Несомненно, что область искусственного интеллекта вызвала большой ажиотаж вокруг себя за последние пять лет. Это поле творит чудеса, пробуждая любопытство и интерес большей части населения нашей планеты. Ее многопрофильный характер, а также обещания, которые она дает для преобразования карьеры, - вот некоторые из факторов, которые заставили большинство людей заинтересоваться пониманием этой технологии независимо от их технического образования или возраста.
Как эксперт и профессор в этой области, Я хотел внести свой вклад в распространение знаний об ИИ, ответив на ряд вопросов, которые часто задают любопытные новички в области ИИ.
Надеюсь, этот FAQ окажется для вас полезным! Если у вас есть другие вопросы, не стесняйтесь спрашивать! Я тоже открыт для дебатов и дискуссий :).

Что (черт возьми) такое машинное обучение? А чем он отличается от искусственного интеллекта?

Я считаю, что прежде чем давать определение машинному обучению и искусственному интеллекту, необходимо дать определение интеллекта. Интеллект можно определить как способность к логике, пониманию, самосознанию, обучению, эмоциональным знаниям, планированию, творчеству и решению проблем. В более общем плане это можно описать как способность или склонность воспринимать или выводить информацию и сохранять ее в качестве знаний, применяемых к адаптивному поведению в среде или контексте.

Искусственный интеллект - это более широкая концепция наделения машин интеллектом, будь то эмоциональный интеллект, социальный интеллект, логический интеллект, планирование, творчество и т. Д.

Рождение искусственного интеллекта в том виде, в каком мы его знаем сегодня, восходит к 1956 году, когда исследователи из Дартмута объединились с явной целью - запрограммировать компьютеры, чтобы они вели себя как люди.

Машинное обучение - это подполе ИИ, его можно рассматривать как способ реализации принятия решений в ИИ и обучения компьютеров. Вы, наверное, слышали о глубоком обучении, которое является подмножеством машинного обучения и наиболее эффективным из всех алгоритмов машинного обучения.

Почему он стал таким популярным?

Одним из важных достижений, приведших к появлению машинного обучения как движущей силы искусственного интеллекта, является изобретение Интернета. В Интернете появилось огромное количество цифровой информации, которая генерируется, хранится и становится доступной для анализа. Именно тогда вы начинаете слышать о больших данных. В сочетании с достижениями вычислительной мощности алгоритмы машинного обучения оказались наиболее эффективными при использовании всех этих больших данных.

Машинное обучение популярно, потому что алгоритмы машинного обучения действительно работают. Алгоритмы распознавания объектов имеют производительность, равную производительности людей. В настоящее время ML применяется практически во всех отраслях, и вскоре многие компании, игнорирующие ML, будут подавлены новыми стартапами, которые его используют.

Я слышал о сильном и слабом искусственном интеллекте - что это такое?

Слабый искусственный интеллект, также известный как узкий ИИ, - это ИИ, сфокусированный на одной узкой задаче или проблеме. Все существующие в настоящее время системы, которые считаются искусственным интеллектом любого рода, в лучшем случае являются слабым ИИ.
Siri - хороший пример узкого или слабого ИИ. Siri работает в ограниченном заранее определенном диапазоне, нет подлинного интеллекта, нет самосознания. Если вы задаете вопросы за пределами приложения, не ждите, что Siri поспешно ответит.

Сильный искусственный интеллект - это машина, обладающая сознанием, разумом и разумом. Общий искусственный интеллект - это гипотетическая машина, способная применять интеллект к любой проблеме, а не только к одной конкретной проблеме. Предполагается, что такая машина проявляет поведение, по крайней мере, такое же умелое и гибкое, как и люди. На самом деле машина может думать и выполнять задачи сама по себе, как человек.

Лично я являюсь решительным сторонником вычислительной теории разума, философской позиции, согласно которой человеческий разум, по сути, является компьютерными программами. Такую позицию можно назвать сильным ИИ.
Я твердо верю, что если мы достигнем точки, когда мы действительно поймем основные механизмы человеческого разума, мы обязательно сможем создать сильную машину ИИ. Тем не менее, я определенно не верю, что машина может развиваться сама по себе и становиться более умной, чем она была изначально обучена. Это означает, что машина никогда не может превзойти сама себя. На мой взгляд, это может произойти только в том случае, если, во-первых, мы, люди, сможем превзойти физиологические возможности нашего мозга; два, если мы поймем, как наш мозг развился, чтобы это делать; и три, если реализовать этот механизм в алгоритмах и системах ИИ.

Объясните самый интересный пример использования машинного обучения / искусственного интеллекта, о котором вы когда-либо слышали.

На мой взгляд, одним из самых интересных примеров использования машинного обучения является автоматическое понимание человеческого поведения и психического состояния. Эта область называется социальным искусственным интеллектом и касается создания машин, которые обладают социальным и эмоциональным интеллектом. Что интересно в этой области, так это то, что она очень многодисциплинарная, сочетающая в себе открытия психологии и социальных наук с вычислительными науками. Если вам интересно узнать больше, ознакомьтесь с некоторыми из моих публикаций на эту тему здесь. Я опубликовал исследования по вычислению личности, распознаванию эмоций и обнаружению вовлеченности.

Мы слышим, что машинное обучение и искусственный интеллект где-то рядом. Где их найти в повседневной жизни?

В современном мире существует множество примеров использования ИИ и машинного обучения, которые затрагивают нашу повседневную жизнь, но некоторые даже не подозревают об этом. Например, каждый раз, когда вы выполняете поиск в Интернете, когда Netflix рекомендует фильм, когда Facebook выбирает сообщения, когда Amazon рекомендует книгу, остается только машинное обучение. Другие приложения машинного обучения или искусственного интеллекта существуют в таких областях, как робототехника, зрение и обработка естественного языка, или медицина, океанография, социальные науки, вы называете это.

Я бы хотел узнать об этом подробнее. Где я могу найти полезную информацию и руководства?

Замечательная книга об искусственном интеллекте, которую можно рассматривать как справочную, - это «Искусственный интеллект: современный подход» Стюарта Рассела и Питера Норвига.

Эта книга предлагает полное введение в теорию и практику искусственного интеллекта. Эта книга может служить отличным справочником для студентов и аспирантов курсов по искусственному интеллекту. Авторы предлагают бесплатный онлайн-курс по ИИ в Стэнфордском университете.

Другие курсы существуют онлайн на Coursera.

Специализация по машинному обучению от Вашингтонского университета

Специализация из четырех курсов, которая научит вас всему, что вам нужно знать об ИИ. Специализация начинается с обучения основам машинного обучения, за которым следуют курсы глубокого погружения. Вам нужно будет посвятить несколько месяцев учебе, при этом каждый курс будет длиться не менее 6 недель.

Сам по себе базовый курс дает практический практический опыт применения машинного обучения, так что это отличная отправная точка, если вы не уверены, стоит ли брать и другие курсы. Проекты, с которыми вы столкнетесь в этой специализации, включают прогнозный анализ, классификацию и кластеризацию информации с использованием алгоритмов машинного обучения. Подробности о каждом курсе читайте здесь.

Специализация Deep Learning от deeplearning.ai, преподает Эндрю Нг

Если вы хотите проникнуть в ИИ, эта специализация поможет вам в этом. Глубокое обучение - один из самых востребованных технических навыков. Этот курс направит вас на путь совершенствования глубокого обучения.

Специализация включает пять курсов, на которых вы изучите основы глубокого обучения, поймете, как создавать нейронные сети, и научитесь руководить успешными проектами машинного обучения. Проекты, над которыми вы будете работать, включают здравоохранение, автономное вождение, чтение на языке жестов, создание музыки и обработку естественного языка.

Этот курс может помочь вам построить карьеру в области искусственного интеллекта. Вы освоите теорию искусственного интеллекта, а также его применение в различных отраслях, все на Python и в TensorFlow.

Наука о данных - ›Вы сказали Наука о данных? [объясните, что это такое]

Термин наука о данных, первоначально использовавшийся взаимозаменяемо с даталогией, существует уже более тридцати лет и первоначально использовался Питером Науром в 1960 году вместо компьютерных наук. Это междисциплинарная область научных методов. , процессы и системы для извлечения знаний или идей из данных в различных формах, как структурированных, так и неструктурированных, аналогично интеллектуальному анализу данных. Он включает в себя очистку, подготовку и анализ данных.

Согласно Harvard Business Review, наука о данных - это «Самая сексуальная работа 21 века», так что вам лучше начать прямо СЕЙЧАС!

Что такое специалист по данным?

Специалист по данным собирает данные из нескольких источников и применяет машинное обучение и прогнозную аналитику для извлечения важной информации из собранных наборов данных. Задача специалиста по данным - понимать данные и предоставлять точные прогнозы и идеи, которые можно использовать, например, для принятия важных бизнес-решений.

Специалист по данным должен обладать следующими навыками:

  • Хорошее знание таких языков программирования, как Python, SAS, R или Scala.
  • Практический опыт программирования баз данных, таких как SQL
  • Возможность работы с неструктурированными данными из различных источников, таких как видео и социальные сети.
  • Знание машинного обучения

Чем он отличается от машинного обучения и искусственного интеллекта?

Как я сказал ранее, Data Science - это извлечение знаний или идей из данных в различных формах.

Слово «обучение» в машинном обучении означает, что алгоритмы машинного обучения учатся на некоторых данных, используемых в качестве обучающего набора, для обучения и, таким образом, точной настройки некоторых параметров модели или алгоритма.

ИИ использует науку о данных и машинное обучение для развития «интеллекта» машин.

Машинное обучение можно рассматривать как связующее звено между наукой о данных и искусственным интеллектом.

Какой совет вы можете дать тем, кто хочет начать свой путь с ML / AI / Data Science?

Изучение ML / AI / DS может сбивать с толку, особенно для тех, кто только начинает свое обучение. На ум приходит много вопросов. Какой инструмент изучить? На каких техниках сосредоточиться? Сколько статистики изучать? Нужно ли мне учиться программированию? Это некоторые из многих вопросов, на которые вам нужно ответить в ходе вашего путешествия.

1. Выберите правильную роль

В ML / AI / DS много разных ролей. Примеры включают в себя эксперта по визуализации данных, эксперта по машинному обучению, специалиста по данным, инженера машинного обучения, инженера по робототехнике, исследователя искусственного интеллекта и т. Д. Поэтому, прежде чем начинать, исследуйте, какие роли существуют, и выберите роль, которая вам больше всего подходит. Если после исследования вы запутались еще больше, чем раньше, я советую вам выбрать роль специалиста по данным. Если вы специалист по данным, вам не составит труда найти работу в любой отрасли, которая вам нравится!

2. Начни курс и пройди его !!

После выбора роли вы должны сделать все возможное, чтобы понять эту роль. Под пониманием роли я подразумеваю, что вы должны понимать требования к роли, искать соответствующие курсы, начинать курс и фактически завершать его!

Завершение курса - самая сложная часть этого шага. Я не могу сказать, сколько раз я начинал онлайн-курс, платил за него и не завершал его. Честно говоря, я на самом деле зарегистрирован по специализации coursera прямо сейчас и ПЛАТУ ЗА ЭТО уже 8 месяцев. Не любите меня !!!

Ключ к завершению курса - помнить о своей цели и преимуществах, которые вы получите, когда закончите его! ВЫ ЭТО ДЕЛАЕТЕ !!!

3. Выберите инструмент / язык и придерживайтесь его.

Сложный вопрос, который возникает при практическом освоении, - какой язык / инструмент мне выбрать?

Вероятно, это будет наиболее часто задаваемый вопрос новичками. Самый простой ответ - выбрать любой из существующих основных инструментов / языков. К ним относятся SAS, R и Python. Вот хороший гид по сравнению этих инструментов.

Однако имейте в виду, что инструменты - это просто средство для реализации, и вы никогда никуда не денетесь, если не поняли концепцию!

Мой совет - начать с того инструмента, с которым вы чувствуете себя наиболее комфортно. Это также зависит от вашего технического образования и от того, знакомы ли вы с программированием или нет. Если вы не так хорошо знакомы с кодированием, инструменты на основе графического интерфейса, такие как Weka, могут быть хорошим решением для вас для начала.