تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق -

در سال های اخیر، همراه با انفجار انقلاب صنعتی 4.0، اصطلاحاتی مانند هوش مصنوعی (AI)، یادگیری ماشینی و یادگیری عمیق به تدریج رایج شده اند. و تبدیل به مفاهیمی می شوند که شهروندان دوره 4.0 باید آن را درک کنند.

رابطه بین این سه مفهوم را می توان با در نظر گرفتن آنها به عنوان دایره توضیح داد، که در آن هوش مصنوعی - اولین ایده - بزرگترین دایره است و پس از آن یادگیری ماشینی - مفهومی که بعد از آن می آید. و در نهایت یادگیری عمیق - که باعث رونق فعلی هوش مصنوعی می شود - کوچکترین دایره است.

البته ساختن یک سیستم هوش مصنوعی بسیار پیچیده است، اما درک آن چندان دشوار نیست. بیشتر هوش مصنوعی فعلی فقط ماشین‌های حدس‌زنی بسیار خوبی هستند (مشابه مغز ما). شما گروهی از داده ها را به سیستم می دهید (مانند ارقام 1 تا 10) و از سیستم می خواهید که یک مدل (x + 1 که از 0 شروع می شود) ایجاد کند و پیش بینی کند. (عدد بعدی یازده خواهد بود). هیچ جادوی وجود ندارد، این کاری است که مغز انسان هر روز انجام می دهد: از آنچه می دانیم برای حدس زدن درباره ناشناخته ها استفاده کنیم.

چیزی که هوش مصنوعی را از سایر برنامه های کامپیوتری متمایز می کند این است که به جای اینکه برنامه های خاصی برای هر مورد ایجاد کنیم، می توانیم هوش مصنوعی (یادگیری ماشینی) را به طور کامل آموزش دهیم و همچنین توانایی یادگیری عمیق خودکار را دارد. این سه مفهوم را می توان اساساً به صورت زیر تعریف کرد:

هوش مصنوعی (AI):  ماشینی که می تواند رفتار و تفکر انسان را تقلید کند.

یادگیری ماشینی:  یک ویژگی هوش مصنوعی که به کارشناسان اجازه می دهد تا هوش مصنوعی را برای تشخیص الگوهای داده و پیش بینی آموزش دهند.

یادگیری عمیق:  یک تکنیک کوچک یادگیری ماشینی که به ماشین‌ها اجازه می‌دهد خودشان را آموزش دهند.

هوش مصنوعی (هوش مصنوعی) چیست؟

هوش مصنوعی را می توان به عنوان شاخه ای از علوم کامپیوتر تعریف کرد که با اتوماسیون رفتارهای هوشمند سروکار دارد. هوش مصنوعی بخشی از علوم کامپیوتر است و بنابراین باید بر اساس اصول نظری صحیح و قابل اجرا در این زمینه باشد. به زبان ساده: این هوش ماشین‌هایی است که توسط انسان ساخته شده است. این هوش می تواند فکر کند، فکر کند، یاد بگیرد، ... مانند هوش انسان. پردازش داده ها در سطحی بزرگتر، مقیاس بیشتر، سیستماتیک، علمی و سریعتر از انسان.

با این حال، در حال حاضر، فناوری هوش مصنوعی هنوز بسیار محدود است. به عنوان مثال، الکسا - یک خانه دار بزرگ، یکی از محبوب ترین نمادهای برنامه های کاربردی هوش مصنوعی است، اما هنوز نمی تواند آزمون تورینگ را پشت سر بگذارد.

به طور خلاصه، آنچه ما امروز با هوش مصنوعی انجام می دهیم در مفهوم "هوش مصنوعی باریک" است. این فناوری قادر است وظایف خاصی را به روشی مشابه یا بهتر از انسان انجام دهد. نمونه هایی از "هوش مصنوعی باریک" در عمل شامل فناوری طبقه بندی تصاویر Pinterest یا تشخیص چهره برای برچسب زدن دوستان در فیس بوک است.

این فناوری‌ها جنبه‌ای از هوش انسانی را نشان می‌دهند، اما چگونه می‌شود؟ این حکمت از کجا می آید؟ بیایید به حلقه بعدی برویم: یادگیری ماشین.

یادگیری ماشینی چیست؟

یادگیری ماشینی – رویکردی از هوش مصنوعی

یادگیری ماشینی یک اصطلاح گسترده است که به عمل آموزش رایانه برای بهبود وظیفه ای که انجام می دهد اشاره دارد. به طور خاص، یادگیری ماشینی به هر سیستمی اطلاق می شود که در آن عملکرد رایانه در هنگام انجام یک کار پس از چندین بار انجام آن کار بهتر می شود. به عبارت دیگر، اساسی ترین توانایی یادگیری ماشینی استفاده از یک الگوریتم برای تجزیه و تحلیل اطلاعات موجود، یادگیری از آن و سپس تصمیم گیری یا پیش بینی در مورد چیزی مرتبط است. به‌جای ایجاد نرم‌افزار با دستورالعمل‌ها و اقدامات دقیق برای انجام یک کار خاص، رایانه‌ها با استفاده از مقادیر زیادی داده و الگوریتم‌ها «آموزش» می‌دهند تا نحوه انجام کار را بیاموزند. .

بدون یادگیری ماشینی، هوش مصنوعی فعلی بسیار محدود خواهد بود زیرا به رایانه‌ها این قدرت را می‌دهد تا بدون برنامه‌ریزی صریح، مسائل را بفهمند. به عنوان نمونه ای از یک نوع یادگیری ماشینی، بگویید که می خواهید برنامه ای بتواند گربه ها را در تصاویر شناسایی کند:

• ابتدا مجموعه‌ای از ویژگی‌های گربه را به هوش مصنوعی می‌دهید تا دستگاه تشخیص دهد، مانند رنگ کت، شکل بدن، اندازه و غیره.
• سپس، برخی از تصاویر را به هوش مصنوعی می‌دهید، جایی که ممکن است برخی یا همه تصاویر برچسب «گربه» داشته باشند تا دستگاه بتواند ویژگی‌ها و جزئیات مربوط به گربه را به‌طور مؤثرتری انتخاب کند. .
• پس از اینکه دستگاه تمام داده های لازم گربه را دریافت کرد، باید بداند که چگونه یک گربه را در یک عکس پیدا کند - "اگر تصویر حاوی جزئیات خاص X، Y یا Z باشد، احتمال 95٪ یافتن گربه در یک عکس وجود دارد. . شاید گربه باشد.»

به طور کلی، امروزه کاربرد یادگیری ماشینی بسیار محبوب است و سودمندی آن بلامنازع است.

یادگیری عمیق چیست؟

یادگیری عمیق – یک تکنیک یادگیری ماشینی

می توان گفت که تا به حال هوش مصنوعی به پیشرفت های زیادی دست یافته است. به آن به عنوان نوعی یادگیری ماشینی با "شبکه های عصبی" عمیق فکر کنید که می تواند داده ها را به روشی مشابه پردازش کند که مغز انسان می تواند. تفاوت اصلی در اینجا این است که انسان ها مجبور نیستند یک برنامه یادگیری عمیق را آموزش دهند که یک گربه چگونه به نظر می رسد، بلکه فقط تمام عکس های لازم از گربه ها را به او می دهد تا خودش متوجه شود. ، خودآموزی مراحلی که باید انجام دهید به شرح زیر است:

• به دستگاه تعداد زیادی عکس از گربه ها بدهید.
• الگوریتم تصویر را بررسی می کند تا ویژگی ها و جزئیات مشترک بین تصاویر را ببیند.
• هر تصویر با جزئیات در سطوح مختلف رمزگشایی می شود، از اشکال بزرگ و کلی گرفته تا کاشی های کوچکتر و کوچکتر. اگر یک شکل یا خطوط بارها تکرار شود، الگوریتم آن را به عنوان یک ویژگی مهم برچسب گذاری می کند.
• پس از تجزیه و تحلیل کافی از تصاویر لازم، الگوریتم اکنون می‌داند که کدام الگوها قوی‌ترین شواهد را از گربه‌ها ارائه می‌کنند و تنها کاری که انسان باید انجام دهد ارائه داده‌های خام است.

به طور خلاصه: یادگیری عمیق نوعی یادگیری ماشینی است که در آن ماشین خودش را آموزش می دهد. یادگیری عمیق به ورودی داده و قدرت محاسباتی بسیار بیشتری نسبت به یادگیری ماشینی نیاز دارد، اما قبلاً توسط شرکت های بزرگ فناوری مانند فیس بوک و آمازون پیاده سازی شده است. در میان آن‌ها، یکی از معروف‌ترین نام‌ها در یادگیری ماشینی، AlphaGo است، رایانه‌ای که می‌تواند Go را علیه خودش بازی کند تا زمانی که بتواند دقیق‌ترین حرکات را پیش‌بینی کند. بسیاری از قهرمانان جهان

نتیجه گرفتن

یادگیری عمیق امکان استفاده از بسیاری از مشکلات واقعی ماشین را فراهم کرده و در عین حال حوزه کلی هوش مصنوعی را گسترش داده است. یادگیری عمیق با ساختن انواع ماشین‌های کمکی، نزدیک یا شبیه به انسان، روش کار انسان را مختل می‌کند. ماشین‌های بدون راننده، مراقبت‌های بهداشتی بهتر... همه در این روزگار تحقق یافته‌اند. هوش مصنوعی حال و آینده جهان است. با کمک یادگیری عمیق، هوش مصنوعی می‌تواند رویای علمی تخیلی را که مدت‌ها تصور می‌کردیم، محقق کند.