Очевидно, что когда вы входите в новый домен, вы должны знать ключевые термины, связанные с ним. Мы знали, что такое Искусственный интеллект (ИИ). Прежде чем перейти к самой теме, давайте посмотрим определения этих терминов.
Искусственный интеллект (ИИ): метод, который позволяет машинам имитировать мыслительные процессы человека.
Машинное обучение (ML): подмножество ИИ, метод, который использует статистические методы, чтобы позволить машинам совершенствоваться с опытом.
Глубокое обучение (DL): подмножество ML, которое выполняет вычисления в многоуровневой нейронной сети.
Итак, совершенно очевидно, что МО — это подмножество МО, а МО и ГО — подмножества ИИ.
Давайте углубимся в эти три домена и уплотним границы этих доменов в нашем мозгу. ИИ — это более широкая концепция, которая буквально охватывает все, что машина может делать так же, как люди. Когда вы запрашиваете у своего помощника Google вопрос «по крайней мере, он никогда не молчит», как и мы (если мы знаем, мы говорим «да», в противном случае дает ссылку). ML — это современная техника, которая может понять взаимосвязь между точками данных и дает наилучшие возможные результаты, а также учится в процессе. ML имеет недостатки в точности прогнозирования, и эта точность может быть достигнута с помощью данных через несколько нейронных сетей, что называется DL.
Мир заинтересован в исследованиях DL. Почему??
Интересная часть DL заключается в том, что мы можем определенно сказать/знать, что такое узлы (нейронные узлы) входных и выходных слоев. Но скрытые слои создаются алгоритмом, который мы никогда не узнаем (если, конечно, вы не обучили его намеренно! с большим усилием). Чтобы представить перспективу, я люблю мороженое из ириски, которое производится определенной компанией. Можете ли вы ответить, почему?. Даже я не могу ответить, почему я выбираю его. Я могу сказать случайные вещи, такие как вкус, атмосфера в магазине мороженого, продавец в магазине и т. Д., Если мне дали разные неизвестные мороженые и попросили меня оценить, собирая все упомянутые параметры и отправляя их в сеть глубокого обучения. , наверное, догадается, какое мороженое я люблю. Но я никогда не знаю, какой параметр имеет больший вес, а какой меньше, потому что они скрыты в сети.
Если я изменю постановку задачи, чтобы спросить, какие факторы имеют наибольший вес, это даст ответ. Но это может совпадать или не совпадать с моими сознательными чувствами!!!
На мой взгляд, хорошо начать с Deep Learning (DL). Потому что, если вы можете создать сеть DL, вы уже построили ML и систему AI.
Надеюсь, у вас было хорошее вступление, которое поможет вам разобраться в вопросе «Какой выбрать». Спасибо, что дочитали до этого места.
