Circle voor Facebook-fabrikant

Toen ik in de auto begon te studeren, was ik overweldigd. Mijn verwarring was niet technisch, maar hoe ik de woorden kreeg toen ik naar machine learning ging.

Ik heb woorden gehoord zoals data science, kunstmatige intelligentie, machine learning en deep learning. Er zijn genoeg woorden in deze cirkel die interessant zijn.

U vraagt ​​zich misschien af ​​hoe ze verschillen. Ik hoop dat ik je vermoedens kan wegnemen, dus ga zitten!

Deze gebieden evolueren in een snel tempo en de definitie die u vandaag zult vinden, kan anders zijn dan wat u morgen zult vinden, dus zorg ervoor dat u de groei van technologie bijhoudt.

Wat is kunstmatige intelligentie?

Vooraleer ik op zoek ging naar de betekenis van kunstmatige intelligentie, kwam ik tot het idee dat robots voor kunstmatige intelligentie (AI) dezelfde dingen kunnen doen als mensen.

Hoewel dit een deel van de waarheid is, is het niet per se kunstmatige intelligentie. Zoals we allemaal weten, zijn halve waarheden bijna nooit waar.

Volgens het Merriam-webster-woordenboek is het woord geest 'het vermogen om nieuwe of moeilijke situaties te leren of te begrijpen of te overwinnen'. Het wordt ook gedefinieerd als het vermogen om kennis toe te passen op milieubeheer voor abstract denken zoals gemeten door rationeel gebruik en objectieve criteria (bijv. Tests).

Artificial Intelligence (AI) is daarom gebaseerd op het idee dat een machine of computerprogramma in staat is om te denken, begrijpen en leren zoals mensen dat doen.

Uit de definitie van de geest kunnen we zeggen dat kunstmatige intelligentie de studie is van de mogelijkheden om machines te creëren die de kennis die uit deze informatie is opgedaan, kan toepassen op de omgeving.

Nog steeds buzz-woorden? Wacht! Simpel gezegd ...

AI (Artificial Intelligence) is een manier om de menselijke intelligentie in machines, vooral computersystemen, te vergroten door middel van leren, redeneren en zelfcorrectie.

Een realistisch voorbeeld van AI:

Als je mijn vriend bent en ik begrijp dat je van acteerfilms houdt, zal ik je filmaanbevelingen geven op basis van wat ik van je weet. Dit is de menselijke geest.

Als je een bepaalde categorie films op Netflix ziet, geeft Netflix je filmaanbevelingen op basis van je kijkstijl.

Hoe is dat mogelijk? Kunstmatige intelligentie. Dit is een heel algemeen voorbeeld van kunstmatige intelligentie.

Wat is machine learning?

Kunstmatige intelligentie is enorm. Werktuigbouwkunde (ML) is een subset van kunstmatige intelligentie. Herinner je je uit de vorige paragraaf het leeraspect van het begrijpen van intelligentie? ML komt aan.

Machine Learning (ML) is een statistisch hulpmiddel om van gegevens te leren. De kern van ML is computers te leren hoe ze gegevens kunnen voorspellen en voorspellen zonder te programmeren.

ML real-life voorbeeld:

We ontvangen spamberichten. Ze worden altijd gefilterd, bijvoorbeeld door Gmail. Mails worden ook geclassificeerd in promoties en sociale en andere categorieën op basis van de postdienst die u gebruikt. Hoe heeft Gmail dit geleerd? Machine learning! Onthoud dat ML onderdeel is van AI.

Wat is een diepgaande studie?

Bij machine learning gaan de gegevens voornamelijk via algoritmen die lineaire wijzigingen in de productie aanbrengen.

Diep leren is een klein onderdeel van machine learning dat talloze niet-lineaire veranderingen doormaakt om resultaten te behalen.

'Diep' betekent in dit geval vele fasen. De output van de ene fase is input voor de andere fase, en dit wordt continu gedaan om het eindresultaat te verkrijgen. Niet al deze stappen zijn lineair. Een voorbeeld van niet-lineaire transformatie is een matrixtransformatie.

Diep leren wordt ook wel diepe neurale netwerken (DNN's) genoemd omdat het gebruik maakt van meerlaagse kunstmatige neurale netwerken om diepgaand leren uit te voeren.

Heb je ooit een foto gezien van een neuron in het menselijk brein? Kunstmatige neurale netwerken worden op een vergelijkbare manier opgebouwd, zenuwknopen zijn verbonden als een web.

Deep learning-algoritmen vereisen zeer krachtige machines en zijn erg handig bij het identificeren van patronen uit invoergegevens.

Deep Learning Guide:

Ooit gehoord van WaveNet en diepgaande gesprekken? Beide zijn Deep Learning-netwerken die automatisch geluid genereren. De teksten zijn met de hand geschreven naar WaveNet en spraaksystemen voordat ze diepgaand spreken.

Met deep learning leren systemen de stemmen van mensen te imiteren, dus het is moeilijk om onderscheid te maken tussen menselijke en computerstem. Deep Learning brengt ons dichter bij het geven van de mogelijkheid aan computers om als mensen te spreken.

Deep learning is een subset van ML, wat een subset is van AI, dus dit is AI.

Wat is informatiekunde?

Data science wordt doorkruist met kunstmatige intelligentie, maar niet een klein deel van kunstmatige intelligentie.

Informatiekunde is de studie van de opkomende nieuwsgierigheid op elk gebied, het verkrijgen van informatie uit grote vraaggerelateerde bronnen, het verwerken, analyseren en visualiseren van gegevens voor IT. zinvol maken. en bedrijfsstrategieën.

Simpel gezegd, dit is het begrijpen en begrijpen van de informatie. Er zijn veel tools die worden gebruikt in data science. Ze omvatten statistische tools, probabilistische middelen, lineaire en metrische algebra, numerieke optimalisatie en programmering.

Gebruik van informatiekunde:

Kies een willekeurig concept.

Ik kies voor sponsoring. Hoe mensen om een ​​reden gesponsord worden. Wie is er meestal bereid om sponsors per e-mail te bellen. Naar welke zoekwoorden zoeken ze in e-mails over sponsoring? geven ze de voorkeur aan telefoontjes?

In dat geval kan data science helpen. Een database die informatie verzamelt over wat een doel sponsort, waarom het dit sponsort, en wat het liefst contact opneemt met kanalen en meer, verzamelt een ongestructureerde dataset.

De informatie wordt verwerkt, geanalyseerd en gevisualiseerd met behulp van de verschillende tools die we hebben besproken. Uit deze gegevens worden conclusies getrokken.

Deze informatie helpt non-profitorganisaties en mensen die op zoek zijn naar sponsors.

Informatiekunde heeft geen volledige kunstmatige intelligentie, maar een deel van de informatie kruist kunstmatige intelligentie.

Als het erop aankomt, is het enige dat telt, DATA!