Diep leren vs. Machine learning vs. AI: hoe gaan ze samen?

Advertentie

Het volgende grote ding in technologie is machine learning. Of is het diep leren? Misschien is het kunstmatige intelligentie. Als je merkt dat je verstrikt raakt in de verschillen tussen de drie, ben je niet de enige.

Nooit om een ​​kans voorbij te laten gaan om een ​​hype te genereren en Venture Capital-geld te gebruiken, hebben sommige technologiebedrijven alle drie onderling uitwisselbaar gebruikt. Hoewel ze allemaal onder dezelfde brede paraplu vallen, zijn er enkele cruciale verschillen tussen hen.

Wat is kunstmatige intelligentie?

Kunstmatige intelligentie, gewoonlijk AI genoemd, is eerder een concept dan een systeem. Intelligentie wordt gezien als een unieke menselijke eigenschap. Traditioneel werd gedacht dat machines kennis verwerven, maar geen intelligentie of wijsheid. De computerwetenschapper Alan Turing bracht een groot deel van het laatste deel van zijn leven door met de vraag of machines konden denken.

Hij bedacht de Turing Test Wat is de Turing-test en zal deze ooit worden verslagen?

De Turing Test is bedoeld om te bepalen of machines denken. Heeft het Eugene Goostman-programma de Turing-test echt doorstaan ​​of hebben de makers gewoon vals gespeeld? Lees verder die tot doel heeft te bepalen of een machine intelligent gedrag kan vertonen in plaats van noodzakelijkerwijs intelligent te zijn. Dit is een belangrijk onderscheid omdat we zelf nog steeds niet volledig denken of begrijpen.

In plaats van te proberen intelligentie te definiëren, hopen we machines te maken die intelligent gedrag kunnen vertonen.

In plaats van zelf een technologie te zijn, is AI een manier om systemen te beschrijven. Deze systemen kunnen worden bestempeld als Narrow AI en General AI. Narrow AI is een systeem dat intelligent is, maar alleen voor een specifieke taak. Algemene AI is het type dat we beter kennen uit de popcultuur.

Dit soort systemen zou alle elementen van de menselijke intelligentie kunnen weergeven. Skynet uit de Terminator-filmfranchise of HAL uit 2001: A Space Odyssey zijn fictieve voorbeelden van General AI. Maar ondanks wat de films je vertellen, zouden niet alle General AI-systemen erop uit zijn om de mensheid te vernietigen.

Wat is machine learning?

We weten allemaal dat gegevens nuttig kunnen zijn. Of het nu is om te weten welke route we naar kantoor moeten nemen of om onze gezondheid in de gaten te houden, gegevens informeren onze beslissingen en leiden ons door het leven. Maar we genereren elke dag zoveel dat het voor ons mensen onmogelijk wordt om te analyseren.

Dus moeten we machines voor ons laten verzwaren.

Google’s machine learning cursus Wat is machine learning? De gratis cursus van Google breekt het voor u uitGoogle heeft een gratis online cursus ontwikkeld om u de basisprincipes van machine learning te leren. Lees verder vat machine learning samen als 'gegevens gebruiken om vragen te beantwoorden'. Ze splitsen het op in twee delen: training en voorspellingen. Stel je voor dat je een verzameling afbeeldingen hebt met vormen die je wilde herkennen. Als de afbeeldingen in het machine learning-algoritme worden ingevoerd, begint het systeem de kenmerken van die vorm te leren.

Wanneer het een nieuwe afbeelding tegenkomt, wordt de vorm vergeleken met de elementen uit de trainingsgegevens om te bepalen of het een match is.

Hoewel je het misschien niet herkent, zijn gepersonaliseerde zoekresultaten, Spotify-afspeellijsten en Amazon-productaanbevelingen ook het resultaat van machine learning. Netflix gebruikt zelfs algoritmen voor machine learning personaliseer de omslagillustraties die je te zien krijgt.

Wat is diep leren?

Hoewel we intelligentie niet volledig begrijpen, zijn wetenschappers erin geslaagd aan te tonen dat de hersenen informatie genereren via een complex netwerk van neuronen. Ons brein bestaat uit deze elektrische verbindingen die neurale paden vormen. Deze paden dragen informatie rond ons lichaam waardoor we kunnen bewegen, ademen en denken.

Als elk van deze neurale routes echter onafhankelijk van elkaar zou zijn, zouden onze reactietijden ongelooflijk traag zijn en kunnen we mogelijk geen verbanden leggen tussen gedachten. Het succes van het systeem is te danken aan de relatie tussen al deze paden, wat leidt tot gelijktijdige gegevensverwerking.

Diep leren is een methode om dit dichte netwerk van neuronen te repliceren. Door meerdere gegevensstromen tegelijk af te handelen, hebben computers de tijd die nodig is om gegevens aanzienlijk te verwerken, kunnen verminderen. Het toepassen van deze techniek op diep leren heeft geleid tot kunstmatige neurale netwerken Wat zijn neurale netwerken en hoe werken ze?Neurale netwerken zijn het volgende grote ding als het gaat om zware berekeningen en slimme algoritmen. Hier is hoe ze werken en waarom ze zo geweldig zijn. Lees verder .

Deze netwerken bestaan ​​uit een reeks knooppunten. Er zijn invoerknooppunten voor het ontvangen van gegevens, uitvoerknooppunten voor de resulterende gegevens en verborgen lagen knooppunten in het midden. Het doel is om de invoergegevens om te zetten in iets dat de uitvoerknooppunten kunnen gebruiken. Dat is waar de verborgen lagen binnenkomen. Terwijl de gegevens door deze verborgen knooppunten gaan, gebruikt het neurale netwerk logica om te beslissen welk knooppunt de gegevens doorgeeft aan de volgende.

Machine learning vs. AI vs. Diep leren

Hoewel machine learning een krachtig hulpmiddel is dat ons helpt de enorme hoeveelheden gegevens die we maken te begrijpen, is er geen onafhankelijke gedachte. Het algoritme is ontworpen door programmeurs en zij stellen de regels vast waaraan het machine-leersysteem moet voldoen. De vooroordelen van de ontwikkelaars, al dan niet bewust, hebben gevolgen.

Een van de eerste grote tegenslagen voor machine learning kwam met dank aan een van de ingenieurs van Google. In 2015 merkte hij op dat het foto-identificatiealgoritme van het bedrijf hem en zijn zwarte vrienden bestempelde als gorilla's. Google bood onmiddellijk zijn excuses aan en implementeerde kortetermijnoplossingen.

Twee jaar later WIRED gemeld De oplossing van Google was om gorilla's helemaal uit de trainingsgegevens te verwijderen.

Aan de andere kant brengt diep leren ons een stap dichter bij algemene kunstmatige intelligentie. Door te proberen de menselijke geest te repliceren via een meerlagige verzameling knooppunten, hoeven deep learning-structuren niet te worden getraind met een grote eerste dataset. Ze nemen beslissingen op basis van de verstrekte informatie en de logica van het systeem.

Dat de besluitvorming van een neutraal netwerk niet transparant is, lijkt misschien zenuwslopend, maar het betekent dat het erin slaagt menselijke intelligentie te repliceren. We begrijpen bijvoorbeeld niet eens volledig hoe we met onze eigen gedachten en beslissingen komen.

Kunstmatige intelligentie voor iedereen

Uiteindelijk is het niet nodig om machine learning versus AI of deep learning versus machine learning te vergelijken, omdat ze allemaal verschillende doelen dienen. AI beschrijft het concept van menselijke intelligentie in machines, terwijl machine learning en deep learning inspanningen zijn om een ​​algemene AI te creëren.

Dat wil niet zeggen dat het veld van AI volledig abstract is. Google maakt gebruik van zijn enorme datasets door AI toe te voegen aan bijna al zijn producten. Gmail was onlangs vernieuwd met slimme antwoorden, terwijl de duplex-AI van het bedrijf in de Verenigde Staten wordt uitgerold en kan namens u telefoongesprekken afhandelen. Maar zij zijn niet de enigen die aan de AI-game kunnen deelnemen.

Je kunt het nu zelf uitproberen met Google's online AI-experimenten 5 beste Google AI-experimenten om kunstmatige intelligentie te verkennenGoogle heeft verschillende AI-experimenten waarmee je nu kunt gaan spelen. Dankzij machine learning kunnen ze met jouw hulp de wereld van morgen veranderen. Lees verder .

Beeldcredits: sdecoret /Depositphotos