Inteligența artificială (AI), învățarea automată (ML – Machine learning) și învățarea profundă (DL – Deep learning) sunt trei cuvinte la modă foarte folosite în acest moment și par adesea să fie folosite interschimbabil.
Nu sunt chiar același lucru, dar percepția că sunt poate duce uneori la o oarecare confuzie. Așa că acest articol are rolul de a explica diferența.
Ambii termeni apar foarte frecvent atunci când subiectul este Big Data, analiză și valurile mai largi de schimbări tehnologice care mătură lumea noastră.
Pe scurt, potrivit lui Bernard Marr (Forbes), cel mai bun răspuns este că:
Inteligența artificială este conceptul mai larg al mașinilor care pot îndeplini sarcini într-un mod pe care l-am considera "inteligent".
Machine Learning este o aplicație actuală a AI bazată pe ideea că ar trebui să putem oferi mașinilor acces la date și să le lăsăm să învețe singure.
Deep Learning este un subset al învățării automate(ML) în inteligența artificială (AI) care are rețele capabile să învețe nesupravegheate din date nestructurate sau neetichetate. Cunoscut și sub numele de Deep Neural Learning sau Deep Neural Network.
Inteligență artificială (AI):
-
- AI înseamnă inteligență artificială, unde inteligența este definită ca fiind dobândirea cunoștințelor, inteligența este definită ca o capacitate de a dobândi și aplica cunoștințe.
- Scopul este de a crește șansele de succes și nu acuratețea.
- Funcționează ca un program de calculator care face o muncă inteligentă.
- Scopul este de a simula inteligența naturală pentru a rezolva probleme complexe.
- AI este luarea deciziilor.
- Duce la dezvoltarea unui sistem care să imite omul pentru a răspunde să se comporte într-o circumstanță.
- AI va căuta găsirea soluției optime.
- AI duce la inteligență sau înțelepciune.
-
- ML înseamnă Machine Learning, care este definit ca dobândirea de cunoștințe sau abilități.
- Scopul este de a crește acuratețea, dar nu-i pasă de succes.
- Este un concept simplu: mașina ia date și învață din date.
- Scopul este de a învăța din datele despre o anumită sarcină pentru a maximiza performanța mașinii în această sarcină.
- ML permite sistemului să învețe lucruri noi din date.
- Implică crearea de algoritmi de auto-învățare.
- ML va alege o singura soluție pentru asta, indiferent dacă este optimă sau nu.
- ML duce la cunoaștere.
-
- DL necesită o mulțime de date de antrenament neetichetate pentru a trage concluzii concise, în timp ce ML poate folosi cantități mici de date furnizate de utilizatori.
- Spre deosebire de ML, DL are nevoie de hardware de înaltă performanță.
- ML necesită ca caracteristicile să fie identificate cu precizie de către utilizatori, în timp ce DL creează noi caracteristici de la sine.
- ML împarte sarcinile în bucăți mici și apoi combină rezultatele primite într-o singură concluzie, în timp ce DL rezolvă problema de la un capăt la altul.
- În comparație cu ML, DL are nevoie de mult mai mult timp pentru a se antrena.
- Spre deosebire de DL, ML poate oferi suficientă transparență pentru deciziile sale.
Sursa: merci.ai