Q:
Hva er forskjellen mellom kunstig intelligens, maskinlæring og dyp læring?
EN:Begrepene "kunstig intelligens", "maskinlæring" og "dyp læring" beskriver en prosess som har bygget på seg selv de siste tiårene, siden verden har gjort enorme fremskritt innen datakraft, dataoverføring og andre teknologiske mål.
Samtalen skal starte med kunstig intelligens, et bredt begrep for datamaskiner eller teknologiers evne til å simulere menneskelig tanke eller hjerneaktivitet. På en måte startet kunstig intelligens tidlig, med enkle datamaskin sjakk-spillprogrammer og andre programmer som begynte å etterligne menneskelig beslutningstaking og tanke.
| Gratis nedlasting: Machine Learning og Why It Matters |
Kunstig intelligens fortsatte å utvikle seg fra de første dagene av den personlige datamaskinen, til alderen på internett, og til slutt til en alder av sky computing, virtualisering og sofistikerte nettverk. Kunstig intelligens har vokst og utvidet på mange måter som en viktig teknologibransje.
En av milepælene i kunstig intelligens er fremveksten og vedtakelsen av maskinlæring, en spesiell tilnærming for å oppnå kunstig intelligensmål.
Maskinlæring bruker sofistikerte algoritmer og programmer for å hjelpe programvare til å bli bedre til å ta visse sett av beslutninger i et ytelsesmiljø. I stedet for å bare programmere en datamaskin for å gjøre ett sett med ting igjen og igjen, som tilfellet var med de håndkodede programmene på 1970- og 1980-tallet, begynner maskinlæring å bruke heuristikker, atferdsmodellering og andre typer projeksjoner for å tillate teknologi for å forbedre beslutningen og utvikle seg over tid. Læring av maskiner har blitt brukt til å bekjempe spam e-post, implementere kunstig intelligens personligheter som IBM Watson og oppnå mål for kunstig intelligens på andre måter.
Dyp læring bygger på sin side på maskinlæring. Eksperter beskriver dyp læring som bruk av algoritmer for å drive abstraksjoner på høyt nivå, for eksempel bruk av kunstige nevrale nettverk for å trene teknologier på oppgaver. Dyp læring tar maskinlæring til neste nivå ved å prøve å modellere faktisk menneskelig hjerneaktivitet og anvende det på kunstig beslutningstaking eller annet kognitivt arbeid.
Dyp læring har blitt demonstrert gjennom eksempler som banebrytende optimaliseringsprogrammer for forsyningskjeder, laboratorieutstyrsprogrammer og andre typer innovasjoner som det generative motstandernettverket, der to motstridende nettverk, et generativt og diskriminerende nettverk, jobber mot hverandre for å modellere menneske tankeprosesser for diskriminering. Denne spesielle typen dyp læring kan brukes til bildebehandling og annen bruk.
Realiteten er at dyp læring driver kunstig intelligens nærmere det som eksperter anser som ”sterk AI”, kunstig intelligens som mer eller mindre fullt ut er i stand til å gjenskape mange menneskelige tankefunksjoner. Dette gir opphav til betydelig debatt om hvordan man skal håndtere disse nye teknologiene effektivt, og hvordan man kan ta vare på en verden der datamaskiner tenker på noen av de samme måtene som vi gjør.
