Каква е разликата между машинното обучение и изкуствения интелект?

Машинното обучение и изкуственият интелект са по-често използвани в ежедневието ни, отколкото бихме си мислили. Въпреки че те са заети от публичния дискурс едва през последните години, когато големите данни започнаха да завладяват предната линия на технологиите и ИТ. Тези 2 термина често са разменени или използвани неадекватно в печата и медиите. За да изясните разликата, хвърлете поглед върху тяхната история. Въпреки това AI звучи по-футуристично, той е започнал своята кариера по-рано, през 40-те, но теоретичните му основи са очертани от древногръцкия философ Аристотел, който измисли метод на формално и механично мислене, наречен силогизъм (напр. Всички жирафи са животни; всички животни имат четири крака; следователно всички жирафи имат четири крака).

Изображение 1. (източник: blogs.nvidia.com)

От 40-те години създаването на изкуствен човешки мозък вече не е само теория на научната фантастика и през 1956 г. Изкуственият интелект е признат за академична дисциплина. Математиците, инженерите, психолозите, икономистите и политолозите от студената война започват да изработват теории за метрики като Тестът на Тюринг, който обхваща възможността за производство на мислещи роботи. За да премине теста, машината трябва да се справи с разговор, който не може да бъде различен от разговор между човек и човек.

Изображение 2. Ex Machina (2014) Егото може да бъде създадено чрез изкуствен интелект, но човешка душа - не в този момент (източник :)

С много прости думи: AI е да създава машини, които да се държат - мислете - действайте - реагирайте - точно като хората при дадени обстоятелства. Тъй като дисциплината става все по-широка, започнаха да се разгръщат субдисциплини: представяне на знания, обработка на естествен език, възприятие, машинно обучение и т.н.

Данни = чист въздух за машинно обучение

Първата поява на машинно обучение беше подкатегория Изкуствен интелект. Ако продължим да изобразяваме AI като човек, машинното обучение може да бъде представено като характеристика, която тази познавателна система на човека извлича инварианти и модели в морето от големи данни. Алгоритмите за самообучение правят машината да се учи от огромни количества данни.

Изображение 3. Ако AI е интелигентността, машинното обучение играе основна роля в прилагането на изчислителни методи, осигуряващи поддръжката му, за да направят машините по-умни и по-интелигентни (Източник)

Можем да видим дълбоко учене в сърцето при машинното обучение. Подмножеството всъщност не е адекватна дефиниция, по-скоро е най-вирулентно развиващата се част от машинното обучение, която обогатява самото машинно обучение и след достатъчно натрупване на знания, границите на ново ядро ​​ще се появят в центъра на задълбоченото обучение. Но това ще бъде ерата на свръхчовешки роботи, които се държат по ясни морални и духовни насоки и принципи.

ML зависи от масата и качеството на данните. Имайте пример за разпознаване на изключително важно изображение сред другите изображения и ще разберем как могат да последват тежки усложнения, ако нямаме достатъчно данни.

МЛ: В софтуер, който направихме за машини за самостоятелно шофиране на хувър и го насочихме да търси котки с увреждания в къщата и да ги сравняваме с (движението) изображения на други животни. Ще трябва да съберем огромна маса от данни за котки (форма: четири крака - повърхност: пухкави, пухкави - движение: меки, течни, гъсто реагиращи и т.н.) Алгоритъмът също трябва да има достъп до данни за обекти, които не са деактивирани котки ,

За да се приближи до перфектната безопасност, която този автоматичен хувър би доставил на вашата къща, софтуерът трябва да събере същото количество спомени - исторически данни - като човек, който е имал десетилетия да вземе тези спомени. Ако не са налични само няколко процента критични данни, хувърът няма да се забави, като се приближи до котката.

За да премахнем страховете на котките с увреждания от унищожаването им: бързо нарастващото онлайн видео съдържание за животни ни доближава до епохата, когато Хувър може да отпие десетилетия от човешки спомени за минути от изчерпването на съдържанието.

Много е малко вероятно да имате котка с увреждания във вашия апартамент, но заменете hoover a с автомобил със самостоятелно управление, който трябва да разпознае дете, хващащо ръката на възрастен, но той изглежда злощастен, когато неочаквано се откъсне от майка си и изтича навън до пътя. Или софтуерът трябва да разпознае много стара дама е започнала да пресича пътя и няма намерение да спира.

От друга страна, AI и ML станаха толкова чести, че ние дори не го признаваме: Вие сте помолили Siri да открие отворен магазин за бургер от 2011 г. Препоръките в LinkedIn „с кого да се сприятелявате?“ кликвания, които сте направили на фирми, групи, статии, търсените от вас работни места и местоположенията, от които сте влезли.

Изображение -4. „Все още не всемогъщият алгоритъм“, обслужващ този електронен магазин, вече научи, че харесвате дънки с висока талия, измити с камък, носени заедно с гигантски слънчеви очила. Един ден ще си спомним, че преди 3 седмици сте били в апартамента на вашия приятел, където заедно гледате видео на нейното устройство и сте спрели видеото в 4.17, но не сте казали нищо. Той ще запомни вашето движение на очите, което беше докоснато с чифт дънки като тези, и емоцията от копнежното желание на лицето ви. (Източник)

Първоначално публикуван на www.yusp.com.