Машинное обучение (МО) и искусственный интеллект (ИИ) революционизируют методы решения проблем в различных областях. Хотя глубокое обучение (ГО) привлекло значительное внимание, важно отметить, что ИИ, МО и ГО не являются синонимами. Эти поля имеют общую цель — моделирование интеллектуального поведения машин посредством вычислений. Вместо того, чтобы спрашивать, какой подход к вычислениям и программированию лучше, будущее заключается в объединении и использовании их сильных сторон. Кроме того, экспоненциальный рост больших данных дал значительный импульс машинному обучению и искусственному интеллекту, позволив им перейти от исследовательских лабораторий к практическим приложениям.
- Влияние больших данных на интеллектуальные машины Быстрый рост объемов данных во всем мире сделал большие данные более значимыми и контекстуально значимыми. Этот всплеск данных вывел машинное обучение, машинное обучение и искусственный интеллект из исследовательских лабораторий в реальные приложения. Различные дисциплины и отрасли, от геномики до финансов, все больше полагаются на основанные на данных и «интеллектуальные» решения для решения сложных задач. Например, персонализированная медицина, улучшенный поиск информации, прогнозирование климата и совершенствование методов ведения сельского хозяйства — вот некоторые из областей, в которых выигрывает анализ больших наборов данных. Кроме того, алгоритмы искусственного интеллекта, основанные на данных, меняют опыт видеоигр и позволяют роботам ориентироваться и понимать сложные среды.
- Различия между искусственным интеллектом и машинным обучением ИИ и машинное обучение тесно связаны, но не идентичны. ИИ фокусируется на создании интеллектуальных компьютерных программ, способных решать проблемы, рассуждать и учиться в широком смысле. ML, с другой стороны, специально направлен на создание компьютерных программ, которые автоматически улучшаются с опытом. DL, как подмножество ML, включает в себя создание иерархических уровней абстракции с использованием нейронных сетей и обработку больших размеченных обучающих наборов. В то время как ИИ охватывает широкий спектр интеллектуального поведения, машинное обучение особенно связано с обучением на основе данных. Понимание их взаимосвязи как концентрических кругов помогает визуализировать, как машинное обучение вписывается в ИИ, а глубокое обучение охватывает и то, и другое.
- Сотрудничество для создания интеллектуальных машин Хотя машинное обучение и ИИ похожи, они не взаимозаменяемы. Создание интеллектуальных машин требует совместного поиска, сочетающего сильные стороны обоих подходов. Предстоящие задачи включают в себя рассуждения и обучение на сложных данных, использование существующих знаний, обеспечение ограничений и гарантий, определение оптимальных представлений данных, согласование различных алгоритмов, демократизацию машинного обучения и искусственного интеллекта, а также достижение объяснимости и интерпретируемости. Прогресс в этих областях приблизит нас к созданию интеллектуальных и ответственных машин. Слияние полностью запрограммированных вычислений и запрограммированных вычислений, основанных на обучении, обеспечивает обобщение за пределами видимых данных, облегчает случайное и неконтролируемое обучение и поддерживает непрерывные, глубокие и символические манипуляции. Кроме того, решающее значение имеет интеграция идей когнитивной науки и других дисциплин в рамки машинного обучения и искусственного интеллекта. Демократизация технологии ML-AI и решение практических задач, с которыми сталкиваются практики, будут способствовать дальнейшему прогрессу.
- Заключение: совершенствование интеллектуальных машин посредством совместной работы Сочетание машинного обучения и искусственного интеллекта является ключом к прорыву в поведении интеллектуальных машин. Разрабатывая алгоритмы, поддерживающие адаптируемые и компонуемые модели вычислений, а также рассуждения и взаимодействия на соответствующем уровне абстракции, мы можем добиться значительного прогресса. Сотрудничество между различными дисциплинами имеет важное значение для продвижения этих достижений. Раздел «Машинное обучение и искусственный интеллект» в Frontiers in Big Data предлагает фундаментальные и прикладные исследования, исследования репликации и междисциплинарные вклады для стимулирования научных дискуссий и получения всестороннего понимания достижения разумного поведения машин. Используя общий язык вычислений, мы можем разгадать хитросплетения концепций обучения и реализовать весь потенциал интеллектуальных машин.
