Dirbtinio intelekto banga šluoja pasaulį, o mūsų ausyse visada išlieka daug žodžių: dirbtinis intelektas (dirbtinis intelektas), mašininis mokymasis (mašininis mokymasis), gilusis mokymasis (gilusis mokymasis). Daugelis žmonių visada miglotai supranta šių aukšto dažnio žodžių reikšmę ir už jų slypinčius santykius. Šiame straipsnyje paaiškinama šių žodžių reikšmė paprasčiausia kalba, kuri gali padėti visiems geriau suprasti jų tarpusavio santykius.
Nuo automobilių iki išmaniųjų telefonų, iki skaitmeninių asistentų ir net robotų. Mes kalbame ne tik apie novatoriškas naujas funkcijas, kurios pasirodo kiekvieną dieną. Be to, prietaisai, kompiuteriai ir mašinos protingai atlieka užduotis. Kaip jie tai daro? Per dirbtinį intelektą, dar žinomą kaip DIRBTINIS INTELEKTAS.
Terminą "dirbtinis intelektas" pirmą kartą sukūrė kognityvinis mokslininkas Johnas McCarthy, kuris savo knygoje rašė: "Šis tyrimas grindžiamas prielaida, kad bet koks mokymosi elgesys ar kitos intelektinės savybės iš esmės gali būti tikslus aprašymas, kad būtų galima sukurti mašiną, kuri jį imituotų". Nuo to laiko dirbtinis intelektas persekioja žmonių protus ir lėtai perėjo į mokslinių tyrimų laboratorijas. Vėlesniais dešimtmečiais dirbtinis intelektas pakeitė savo poliariškumą arba buvo vadinamas akinančios žmonių civilizacijos ateities pranašyste arba išmestas į šiukšlių krūvą kaip technologinių bepročių fantazijos. Iki 2012 m. abu balsai egzistavo vienu metu.
| pav. Dirbtinio intelekto tyrimų skyrius
Po 2012 m., Padidėjus duomenų kiekiui, pagerinus skaičiavimo galią ir atsiradus naujiems mašininio mokymosi algoritmams (gilusis mokymasis), dirbtinis intelektas pradėjo sprogti. Tačiau dabartinis mokslinis darbas yra sutelktas į silpnąją dirbtinio intelekto dalį, ir labai tikiuosi, kad netolimoje ateityje bus padarytas didelis proveržis. Dauguma dirbtinio intelekto filmuose vaizduoja stiprų dirbtinį intelektą, ir šią dalį sunku pasiekti dabartiniame realiame pasaulyje. (Dirbtinis intelektas paprastai skirstomas į silpną dirbtinį intelektą ir stiprų dirbtinį intelektą. Pirmasis leidžia mašinoms turėti galimybę stebėti ir suvokti, ir gali pasiekti tam tikrą supratimo ir samprotavimo lygį, o stiprus dirbtinis intelektas leidžia mašinoms įgyti adaptyvius gebėjimus ir išspręsti kai kurias problemas, su kuriomis anksčiau nebuvo susidurta problemų).
Tikimasi, kad silpnas dirbtinis intelektas padarys proveržį, kaip jis pasiekiamas ir iš kur atsiranda "intelektas"? Taip yra daugiausia dėl vieno požiūrio į dirbtinį intelektą – mašininio mokymosi.
Mes naudojame paprasčiausią metodą, kad vizualizuotume ryšį tarp trijų.
Dirbtinis intelektas
Paprasčiau tariant, dirbtinis intelektas apibūdina įvairius būdus, kuriais mašina sąveikauja su aplinkiniu pasauliu. Naudojant pažangų, į žmogų panašų intelektą, AI mašina ar įrenginys gali imituoti žmogaus elgesį arba atlikti užduotis kaip žmogus per bendrą programinės ir techninės įrangos poveikį.
Šiandien galime daug pamatyti apie dirbtinį intelektą, pvz., Kalbos atpažinimą (naudojamą išmaniuosiuose asmeninio asistento įrenginiuose), veido atpažinimą (naudojamą filtruose, kurie šiuo metu yra populiarūs socialinėje žiniasklaidoje) arba objektų atpažinimą (pvz., Obuolių paiešką ir apelsinų vaizdą).
Mašininis mokymasis
Mašininis mokymasis yra dirbtinio intelekto metodas ar pogrupis, kuris pabrėžia "mokymąsi", o ne kompiuterines programas. Mašina naudoja sudėtingus algoritmus, kad analizuotų didelius duomenų kiekius, nustatytų duomenų modelius ir atliktų prognozę, procesą, kuriam nereikia, kad žmogus rašytų konkrečias instrukcijas mašinos programinėje įrangoje. Sumaišius kremo pūtimą dėl apelsino, sistemos modelio atpažinimas laikui bėgant pagerėja, nes ji mokosi iš savo klaidų ir ištaiso save kaip žmogus.
Gilus mokymasis
Gilusis mokymasis yra mašininio mokymosi pogrupis, kuris skatina didelę pažangą kompiuteriniame intelekte. Jis naudoja daug duomenų ir skaičiavimo galios, kad imituotų gilius neuroninius tinklus. Iš esmės šie tinklai imituoja žmogaus smegenų ryšį, klasifikuoja duomenų rinkinius ir atranda koreliacijas tarp jų. Su naujai išmoktomis žiniomis (be žmogaus įsikišimo) mašina gali pritaikyti savo įžvalgas kitiems duomenų rinkiniams. Kuo daugiau duomenų apdoroja mašina, tuo tikslesnės bus jo prognozės.
Pavyzdžiui, gilaus mokymosi prietaisas galėtų išnagrinėti didelius duomenis, pvz., Vaisių spalvą, formą, dydį, brandinimo laiką ir kilmę, kad tiksliai nustatytų, ar obuolys yra žalias obuolys, ar apelsinas yra kraujo apelsinas.
Skirtumai tarp dirbtinio intelekto, mašininio mokymosi ir gilaus mokymosi nėra tokie akivaizdūs kaip obuoliai ir apelsinai, jie yra subtilesni. Mašininis mokymasis yra dirbtinio intelekto pasiekimo metodas, o gilusis mokymasis yra technologija mašininiam mokymuisi pasiekti. Ar suprantate skirtumą tarp jų?
