Apprendimento automatico e intelligenza artificiale

Apprendimento automatico e intelligenza artificiale

Il mondo intero è attualmente bloccato a causa della pandemia di COVID-19. Scuole, college e persino uffici sono stati chiusi per evitare un'ulteriore diffusione del virus. Se hai mai voluto perfezionarti con alcune nuove tecnologie o vuoi saperne di più su di esse, questo è il momento migliore.

Supponiamo che Machine Learning (ML) e Artificial Intelligence (AI) siano una delle competenze o tecnologie che vuoi esplorare, allora sei nel posto giusto. Ci sono molti corsi di intelligenza artificiale e machine learning disponibili sul world wide web forniti da diversi istituti di formazione online. A differenza della maggior parte di essi, esamineremo le basi di ML e AI in termini più semplici. Esamineremo anche diverse differenze tra i due nella sezione di riepilogo. Senza ulteriori indugi, iniziamo.

Intelligenza Artificiale (AI):

Se hai visto uno dei film di Iron-Man o stai utilizzando uno smartphone ragionevolmente moderno, probabilmente avrai sentito parlare di Intelligenza Artificiale (AI). Per rinfrescarti, JARVIS nei film di Iron-Man è un'IA. Inoltre, Google Assistant nel tuo dispositivo Android o Siri nel tuo dispositivo Apple, che tutti noi conosciamo, è il miglior esempio che possiamo pensare di Intelligenza Artificiale. Tuttavia, l'intelligenza artificiale è molto più del tuo assistente.

Esaminiamo concretamente la definizione per capire cos'è l'Intelligenza Artificiale:

“ L'informatica definisce la ricerca sull'Intelligenza Artificiale come l'apprendimento di “ agenti intelligenti ”: qualsiasi dispositivo che si adatta al suo ambiente e intraprende le azioni necessarie che massimizzano le sue possibilità di raggiungere con successo i suoi obiettivi. Una definizione più dettagliata descrive l'IA come "la capacità di un sistema di comprendere correttamente i dati derivati ​​dagli agenti esterni, imparare da tali dati e utilizzare tali apprendimenti per raggiungere obiettivi e compiti specifici attraverso un adattamento flessibile".

In parole povere, l'IA è un sistema creato artificialmente che cerca di imitare il comportamento e le azioni umane, soprattutto risolvendo problemi complessi come la classificazione di cani e gatti sulla base di immagini, riconoscimento facciale, ricerca sui farmaci, creazione di musica, ecc.

La maggior parte dei corsi di intelligenza artificiale e machine learning non ci introduce ai seguenti tre tipi di sistemi di intelligenza artificiale per l'apprendimento:

• AI ristretta (IA debole) : Attualmente, tutte le applicazioni pubblicitarie e di intelligenza artificiale sono qui. È un sistema di intelligenza artificiale in grado di svolgere un compito specifico come o meglio degli esseri umani. In genere non è in grado di sperimentare la coscienza. Ad esempio, Face Detector nei social media, Riconoscimento di oggetti e forme, AI nei giochi, ecc.
• AI generale (IA forte) : è un sistema di intelligenza artificiale che ha raggiunto uno stato generale in cui può guidare qualsiasi compito intellettuale con lo stesso livello di precisione di quello degli esseri umani. È in grado di sperimentare la coscienza.
• Super AI (IA teorica) : è un sistema di intelligenza artificiale che supera l'intelligenza umana in tutti gli aspetti. Può persino battere l'essere umano più brillante. La maggior parte delle persone è preoccupata per questo tipo di IA. Volti famosi come Elon Musk ritengono che questi sistemi di intelligenza artificiale porteranno probabilmente all'estinzione umana.

Per riassumere la parte AI :

È una vasta area dell'informatica che consente alle macchine di avere un'intelligenza simile a quella umana. La maggior parte del lavoro sull'IA è attualmente svolto nella categoria "IA stretta". Siamo lontani dalla creazione di IA generale o Super.

Apprendimento automatico (ML):

Se stai seguendo i recenti annunci di qualsiasi grande gigante tecnologico, avresti sentito questo termine. Come Microsoft ha recentemente annunciato il proprio lavoro sulla funzionalità "TROVA" migliorata in MS-Word, che ora utilizza ML per trovare le parole desiderate anche se hai commesso un errore di battitura nella casella di testo Trova ("Ctrl + F").

Analizziamo prima la definizione:

“ L'apprendimento automatico è uno studio dettagliato di algoritmi informatici che si adattano automaticamente attraverso l'esperienza. “

È una sezione dell'IA. Consente ai sistemi di apprendere e migliorare automaticamente dalla propria esperienza, senza essere programmati in modo esplicito. Succede perché ML si basa su un sofisticato set di algoritmi e dati strutturati e puliti con etichette (per lo più) . I sistemi ML cercano di apprendere le relazioni tra le caratteristiche (colonne o attributi o dati essenziali) dei dati. I dati sono forniti da te al modello ML.

La comprensione di base consiste nell'utilizzare le caratteristiche essenziali e la loro relazione con l'etichetta per derivare la soluzione dell'attività. Imparando la relazione, identifica i modelli, la natura intrinseca dei dati e il modo in cui i loro valori influenzano il nome. Sulla base di ciò che ha compreso dall'analisi dei dati, prende decisioni informate utilizzando vari algoritmi. Il modello viene addestrato sui dati utilizzati nell'addestramento, convalidato per prestazioni e accuratezza sui dati di convalida e testato sui dati del test.

I sistemi ML, a differenza dei metodi tradizionali, non necessitano di una logica codificata in modo esplicito per la soluzione. Ad esempio, invece di programmare la formula/tesi per la previsione delle vendite, il modello stesso apprende la filosofia in base ai modelli e alle relazioni che assorbe durante la fase di formazione. Esistono tre tipi di algoritmi ML:

• Apprendimento supervisionato : qui, i dati di formazione sono costituiti da etichette. Agisce come supervisore per il modello ML. Da qui, chiamato Apprendimento Supervisionato. Ad esempio, regressione lineare, alberi decisionali, ecc.
• Apprendimento non supervisionato : qui, i dati di allenamento non hanno etichette. Invece, il modello ML trova modelli ed estrae funzioni utili da solo in base ai dati. Si chiama Apprendimento non supervisionato, poiché non c'è un supervisore. Sono comunemente usati per il clustering, ad es. K-Means Clustering, Association, ecc.
• Apprendimento per rinforzo : la maggior parte dei corsi di intelligenza artificiale e machine learning non parlano molto di questo tipo. L'idea chiave è premiare l'agente per aver eseguito le azioni corrette. Inoltre, penalizzali per ogni passaggio errato. Segui l'approccio per tentativi ed errori, proprio come i giochi, ad esempio Q-Learning.

Un'applicazione tipica di ML include: previsioni di vendita, previsioni, rilevamento di frodi, ecc.

Riepilogo di AI vs. ML

AI

• Imita l'intelligenza o il comportamento umano
• Un termine più ampio
• È ancora un campo di ricerca.
• Attualmente è implementato in diversi settori e sviluppo prodotto.

ML

• È una tecnica che consente a un computer di apprendere dai dati esistenti.
• La maggior parte delle applicazioni ML sono già in uso in diversi settori e sviluppo di prodotti.

Pertanto, durante la selezione di qualsiasi corso di intelligenza artificiale e machine learning , controlla se tutte queste sezioni sono coperte.