Что вам приходит в голову, когда вы слышите что-то с «AI»? Хотя большинство из них относится к глубокому обучению, новому методу обучения алгоритмов для принятия решений (например, это кошка или собака?), ИИ - это обширная область, и это еще не все. Давайте разберемся, в чем различия и сходства между AI ( искусственный интеллект) и ML (m ачин l заработок), DL (d eep l заработок) и что они собой представляют.

AI

AI - это действительно широкая сфера. На схеме ниже показаны некоторые из них, но многие другие для простоты скрыты. «ИИ», который вы можете услышать или увидеть в Интернете, вероятно, относится к глубокому обучению, но есть много других интересных подполей ИИ, которые вам обязательно стоит проверить.

ИИ можно использовать в голосовых помощниках, робототехнике и генерировать ландшафт. Например, Minecraft использует ИИ (процедурную генерацию) для создания «бесконечного» ландшафта, который можно увидеть в игре. Другой пример - робототехника, где роботы могут автоматически избегать объектов с помощью датчиков и ИИ.

Машинное обучение

Машинное обучение - это, по сути, изменение алгоритмов, позволяющее лучше выполнять задачи. Это не обязательно искусственные нейронные сети (со сложными диаграммами). Это может быть просто написанный вручную алгоритм, который анализирует данные, учится на них и принимает решения на основе входных данных и знаний, полученных в процессе обучения.

Машинное обучение можно применять к таким приложениям, как не нейронные сети, например к предсказанию графа (линейная регрессия). Но глубокое обучение, которое находится «в» машинном обучении, можно использовать для обнаружения объектов, различения роботов и людей, просматривающих веб-страницу (например, reCAPTCHA от Google), и различения двух человеческих лиц.

Глубокое обучение

Глубокое обучение - это разновидность машинного обучения, разновидность искусственного интеллекта. Глубокое обучение - это обычно тот «ИИ», о котором вы, вероятно, слышите. Речь идет о математическом представлении нейронной сети, причем нейронная сеть не похожа на биологическую нейронную сеть.

В чем разница между биологическим (у человека) и используемым в глубоком обучении? Биологическая нейронная сеть - это совокупность нейронов, соединенных вместе. Вот что может подумать биолог. Биофизик может подумать о более абстрактной нейронной сети, хотя и похожей на биологическую. Ученый-компьютерщик может подумать о нейронной сети, которая построена исключительно на математике (например, без физики).

Каждый «нейрон» - это функция (например ,f(x)). Обычно при вычислении результатов библиотеки, такие как TensorFlow или PyTorch, используют матрицы, чтобы упростить это. Данная нейронная сеть может быть представлена ​​в виде слоев матриц, где каждый слой является результатом применения функций нейрона. Кроме того, когда имеется более двух слоев (т.е. «входной» и «выходной» слои), сеть называется «глубокой нейронной сетью», а промежуточные слои называются «скрытыми» слоями.

Input:  [0,   1,   2,   3]
Hidden: [?,   ?,   ?,   ?]
Output: [0.7, 0.1, 0.1, 0.1]

Глубокое обучение используется для обнаружения лиц и их различения (распознавание лиц, как на телефоне), идентификации объектов (используемых в беспилотных автомобилях), а также для общения, как человека (GPT-3).