Основное содержание

  1. Введение
  2. Что такое искусственный интеллект?
  3. Что такое машинное обучение?
  4. Что такое глубокое обучение?
  5. Краткое сравнение
  6. Резюме

1- Введение

Искусственный интеллектс каждым днем ​​становится все более совершенным. И многие люди попадают в эту область из-за ее популярности, а также хорошего рынка труда. Одним из сомнений, с которым сталкиваются многие новички, является понимание разницы между терминами Искусственный интеллект (ИИ), Машинное обучение (МО)и Глубокое обучение (DL). Таким образом, я решил объяснить эти поля и различия между ними простыми словами.

В этой статье я сначала познакомлю вас с краткими определениями искусственного интеллекта, машинного обучения и глубокого обучения, а затем дам вам краткое и прямое сравнение между ними. Давайте погрузимся и начнем.

2. Что такое искусственный интеллект?

Искусственный интеллект (ИИ) — это интеллект — восприятие, синтез и вывод информации — демонстрируемый машинами, в отличие от интеллекта, демонстрируемого нечеловеческими животными и людьми. Примеры задач, в которых это делается, включают распознавание речи, компьютерное зрение, перевод между (естественными) языками, а также другие сопоставления входных данных.

Проще говоря, ИИ — это раздел компьютерных наук, связанный с разработкой интеллектуальных машин/программ для выполнения задач, которые обычно требуют человеческого интеллекта, например распознавания речи, обработки естественного языка (NLP), принятия решений. , машинное зрение и так далее.

3. Что такое машинное обучение?

Машинное обучение — это подраздел искусственного интеллекта (ИИ), который, по своей сути, позволяет машине учиться. То есть ML имеет дело с тем, что компьютеры изучают существующие данные путем обнаружения сложных закономерностей и принимают обоснованные решения в отношении будущих невидимых данных без явного программирования. Компьютеры способны сделать это благодаря сложным математическим алгоритмам. Моделирование машинного обучения обычно включает два этапа; во-первых, построение/обучение модели, когда вы загружаете модель приличными объемами данных, чтобы модель могла учиться, и во-вторых, использование модели, когда вы даете модели необходимые данные, и она предсказывает результат. Существует три категории машинного обучения: 1-обучение с учителем, 2-обучение без учителя и 3-обучение с подкреплением. Вы можете получить более глубокие знания о машинном обучении в этой статье.

4. Что такое глубокое обучение?

Аналогичным образом, глубокое обучение — это подобласть машинного обучения, которая может извлекать более сложные функции входных данных, поскольку включает несколько уровней искусственных нейронных сетей (ИНС). Искусственная нейронная сеть состоит из нескольких искусственных нейронов, взаимодействующих друг с другом. Искусственные нейроны в информатике вдохновлены тем, как нейроны мозга животных взаимодействуют и обрабатывают информацию. Каждый искусственный нейрон получает на вход какие-то данные, модифицирует их, а затем передает следующим искусственным нейронам. Из-за мотивов, стоящих за искусственными нейронными сетями (ИНС), то есть как работают биологические нейроны, и того факта, что глубокое обучение использует ИНС, часто говорят, что глубокое обучение позволяет машинам имитировать то, как люди учатся, т. знание. Кроме того, термин «глубокий» происходит от того факта, что модели глубокого обучения состоят из нескольких слоев, поэтому термин «глубокий».

5 — Краткое сравнение

Прочитав предыдущие абзацы, вы, возможно, уже поняли разницу между AI, ML и DL. Тем не менее, я хотел бы отметить их и здесь. Искусственный интеллект — это широкомасштабная отрасль компьютерных наук, которая походит на зонтик, охватывающий все приложения, которые позволяют компьютеру действовать разумно. То есть ИИ — это самое широкое понятие из всех, которое дает машине возможность имитировать поведение человека. Машинное обучение, с другой стороны, является подобластью искусственного интеллекта, которая занимается тем, чтобы заставить машину учиться на заданных данных, принимать решения относительно будущих данных и постоянно совершенствоваться.

Глубокое обучение — это подобласть машинного обучения, которая пытается имитировать то, как учатся люди, путем объединения нескольких слоев искусственных нейронных сетей. Одно существенное различие между ML и DL заключается в необходимом количестве выборочных данных, данных, используемых для обучения. Наличие огромных объемов данных для обучения почти всегда улучшает модели глубокого обучения; однако модели ML могут перестать улучшаться, когда объем данных достигает определенного предела. Из-за того, что модели глубокого обучения обычно обучаются на огромных объемах данных, их обучение может занять от минут до недель и даже месяцев, тогда как обучение моделей машинного обучения может занять от секунд до часов или, возможно, дней. Кроме того, в отличие от ML, где большая часть извлечения признаков выполняется людьми, DL требует меньшего вмешательства человека, чем ML, и большая часть извлечения признаков выполняется самой моделью; например, при обучении модели DL для классификации дорожных знаков вам нужно только накормить модель изображениями дорожных знаков и их соответствующими надписями, но вы не указываете такие функции, как их цвет, форма, размер и размер пишете на них текст самостоятельно, модель сама извлекает эти функции автоматически.

6 — Резюме

В заключение, в этой статье я впервые объяснил термины искусственный интеллект (ИИ), машинное обучение (МО) и глубокое обучение (ГО). Затем, как и ожидалось, простыми словами изложил основные различия между этими полями. Вкратце, ИИ — это отрасль информатики, позволяющая машинам выполнять задачи, которые обычно требуют человеческого интеллекта, МО — это подобласть ИИ, позволяющая машинам учиться на существующих данных и принимать обоснованные решения относительно будущих данных, а ГО — это подполе. область машинного обучения, целью которой является имитация работы человеческого мозга (нейронов).

Я прекрасно провел время, написав статью. Я надеюсь, что это было полезно. Если вам понравилось, пожалуйста, хлопайте в ладоши столько раз, сколько, по вашему мнению, оно того заслуживает, и, пожалуйста, следите за мной, чтобы увидеть больше такого контента. Буду рад, если вы свяжетесь со мной в LinkedIn здесь.

С уважением 🥰🥰🥰