F:
Vad är skillnaden mellan konstgjord intelligens, maskininlärning och djupinlärning?
A:Termen "artificiell intelligens", "maskininlärning" och "djup inlärning" beskriver en process som har byggt på sig själv under de senaste decennierna, eftersom världen har gjort enorma framsteg inom datorkraft, dataöverföring och andra tekniska mål.
Konversationen bör börja med artificiell intelligens, en bred benämning för alla datorer eller teknikers förmåga att simulera mänsklig tanke eller hjärnaktivitet. På ett sätt började konstgjord intelligens tidigt, med enkla datorschack-spelprogram och andra program som började efterlikna mänskligt beslutsfattande och tanke.
| Gratis nedladdning: Machine Learning and Why It Matters |
Konstgjord intelligens fortsatte att utvecklas från de första dagarna av persondatorn, till internetets ålder och slutligen till åldern för molnberäkning, virtualisering och sofistikerade nätverk. Konstgjord intelligens har vuxit och expanderat på många sätt som en viktig teknikindustri.
En av milstolparna inom konstgjord intelligens är uppkomsten och antagandet av maskininlärning, en särskild strategi för att uppnå målen för artificiell intelligens.
Maskininlärning använder sofistikerade algoritmer och program för att hjälpa datorprogramvara att bli bättre på att fatta vissa uppsättningar av beslut i en prestandamiljö. Istället för att helt enkelt programmera en dator för att göra en uppsättning saker om och om igen, som var fallet med handkodade program på 1970- och 1980-talet, börjar maskininlärning använda heuristik, beteendemodellering och andra typer av projektioner för att möjliggöra teknik för att förbättra sitt beslutsfattande och utvecklas över tid. Maskininlärning har använts för att bekämpa skräppost, implementera personligheter av artificiell intelligens som IBM Watson och uppnå mål för artificiell intelligens på andra sätt.
Djupt lärande bygger i sin tur på maskininlärning. Experter beskriver djup inlärning som användning av algoritmer för att driva abstraktioner på hög nivå, såsom användning av konstgjorda neurala nätverk för att utbilda teknik i uppgifter. Djupt lärande tar maskininlärning till nästa nivå genom att försöka modellera faktisk mänsklig hjärnaktivitet och tillämpa det på konstgjorda beslut eller annat kognitivt arbete.
Djupt inlärning har visats genom exempel som banbrytande optimeringsprogram för leveranskedjan, laboratorieutrustningsprogram och andra typer av innovationer såsom det generativa motsatsnätverket, där två motsatta nätverk, ett generativt och diskriminerande nätverk, arbetar mot varandra för att modellera mänskliga tankeprocesser av diskriminering. Denna speciella typ av djup inlärning kan tillämpas på bildbehandling och andra användningsområden.
Verkligheten är att djup inlärning driver artificiell intelligens närmare det som experter anser vara ”stark AI”, konstgjord intelligens som mer eller mindre fullt kapabel att replikera många mänskliga tankefunktioner. Detta ger upphov till en betydande debatt om hur man ska hantera dessa nya tekniker effektivt och hur man ska ta hand om en värld där datorer tänker på samma sätt som vi gör.
