Differenza tra intelligenza artificiale, machine learning e deep learning

Mondo tecnologico – Negli ultimi anni, insieme all'esplosione della rivoluzione industriale 4.0, termini come intelligenza artificiale (AI), machine learning e deep learning stanno gradualmente diventando popolari e diventano concetti che i cittadini dell'era 4.0 devono comprendere.

La relazione tra questi tre concetti può essere spiegata pensando ad essi come a dei cerchi, in cui l'IA - l'idea iniziale - è il cerchio più grande, seguito dall'apprendimento automatico - il concetto che viene dopo. , e infine dal deep learning - che sta guidando l'attuale AI boom: è il cerchio più piccolo.

Costruire un sistema di intelligenza artificiale è ovviamente estremamente complicato, ma comprenderlo non è così difficile. La maggior parte delle attuali intelligenze artificiali sono solo ottime macchine per indovinare (simili al nostro cervello). Fornisci al sistema un gruppo di dati (come le cifre da 1 a 10) e chiedi al sistema di creare un modello (x + 1, a partire da 0) e di fare previsioni. (Il prossimo numero sarà undici). Non c'è magia, questo è ciò che fa il cervello umano ogni giorno: usa ciò che sappiamo per fare ipotesi sull'ignoto.

Ciò che rende l'IA diversa dagli altri programmi per computer è che invece di dover creare programmi specifici per ogni caso, possiamo insegnare completamente l'IA (apprendimento automatico) e ha anche la capacità di eseguire automaticamente il deep learning. Questi tre concetti possono essere sostanzialmente definiti come segue:

Intelligenza Artificiale (AI):  una macchina in grado di imitare il comportamento e il pensiero umani.

Apprendimento automatico:  una funzionalità AI che consente agli esperti di addestrare l'IA a riconoscere i modelli di dati e fare previsioni.

Deep learning:  una piccola tecnica di machine learning che consente alle macchine di allenarsi da sole.

Concetto specifico

Intelligenza artificiale: cervello umano sotto forma di macchina

L'IA può essere definita come una branca dell'informatica che si occupa dell'automazione dei comportamenti intelligenti. L'intelligenza artificiale fa parte dell'informatica e quindi deve essere basata su principi teorici validi e applicabili nel campo. In poche parole: è l'intelligenza delle macchine create dall'uomo. Questa intelligenza può pensare, pensare, imparare, ... come l'intelligenza umana. Elaborare i dati a un livello più ampio, più scalabile, sistematico, scientifico e più veloce rispetto agli esseri umani.

Tuttavia, al momento, la tecnologia AI è ancora molto limitata. Ad esempio, Alexa, una grande governante, una delle icone più popolari delle applicazioni di intelligenza artificiale, ma non riesce ancora a superare il test di Turing.

In breve, quello che stiamo facendo con l'IA oggi è nel concetto di "IA stretta". Questa tecnologia è in grado di svolgere compiti specifici in modo simile o migliore rispetto agli esseri umani. Esempi di "IA stretta" in pratica includono la tecnologia di classificazione delle immagini di Pinterest o il riconoscimento facciale per taggare gli amici su Facebook.

Queste tecnologie rappresentano alcuni aspetti dell'intelligenza umana, ma come può essere? Da dove viene quella saggezza? Andiamo al prossimo cerchio: l'apprendimento automatico.

Apprendimento automatico: un approccio all'IA

Machine Learning è un termine ampio che si riferisce all'atto di insegnare a un computer a migliorare un'attività che sta eseguendo. Più specificamente, l'apprendimento automatico si riferisce a qualsiasi sistema in cui le prestazioni di un computer durante l'esecuzione di un'attività migliorano dopo aver completato quell'attività molte volte. In altre parole, l'abilità più basilare dell'apprendimento automatico è usare un algoritmo per analizzare le informazioni disponibili, imparare da esse e quindi prendere una decisione o fare una previsione su qualcosa di correlato. Invece di creare software con istruzioni e azioni dettagliate per eseguire un'attività specifica, i computer vengono "addestrati" utilizzando grandi quantità di dati e algoritmi per apprendere come eseguire l'attività. .

Senza l'apprendimento automatico, l'IA attuale sarebbe piuttosto limitata perché offre ai computer il potere di capire le cose senza essere programmati in modo esplicito. Come esempio di un tipo di apprendimento automatico, supponiamo di volere un programma per essere in grado di identificare i gatti nelle immagini:

• Innanzitutto, dai all'IA una serie di caratteristiche del gatto che la macchina può riconoscere, come il colore del mantello, la forma del corpo, le dimensioni, ecc.
• Successivamente, fornisci alcune immagini all'IA, dove alcune o tutte le immagini possono essere etichettate come "gatto" in modo che la macchina possa selezionare in modo più efficace le caratteristiche e i dettagli relativi al gatto.
• Dopo che la macchina ha ricevuto tutti i dati del gatto necessari, deve sapere come trovare un gatto in un'immagine: "Se l'immagine contiene determinati dettagli X, Y o Z, c'è una probabilità del 95% di trovare un gatto in un'immagine . Forse è un gatto."

In generale, l'applicazione del machine learning oggi è estremamente popolare e la sua utilità è indiscussa.

Deep learning: una tecnica di machine learning

Si può dire che fino ad ora l'IA ha fatto molti grandi passi avanti. Pensalo come una sorta di apprendimento automatico con profonde "reti neurali" in grado di elaborare i dati in un modo simile a un cervello umano. La differenza principale qui è che gli esseri umani non dovranno insegnare a un programma di apprendimento profondo che aspetto ha un gatto, ma solo dargli tutte le immagini necessarie dei gatti e lo capirà da solo. , autoapprendimento. I passaggi da fare sono i seguenti:

• Dai alla macchina molte foto di gatti.
• L'algoritmo controllerà l'immagine per vedere le caratteristiche e i dettagli comuni tra le immagini.
• Ogni immagine verrà decodificata in dettaglio su molti livelli, da forme grandi e generiche a riquadri sempre più piccoli. Se una forma o delle linee vengono ripetute più volte, l'algoritmo la etichetterà come una proprietà importante.
• Dopo aver analizzato un numero sufficiente di immagini necessarie, l'algoritmo ora sa quali modelli forniscono la prova più forte dei gatti e tutto ciò che gli umani devono fare è fornire i dati grezzi.

In breve: il deep learning è un tipo di machine learning in cui la macchina si allena da sola. Il deep learning richiede molto più input di dati e potenza di calcolo rispetto al machine learning, ma ha già iniziato a essere implementato da grandi aziende tecnologiche come Facebook e Amazon. Tra questi, uno dei nomi più famosi dell'apprendimento automatico è AlphaGo, un computer in grado di giocare a Go contro se stesso fino a prevedere le mosse più precise abbastanza da battere molti campioni del mondo.

Concludere

Il deep learning ha consentito l'applicazione di molti problemi reali delle macchine espandendo il campo generale dell'intelligenza artificiale. Il deep learning sconvolge il modo in cui gli esseri umani lavorano, rendendo tutti i tipi di macchine assistive utilizzabili, simili o identiche agli esseri umani. Auto senza conducente, migliore assistenza sanitaria... Tutto è realizzato al giorno d'oggi. L'IA è il presente e il futuro del mondo. Con l'aiuto del deep learning, l'IA può realizzare il sogno di fantascienza che abbiamo immaginato per molto tempo.