В чем разница между искусственным интеллектом и машинным обучением?

В последнее время все чаще в обиходе можно услышать «умные слова» типа искусственный интеллект, машинное обучение, 3-D печать, интернет вещей IoT и много других. Многие из этих вещей могут быть как очень полезными, так и приносить определенные неудобства в нашу жизнь. Давайте попробуем более детально разобраться в некоторых из этих терминов.

Что такое искусственный интеллект?

Искусственный интеллект (ИИ) обычно определяют как науку о компьютерах, выполняющую операции требующие человеческого интеллекта. ИИ добился определенных успехов в ограниченных или упрощенных доменах (Courtesy of AlanTuring.net).

Во – первых существуют различные типы искусственного интеллекта: слабый и сильный. Слабый ИИ ведет себя так, как будто бы производственная линия или робот имеют свой мозг. Тем не менее, его относят к контролируемому программированию, при котором программируется диапазон значений для конкретного входа или выхода системы.

Сильный ИИ — это система, которая может фактически изменить выход на основе заданных целей и входных данных. Программа может делать то, на что она не была запрограммирована, если она находит шаблон и определяет более эффективный способ достижения поставленной цели.

Например, когда программе ИИ было дано указание получить наивысший балл, который он мог бы сделать в видеоиграх Breakout, он смог научиться лучше работать и смог превзойти людей всего за 2,5 часа. Исследователи запускают программу и к их удивлению, программа разработала стратегию, которая не была в программном обеспечении.

Имейте в виду, что компьютер не видит планку, шарик или радужные кирпичи. Он «видит» кучу чисел. Он знает, какие переменные он контролирует, и как он может увеличивать баллы, основываясь на том, как он управляет переменными по отношению к другим числам.

Исскуственный интеллект нейронные сети и машинное обчуние

«В рамках искусственного интеллекта существует много разных технологий – некоторые из них уже созданы и успешно функционируют, некоторые находятся на стадии разработки, а некоторые не более чем модные слова», — говорит Маттео Дариол, разработчик  Bosch. «По моему опыту скажу, что в реальном производстве я не слышал,  чтобы кто-то использовал ИИ, он более применим к операциям поиска и разработки, которыми занимаются огромные исследовательские центры для получения новых алгоритмов. Некоторые промышленные компоненты как программируемые логические контроллеры ПЛК, драйверы, электродвигатели и другие компоненты уже включают в себя компоненты типа нейронных сетей, которые подпадают под широкое определение искусственного интеллекта и такие приложения обеспечивают большую энергоэффективность и меньшее время реакции».

ИИ превратился в эдакий общий термин, который может означать несколько вещей, включая и машинное обучение. Это создает определенную путаницу в том, что многие люди ассоциируют ИИ с независимым мышлением. Тем не менее, из определения машинного зрения следует, что это то действие, которое мог бы выполнить человек, и оно требует определенного уровня интеллекта. Возможно, эти действия не нуждаются в высоком уровне интеллекта, однако они подпадают под определение ИИ.

Нейронные сети и огромные массивы данных

Нейронная сеть – это компьютерная система, смоделированная по принципу работы человеческого мозга.

Огромные массивы данных это по сути большой набор информации, которые необходимы для программ с использованием функций ИИ. По мере перехода к более сложным технологиям от ИИ к машинному обучению, или от машинного обучения к глубокому обучению – чем большим количеством информации вы оперируете, тем лучше эти системы смогут обучаться и функционировать.

Машино обучение иногда связано с нейронной сетью. Подобно тому, как работает мозг человека, нейронные сети имеют множество связей между узлами и слоями узлов. Учебные алгоритмы могут использовать нейронные сети, поэтому при вводе данных в систему, она будет определять, учиться, решать и так далее определяя лучший способ действий. Используя огромное количество информации (часто называемых большими данными), алгоритм и сеть узнают, как достичь целей и улучшить процесс. Этот тип обширной связи называется глубоким обучением.

Глубокое обучение

Глубокое обучение (также известное как глубокое структурированное обучение, иерархическое обучение или глубокое машинное обучение) — это исследование искусственных нейронных сетей и связанных с ними алгоритмов машинного обучения, содержащих более одного скрытого слоя.

«Глубокое обучение — это особый тип алгоритма машинного обучения — это несколько слоев нейронных сетей, которые имитируют связность мозга, и эти типы соединений, похоже, работают намного лучше, чем существующие системы», — сказал Самаржит Дас, старший научный сотрудник Bosch. «В настоящее время мы должны определить параметры машинного обучения на основе нашего человеческого опыта. Когда мы смотрим на изображения яблок и апельсинов, нам необходимо определить функции вручную, чтобы системы машинного обучения могли идентифицировать разницу. Глубокое обучение — это следующий уровень, потому что оно может самостоятельно создавать эти различия. Просто показывая образцы изображений яблок и апельсинов  системе глубокого обучения, она создает свои собственные правила, понимая, что цвет и геометрия являются ключевыми чертами, которые отличают то, что они не должны учить информацию, основанную на человеческом знании».

Машинное обучение

Машинное обучение: тип ИИ, который может включать, но не ограничиваться, нейронными сетями и глубоким обучением. Как правило, это способность компьютера выводить или делать то, на что он не запрограммирован.

Добавить комментарий