Beyond Hype: la differenza tra intelligenza artificiale, machine learning e deep learning

L'intelligenza artificiale (AI) è entrata nella nostra vita quotidiana con un'esplosione. Dal marketing alla medicina, sembra influenzare ogni azienda e settore. Le aziende tecnologiche stanno lottando per dominare la corsa alla gestione del mercato e acquisire le attività di IA più innovative e promettenti.

Puoi già usare l'IA nella vita di tutti i giorni, come il riconoscimento vocale, gli assistenti virtuali sul tuo smartphone, i siti Web di shopping e gli algoritmi di streaming di musica o video, o anche quando visiti un medico e confronti i raggi X. o altre immagini mediche con altre informazioni mediche.

E poi c'è la nozione di machine learning e deep learning che confonde molti. Molto spesso vengono usati in modo intercambiabile, ma anche se intrecciati, hanno significati diversi. Quindi qual è la differenza tra AI, machine learning e deep learning?

Intelligenza artificiale

In senso lato, secondo i suoi fondatori, l'IA è la scienza e l'ingegneria delle macchine intelligenti, in particolare i software per computer intelligenti. Questo è un modo di pensare in modo intelligente, come pensano le persone, quando usano un computer, un robot controllato da un computer o un software, a grande velocità e potenza.

L'ingegneria cognitiva è una parte fondamentale della ricerca sull'IA. Le macchine possono agire come le persone se hanno molte informazioni sul mondo. Un veicolo autonomo può guidare in sicurezza, con sufficienti conoscenze ambientali. Gli algoritmi decisionali sono validi solo come dati di input.

In altre parole, l'intelligenza artificiale deve avere accesso alle relazioni tra oggetti, categorie, caratteristiche e tutti, al fine di implementare l'ingegneria cognitiva. L'uso dell'intelligenza e del potere di risoluzione dei problemi nelle macchine è un approccio difficile e noioso. Non siamo davvero vicini alle auto intelligenti.

Apprendimento automatico

Mentre l'intelligenza artificiale copre l'intero spettro dell'apprendimento automatico, il termine "apprendimento automatico" ha un significato più ristretto, "la capacità di apprendere senza una programmazione precisa". Per inciso, il cambiamento più grande sta avvenendo proprio ora: alimentare enormi set di dati. accedi e attendi i risultati.

L'apprendimento automatico è il tipo di intelligenza artificiale che facilita l'apprendimento automatico e insegna a se stesso ad evolversi di fronte a dati nuovi e in costante cambiamento. Ad esempio, il feed di notizie di Facebook utilizza un computer per personalizzare il cibo di tutti a loro piacimento. Gli elementi principali del tradizionale software di apprendimento automatico sono l'analisi statistica e l'analisi predittiva per identificare modelli e trovare dove cercare, sulla base di osservazioni di calcoli precedenti senza programmazione.

L'apprendimento automatico si è evoluto nel corso degli anni con la capacità di superare set di dati davvero complessi. Spesso vengono definiti "big data". Molti potrebbero essere sorpresi di apprendere che stanno affrontando software di machine learning nella loro vita quotidiana attraverso servizi di reportistica su problemi di attualità o hashtag come Netflix e algoritmi di social media. La separazione delle funzionalità nell'apprendimento automatico richiede al programmatore di cercare qualcosa che richiede un processo che richiede molto tempo dal computer al processo decisionale. Questo porta anche all'apprendimento automatico che si traduce in una diminuzione della precisione dovuta all'errore di una persona nel processo di programmazione.

Apprendimento profondo

Il deep learning è l'area più giovane dell'apprendimento automatico che è stata introdotta per avvicinare l'apprendimento automatico all'intelligenza artificiale.

Ciò è correlato allo studio delle "reti neurali profonde" nel cervello umano e, in questo contesto, l'apprendimento profondo cerca di imitare le funzioni degli strati interni del cervello umano, creando conoscenza da molti strati dell'elaborazione delle informazioni. Poiché la tecnologia di apprendimento profondo è modellata sul cervello umano, le sue capacità migliorano ogni volta che vengono riversati nuovi dati.

In un paradigma di apprendimento profondo, una macchina può utilizzare grandi quantità di dati e algoritmi per dargli la possibilità di imparare come eseguire un'attività. Queste informazioni vengono trasmesse attraverso reti neurali, che contengono un numero di domande binarie di destra / errata o valori numerici, qualsiasi bit di informazione che può essere trasmesso e classificato in base alle risposte che ricevono. Oggi, il riconoscimento approfondito delle immagini da parte delle macchine di apprendimento automatico viene utilizzato per insegnare robot e veicoli autonomi, per identificare i sintomi della malattia e tutti i tipi di immagini in medicina.

Qualche tempo fa AlphaGo di Google ha imparato il gioco giocandoci ripetutamente per ore. La capacità di apprendere sempre più rapidamente, che non viene appresa, è la chiave del rumore esistente attraverso l'apprendimento profondo. Ma la prossima tecnologia rivoluzionaria è tutt'altro che finita.