K:
Mitä eroa on tekoälyn, koneoppimisen ja syvällisen oppimisen välillä?
V:Termit "tekoäly", "koneoppiminen" ja "syväoppiminen" kuvaavat prosessia, joka on rakennettu itselleen viime vuosikymmenien aikana, koska maailma on edistynyt valtavasti laskentatehon, tiedonsiirron ja muiden teknologisten tavoitteiden saavuttamisessa.
Keskustelun tulisi alkaa tekoälystä, joka on laaja termi tietokoneiden tai tekniikoiden kaikille kyvyille simuloida ihmisen ajatuksia tai aivojen toimintaa. Tekninen älykkyys käynnistyi tietyssä mielessä jo varhain, yksinkertaisilla shakkispeliohjelmilla ja muilla ohjelmilla, jotka alkoivat jäljitellä ihmisen päätöksentekoa ja ajattelua.
| Ilmainen lataus: Koneoppiminen ja miksi sillä on merkitystä |
Keinotekoinen älykkyys eteni edelleen henkilökohtaisen tietokoneen varhaisista ajoista, Internetin ja lopulta pilvipalvelun, virtualisoinnin ja kehittyneiden verkkojen ikään. Keinotekoinen äly on kasvanut ja laajentunut monella tavalla avainalueeksi teknologiateollisuudeksi.
Yksi tekoälyn virstanpylväistä on koneoppimisen syntyminen ja omaksuminen, erityinen lähestymistapa keinoälyn tavoitteiden saavuttamiseen.
Koneoppimisessa käytetään hienostuneita algoritmeja ja ohjelmia tietokoneohjelmien auttamiseksi paremmin tekemään tiettyjä päätössarjoja suoritusympäristössä. Sen sijaan, että ohjelmoisit tietokoneen tekemään yhdet asiat yhä uudestaan ja uudestaan, kuten 1970-luvun ja 1980-luvun käsikoodattujen ohjelmien tapauksissa tapahtui, koneoppimisessa käytetään heuristiikkaa, käyttäytymisen mallintaa ja muun tyyppisiä ennusteita, jotta tekniikka päätöksenteon parantamiseksi ja ajan myötä kehittyväksi. Koneoppimista on sovellettu roskapostin torjuntaan, IBM: n Watsonin kaltaisten tekoälyhenkilöiden toteuttamiseen ja keinoälyn tavoitteiden saavuttamiseen muilla tavoilla.
Syvä oppiminen puolestaan perustuu koneoppimiseen. Asiantuntijat kuvaavat syvällistä oppimista algoritmien käytönä korkean tason abstraktioiden ajamisessa, kuten keinotekoisten hermoverkkojen käyttö tekniikoiden kouluttamiseen tehtävissä. Syväoppiminen vie koneoppimisen seuraavalle tasolle yrittämällä mallintaa ihmisen aivotoimintaa ja soveltaa sitä keinotekoiseen päätöksentekoon tai muuhun kognitiiviseen työhön.
Syvä oppiminen on osoitettu esimerkkeinä, kuten huipputekniset toimitusketjun optimointiohjelmat, laboratoriolaiteohjelmat ja muun tyyppiset innovaatiot, kuten generatiivinen kilpaileva verkosto, jossa kaksi vastakkaista verkostoa, generatiivinen ja syrjivä verkko, työskentelevät toisiaan vastaan mallinnettaessa ihmistä syrjinnän ajatteluprosessit. Tätä erityistä syväoppimista voidaan soveltaa kuvankäsittelyyn ja muuhun käyttöön.
Todellisuus on, että syvä oppiminen vie keinoälyn lähemmäksi sitä, mitä asiantuntijat pitävät "vahvana AI", tekoälynä, joka kykenee enemmän tai vähemmän täysin toistamaan monia ihmisen ajatusfunktioita. Tämä herättää merkittävää keskustelua siitä, kuinka käsitellä näitä nousevia tekniikoita tehokkaasti ja miten hoitaa maailmaa, jossa tietokoneet ajattelevat samalla tavalla kuin mekin.
