Învățare automată vs. inteligență artificială

Învățare automată vs. inteligență artificială

Întreaga lume este în prezent blocată din cauza pandemiei de COVID-19. Școlile, colegiile și chiar birourile au fost închise pentru a evita răspândirea în continuare a virusului. Dacă ați dorit vreodată să vă îmbunătățiți abilitățile cu unele tehnologii noi sau doriți să aflați mai multe despre ele, acesta este cel mai bun moment.

Să spunem că învățarea automată (ML) și inteligența artificială (AI) sunt una dintre abilitățile sau tehnologiile pe care doriți să le explorați, atunci sunteți în locul potrivit. Există multe cursuri de AI și de învățare automată disponibile pe internet, oferite de mai multe institute de formare online. Spre deosebire de majoritatea dintre ele, vom trece prin elementele de bază ale ML și AI în majoritatea termenilor profani. De asemenea, vom trece prin câteva diferențe între cele două în secțiunea rezumat. Fără alte prelungiri, să începem.

Inteligență artificială (AI):

Dacă ați vizionat oricare dintre filmele Iron-Man sau utilizați un smartphone destul de modern, probabil că ați auzit de Inteligența Artificială (AI). Pentru a vă reîmprospăta, JARVIS în filmele Iron-Man este un AI. De asemenea, Google Assistant pe dispozitivul tău Android sau Siri pe dispozitivul tău Apple, pe care îl știm cu toții, este cel mai bun exemplu la care ne putem gândi despre Inteligența Artificială. Cu toate acestea, inteligența artificială este mult mai mult decât asistentul tău.

Să trecem prin definiție pentru a înțelege ce este inteligența artificială:

„ Informatica definește cercetarea Inteligenței Artificiale ca fiind învățarea „ agenților inteligenți ”: orice dispozitiv care se adaptează cu mediul său și întreprinde acțiunile necesare care îi maximizează șansa de a-și atinge cu succes obiectivele. O definiție mai detaliată descrie AI ca „capacitatea unui sistem de a înțelege corect datele derivate de la agenții externi, de a învăța din astfel de date și de a folosi acele învățăminte pentru a atinge obiective și sarcini specifice prin adaptare flexibilă”.

În termeni profani, AI este un sistem creat artificial care încearcă să imite comportamentul și acțiunile umane, mai ales în timp ce rezolvă probleme complexe precum clasificarea pisicilor și câinilor pe baza imaginilor, recunoașterea feței, cercetarea medicamentelor medicale, creația muzicală etc.

Majoritatea cursurilor AI și Machine Learning nu ne prezintă următoarele trei tipuri de sisteme AI de învățare:

• Narrow AI (IA slabă) : în prezent, toate aplicațiile hype și AI sunt aici. Este un sistem de inteligență artificială care poate îndeplini o anumită sarcină la fel sau mai bine decât o fac oamenii. În general, nu este capabil să experimenteze conștiința. De exemplu, detectoare de față în rețelele sociale, recunoașterea obiectelor și a formei, AI în jocuri etc.
• AI generală (IA puternică) : este un sistem AI care a atins o stare generală în care poate conduce orice sarcină intelectuală cu același nivel de precizie ca cel al oamenilor. Este capabil să experimenteze conștiința.
• Super AI (IA teoretică) : Este un sistem AI care depășește inteligența umană în toate aspectele. Poate învinge chiar și pe cel mai strălucitor om. Majoritatea oamenilor sunt îngrijorați de acest tip de IA. Fețe celebre precum Elon Musk consideră că aceste sisteme AI vor duce probabil la dispariția umană.

Pentru a rezuma partea AI :

Este un domeniu larg al informaticii care permite mașinilor să aibă inteligență asemănătoare omului. Cea mai mare parte a muncii AI se desfășoară în prezent în categoria „AI îngustă”. Suntem departe de a crea General sau Super AI.

Învățare automată (ML):

Dacă urmați anunțurile recente de la orice gigant tehnologic important, ați fi auzit acest termen. Așa cum Microsoft și-a anunțat recent munca privind funcția „Găsește” îmbunătățită în MS-Word, care acum folosește ML pentru a găsi cuvintele dorite, chiar dacă ați greșit de tipar în caseta de text Găsiți („Ctrl + F”).

Să trecem mai întâi prin definiție:

„ Învățarea automată este un studiu detaliat al algoritmilor de computer care se ajustează automat prin experiență. „

Este o secțiune a AI. Permite sistemelor să învețe și să se îmbunătățească automat din experiența sa, fără a fi programate în mod explicit. Se întâmplă deoarece ML se bazează pe un set sofisticat de algoritmi, precum și pe date structurate și curățate cu etichete (în mare parte) . Sistemele ML încearcă să învețe relațiile dintre caracteristicile (coloane sau atribute sau elemente esențiale de date) ale datelor. Datele sunt furnizate modelului ML de dvs.

Înțelegerea de bază este de a folosi caracteristicile esențiale și relația lor cu eticheta pentru a deriva soluția sarcinii. Prin relația de învățare, identifică modele, natura inerentă a datelor și modul în care valorile acestora afectează numele. Pe baza a ceea ce a înțeles din analiza datelor, ia decizii informate folosind diverși algoritmi. Modelul este antrenat pe datele utilizate în antrenament, validat pentru performanță și acuratețe pe datele de validare și testat pe datele de testare.

Sistemele ML, spre deosebire de metodele tradiționale, nu au nevoie de o logică codificată în mod explicit pentru soluție. De exemplu, în loc să codifice programatorul formula/teza pentru predicția vânzărilor, modelul însuși învață filozofia pe baza modelelor și relațiilor pe care le absoarbe în timpul fazei de antrenament. Există trei tipuri de algoritmi ML:

• Învățare supravegheată : aici, datele de formare constau din etichete. Acţionează ca un supervizor pentru modelul ML. Prin urmare, numită Învățare Supervizată. De exemplu, regresie liniară, arbori de decizie etc.
• Învățare nesupravegheată : aici, datele de antrenament nu au nicio etichetă. În schimb, modelul ML găsește modele și extrage caracteristici utile singur pe baza datelor. Se numește Învățare nesupravegheată, deoarece nu există supraveghetor. Ele sunt utilizate în mod obișnuit pentru grupare - De exemplu, K-Means Clustering, Asociere etc.
• Învățare prin consolidare : Majoritatea cursurilor de AI și de învățare automată nu spun prea multe despre acest tip. Ideea cheie este de a recompensa agentul pentru acțiunile corecte. De asemenea, penalizează-i pentru fiecare pas greșit. Urmați abordarea de încercare și eroare, la fel ca jocurile, de exemplu, Q-Learning.

O aplicație tipică a ML include: predicții de vânzări, prognoză, detectarea fraudei etc.

Rezumatul AI vs. ML

AI

• Imită inteligența sau comportamentul uman
• Un termen mai larg
• Este încă un domeniu de cercetare.
• În prezent este implementat în mai multe sectoare și dezvoltare de produse.

ML

• Este o tehnică care permite unui computer să învețe din datele existente.
• Majoritatea aplicațiilor ML sunt deja utilizate în mai multe sectoare și dezvoltare de produse.

Astfel, în timp ce selectați orice cursuri AI și Machine Learning , verificați dacă toate aceste secțiuni sunt acoperite.