В настоящее время искусственный интеллект окружает нас повсюду. Google иллюстрирует это, используя машинное обучение в Gmail для фильтрации спам-сообщений. Netflix и Amazon также используют Deep Learning для прогнозирования вашего следующего фильма или покупки. Возможно, вы слышали, что эти термины появляются чаще, и это имеет смысл в связи с появлением быстрого больших данных и ростом аналитики в промышленности и бизнесе.

Хорошо. Вы слышали эти модные словечки достаточно часто, чтобы пробудить ваш интерес — но каково реальное значение искусственного интеллекта, машинного обучения и глубокого обучения?

Искусственный интеллект (ИИ)

Джон Маккарти впервые ввел термин искусственный интеллект в 1956 году, но сегодня ИИ стал более известен благодаря передовым алгоритмам и усовершенствованиям вычислительной мощности и емкости. Определение ИИ может быть широким — его можно использовать для разработки, понимания языков, распознавания предметов и звуков, обучения и даже решения проблем.

Хотя голливудские картины и научно-фантастические книги уже давно представляют ИИ как маниакальных роботов, современные достижения в области технологий ИИ не пугают. Скорее, развитие ИИ теперь может дать многочисленные преимущества любой отрасли (розничной торговле, здравоохранению и т. д.).

Машинное обучение (МО)

Машинное обучение является подмножеством искусственного интеллекта и представляет собой растущую разработку в области ИИ: расширение возможностей распознавания изображений, обработки естественного языка (NLP) и других преобразующих элементов.

Машинное обучение можно использовать для таких операций, как анализ рисков, предотвращение мошенничества и просвещение медицинской науки. Кроме того, машинное обучение может помочь покупателям, используя навигацию (Siri, Alexa и т. д.) — среди бесчисленного множества других реальных приложений машинного обучения.

Глубокое обучение

Глубокое обучение — еще одна область машинного обучения, вдохновленная структурой и функциями мозга, в частности искусственными нейронными сетями (ИНС).

Согласно Эндрю Нг

«Для большинства разновидностей алгоритмов обучения старых поколений… производительность стабилизируется. … глубокое обучение … это первый класс алгоритмов … масштабируемых. … чем больше данных вы предоставляете, тем выше производительность.

Источник: слайд Эндрю Нг.