Искусственный интеллект (ИИ) - это обширная область информатики, связанная с машинами, выполняющими сложные задачи, особенно те, которые требуют человеческого интеллекта. ИИ - это более широкая область, в которой есть различные подполи, такие как машинное обучение (ML), глубокое обучение (DL), робототехника и обработка естественного языка (NLP). В настоящее время мы используем ИИ во всех технологических областях, он настолько распространен, что мы используем его в повседневной жизни.
Существуют разные типы ИИ:
· Слабый или узкий ИИ. Эти ИИ обучены выполнять конкретную задачу и сосредотачиваться на ней. Например. чат-боты, персональные помощники, преобразование речи в текст, поиск кратчайшего пути к дому, беспилотные автомобили, настройка камеры телефона в соответствии с освещением, объектом и глубиной, статьи / сообщения / песни / видео, которые вы делаете, например, раздел, шахматист и т. д. Каждый текущий ИИ - это слабый ИИ.
· Сильный ИИ - все еще теоретическая форма ИИ, согласно которой его интеллект будет равен человеческому или даже превзойти их. Он состоит из общего искусственного интеллекта (AGI) и искусственного суперинтеллекта (ASI).
Машинное обучение (ML) - это ветвь ИИ, которая предоставляет возможность автоматически учиться, предсказывать действия и улучшать из опыта без явного программирования этой машины. Основная цель машинного обучения состоит в том, чтобы машины могли обучаться без вмешательства человека или с минимальным вмешательством человека и предпринимать соответствующие действия.
Существуют разные виды машинного обучения:
· Машинное обучение с учителем: люди предоставляют обучающие данные, чтобы машины могли узнать об окружающей среде и учиться на основе определенного опыта. Например, обучение нашей машины тому, как удалять спам-сообщения из нашего почтового ящика.
· Неконтролируемое машинное обучение: при котором люди вообще не прерывают и позволяют машине самостоятельно определять неизвестные шаблоны, действия и среду. Например, группировка списка неизвестных файлов.
· Обучение с подкреплением. В этом случае наша машина пытается узнать об окружающей среде и получить опыт, используя метод проб и ошибок. После достижения успешных результатов машина разрабатывает политику с использованием Q-обучения. Например, машина пытается выбраться из лабиринта.
Глубокое обучение (DL) - это ветвь машинного обучения, посвященная алгоритмам, основанным на структуре и функциях человеческого мозга, под названием Искусственные нейронные сети (ИНС) . Эти модели предназначены для имитации человеческого мозга, то есть их работы, и специально созданы на его основе, потому что человеческий мозг является одним из самых мощных инструментов обучения на этой планете. Глубокая нейронная сеть (DNN) - это ИНС с несколькими уровнями между входным и выходным уровнями. Многослойные персептроны (MLP), сверточные нейронные сети (CNN), рекуррентные нейронные сети (RNN) - это несколько разных типов DNN.
Продолжайте читать и изучать больше по этой теме, не останавливаясь на этой статье. ИИ - это такая обширная и уникальная область, которая будет продолжать расти и расширяться, поэтому обязательно погрузитесь во внутренние темы и узнайте о них. Мир!
