Intelligenza artificiale: differenza tra apprendimento automatico e apprendimento profondo

L'intelligenza artificiale o l'intelligenza artificiale sono diventate una parte importante e integrante della nostra società moderna. Secondo Forbes, due anni fa, nel 2017, il 51 percento delle aziende moderne ha già implementato l'intelligenza artificiale e il solo settore ha un valore di $ 16 miliardi. Si prevede che questa cifra raggiungerà i 190 miliardi di dollari entro il 2025 e si prevede che crescerà ulteriormente.

Oggi, due dei tipi più influenti di IA sono i sistemi di apprendimento automatico e di apprendimento approfondito. Ma quali sono esattamente i due? E a questo proposito, come definiamo l'intelligenza artificiale in entrambi i contesti?

Cos'è l'intelligenza artificiale?

Nell'introduzione ufficiale dell'Oxford Dictionary del 2019, l'intelligenza artificiale è "la teoria e lo sviluppo di sistemi informatici in grado di svolgere compiti che richiedono intelligenza umana".

In altre parole, l'IA interpreta le informazioni di cui tu e io abbiamo bisogno, per il riconoscimento delle immagini, il riconoscimento vocale o altri sistemi decisionali automatizzati. Un esempio molto semplice di AI è il rivale di un computer per videogiochi. Utilizza i dati di gioco e le informazioni sul giocatore per creare sequenze di decisioni e compiti per coinvolgere il giocatore. L'intelligenza artificiale è apparsa negli anni '50, ma è iniziata solo negli anni '70 e '80, quando i personal computer e le console di gioco hanno reso lo sviluppo dell'IA un requisito fondamentale nelle sue attività.

Altri esempi di AI nella nostra vita quotidiana possono includere:

  1. simulazione
  2. Dispositivi intelligenti
  3. I robot in borsa
  4. Riconoscimento delle informazioni (voce, voce, viso, ecc.)

Oggi molti sistemi di intelligenza artificiale vengono utilizzati in quasi tutte le applicazioni che utilizzano dati come software di gestione, algoritmi di riferimento, analisi dei media o persino assistenti vocali. In effetti, anche i semplici programmi di sorveglianza ora usano l'IA. Come regola generale, se c'erano compiti più complicati che dovevano essere eseguiti regolarmente senza l'intervento diretto di una persona, allora aveva l'IA.

Che cos'è l'apprendimento automatico?

L'apprendimento automatico è un tipo di intelligenza artificiale (e quindi una parte di essa) specializzata nell'analisi e nell'analisi dei dati al fine di adattarsi a tali dati e prendere decisioni intelligenti. In poche parole, questa IA è stata progettata per tracciare e scoprire molte cose e quindi per condurre uno o più percorsi di azione in base alle informazioni ottenute.

I compiti tipici dell'apprendimento automatico oggi possono comprendere i seguenti

  1. Link ai consigli
  2. Gestione dei contenuti
  3. Visualizza i risultati della ricerca
  4. Tempo di trattamento (sui social network)

Il sistema di apprendimento automatico è in grado di analizzare una grande quantità di dati in un breve periodo di tempo, di prendere decisioni o trarne conclusioni. Ottimizza il suo algoritmo per fornire commenti precisi, più di quello che le persone possono fare con i vincoli temporali. Ad esempio, vogliamo determinare automaticamente se una determinata email è spam o meno. Il sistema di apprendimento automatico passa attraverso migliaia di migliaia di e-mail per trovare schemi che aiutano a identificare le e-mail di spam. Fornisce quindi una chiara classificazione di spam o semplici e-mail e lo utilizza nuovamente per trovare modelli più accurati che possano aiutare a migliorare l'analisi.

Quando venivano forniti nuovi e nuovi set di dati, i sistemi di apprendimento automatico potevano adattare e aggiornare i loro algoritmi per migliorare ulteriormente ciò che stavano facendo. O almeno minimizzare la probabilità di errori. Ciò rende l'apprendimento automatico molto importante nella nostra era basata sui dati.

Che cos'è uno studio approfondito?

L'apprendimento profondo, ancora una volta, questo è un tempo di apprendimento automatico. La progettazione di base dei sistemi di apprendimento profondo si basa sul cervello organico. Se formiamo nuovi ricordi usando una complessa rete di schemi neurali, un tale sistema creerà una sua complessa rete di decisioni, usando una rete neurale artificiale composta da innumerevoli strati algoritmici.

Numerosi importanti sistemi di apprendimento profondo:

  1. Watson (concorrenti in "Jeopardy")
  2. AlphaGo (sconfigge il giocatore professionista Go Lee Sedol a marzo 2016)
  3. Deepfake (crea una rappresentazione molto reale, ma realistica, artificiale di persone reali)
  4. OpenAI Five (progetto di apprendimento approfondito del gioco, il giocatore DOTA Dandy è stato sconfitto nell'ultimo 2017)

A differenza dei sistemi di apprendimento automatico convenzionali, possono gestire anche set di dati relativamente semplici, con un sistema di apprendimento approfondito che inizia da zero. Si caratterizza per il suo "tempo lento", durante il quale le prime generazioni di IA iniziano a produrre risultati reali da innumerevoli generazioni fallite dopo l'adattamento.

Quando raggiungerà un livello molto sofisticato di efficienza, i sistemi di apprendimento profondo inizieranno a superare tutto ciò che lo ha preceduto. AlphaGo di DeepMind, ad esempio, ha iniziato a utilizzare i suoi 160 milioni di giochi Go amatoriali, prima di battere spontaneamente milioni di giocatori Go professionisti.

I sistemi di apprendimento profondo, a differenza di altri sistemi di apprendimento automatico che sono stati sviluppati in precedenza, fanno molto affidamento sulla moltiplicazione di matrici per la generazione di dati. Pertanto, le GPU commerciali sono di solito gli strumenti migliori per questi sistemi perché sono in grado di soddisfare l'elevato livello di requisiti di elaborazione parallela necessari per mantenere le prestazioni operative.

AI standard e machine learning

Sebbene l'intelligenza artificiale e l'apprendimento automatico possano essere utilizzati in modo intercambiabile per molte applicazioni comuni, l'apprendimento automatico ha una caratteristica unica: l'adattamento. Significa che impara. A differenza dell'intelligenza artificiale precompilata, può fare molti errori iniziali, ma è progettata per sostituire ciò da cui si impara, costruire e infine ottimizzare.

In termini di design, l'apprendimento automatico ha anche il vantaggio di non essere confuso con il suo design originale. L'intelligenza artificiale ordinaria potrebbe richiedere codifiche specifiche o istruzioni specifiche per ogni situazione che il produttore può prevedere. Ma il sistema di apprendimento automatico può semplicemente lavorare su un albero decisionale, oltre a due o due standard di formazione, nonché alla capacità di elaborare e quindi migliorare la sua funzione.

L'importanza della differenziazione dei sistemi di apprendimento automatico è che ora stiamo usando IA standard e regolari di questi sistemi per altre attività e attività insignificanti. In definitiva, non sono necessari sistemi di apprendimento automatico per automatizzare semplicemente le decisioni di gestione dei file. Allo stesso modo, classificare elementi complessi come i sistemi di riconoscimento vocale come "solo AI" potrebbe non essere corretto, e quindi li classifichiamo correttamente.

Apprendimento automatico e apprendimento profondo

Forse la differenza più importante che dobbiamo imparare è la differenza tra apprendimento automatico e apprendimento profondo. Innanzitutto, come menzionato sopra, è uno studio approfondito dell'automazione IS, che tecnicamente consiste in un tipo o parte di esso. L'apprendimento automatico non è sempre uno studio approfondito. La differenza è dovuta principalmente al modo in cui i due sono costruiti.

L'apprendimento automatico è stato sviluppato negli ultimi decenni nello stesso ambiente informatico della maggior parte dei nostri software. Quindi, anche se è stato costruito per essere uniforme, lineare e persino conforme alla legge di Moore, è ancora limitato da alberi decisionali e algoritmi. L'apprendimento approfondito, a sua volta, integra tutti i suoi algoritmi in una rete neurale. È progettato per l'elaborazione parallela di alto livello, che ora consideriamo la prossima generazione di machine learning.

Un modo infallibile per determinare se viene utilizzato un sistema di apprendimento profondo è valutare la complessità dell'attività AI. Generalmente, dovrebbero essere considerate più variabili opzionali, che è più probabile che sia un sistema di apprendimento profondo. Ad esempio, i consigli di Netflix non sono così complessi come le traduzioni in lingua, anche se apprendono dai dati raccolti nell'intera base di utenti Internet. Questa differenza può servire a due funzioni simili, ad esempio due sistemi di autocontrollo separati. Ciò su cui facciamo più affidamento sulla compressione dei dati dei sensori è che dovrebbe essere un sistema di apprendimento automatico comune e un apprendimento più profondo più rispettoso dell'ambiente rispetto a ciò che Tesla sta attualmente sviluppando. bisogno di prestare attenzione.

Che la distinzione sia chiara o ovvia, l'apprendimento profondo è il futuro. Ma per i nostri scopi, uno studio approfondito è importante per capire quanto sia veramente diverso e quanto sia avanzato per differenziare l'IA dall'intelligenza artificiale semplice di machine learning. Sebbene sia in sviluppo oggi, non è paragonabile a quasi tutto ciò che è accaduto prima.

Sebbene allo spettatore comune possa sembrare confuso che Barack Obama abbia fatto alcune brevi frasi in un contesto falso, per coloro che comprendono la differenza, sappiamo che questa è una delle grandi possibilità della tecnologia rivoluzionaria. .

Vietnam AI Grand Challenge

Vuoi saperne di più sull'intelligenza artificiale? Cambria Vietnam sta guidando la serie di hacker AI Grand Challenge 2019, la sua missione è quella di formare giovani sviluppatori AI. In collaborazione con il governo vietnamita, McKinsey & Company e VietnamAI, la Grand Challenge supporterà le migliori capacità di intelligenza artificiale del paese nel supportare le aziende in Vietnam e progettare un assistente AI globale.

Come aderire: Iscriviti sulla piattaforma Cambria: https://bounty.kambria.io/ 2. Segui la pagina Facebook della Sfida per tutti i prossimi eventi: https: / /www.facebook.com/VietnamAIGC/

Sabato 1 giugno 2019, si terrà a Da Nang, in Cambogia, un seminario intitolato "Crea un assistente di intelligenza artificiale virtuale", che fornirà formazione e istruzione ai partecipanti della AI AI del Vietnam. Clicca qui per maggiori informazioni sul seminario. Lo spazio è limitato a 40 partecipanti, quindi iscriviti presto!

Originariamente pubblicato in Cambogia.