الفرق بين AI و ML و DL

الذكاء الاصطناعي (AI). هندسة ميكانيكية (ML). التعلم العميق (DL). قد تصادف هذه المصطلحات وتدرك أنه يتم استخدامها في بعض الأحيان بالتبادل. في الواقع ، هم مختلفون تمامًا.

الذكاء الاصطناعي (AI)

الذكاء الاصطناعي يعني القدرة على تقليد السلوك المعرفي للشخص ، مثل صنع القرار ، والتعلم ، وحل المشكلات ، وما إلى ذلك. هندسة المعرفة هي جوهر البحث والتطوير في مجال الذكاء الاصطناعي. قد تكتشف الآلات أو أنظمة الكمبيوتر أنها توفر كميات كبيرة من البيانات. في الماضي ، كان الذكاء الاصطناعي قادرًا على تقليد ما قد يعرفه كاتب الحسابات حول قانون الضرائب أو المشاكل الحسابية الأساسية. يعتمدون فقط على الخوارزميات التي كتبها علماء الكمبيوتر. يسميه بعض الخبراء "الذكاء الاصطناعي القديم الجيد".

التعلم الآلي (ML)

ML هي مجموعة فرعية من الذكاء الاصطناعي. جاء الإنجاز الكبير في عام 1959 عندما أدرك آرثر صموئيل أنه بدلاً من تعليم النظام كل ما يحتاج إلى معرفته عن العالم ، يمكن تدريبهم على تعلم الأنظمة وتحسين الأداء.

السبب الثاني لهذا النجاح هو ظهور البيانات الضخمة. البيانات الضخمة هي كمية هائلة من البيانات التي تم جمعها منذ بداية العصر الرقمي. مع تقدم أجهزة الكمبيوتر والإنترنت والتكنولوجيا ، أصبح كل شيء بين يديك. نترك المسارات الرقمية مع أي حركة رقمية تقريبًا. من المعاملات عبر الإنترنت إلى آخر بحث. كل شيء مسجل ومتاح للتحليل.

مع هذه البيانات ، يصبح أكثر كفاءة لترميز الأنظمة للتفكير مثل الناس ومنحهم الوصول إلى جميع المعلومات حول العالم. لذلك أدى هذا إلى ظهور مصطلح "التعلم الآلي" لأن الأنظمة تتعلم وتتحسن باستمرار بسبب التجربة والخطأ. هدفهم هو تقليل الأخطاء أو زيادة احتمالية صحة أقوالهم.

القدرة على اختبار وارتكاب الأخطاء ممكنة بفضل تطوير الشبكات العصبية. الشبكات العصبية هي مجموعة من الخوارزميات التي تسمح للكمبيوتر بتصنيف المعلومات مثل الدماغ البشري. كما ذكرنا ، فإنه يعمل على نظام احتمالي بناءً على البيانات المدخلة في النظام. إن إدخال حلقة ملاحظات سيساعد النظام من خلال فحص ما إذا كانت التوقعات صحيحة أم لا ، وسوف تتحسن بمرور الوقت.

التعلم العميق (DL)

DL هي أحدث طريقة ML. التركيز الرئيسي لـ DL هو تحويل الشبكات العصبية إلى شبكات عصبية عميقة. يركز DL فقط على تقليد الوظيفة المعرفية للدماغ البشري. تشير كلمة "عميق" إلى طبقات عديدة من الشبكات العصبية. بدلاً من فهم البيانات من حيث التشفير ، يسمح DL للنظام بتصنيف البيانات المعقدة مثل إشارات الآلة وإشارات الصوت ومقاطع الفيديو والخطب والكلمات المكتوبة. النظام قادر على استخلاص استنتاجات مماثلة للاستنتاجات البشرية.

واحدة من أفضل الأمثلة على السيارات ذاتية الدفع. مع أجهزة الاستشعار والتحليلات في الموقع ، يتعلم النظام التعرف على العقبات وتقديم ردود الفعل المناسبة. من خلال تطوير Google DL ، سيتمكن DeepMind من إنتاج الذكاء الاصطناعي مع القدرة على تشخيص أمراض العيون بدقة 94.5٪.

باختصار ، يمكنك القول أن الذكاء الاصطناعي هو صورة ميدانية واسعة ، و ML جزء متخصص من الذكاء الاصطناعي ، وأخيرًا ، DL هي نسخة مناسبة من ML. إنها متشابهة ولكنها مختلفة من نواح عديدة.

نشر في الأصل في: www.nexusmediaworks.com