الذكاء الاصطناعي مقابل التعلم الآلي مقابل التعلم العميق: ما الفرق؟ بيت اكاديمي

الذكاء الاصطناعي مقابل التعلم الآلي مقابل التعلم العميق: ما الفرق؟

الاثنين 17 أبريل 2017

عندما فاز AlphaGo من Deepmind بأربع مباريات من أصل 5 ضد بطل Go Go Lee Se-dol ، لفت العالم كله الانتباه. في تلك اللحظة ، التي تم الإعلان عنها باعتبارها انتصارًا للذكاء الاصطناعي ، كانت الذكاء الاصطناعي خطوة مهمة نحو تحويل الماكينات المتقدمة إلى حقيقة.

عندما تأتي الكلمات Deep Learning و Machine Learning إلى المعجم العام ، عندما تستخدم وسائل الإعلام هذه المصطلحات لتوضيح كيفية تنافس AlphaGo ضد العقل البشري.

بكونها قريبة من بعضها البعض ، فإن هذه المصطلحات لها معان مختلفة. في النهار والقرن ، حيث نعرف كيف تؤثر التكنولوجيا على حياتنا ، من المهم معرفة الفرق بين هذه المصطلحات.

هذه المقالة سوف تساعدك.

النهج أفضل طريقة لفهم هذه المصطلحات هي معرفة العلاقات بينهما. الذكاء الاصطناعي والتعلم الآلي والتعلم العميق يشبهان مجموعة من الدمى الروسية - الذكاء الاصطناعي هو المفهوم الأوسع ، وبالتالي أكبر دمية في المجموعة ، التعلم الآلي لا يعلى عليه. يمكنك العثور عليها هنا.

الذكاء الاصطناعي والتعلم الآلي والتعليم العميق يشبهان مجموعات الدمى الروسية ... اضغط لتغرد

نبدأ بفهمنا للعرائس الأولى ، الذكاء الاصطناعي.

الذكاء الاصطناعي (AI) لقد تطور الذكاء الاصطناعي على مر القرون ، من الأساطير اليونانية حول البشر الميكانيكيين إلى تدمير / الحفاظ على البشرية ، بمرور الوقت ، فيما يتعلق بالكائنات السبرانية الذكية. لقد كانت nggi جزءًا من خيالنا العام بقدر خط Terminator. . هذه هي نظرية وتطوير أنظمة الكمبيوتر التي تتطلب الذكاء البشري ، مثل الإدراك البصري ، والتعرف على الكلام ، واتخاذ القرار ، والترجمة بين اللغات.

يطلق على مفهوم الذكاء الاصطناعي ، الذي روجته هوليوود والخيال العلمي ، "الذكاء الاصطناعي المشترك" - وهي آلة قوية تهيمن على الإنسان في جميع المجالات.

ومع ذلك ، فإن AlphaGo ومعظم حالات الذكاء الاصطناعي الحالية تقع في فئة "Dark AI" ، وقد تم تصميم هذه الأجهزة لتكرار أو تعزيز المهام المحددة للشخص.

جعلت شعبية الذكاء الاصطناعي على مدى السنوات القليلة الماضية من السهل استكشاف جميع الاحتمالات في هذا المجال ، وذلك بفضل التكامل السهل بين وحدات معالجة الرسوميات والبيانات الضخمة ومجموعات البيانات المختلفة بالتوازي.

لكن كيف جعلتها المنطقة التي قوضت الانتباه والتقدم بحلول 2012 بهذه السرعة؟ يقودنا هذا السؤال إلى التعلم الآلي في مجال علوم الكمبيوتر ، حيث تم هذا التطور.

التعلم الآلي

تشير الهندسة الميكانيكية ، كمفهوم ، إلى قدرة الآلة على التعلم من المعلومات المقدمة. على الرغم من أننا عادة نبرمج أجهزتنا لاتباع التعليمات وفقًا لمتطلباتنا ، إلا أننا في التعلم الآلي نستخدم خوارزميات تتحقق بانتظام من البيانات وتتعلم السلوك العفوي.

ولكن كيف جعل الذكاء الاصطناعي ، الذي يركز ويركز على التنمية بحلول عام 2012 ، كبيرًا ... Tweet to Tweet

يعد تصنيف رسائل البريد الإلكتروني في فلاتر مختلفة ، وتحديد ما إذا كان البريد الإلكتروني بريدًا عشوائيًا مثالاً جيدًا على ذلك ، وذلك باستخدام خوارزميات التعلم الآلي.

تم تطوير التعلم الآلي لأول مرة من قبل حشد AI ، ومنذ ذلك الحين جمعت العديد من التقنيات بما في ذلك تعلم شجرة القرار ، ومصنف bayes البسيط ، ودعم آلات المتجه. يستخدم هذا الكمبيوتر على نطاق واسع في مجال الرؤية ، والذي يهدف إلى مساعدة الكمبيوتر على التعرف على الكائنات المختلفة داخل الصورة.

في البداية ، فشلت في المجال - فقد تطلبت الترميز اليدوي ، ووقت المعالجة ، وما زالت فشلت في مطابقة النتائج مع المعايير البشرية. مع مرور الوقت والبنية التحتية التكنولوجية المحسنة ، أصبحت هذه التقنيات قوية للغاية ، ولكن هناك مجال فرعي واحد فقط يمكن أن يساعد في تطوير التعلم الآلي ، وهو صورة وأوبر بواسطة PC Vision يتم استخدامه بنجاح في التعرف على الكائنات. ، تحب Apple والسائقون إيقاف سياراتهم أقل.

والتقنية؟ هذا هو هدف الدراسة المتعمقة.

التعلم العميق

Deep Learning هو مجال فرعي للتعلم الآلي يستخدم تقنيات الشبكات العصبية الاصطناعية. إنها مستوحاة من علم الأحياء البشري - لأن دماغنا يتكون من شبكة من الخلايا العصبية التي تنقل الإشارات وتنقل المعلومات ، تنشئ الخوارزمية إعدادًا يشبه الآلة ، على عكس الخلايا العصبية البيولوجية التي يمكنها التواصل بحرية مع بعضها البعض. عصبون الرائحة. تحتوي الشبكات على طبقات واتصالات منفصلة وتتبع الاتجاه المحدد مسبقًا.

في الواقع ، ينطوي التعلم العميق على نقل الكثير من المعلومات إلى نظام الكمبيوتر الذي يصنف البيانات عن طريق الأسئلة الثنائية الحقيقية أو الكاذبة أو يحلل البيانات عن طريق استخراج القيم العددية. يتم تخزين هذه المعلومات كشبكات عصبية ثم يتم استخدامها لتصنيف أي شكل من أشكال المعلومات - الصوت والفيديو والكلام ، وما إلى ذلك. على الرغم من أن الحجم الحسابي كبير جدًا ، إلا أن هذه الطريقة تعطي نتائج ممتازة وتستخدم حاليًا لمثل هذه المجموعة الواسعة من المشاكل. كسائق سيارة أقل ، الطلاء بالأبيض والأسود ، وتوفير التشخيص الطبي وأكثر من ذلك.

باختصار ، من السهل التفكير في هذه المفاهيم باعتبارها دوائر متحدة المركز. إن الذكاء الاصطناعي هدف واسع ، ومستقبل سيتحقق اليوم. التعلم الآلي هو أكثر الطرق الواعدة لجعل المستقبل حقيقة. التعلم العميق هو التعلم الآلي - أقوى طريقة للقيام بذلك.

قم بزيارة دورات علوم المعلومات لدينا للحصول على فهم أعمق لهذه المفاهيم.

نشر في الأصل على byteacademy.co في 17 أبريل 2017.