PG ir mašinų mokymasis vs giluminis mokymasis: koks skirtumas? „Baitų akademija“

PG ir mašinų mokymasis vs giluminis mokymasis: koks skirtumas?

2017 m. Balandžio 17 d., Pirmadienis

Kai „Deepmind's AlphaGo“ laimėjo 4 iš 5 mačų prieš tuometinį „Go“ čempioną Lee Se-dolą, visas pasaulis į tai atkreipė dėmesį. Paskelbtas dirbtinio intelekto triumfu, šis momentas buvo svarbus žingsnis siekiant, kad sudėtingesnės, AI varomos mašinos taptų realybe.

Taip pat tada, kai žodžiai „gilus mokymasis“ ir „mašinų mokymasis“ pateko į viešąją leksiką, žiniasklaida vartodama šiuos terminus pakaitomis, kad paaiškintų, kaip „AlphaGo“ konkuruoja su žmogaus intelektu.

Nors šie terminai yra glaudžiai susiję, jie reiškia skirtingus dalykus. Ir šiais laikais, kai technologijos daro didelę įtaką gyvenimui, svarbu žinoti šių terminų skirtumą.

Šis straipsnis padės jums tai padaryti.

Požiūris
 Geriausias būdas suprasti šias sąvokas yra susipažinimas su jų santykiais. AI, mašininis mokymasis ir giluminis mokymasis yra panašūs į tuos rusiškų lėlių rinkinius - AI yra plačiausia koncepcija, taigi ir didžiausia lėlė komplekte, mašininis mokymasis yra antroji dalis, o giluminis mokymasis - joje.

AI, mašinų mokymasis ir giluminis mokymasis yra panašūs į tuos rusiškų lėlių rinkinius ... Spustelėkite norėdami Tweet

Savo supratimą pradėsime nuo pirmosios lėlės - dirbtinio intelekto.

Dirbtinis intelektas (AI)
 Dirbtinis intelektas, kaip sąvoka, nuo šimtmečių buvo mūsų visuomenės įsivaizdavimo dalis, pradedant graikų mitais apie mechaninius žmones, skirtus pamėgdžioti žmonių elgesį, ir baigiant naujausia „Terminator“ serija apie super intelektualius kibernetinius organizmus, keliaujančius atgal, siekiant sunaikinti / išgelbėti žmoniją . Tai teorija ir kompiuterinių sistemų, galinčių atlikti užduotis, kurioms paprastai reikalingas žmogaus intelektas, teorija ir tobulinimas, pavyzdžiui, vizualinis suvokimas, kalbos atpažinimas, sprendimų priėmimas ir vertimas iš vienos kalbos į kitą.

Holivudo ir „Sci-Fi“ išpopuliarinta AI sąvoka yra žinoma kaip „General AI“ - galingos mašinos, galinčios pranokti žmones visose srityse.

Tačiau „AlphaGo“ ir dauguma kitų PG atvejų šiuolaikiniame pasaulyje priklauso „Siauras AI“ kategorijai, kur šios mašinos yra sukurtos atkartoti ar pagerinti žmogaus elgesį atliekant vieną konkrečią užduotį.

AI populiarumas per pastaruosius kelerius metus smarkiai išaugo dėl lengvos prieigos prie lygiagretaus skaičiavimo naudojant GPU ir „Big Data“ judėjimo, į kurį įvežami bet kokio pobūdžio duomenys, ir tai padėjo ištirti visas galimybes šioje srityje.

Tačiau kaip laukas, kuriam trūko dėmesio ir pažangos iki 2012 m., Tapo toks greitas? Šis klausimas veda mus į mašinų mokymąsi, kompiuterių mokslo sritį, kuri įgalino šį vystymąsi.

Mašinų mokymasis

Mašinų mokymasis kaip sąvoka reiškia mašinos sugebėjimą mokytis patiems iš pateiktų duomenų. Nors paprastai mes programuojame mašinas vykdyti instrukcijas pagal mūsų reikalavimus, mokydamiesi mašinų mes naudojame algoritmus, kurie sistemingai analizuoja duomenis ir patys mokosi elgsenos, tačiau nėra aiškiai užprogramuoti tai daryti.

Tačiau kaip AI, kuri troško dėmesio ir pažangos iki 2012 m., Tapo tokia didele ... Spustelėkite „Tweet“

Geriausias to pavyzdys būtų el. Laiškų klasifikavimas į skirtingus filtrus, nustatant, ar el. Laiškas priklauso šlamštui, ar tai daroma naudojant mašininio mokymosi algoritmus.

Mašinų mokymąsi konceptualizavo ankstyvoji AI minia ir nuo to laiko įgijo daugybę metodų, tokių kaip sprendimų medžio mokymasis, naivus dėžių klasifikatorius ir palaikymo vektorių mašinos. Jis buvo plačiai naudojamas kompiuterinio matymo srityje, kurio tikslas yra padėti kompiuteriui atpažinti įvairius atvaizdo objektus.

Iš pradžių šis laukas buvo visiškai nesėkmingas - reikėjo daug koduoti rankomis, apdoroti laiką ir vis tiek nepavyko suderinti rezultatų pagal žmogaus standartus. Laikui bėgant ir tobulėjant technologinei infrastruktūrai, jos metodai tapo nepaprastai galingi, tačiau yra vienas pošakis, padėjęs pažengti mašinų mokymosi srityje tiek, kiek „Computer Vision“ sėkmingai naudoja „Facebook“ mėgėjai atpažinti paveikslėlyje esančius objektus ir „Uber“. , „Apple“ ir panašūs dalykai, kad vairuotojui būtų mažiau automobilių.

O technika? Štai kas yra gilus mokymasis.

Gilus mokymasis

Giluminis mokymasis yra mašininio mokymosi poskyris, kuriame naudojama dirbtinių neuroninių tinklų technika. Tai įkvėpė žmogaus biologija - lygiai taip pat, kaip mūsų smegenis sudaro neuronų, sudedančių signalus ir perduodančios informaciją, tinklas, algoritmas sukuria panašią sąranką mašinoje, vienintelis skirtumas yra tas, kad nors biologiniai neuronai gali laisvai jungtis vienas su kitu, dirbtinis neuronas tinklai turi atskirus sluoksnius ir jungtis ir eina iš anksto nustatyta kryptimi.

Iš esmės giluminis mokymasis apima kompiuterio sistemos tiekimą daug duomenų, kuriuos ji sistemingai analizuoja, klasifikuodama duomenis dvejetainiais teisingais ar melagingais klausimais arba išvesdama skaitinę reikšmę. Ši informacija saugoma neuroninių tinklų pavidalu, kurie vėliau naudojami bet kokiai duomenų formai - garso, vaizdo, kalbai ir tt - klasifikuoti. Nors ši technologija yra pakankamai plati, ji suteikia puikų rezultatą ir dabar naudojama daugeliui problemų, tokių kaip kadangi vairuojantis vairuotojas mažiau automobilių, be kita ko, dažo nespalvotus vaizdus ir suteikia medicininę diagnozę.

Apibendrinant galima pasakyti, kad šias sąvokas lengva suvokti kaip koncentrinius apskritimus. PG yra platus tikslas, ateitis, kuri jau realizuojama šiandien. Mašinų mokymasis yra perspektyviausias požiūris į šios ateities realizavimą. O gilus mokymasis yra pati galingiausia mašininio mokymosi technika, leidžianti tai įgyvendinti.

Norėdami giliau suprasti šias sąvokas, apsilankykite mūsų duomenų mokslo kursuose.

Iš pradžių paskelbta byteacademy.co 2017 m. Balandžio 17 d.