В последние годы мы много слышали об искусственном интеллекте, машинном обучении, глубоком обучении и обработке естественного языка. Кто они такие? Они все одинаковые? Как мы различаем их?

В 1956 году американский ученый-компьютерщик Джон Маккарти ввел термин искусственный интеллект, подобласть информатики. Искусственный интеллект (ИИ) — это способность машины думать и учиться. Концепция ИИ состоит в том, чтобы сделать машины способными думать и учиться, как человеческий мозг.

Прежде чем углубиться в детали, важно прояснить одну вещь об ИИ: большая часть населения ошибочно считает ИИ технологией, тогда как это концепция, согласно которой машины могут разумно справляться с задачами.

Сегодня это зонтик, который охватывает все, от интерпретации данных до гуманоидной робототехники. В последнее время он приобрел известность из-за увеличения вычислительной мощности и огромных объемов данных. Он может выявлять закономерности в данных более эффективно, чем люди, что позволяет любому предприятию получать больше информации из собственных данных.

Является ли ИИ таким же, как машинное обучение? Не совсем. Эти два термина часто могут использоваться взаимозаменяемо, но они не являются одним и тем же. Искусственный интеллект — это более широкое понятие, в то время как машинное обучение является частью парадигмы искусственного интеллекта и может считаться подполем ИИ. В рамках парадигмы ИИ существует несколько концепций, таких как машинное обучение, обработка естественного языка, глубокое обучение и многие другие.

Вы можете понимать машинное обучение как часть ИИ, направленную на то, чтобы заставить машины учиться на данных и позволить машинам думать и принимать решения без помощи или вмешательства человека. Вся концепция машинного обучения предполагает, что мы должны предоставить машинам доступ к данным и учиться на них самостоятельно.

Точно так же глубокое обучение в основном имеет дело с неструктурированными данными, такими как изображения, текст и аудио.

А при работе с текстовыми данными мы используем обработку естественного языка.

Машинное обучение

Машинное обучение можно определить как способность машины учиться на опыте (данных) и делать значимые прогнозы без явного программирования.

Это подполе ИИ, которое занимается созданием систем, способных учиться на данных. Цель состоит в том, чтобы заставить компьютеры учиться самостоятельно без какого-либо вмешательства человека.

В машинном обучении есть три основных категории.

  • контролируемое обучение
  • Неконтролируемое обучение
  • Обучение с подкреплением

Контролируемое обучение

Обучение с учителем — это часть машинного обучения, в которой помеченные обучающие данные используются для получения шаблона или функции и создания моделей или машинного обучения. Данные состоят из зависимой переменной (целевой метки) и независимых переменных или предикторов. Машина пытается изучить функцию из помеченных данных и предсказать вывод невидимых данных.

Неконтролируемое обучение

Здесь машина изучает скрытый паттерн, не используя помеченные данные, поэтому обучения не происходит. Вместо этого эти алгоритмы обучаются на основе сходства или расстояний между функциями, чтобы зафиксировать закономерности.

Обучение с подкреплением

Обучение с подкреплением — это процесс максимизации вознаграждения за действие. Это целеориентированные алгоритмы, которые учатся достигать цели на опыте.

Счастливого обучения !!