Intelligenza artificiale, costruzione di macchine, apprendimento profondo e scienza della conoscenza: qual è la differenza?

Differenza tra AI, ML, DS, DL. Foto: Oluebube Princess Egbuna Lagos Circle per il produttore di Facebook

Quando ho iniziato a studiare in macchina, ero sopraffatto. La mia confusione non era tecnica, ma come ho ottenuto le parole quando sono andato all'apprendimento automatico.

Ho sentito parole come data science, intelligenza artificiale, machine learning e deep learning. Ci sono molte parole in questo cerchio che sono di interesse.

Ti starai chiedendo come sono diversi. Spero di poter cancellare i tuoi sospetti, quindi prendi posto!

Queste aree si stanno evolvendo rapidamente e la definizione che troverai oggi potrebbe essere diversa da quella che troverai domani, quindi assicurati di tenere il passo con la crescita della tecnologia.

Cos'è l'intelligenza artificiale?

In particolare, prima di cercare il significato dell'intelligenza artificiale, mi sono reso conto che i robot di intelligenza artificiale (AI) possono fare le stesse cose che gli umani possono fare.

Sebbene questo sia parte della verità, non è necessariamente un'intelligenza artificiale. Come tutti sappiamo, le mezze verità non sono quasi mai vere.

Secondo il dizionario Merriam-webster, la parola mente è "la capacità di apprendere o comprendere o superare situazioni nuove o difficili". È anche definita come la capacità di applicare le conoscenze alla gestione ambientale per il pensiero astratto, misurata dall'uso razionale e da criteri oggettivi (ad es. Test).

L'intelligenza artificiale (IA) si basa quindi sull'idea che un programma per macchine o computer sia in grado di pensare, comprendere e apprendere come fanno gli umani.

Dalla definizione della mente, possiamo dire che l'intelligenza artificiale è lo studio delle possibilità di creare macchine in grado di applicare all'ambiente le conoscenze acquisite da queste informazioni.

Ancora parole ronzanti? Aspetta! In poche parole ...

L'intelligenza artificiale (AI) è un modo per aumentare l'intelligenza umana nelle macchine, in particolare i sistemi informatici, attraverso l'apprendimento, il ragionamento e l'auto-correzione.

Un esempio di vita reale di AI:

Se sei mio amico e capisco che ami i film di recitazione, ti darò consigli sui film basati su ciò che so di te. Questa è la mente umana.

Se vedi una certa categoria di film su Netflix, Netflix inizierà a darti consigli sui film in base al tuo stile di visione.

Com'è possibile? Intelligenza artificiale. Questo è un esempio molto generale di intelligenza artificiale.

Che cos'è l'apprendimento automatico?

L'intelligenza artificiale è enorme. L'ingegneria meccanica (ML) è un sottoinsieme dell'intelligenza artificiale. Ricordi dal paragrafo precedente l'aspetto dell'apprendimento della comprensione dell'intelligenza? ML arriva.

Machine Learning (ML) è uno strumento statistico per l'apprendimento dai dati. Il nucleo di ML è insegnare ai computer come prevedere e prevedere i dati senza programmare.

Esempio di vita reale ML:

Riceviamo messaggi spam. Sono sempre filtrati, ad esempio da Gmail. Le e-mail sono anche classificate in promozioni e social, così come in altre categorie, in base al servizio postale che utilizzi. In che modo Gmail ha imparato a farlo? Apprendimento automatico! Ricorda che ML fa parte dell'IA.

Che cos'è uno studio approfondito?

Nell'apprendimento automatico, i dati passano principalmente attraverso algoritmi che apportano cambiamenti lineari alla produzione.

L'apprendimento profondo è una piccola parte dell'apprendimento automatico che subisce numerosi cambiamenti non lineari per ottenere risultati.

"Profondo" in questo caso significa molte fasi. L'uscita di una fase viene immessa per l'altra fase, e questo viene fatto continuamente per ottenere il risultato finale. Non tutti questi passaggi sono lineari. Un esempio di trasformazione non lineare è una trasformazione matriciale.

L'apprendimento profondo viene talvolta definito reti neurali profonde (DNN) perché utilizza reti neurali artificiali multistrato per eseguire l'apprendimento profondo.

Hai mai visto una foto di un neurone nel cervello umano? Le reti neurali artificiali sono costruite in modo simile, i nodi nervosi sono collegati come una rete.

Gli algoritmi di deep learning richiedono macchine molto potenti e sono molto utili per identificare i modelli dai dati di input.

Guida all'apprendimento profondo:

Hai mai sentito parlare di WaveNet e discorsi approfonditi? Entrambe sono reti di Deep Learning che generano automaticamente suoni. I testi sono scritti a mano su WaveNet e sui sistemi vocali prima di un discorso approfondito.

Con l'apprendimento profondo, i sistemi stanno imparando a imitare le voci delle persone, quindi è difficile distinguere tra voce umana e voce del computer. Il Deep Learning ci avvicina a dare ai computer la capacità di parlare come gli umani.

Il deep learning è un sottoinsieme di ML, che è un sottoinsieme di AI, quindi questo è AI.

Che cos'è la scienza dell'informazione?

La scienza dei dati si interseca con l'intelligenza artificiale, ma non una piccola parte dell'intelligenza artificiale.

La scienza dell'informazione è lo studio della curiosità emergente in qualsiasi campo, ottenendo informazioni da grandi fonti di domande, elaborando, analizzando e visualizzando le informazioni per l'IT. rendere significativo. e strategie di business.

In poche parole, questo è capire e comprendere le informazioni. Esistono molti strumenti utilizzati nella scienza dei dati. Includono strumenti statistici, mezzi probabilistici, algebra lineare e metrica, ottimizzazione numerica e programmazione.

Uso dell'informatica:

Scegli un concetto casuale.

Scelgo la sponsorizzazione. Come le persone vengono sponsorizzate per un motivo. Di solito chi è disposto a chiamare gli sponsor via e-mail. Quali parole chiave cercano nelle e-mail di sponsorizzazione? preferiscono le telefonate?

In questo caso, la scienza dei dati può aiutare. Un database che raccoglie informazioni su ciò che sponsorizza una causa, perché lo sponsorizza e cosa preferisce comunicare canali e altro, raccoglie un set di dati non strutturati.

Le informazioni vengono elaborate, analizzate e visualizzate utilizzando i vari strumenti di cui abbiamo discusso. Da questi dati sono tratte conclusioni.

Queste informazioni aiutano le organizzazioni senza scopo di lucro e le persone a cercare sponsor.

La scienza dell'informazione non ha una piena intelligenza artificiale, ma alcune informazioni si intersecano con l'intelligenza artificiale.

Quando si tratta di esso, l'unica cosa che conta sono i DATI!