Künstliche Intelligenz, maschinelles Lernen und tiefes Lernen - Was ist der Unterschied?

Google Home Mini. Foto von Kevin Bhat auf Unsplash

Meine erste Frage war, als ich vor ungefähr einem Monat anfing, diese Themen zu studieren. Ich verstehe die Bedingungen jetzt besser, also mal sehen.

Künstliche Intelligenz

Wenn Menschen an künstliche Intelligenz (KI) denken, denken sie im Allgemeinen an künstliche allgemeine Intelligenz (AGI) oder an die Fähigkeit (oder besser) nichtbiologischer Kreaturen, verschiedene Aufgaben auf menschlicher Ebene auszuführen. ) Wissen. Es unterscheidet sich von einer engen KI, die bestimmte Aufgaben auf der Ebene der Qualifikationen einer Person ausführen kann. Im Alltag gibt es beispielsweise Beispiele für enge Gefäßerkrankungen, wie z. B. unser persönliches Telefon oder Haushaltsassistenten, selbstfahrende Maschinen oder AlphaGo. Wir haben jedoch noch keine Beispiele für AGI, und wir konnten uns nicht darauf einigen, wann dies geschehen könnte, aber die heilige Richtung der KI-Forschung, die sich auf die menschliche Entwicklung auf AGI-Ebene konzentriert, wäre keine sehr kluge KI gewesen. t ist weit hinten

Maschinelles Lernen

Maschinenbau ist ein Bereich, in dem maschinelles Lernen gelehrt wird, um Algorithmen zur Ausführung von Aufgaben zu entwickeln. Dieser Bereich steht vor der traditionellen Programmierung, in der Menschen Algorithmen und Software sammeln, um sie zu berechnen. Beim maschinellen Lernen stellen Menschen Trainingsdaten (Eingaben, die bestimmte Ergebnisse liefern) und Softwaremaschinen bereit, um festzustellen, ob bestimmte Informationen zu Ergebnissen führen. Dies ist ein leistungsfähiges Paradigma, da es die Menschen davon abhält, zu wissen, wie sie Ergebnisse erzielen können. Sie müssen genügend Informationen für die Maschine bereitstellen, um zu bestimmen, wie sich eine bestimmte Eingabekombination ergibt. Wenn Sie beispielsweise eine Angelaufgabe haben, lernen Sie bei der herkömmlichen Programmierung, wie Sie ein Fanggerät auf der Bank verwenden - wie Sie den Griff halten, wie Sie den Speer loslassen und wie Sie eine Linie ziehen. Durch die Schulung im Auto erhält die Maschine eine Bibliothek mit Videos, die Personen zeigen, denen es gelungen ist oder nicht gelungen ist, Fische zu fangen, und jedes Video der Maschine überlassen, um zu überprüfen und zu lernen, wie man Fische fängt. Vielleicht sind einige Casting-Techniken besser als andere, oder das Wetter kann eine große Rolle spielen, das Auto kann in unbeabsichtigten Mustern tragen.

Tiefes Lernen

Deep Learning ist eine maschinelle Lerntechnik, eine maschinelle Lerntechnik, die auf den neuronalen Drähten des biologischen Gehirns basiert. Das heißt, das Gehirn ist so programmiert, dass es das Gehirnwissen über ein künstliches neuronales Netzwerk erweitert. Ich werde in einem späteren Beitrag darüber sprechen, aber diese neuronalen Netze haben viele Schichten von "Neuronen", die viele mögliche Wege untersuchen, wie eine Eingabemenge zu einer Ergebnismenge werden kann. Interessanterweise sind diese neuronalen Netze schwer zu analysieren, da sie im Wesentlichen Teil des Gewichts sind, das die Datenkomponenten berechnet. Wenn sich die Katze auf dem Foto befindet, besorgen Sie sich ein künstliches neuronales Netzwerk (ANN), das sie erkennen kann. Für Menschen identifizieren wir Katzen durch katzenähnliche Merkmale (spezifisches Ohr, Fell, Fell). Der ANN kann feststellen, dass einige Pixel zu einer anderen Gruppe von Pixeln gehören, was darauf hinweist, dass es eine Katze gibt, aber für einen Menschen ist es genau wie eine Mathematik und ein Datensatz. Wir wissen, dass der ANN einen genaueren Weg finden kann, Katzen zu identifizieren, an den niemand gedacht hat, der veraltet ist (was ist mit einem Cheburger?), Mit dem Sie einfache Merkmale erkennen können.

Wie auch immer, das ist ziemlich cool und ich freue mich darauf, meinen hundertsten Grad an tiefgreifendem Lernen, maschinellem Lernen und KI zu brechen. Beantwortete eine Frage, es gibt viele mehr.

Rechtschreibung Bee Tldr;

Deep Learning ist eine Technik des maschinellen Lernens, die uns der Schaffung künstlicher allgemeiner Intelligenz näher bringt.