Это некоторые часто используемые термины, которые, честно говоря, немного сбивают с толку. Кажется, что все они имеют одинаковое значение и кажутся взаимозаменяемыми, но непонятно, почему должны быть разные слова с одинаковым значением. Итак, я немного изучил это, и вот что я нашел:
Искусственный интеллект:
-AI означает искусственный интеллект, где интеллект определяется как способность приобретать и применять знания.
-AI полностью работает со структурированными, полуструктурированными и неструктурированными данными.
— Цель ИИ — сделать компьютерную систему такой же умной, как люди, чтобы она могла решать сложные задачи.
-ИИ для принятия решений.
-Цель состоит в том, чтобы увеличить шанс на успех, а не точность.
-ИИ для поиска оптимального решения. Он включает в себя обучение, рассуждения и самокоррекцию.
-ИИ пытается имитировать естественный интеллект для решения сложных задач.
-Короче говоря, ИИ ведет к разуму или мудрости.
Машинное обучение:
-Машинное обучение определяется как приобретение знаний или навыков.
-Машинное обучение является частью искусственного интеллекта.
-Машинное обучение имеет дело со структурированными и полуструктурированными данными.
-Цель состоит в том, чтобы извлечь уроки из данных по определенной задаче для максимизации производительности машины при выполнении этой задачи.
-Он используется для создания машин, которые могут выполнять только те конкретные задачи, для которых они обучены.
-Цель состоит в том, чтобы повысить точность, но она не заботится об успехе.
-ML пойдет на решение, не учитывая, насколько оно оптимально.
-ML позволяет системе узнавать что-то новое из данных.
-Короче говоря, ОД ведет к знаниям.
Глубокое обучение:
-Глубокое обучение — это подмножество машинного обучения.
-Технически это машинное обучение и работает одинаково, но имеет разные возможности.
- В глубоком обучении алгоритмы создаются и функционируют аналогично машинному обучению, но существует много уровней этих алгоритмов, каждый из которых обеспечивает различную интерпретацию данных, которые он передает. Эта сеть алгоритмов называется искусственными нейронными сетями. Простыми словами, это напоминает нейронные связи, существующие в человеческом мозгу.
- Основное различие между глубоким и машинным обучением заключается в том, что модели машинного обучения постепенно улучшаются, но модель по-прежнему нуждается в некотором руководстве со стороны программиста, но в случае глубокого обучения модель делает это сама.
- Главное преимущество глубокого обучения в том, что ему не обязательно нужны структурированные данные.
- Алгоритмы машинного обучения почти всегда требуют структурированных данных, в то время как сети глубокого обучения полагаются на слои ИНС (искусственные нейронные сети).
