Beyond the Hype: Den Ënnerscheed tëscht Kënschtlech Intelligenz, Machine Learning, an Deep Learning

Kënschtlech Intelligenz (AI) ass an eisen Alldag mat engem Knall angaang. Vun Marketing bis Medizin, schéngt all Geschäft an all Branche betraff ze sinn. Technologiefirmen konkurréiere fir Dominanz am Rennen um Maart ze féieren an déi innovativst a verspriechend AI Geschäfter ze kréien.

Dir benotze scho scho AI am Alldag, mat Uwendungen wéi Riederkennung, virtuell Assistenz op Ärem Smartphone, den Empfehlungsalgorithmen vun Shopping Websiten a Musek oder Video Streaming Servicer, oder och wann Dir den Dokter besicht an hien e X-Ray vergläicht oder aner medizinesch Biller mat anere medizinesche Daten.

An da sinn do d'Begrëffer Maschinnléieren an déiwe Léieren, déi anscheinend vill Leit duerchernee bréngen. Ze dacks gi se austauschbar benotzt, awer obwuel se enk matenee verbonne sinn, hu se verschidde Bedeitunge. Also, wat ass den Ënnerscheed tëscht AI, Maschinn léieren, an déiwe Léieren?

Kënschtlech Intelligenz

Am breede Sënn, no sengen Grënner, ass AI d'Wëssenschaft an Ingenieurswiesen fir intelligent Maschinnen ze maachen, besonnesch intelligent Computerprogrammer. Et ass e Wee fir e Computer ze maachen, e Computer-kontrolléierte Roboter, oder eng Software intelligent denken op eng Manéier ähnlech wéi de Mënsch denkt während se déi immens méi grouss Geschwindegkeet a Kraaft vum Computer exploitéieren.

Knowledge Engineering ass e Kärdeel vun der AI Fuerschung. Maschinnen kënnen nëmme wéi Mënschen handelen wann se vill Informatioun iwwer d'Welt hunn. En autonome Auto kann nëmme sécher mat genuch Daten iwwer seng Ëmfeld fueren. Entscheedungs ​​Algorithmen sinn nëmme sou gutt wéi d'Input Daten.

An anere Wierder, d'kënschtlech Intelligenz muss Zougang zu Objeten, Kategorien, Eegeschaften a Relatiounen tëscht all hunn fir Wëssenschafttechnik ëmzesetzen. Gesonde Mënsch z'ënnerstëtzen, Begrënnung a Probleemer ze léisen a Maschinnen ass eng schwéier an tedious Approche. Mir sinn néierens nieft wierklech intelligente Maschinnen.

Maschinn Léieren

Wou Kënschtlech Intelligenz dat ganzt Spektrum vu Maschinnléieren ofdeckt, huet de Begrëff Maschinnléieren eng vill méi schmuel Bedeitung, nämlech "d'Fäegkeet ze léieren ouni explizit programméiert ze sinn." Iwwregens, hei ass dat déi gréissten Ännerung am Moment passéiert: massiv Datesetzer fidderen a Computeren a waarden op datt se mat Resultater kommen.

Maschinn Léieren ass eng AI AI déi d'Fäegkeet vun engem Computer erliichtert ze léieren an am Wesentlechen selwer ze léieren ze evoluéieren wéi se op nei an ëmmer verännert Date gëtt. Zum Beispill benotzt Facebook d'Noriichte Feed fir d'Maschinn ze léieren an engem Effort de Feed vun all eenzel ze personaliséieren op Basis vu wat se gär hunn. D'Haaptelementer vun der traditioneller Maschinn Léieren Software sinn statistesch Analyse a prediktive Analyse benotzt Muster ze gesinn a verstoppte Abléck ze fannen op Basis vun observéierten Donnéeën vu fréiere Berechnungen ouni programméiert ze ginn op wou ee kucke soll.

D'Maschinn Léieren huet iwwer d'Joren wierklech evoluéiert duerch seng Fäegkeet fir duerch e komplexe Datenset ze sifen. Dës ginn dacks als "Big Data" bezeechent. Vill kënnen iwwerrascht sinn ze wëssen datt se Maschinn Léierapplikatiounen an hirem Alldag treffen duerch Streaming Servicer wéi Netflix a Social Media Algorithmen déi alarméiere fir trendend Themen oder Hashtags. Feature Extraktioun am Maschinnléieren erfuerdert e Programmierer fir de Computer ze soen wéi eng Zort vu Saachen et sollt gesicht ginn déi formativ sinn fir eng Entscheedung ze treffen, wat e Zäit-opwandende Prozess kann sinn. Dëst resultéiert och an Maschinn Léieren datt d'Richtegkeet erofgaang ass wéinst dem Element vum mënschleche Feeler während dem Programméierungsprozess.

Deep Learning

Deep Learning ass de jéngste Beräich vun der Maschinnléierenfuerschung, déi agefouert gouf mam Zil fir Maschinnléiere méi no bei künstlecher Intelligenz ze beweegen.

Et bezitt sech op Studie vu ‘déif neuralen Netzwierker’ am mënschleche Gehir, an ënner dëser Perspektiv probéiert déi déif Léieren d'Funktiounen vun bannenzege Schichten vum mënschleche Gehir ze emuléieren, Wëssen aus verschiddene Schichten vun Informatiounsveraarbechtung ze kreéieren. Zënter datt déi déif Léierentechnologie nom mënschleche Gehir modeliséiert gëtt, all Kéier wann nei Dateie gegoss ginn, ginn hir Fäegkeeten besser.

Ënnert dem déiwe Léierparadigma ass wesentlech d'Maschinn ‘trainéiert’ mat grousse Quantitéiten un Daten an Algorithmen benotzt fir et d'Fäegkeet ze ginn ze léieren wéi een d'Aufgab maache kann. Dës Date ginn duerch neurale Netzwierker gefërdert déi eng Serie vu binäre richtegen / falsche Froen oder numeresche Wäerter stellen, vun all Bit vun Daten déi duerch si passen an klassifizéieren se no den Äntwerten déi se kritt hunn. Haut ginn d'Bilderkennung vu Maschinnen, déi iwwer déiwe Léieren trainéiert goufen, benotzt fir autonom Roboteren a Gefierer ze trainéieren, an der Medizin fir Krankheetemarkéierer an all Zorte vu Biller z'identifizéieren.

Virun enger Zäit huet Google's AlphaGo d'Spill a Stonnen geléiert andeems hien ëmmer a Spiller iwwer sech selwer gespillt huet. Dës onkontrolléiert, ëmmer méi séier Fäegkeet fir ze léieren ass de Schlëssel fir den aktuellen Hype iwwer déif Léieren. Awer déi nächst revolutionär Technologie ass net wäit ewech.