Основи на изкуствения интелект и машинното обучение

Въведение

През последните няколко години термините изкуствен интелект и машинно обучение започнаха да се появяват често в технологичните новини и уебсайтове. Често двете се използват като синоними, но много експерти твърдят, че имат фини, но реални разлики.

И разбира се, експертите понякога не са съгласни помежду си за това какви са тези разлики.

Като цяло обаче две неща изглеждат ясни: първо, терминът изкуствен интелект (AI) е по-стар от термина машинно обучение (ML), и второ, повечето хора смятат машинното обучение за подмножество от изкуствен интелект.

Изкуствен интелект срещу машинно обучение

Въпреки че AI се дефинира по много начини, най-широко приетото определение е „областта на компютърните науки, посветена на решаването на когнитивни проблеми, често свързани с човешката интелигентност, като учене, решаване на проблеми и разпознаване на модели“, по същество това е идеята че машините могат да притежават интелигентност.

Сърцето на системата, базирана на изкуствен интелект, е нейният модел. Моделът не е нищо друго освен програма, която подобрява знанията си чрез учебен процес, като прави наблюдения върху околната среда. Този тип базиран на обучение модел е групиран под контролирано обучение. Има и други модели, които попадат в категорията на моделите за обучение без надзор.

Фразата „машинно обучение“ също датира от средата на миналия век. През 1959 г. Артър Самуел дефинира ML като „способност за учене, без да бъде изрично програмиран“. И той продължи да създаде приложение за компютърна проверка, което беше една от първите програми, която можеше да се поучи от собствените си грешки и да подобри работата си с течение на времето.

Подобно на изследванията на изкуствения интелект, ML изпадна от мода за дълго време, но стана популярно отново, когато концепцията за извличане на данни започна да се развива около 90-те години на миналия век. Извличането на данни използва алгоритми за търсене на модели в даден набор от информация. ML прави същото, но след това отива още една стъпка по-далеч – променя поведението на програмата си въз основа на това, което научава.

Едно приложение на ML, което стана много популярно напоследък, е разпознаването на изображения. Тези приложения първо трябва да бъдат обучени – с други думи, хората трябва да гледат куп снимки и да кажат на системата какво има на снимката. След хиляди и хиляди повторения софтуерът научава кои модели на пиксели обикновено се свързват с коне, кучета, котки, цветя, дървета, къщи и т.н., и може да направи доста добро предположение за съдържанието на изображенията.

Много уеб-базирани компании също използват ML за захранване на своите двигатели за препоръки. Например, когато Facebook реши какво да покаже във вашата емисия за новини, когато Amazon подчертава продукти, които може да искате да закупите, и когато Netflix предлага филми, които може да искате да гледате, всички тези препоръки са на базата на прогнози, които произтичат от модели в съществуващите им данни.

Граници на изкуствен интелект и машинно обучение: дълбоко обучение, невронни мрежи и когнитивни изчисления

Разбира се, „ML“ и „AI“ не са единствените термини, свързани с тази област на компютърните науки. IBM често използва термина „когнитивни изчисления“, който е повече или по-малко синоним на AI.

Някои от другите термини обаче имат много уникални значения. Например, изкуствена невронна мрежа или невронна мрежа е система, която е проектирана да обработва информация по начини, подобни на начина, по който работят биологичните мозъци. Нещата могат да станат объркващи, защото невронните мрежи са склонни да бъдат особено добри в машинното обучение, така че тези два термина понякога се смесват.

В допълнение, невронните мрежи осигуряват основата за дълбоко обучение, което е особен вид машинно обучение. Дълбокото обучение използва определен набор от алгоритми за машинно обучение, които работят на няколко слоя. Това е възможно отчасти от системи, които използват графични процесори за обработка на много данни наведнъж.

Ако сте объркани от всички тези различни термини, не сте сами. Компютърните учени продължават да обсъждат точните им дефиниции и вероятно ще го правят още известно време. И тъй като компаниите продължават да наливат пари в изследвания в областта на изкуствения интелект и машинното обучение, вероятно ще се появят още няколко термина, които да добавят още повече сложност към проблемите.

Empfohlene Artikel

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert