Βαθιά μάθηση εναντίον Machine Learning vs. AI: Πώς πάνε μαζί;

Διαφήμιση

Το επόμενο μεγάλο πράγμα στην τεχνολογία είναι μηχανική μάθηση. Ή μήπως είναι βαθιά μάθηση? Ίσως είναι τεχνητή νοημοσύνη. Αν βρεθείτε μπερδεμένος στις διαφορές μεταξύ των τριών, δεν είστε μόνοι.

Ποτέ να μην περάσει κανείς μια ευκαιρία να δημιουργήσει διαφημίσεις και να αποκομίσει χρήματα από τα κεφάλαια της Venture Capital, μερικές εταιρείες τεχνολογίας χρησιμοποιούν και τα τρία εναλλακτικά. Αν και όλα εμπίπτουν στην ίδια ευρεία ομπρέλα, υπάρχουν κάποιες κρίσιμες διαφορές μεταξύ τους.

Τι είναι η Τεχνητή Νοημοσύνη;

Η τεχνητή νοημοσύνη, κοινώς αναφερόμενη ως AI, είναι μια έννοια και όχι ένα σύστημα. Η νοημοσύνη θεωρείται ότι είναι ένα μοναδικό ανθρώπινο χαρακτηριστικό. Παραδοσιακά, οι μηχανές έχουν θεωρηθεί ότι αποκτούν γνώσεις, αλλά όχι νοημοσύνη ή σοφία. Ο επιστήμονας υπολογιστών Άλαν Τούρινγκ πέρασε μεγάλο μέρος του τελευταίου μέρους της ζωής του εξετάζοντας αν οι μηχανές θα μπορούσαν να σκεφτούν.

Σχεδίασε τη δοκιμή Turing Ποια είναι η δοκιμή Turing και θα ξυλοκοπείται ποτέ;Η δοκιμή Turing έχει σκοπό να καθορίσει αν τα μηχανήματα σκέφτονται. Μήπως το πρόγραμμα Eugene Goostman πέτυχε πραγματικά τη δοκιμή του Turing, ή απλά εξαπατούσαν οι δημιουργοί;

Διαβάστε περισσότερα που στοχεύει να καθορίσει εάν μια μηχανή μπορεί να παρουσιάσει έξυπνη συμπεριφορά και όχι απαραίτητα να είναι έξυπνη. Πρόκειται για μια σημαντική διάκριση, διότι δεν κατανοούμε πλήρως την σκέψη ή την ευφυΐα.

Αντί να προσπαθήσουμε να ορίσουμε τη νοημοσύνη, ελπίζουμε να δημιουργήσουμε μηχανές που μπορούν να επιδείξουν έξυπνες συμπεριφορές.

Αντί να είναι μια ίδια η τεχνολογία, το AI είναι ένα μέσο περιγραφής των συστημάτων. Αυτά τα συστήματα μπορούν να επισημανθούν ως Narrow AI και General AI. Το Narrow AI είναι ένα σύστημα που είναι έξυπνο αλλά μόνο σε ένα συγκεκριμένο έργο. Ο γενικός AI είναι ο τύπος που γνωρίζουμε περισσότερο από την ποπ κουλτούρα.

Αυτοί οι τύποι συστημάτων θα είναι σε θέση να εμφανίζουν όλα τα στοιχεία της ανθρώπινης νοημοσύνης. Το Skynet από το franchise της ταινίας Terminator ή το HAL από το 2001: Μια διαστημική οδύσσεια είναι φανταστικά παραδείγματα της General AI. Παρόλα αυτά, παρά τα όσα σας λένε οι ταινίες, δεν θα ήταν όλα τα γενικά συστήματα ΑΙ να καταστρέψουν την ανθρωπότητα.

Τι είναι η εκμάθηση μηχανών;

Όλοι γνωρίζουμε ότι τα δεδομένα μπορούν να είναι χρήσιμα. Είτε γνωρίζουμε ποια διαδρομή πρέπει να ακολουθήσουμε στο γραφείο μας είτε παρακολουθούμε την υγεία μας, τα δεδομένα μας πληροφορούν τις αποφάσεις μας και μας καθοδηγούν στη ζωή. Αλλά παράγουμε τόσα πολλά καθημερινά ότι είναι αδύνατον για μας οι άνθρωποι να αναλύσουν.

Πρέπει λοιπόν να πάρουμε μηχανές για να κάνουμε τη βαριά ανύψωση για εμάς.

Η Google μαθήματος μηχανικής μάθησης Τι είναι η εκμάθηση μηχανών; Το δωρεάν γκρουπ της Google σβήνει για σαςΗ Google έχει σχεδιάσει ένα δωρεάν online μάθημα για να σας διδάξει τα βασικά στοιχεία της μηχανικής μάθησης. Διαβάστε περισσότερα συνοψίζει τη μηχανική μάθηση ως "χρήση δεδομένων για την απάντηση σε ερωτήσεις". Το χωρίζουν σε δύο μέρη: την κατάρτιση και τις προβλέψεις. Φανταστείτε ότι έχετε μια συλλογή εικόνων με σχήματα που θέλετε να αναγνωρίσετε. Αν οι εικόνες τροφοδοτούνται στον αλγόριθμο εκμάθησης μηχανών, το σύστημα αρχίζει να μαθαίνει τα χαρακτηριστικά αυτού του σχήματος.

Όταν συναντά μια νέα εικόνα, το σχήμα συγκρίνεται με τα στοιχεία από τα δεδομένα εκπαίδευσης για να διαπιστωθεί αν είναι αντιστοιχία.

Παρόλο που δεν μπορείτε να το αναγνωρίσετε, τα εξατομικευμένα αποτελέσματα αναζήτησης, οι λίστες αναπαραγωγής Spotify και οι προτάσεις προϊόντων του Amazon είναι αποτέλεσμα της μηχανικής μάθησης. Το Netflix χρησιμοποιεί ακόμα αλγόριθμους μηχανικής μάθησης προσαρμόστε το εξώφυλλο του εξώφυλλου που εμφανίζεται.

Τι είναι η βαθιά εκμάθηση;

Ενώ δεν καταλαβαίνουμε πλήρως τη νοημοσύνη, οι επιστήμονες κατάφεραν να δείξουν ότι ο εγκέφαλος παράγει πληροφορίες μέσω ενός σύνθετου δικτύου νευρώνων. Ο εγκέφαλός μας αποτελείται από αυτές τις ηλεκτρικές συνδέσεις οι οποίες σχηματίζουν νευρικές οδούς. Αυτά τα μονοπάτια φέρνουν πληροφορίες γύρω από το σώμα μας, επιτρέποντάς μας να κινηθούμε, να αναπνέουμε και να σκεφτόμαστε.

Ωστόσο, εάν καθεμία από αυτές τις νευρικές οδούς ήταν ανεξάρτητες η μία από την άλλη, οι χρόνοι αντίδρασής μας θα ήταν εξαιρετικά αργός και ίσως να μην είμαστε σε θέση να συνδέουμε τις σκέψεις. Η επιτυχία του συστήματος εξαρτάται από τη σχέση μεταξύ όλων αυτών των οδών, δημιουργώντας ταυτόχρονη επεξεργασία δεδομένων.

Η βαθιά εκμάθηση είναι μια μέθοδος αναπαραγωγής αυτού του πυκνού δικτύου νευρώνων. Με τον χειρισμό πολλαπλών ροών δεδομένων ταυτόχρονα, οι υπολογιστές έχουν τη δυνατότητα να μειώσουν το χρόνο που απαιτείται για τη σημαντική επεξεργασία των δεδομένων. Η εφαρμογή αυτής της τεχνικής στη βαθιά εκμάθηση έχει δημιουργήσει τεχνητά νευρωνικά δίκτυα Τι είναι τα νευρικά δίκτυα και πώς λειτουργούν;Τα νευρωνικά δίκτυα είναι το επόμενο μεγάλο πράγμα όταν πρόκειται για βαριούς υπολογισμούς και έξυπνους αλγορίθμους. Δείτε πώς λειτουργούν και γιατί είναι τόσο καταπληκτικά. Διαβάστε περισσότερα .

Αυτά τα δίκτυα αποτελούνται από μια σειρά κόμβων. Υπάρχουν κόμβοι εισόδου για τη λήψη δεδομένων, κόμβων εξόδου για τα προκύπτοντα δεδομένα και κρυφών επιπέδων κόμβων στη μέση. Ο στόχος είναι να μετασχηματιστούν τα δεδομένα εισόδου σε κάτι που μπορούν να χρησιμοποιήσουν οι κόμβοι εξόδου. Εκεί μπαίνουν τα κρυμμένα στρώματα. Καθώς τα δεδομένα εξελίσσονται μέσω αυτών των κρυφών κόμβων, το νευρωνικό δίκτυο χρησιμοποιεί λογική για να αποφασίσει ποιος κόμβος θα μεταβιβάσει τα δεδομένα στο επόμενο.

Machine Learning vs. AI vs. Βαθιά μάθηση

Ενώ η μηχανική μάθηση είναι ένα ισχυρό εργαλείο που μας βοηθά να κατανοήσουμε τα τεράστια ποσά των δεδομένων που δημιουργούμε, δεν παρουσιάζει ανεξάρτητη σκέψη. Ο αλγόριθμος σχεδιάστηκε από τους προγραμματιστές και ορίζουν τους κανόνες που πρέπει να παίξει το σύστημα εκμάθησης μηχανών. Οι προκαταλήψεις των προγραμματιστών, είτε είναι συνειδητές είτε όχι, έχουν διακλαδώσεις.

Ένα από τα πρώτα σημαντικά εμπόδια για την εκμάθηση μηχανών ήρθε με την ευγένεια ενός από τους μηχανικούς της Google. Το 2015, παρατήρησε ότι ο αλγόριθμος φωτοδιεγγραφής της εταιρίας έφερε τον εαυτό του και τους μαύρους φίλους του ως γορίλες. Η Google αμέσως ζήτησε συγγνώμη και πραγματοποίησε βραχυπρόθεσμες διορθώσεις.

Ωστόσο, δύο χρόνια αργότερα, WIRED ανέφερε Η λύση της Google ήταν να αφαιρέσει συνολικά τις γορίλες από τα δεδομένα εκπαίδευσης.

Από την άλλη πλευρά, η βαθιά μάθηση μας φέρνει ένα βήμα πιο κοντά στη γενική τεχνητή νοημοσύνη. Προσπαθώντας να αντιγράψουμε το ανθρώπινο μυαλό μέσω μιας συλλογής κόμβων πολλαπλών στρωμάτων, οι δομές βαθιάς μάθησης δεν χρειάζεται να εκπαιδευτούν με ένα μεγάλο αρχικό σύνολο δεδομένων. Λαμβάνουν αποφάσεις βάσει των πληροφοριών που παρέχονται και της λογικής του συστήματος.

Ότι η λήψη αποφάσεων ουδέτερου δικτύου δεν είναι διαφανής μπορεί να φαίνεται ανόητη, αλλά σημαίνει ότι καταφέρνει να αναπαράγει την ανθρώπινη νοημοσύνη. Για παράδειγμα, δεν καταλαβαίνουμε ακόμη πλήρως πώς καταλήγουμε στις δικές μας σκέψεις και αποφάσεις.

Τεχνητή Νοημοσύνη για όλους

Στο τέλος, δεν υπάρχει λόγος να συγκρίνουμε την εκμάθηση της μηχανής έναντι του AI ή της βαθιάς μάθησης έναντι της μηχανικής μάθησης, καθώς όλες εξυπηρετούν διαφορετικούς σκοπούς. Το AI περιγράφει την έννοια της ανθρώπινης νοημοσύνης σε μηχανές, ενώ η μηχανική μάθηση και η βαθιά εκμάθηση είναι προσπάθειες για τη δημιουργία ενός γενικού AI.

Αυτό δεν σημαίνει ότι το πεδίο του AI είναι εντελώς αφηρημένο. Η Google χρησιμοποιεί τα τεράστια σύνολα δεδομένων της προσθέτοντας AI σε σχεδόν όλα τα προϊόντα της. Το Gmail ήταν πρόσφατα ανανεωμένη με έξυπνες απαντήσεις, ενώ η εταιρεία Duplex AI της εταιρίας ξεκινάει από τις ΗΠΑ και μπορεί χειριστείτε τηλεφωνικές κλήσεις εξ ονόματός σας. Αλλά δεν είναι οι μόνοι που μπορούν να μπουν στο παιχνίδι AI.

Μπορείτε να το δοκιμάσετε για τον εαυτό σας τώρα με Τα online πειράματα AI της Google 5 καλύτερα πειράματα Google AI για να εξερευνήσετε την τεχνητή νοημοσύνηΗ Google έχει πολλά πειράματα AI με τα οποία μπορείτε να παίξετε και να παίξετε με αυτή τη στιγμή. Χάρη στη μηχανική μάθηση, μπορούν να αλλάξουν τον κόσμο του αύριο με τη βοήθειά σας. Διαβάστε περισσότερα .

Image Credit: sdecoret /Depositphotos