Տարբերությունը AI, ML և DL- ի միջև

Արհեստական ​​բանականություն (AI): Մեքենայական ուսուցում (ML): Deep Learning (DL): Գուցե հանդիպեք այս տերմիններին և հասկացաք, որ երբեմն դրանք փոխարինելի են օգտագործվում: Իրականում դրանք բոլորովին այլ են:

Արհեստական ​​բանականություն

AI- ն սահմանվում է որպես մեքենայի ունակություն ընդօրինակելու մարդկային ճանաչողական վարքագիծը, ինչպիսիք են որոշումների կայացումը, սովորելը, խնդիրների լուծումը և այլն: Գիտելիքների ինժեները AI- ի հետազոտության և զարգացման հիմքն է: Մեքենաներ կամ համակարգչային համակարգեր կարող են սովորել, եթե դրանք մեծ քանակությամբ տվյալներ են սնվում: Վաղ AI- ն կարողացավ ընդօրինակել միայն այն, ինչ կարող է լինել հաշվապահի հարկային օրենսգրքի իմացությունը կամ հիմնական թվաբանական խնդիրները: Դրանք կախված էին բացառապես համակարգչային գիտնականների կողմից գրված ալգորիթմներից: Որոշ փորձագետներ դրանք անվանում են «Լավ, հնաոճ իրեր»:

Մեքենայական ուսուցում (ML)

ML- ը AI- ի ենթահամակարգ է: Առաջընթացը տեղի է ունենում այն ​​ժամանակ, երբ 1959 թ.-ին Արթուր Սամուելը գիտակցեց համակարգին սովորեցնելու փոխարեն այն ամենը, ինչ նա պետք է իմանա աշխարհի մասին, նրանց համար հնարավոր է համակարգեր սովորեցնել սովորել և կատարելագործել իրենց կատարողականությունը:

Այս առաջխաղացման երկրորդ պատճառը Big Data- ի հայտնվելն է: Big Data- ը թվային դարաշրջանի սկզբից հավաքված տվյալների ծայրահեղ հսկայական քանակ է: Համակարգիչների, ինտերնետի և տեխնոլոգիաների առաջխաղացումով ամեն ինչ ձեր ձեռքերում է: Թվային արահետները թողնում ենք գրեթե բոլոր թվային գործողությունների միջոցով, որոնք մենք վերցրել ենք: Առցանց գործարքներից մինչև ձեր վերջին որոնումը: Ամեն ինչ գրանցված է և հասանելի է վերլուծության համար:

Այս տվյալներով ՝ համակարգերը կոդավորելը շատ ավելի արդյունավետ է, որպեսզի մտածեն մարդկության նման և նրանց հնարավորություն ընձեռեն աշխարհի մասին բոլոր տեղեկություններին: Հետևաբար, դա ծնունդ տվեց մեքենայական ուսուցման տերմինին, քանի որ համակարգերը անընդհատ սովորում և կատարելագործվում են փորձության և սխալի միջոցով: Նրանց նպատակն է նվազագույնի հասցնել սխալը կամ առավելագույնի հասցնել իրենց հայտարարությունների ճշմարտացիության հավանականությունը:

Փորձություն և սխալ գործելու ունակությունը հնարավոր է նյարդային ցանցերի զարգացման շնորհիվ: Նյարդային ցանցերը ալգորիթմների մի շարք են, որոնք թույլ են տալիս մեքենան դասակարգել տեղեկատվությունը այնպես, ինչպես անում է մարդու ուղեղը: Ինչպես նշվեց, այն աշխատում է հավանականության համակարգի վրա ՝ հիմնվելով համակարգում սնվող տվյալների վրա: Հետադարձ կապի օղակի ընդգրկումը համակարգը հնարավորություն է տալիս սովորել ՝ դիտարկելով, թե արդյոք դրանց կանխատեսումները ճիշտ են կամ սխալ, և ժամանակի ընթացքում բարելավվում են:

Deep Learning (DL)

DL- ը համարվում է ML- ի առավելագույն եզրագիծը: DL- ի հիմնական ուշադրությունը նյարդային ցանցերը խորքային նյարդային ցանցերի վերածելուն է: DL- ն կենտրոնանում է բացառապես մարդու ուղեղի ճանաչողական ֆունկցիան ընդօրինակելու վրա: «Խորություն» բառը վերաբերում է նյարդային ցանցերի բազմաթիվ շերտերին: Կոդավորման առումով տվյալների հասկանալու փոխարեն ՝ DL համակարգը հնարավորություն է տալիս դասակարգել բարդ տվյալներ ՝ մեքենայական ազդանշաններ, աուդիո ազդանշաններ, տեսանյութեր, ելույթներ և գրավոր բառեր: Համակարգը ի վիճակի է եզրակացությունների հանգեցնել մարդու, որը նման է մարդու:

Լավագույն օրինակներից մեկը ինքնագնացվող մեքենաներն են: Սենսորների և ինքնաթիռի վերլուծության միջոցով համակարգը սովորում է ճանաչել խոչընդոտները և ապահովել համապատասխան արձագանք: DL- ի մշակումով, Google ընկերությունը, DeepMind- ը ի վիճակի է զարգացնել ԱԻ, որը ունակ է ախտորոշել աչքերի հիվանդությունը մինչև 94,5% ճշգրտություն:

Մի խոսքով, կարող եք ասել, որ AI- ն ոլորտի լայն պատկերն է, իսկ ML- ը AI- ի մասնագիտացված մասն է, և, վերջապես, DL- ը ML- ի նուրբ ձևավորված տարբերակն է: Դրանք նույնն են, բայց տարբեր են շատ առումներով:

Սկզբնապես հրապարակվել է ՝ www.nexusmediaworks.com կայքում