Apprentissage automatique contre intelligence artificielle

Apprentissage automatique contre intelligence artificielle

Le monde entier est actuellement confiné en raison de la pandémie de COVID-19. Les écoles, les collèges et même les bureaux ont été fermés pour éviter une nouvelle propagation du virus. Si vous avez déjà voulu vous perfectionner avec de nouvelles technologies ou si vous voulez en savoir plus à leur sujet, c'est le meilleur moment.

Dites que l'apprentissage automatique (ML) et l'intelligence artificielle (IA) sont l'une des compétences ou technologies que vous souhaitez explorer, alors vous êtes au bon endroit. Il existe de nombreux cours d'IA et d'apprentissage automatique disponibles sur le World Wide Web, proposés par plusieurs instituts de formation en ligne. Contrairement à la plupart d'entre eux, nous passerons en revue les bases du ML et de l'IA dans la plupart des termes simples. Nous passerons également en revue plusieurs différences entre les deux dans la section récapitulative. Sans plus tarder, commençons.

Intelligence Artificielle (IA) :

Si vous avez regardé l'un des films Iron-Man ou utilisez un smartphone raisonnablement moderne, vous devez probablement avoir entendu parler de l'intelligence artificielle (IA). Pour vous donner un rappel, JARVIS dans les films Iron-Man est une IA. En outre, Google Assistant sur votre appareil Android ou Siri sur votre appareil Apple, que nous connaissons tous, est le meilleur exemple que nous puissions penser de l'intelligence artificielle. Cependant, l'intelligence artificielle est bien plus que votre assistant.

Passons en revue la définition en fait pour comprendre ce qu'est l'Intelligence Artificielle :

« L'informatique définit la recherche en Intelligence Artificielle comme l'apprentissage des « agents intelligents » : tout dispositif qui s'adapte à son environnement et prend les actions nécessaires qui maximisent ses chances de réussir à atteindre ses objectifs. Une définition plus détaillée décrit l'IA comme "la capacité d'un système à comprendre correctement les données dérivées des agents externes, à apprendre de ces données et à utiliser ces apprentissages pour atteindre des objectifs et des tâches spécifiques grâce à une adaptation flexible".

En termes simples, l'IA est un système créé artificiellement qui tente d'imiter le comportement et les actions humaines, en particulier tout en résolvant des problèmes complexes tels que la classification des chats et des chiens basée sur des images, la reconnaissance faciale, la recherche de médicaments, la création musicale, etc.

La plupart des cours d'IA et d'apprentissage automatique ne nous présentent pas les trois types de systèmes d'IA d'apprentissage suivants :

• Narrow AI (Weak AI) : Actuellement, toutes les applications hype et AI sont ici. C'est un système d'intelligence artificielle qui peut effectuer une tâche spécifique de la même manière ou mieux que les humains. Il n'est généralement pas capable d'expérimenter la conscience. Par exemple, les détecteurs de visage dans les médias sociaux, la reconnaissance d'objets et de formes, l'IA dans les jeux, etc.
• General AI (Strong AI) : C'est un système d'IA qui a atteint un état général où il peut conduire n'importe quelle tâche intellectuelle avec le même niveau de précision que celui des humains. Il est capable d'expérimenter la conscience.
• Super AI (IA théorique) : C'est un système d'IA qui surpasse l'intelligence humaine dans tous les aspects. Il peut même battre l'humain le plus brillant. La plupart des gens s'inquiètent de ce type d'IA. Des visages célèbres comme Elon Musk pensent que ces systèmes d'IA conduiront probablement à l'extinction humaine.

Pour résumer la partie IA :

C'est un vaste domaine de l'informatique qui permet aux machines d'avoir une intelligence de type humain. La plupart des travaux d'IA sont actuellement effectués dans la catégorie "IA étroite". Nous sommes loin de créer une IA générale ou super.

Apprentissage automatique (ML) :

Si vous suivez les annonces récentes d'un grand géant de la technologie, vous avez entendu ce terme. Comme Microsoft a récemment annoncé son travail sur l'amélioration de la fonctionnalité "FIND" dans MS-Word, qui utilise désormais ML pour trouver les mots voulus même si vous avez fait une faute de frappe dans la zone de texte Rechercher ("Ctrl + F").

Passons d'abord par la définition :

« L'apprentissage automatique est une étude détaillée d'algorithmes informatiques qui s'ajustent automatiquement en fonction de l'expérience. "

C'est une section de l'IA. Il permet aux systèmes d'apprendre et de s'améliorer automatiquement à partir de son expérience, sans être explicitement programmés. Cela se produit parce que le ML repose sur un ensemble sophistiqué d'algorithmes ainsi que sur des données structurées et nettoyées avec des étiquettes (principalement) . Les systèmes ML essaient d'apprendre les relations entre les caractéristiques (colonnes ou attributs ou éléments de données essentiels) des données. Les données sont fournies au modèle ML par vous.

La compréhension de base consiste à utiliser les caractéristiques essentielles et leur relation avec l'étiquette pour dériver la solution de la tâche. En apprenant la relation, il identifie les modèles, la nature inhérente des données et la manière dont leurs valeurs affectent le nom. Sur la base de ce qu'il a compris de l'analyse des données, il prend des décisions éclairées à l'aide de divers algorithmes. Le modèle est formé sur les données utilisées dans la formation, validé pour la performance et la précision sur les données de validation, et testé sur les données de test.

Les systèmes ML, contrairement aux méthodes traditionnelles, n'ont pas besoin d'une logique explicitement codée pour la solution. Par exemple, au lieu que le programmeur code en dur la formule/thèse pour la prédiction des ventes, le modèle lui-même apprend la philosophie basée sur les modèles et les relations qu'il absorbe pendant la phase de formation. Il existe trois types d'algorithmes de ML :

• Apprentissage supervisé : Ici, les données d'apprentissage sont constituées d'étiquettes. Il agit en tant que superviseur du modèle ML. Par conséquent, nommé apprentissage supervisé. Par exemple, régression linéaire, arbres de décision, etc.
• Apprentissage non supervisé : Ici, les données d'entraînement n'ont pas d'étiquettes. Au lieu de cela, le modèle ML trouve des modèles et extrait des fonctionnalités utiles par lui-même en fonction des données. C'est ce qu'on appelle l'apprentissage non supervisé, car il n'y a pas de superviseur. Ils sont couramment utilisés pour le clustering, par exemple, K-Means Clustering, Association, etc.
• Apprentissage par renforcement : La plupart des cours d'IA et d'apprentissage automatique ne disent pas grand-chose sur ce type. L'idée clé est de récompenser l'agent pour avoir effectué des actions correctes. Aussi, pénalisez-les pour chaque pas incorrect. Suivez l'approche par essais et erreurs, tout comme les jeux, par exemple, Q-Learning.

Une application typique de ML comprend - les prévisions de ventes, les prévisions, la détection des fraudes, etc.

Résumé de l'IA par rapport au ML

IA

• Il imite l'intelligence ou le comportement humain
• Un terme plus large
• C'est encore un domaine de recherche.
• Il est actuellement mis en œuvre dans plusieurs secteurs et développement de produits.

ML

• C'est une technique qui permet à un ordinateur d'apprendre à partir des données existantes.
• La plupart des applications ML sont déjà utilisées dans plusieurs secteurs et développement de produits.

Ainsi, lors de la sélection des cours d'IA et d'apprentissage automatique , vérifiez si toutes ces sections sont couvertes.