Ποια είναι η διαφορά μεταξύ Μηχανικής Μάθησης και A.I.; Αφήστε μας να σας βοηθήσουμε να σας καλύψουμε

μηχανική μάθηση

ΟΛΑ ΣΥΜΠΕΡΙΛΑΜΒΑΝΟΝΤΑΙ. βρίσκεται παντού αυτή τη στιγμή και είναι υπεύθυνη για τα πάντα, από τους εικονικούς βοηθούς στα smartphone μας μέχρι τα αυτοοδηγούμενα αυτοκίνητα θα γεμίσουν σύντομα τους δρόμους μας στα συστήματα αναγνώρισης εικόνας αιχμής που αναφέρουν τα δικά σας στα αληθεια.

Αν δεν ζείτε κάτω από έναν βράχο την τελευταία δεκαετία, υπάρχει μεγάλη πιθανότητα να το έχετε ξανακούσει - και πιθανώς να το έχετε χρησιμοποιήσει. Αυτήν τη στιγμή, η τεχνητή νοημοσύνη είναι για τη Silicon Valley ό, τι το One Direction για τα 13χρονα κορίτσια: μια πανταχού παρούσα πηγή εμμονή να πετάξεις όλα σου τα μετρητά, ενώ ονειρευόσουν ότι θα παντρευτείς όποτε ο Χάρι Στάιλς είναι τελικά έτοιμος να τακτοποιήσει κάτω. (Εντάξει, άρα εξακολουθούμε να εργαζόμαστε για την αναλογία!)

Αλλά τι ακριβώς είναι ΟΛΑ ΣΥΜΠΕΡΙΛΑΜΒΑΝΟΝΤΑΙ.? — και μπορεί να έχει όρους όπως "μηχανική μάθηση", "τεχνητά νευρωνικά δίκτυα», «τεχνητή νοημοσύνη» και «Zayn Malik» (εξακολουθούμε να εργαζόμαστε σε αυτήν την αναλογία…) να χρησιμοποιηθούν εναλλακτικά;

Για να σας βοηθήσουμε να κατανοήσετε μερικές από τις τσιτάτα και την ορολογία που θα ακούτε όταν οι άνθρωποι μιλούν για A.I., συντάξαμε αυτόν τον απλό οδηγό που θα σας βοηθήσει να αναλύσετε το κεφάλι σας γύρω από όλες τις διαφορετικές γεύσεις της τεχνητής νοημοσύνης — έστω και μόνο για να μην κάνετε κανένα ψεύτικο πάσο όταν τελικά τα μηχανήματα πάρουν πάνω από.

Τεχνητή νοημοσύνη

Δεν θα εμβαθύνουμε πολύ στην ιστορία της A.I. εδώ, αλλά το σημαντικό που πρέπει να σημειωθεί είναι ότι η τεχνητή νοημοσύνη είναι το δέντρο στο οποίο όλοι οι ακόλουθοι όροι είναι όλοι κλάδοι. Για παράδειγμα, η ενισχυτική μάθηση είναι ένας τύπος μηχανικής μάθησης, που είναι ένα υποπεδίο της τεχνητής νοημοσύνης. Ωστόσο, η τεχνητή νοημοσύνη δεν είναι (απαραιτήτως) ενισχυτική μάθηση. Το έπιασα?

Μέχρι στιγμής, κανείς δεν έχει δημιουργήσει μια γενική νοημοσύνη.

Δεν υπάρχει επίσημη συναίνεση σχετικά με το τι A.I. σημαίνει (μερικοί άνθρωποι προτείνουν ότι είναι απλά ωραία πράγματα που οι υπολογιστές δεν μπορούν να κάνουν ακόμα), αλλά οι περισσότεροι θα συμφωνούσαν ότι πρόκειται για την εκτέλεση ενεργειών που θα θεωρούνταν έξυπνες από τους υπολογιστές εάν εκτελούνταν από έναν πρόσωπο.

Ο όρος επινοήθηκε για πρώτη φορά το 1956, στο α καλοκαιρινό εργαστήριο στο Dartmouth College στο Νιου Χάμσαϊρ. Η μεγάλη τρέχουσα διάκριση στην Α.Ι. είναι μεταξύ του τρέχοντος συγκεκριμένου τομέα Narrow A.I. και Τεχνητή Γενική Νοημοσύνη. Μέχρι στιγμής, κανείς δεν έχει δημιουργήσει μια γενική νοημοσύνη. Μόλις το κάνουν, όλα τα στοιχήματα σβήνουν…

Συμβολική A.I.

Δεν ακούς τόσα πολλά για Συμβολική A.I. σήμερα. Αναφέρεται επίσης ως Good Old Fashioned A.I., Symbolic A.I. βασίζεται σε λογικά βήματα που μπορούν να δοθούν σε έναν υπολογιστή με τρόπο από πάνω προς τα κάτω. Συνεπάγεται την παροχή πολλών κανόνων σε έναν υπολογιστή (ή ένα ρομπότ) σχετικά με το πώς θα πρέπει να αντιμετωπίσει ένα συγκεκριμένο σενάριο.

Σέλμερ Μπρίνγκσορντ
Σέλμερ Μπρίνγκσορντ

Αυτό οδήγησε σε πολλές πρώιμες ανακαλύψεις, αλλά αποδείχθηκε ότι αυτά λειτούργησαν πολύ καλά στα εργαστήρια, στο που κάθε μεταβλητή θα μπορούσε να ελεγχθεί τέλεια, αλλά συχνά λιγότερο καλά στην ακαταστασία της καθημερινότητας ΖΩΗ. Όπως ένας συγγραφέας αστειεύτηκε για το Symbolic A.I., η πρώιμη A.I. τα συστήματα έμοιαζαν λίγο με τον θεό της Παλαιάς Διαθήκης — με πολλούς κανόνες, αλλά χωρίς έλεος.

Σήμερα, οι ερευνητές αρέσουν Σέλμερ Μπρίνγκσορντ αγωνίζονται για να επαναφέρουν την εστίαση στη συμβολική A.I. που βασίζεται στη λογική, που βασίζεται στην ανωτερότητα των λογικών συστημάτων που μπορούν να γίνουν κατανοητά από τους δημιουργούς τους.

Μηχανική Μάθηση

Αν ακούσετε για ένα μεγάλο A.I. σημαντική ανακάλυψη αυτές τις μέρες, οι πιθανότητες είναι ότι, εκτός κι αν γίνει μεγάλος θόρυβος που υποδηλώνει το αντίθετο, ακούτε για μηχανική μάθηση. Όπως υποδηλώνει το όνομά της, η μηχανική μάθηση αφορά την κατασκευή μηχανών που, λοιπόν, μαθαίνουν.

Όπως η επικεφαλίδα του A.I., η μηχανική μάθηση έχει επίσης πολλές υποκατηγορίες, αλλά αυτό που έχουν όλες κοινή είναι η ικανότητα με επίκεντρο τη στατιστική λήψη δεδομένων και εφαρμογή αλγορίθμων σε αυτά για να κερδίσετε η γνώση.

Υπάρχει πληθώρα διαφορετικών κλάδων μηχανικής μάθησης, αλλά αυτός για τον οποίο πιθανότατα θα ακούσετε περισσότερο είναι…

Νευρωνικά δίκτυα

Εάν έχετε περάσει χρόνο στην ενότητα Cool Tech, πιθανότατα θα το έχετε ακούσει τεχνητά νευρωνικά δίκτυα. Ως συστήματα εμπνευσμένα από τον εγκέφαλο σχεδιασμένα να αναπαράγουν τον τρόπο που μαθαίνουν οι άνθρωποι, τα νευρωνικά δίκτυα τροποποιούν τον δικό τους κώδικα για να βρείτε τη σύνδεση μεταξύ εισόδου και εκροής —ή αιτίας και αποτελέσματος— σε καταστάσεις όπου αυτή η σχέση είναι πολύπλοκη ή ασαφές.

Τα τεχνητά νευρωνικά δίκτυα έχουν ωφεληθεί από την άφιξη της βαθιάς μάθησης.

Η έννοια των τεχνητών νευρωνικών δικτύων στην πραγματικότητα χρονολογείται πίσω στη δεκαετία του 1940, αλλά ήταν πραγματικά μόνο τις τελευταίες δεκαετίες όταν άρχισε να ανταποκρίνεται πραγματικά στις δυνατότητές του: με τη βοήθεια της άφιξης αλγορίθμων όπως "οπίσθιο πολλαπλασιασμό, που επιτρέπει στα νευρωνικά δίκτυα να προσαρμόζουν τα κρυφά στρώματα των νευρώνων τους σε καταστάσεις όπου το αποτέλεσμα δεν ταιριάζει με αυτό που ελπίζει ο δημιουργός. (Για παράδειγμα, ένα δίκτυο που έχει σχεδιαστεί για την αναγνώριση σκύλων, το οποίο προσδιορίζει εσφαλμένα μια γάτα.)

Αυτή τη δεκαετία, τα τεχνητά νευρωνικά δίκτυα έχουν ωφεληθεί από την άφιξη του βαθιά μάθηση, στο οποίο διαφορετικά επίπεδα του δικτύου εξάγουν διαφορετικά χαρακτηριστικά μέχρι να μπορέσει να αναγνωρίσει αυτό που αναζητά.

Μέσα στην επικεφαλίδα του νευρωνικού δικτύου, υπάρχουν διαφορετικά μοντέλα δυνητικού δικτύου — με ανατροφοδότηση και συνελικτικά δίκτυα πιθανόν να είναι αυτοί που πρέπει να αναφέρετε εάν κολλήσετε δίπλα σε έναν μηχανικό της Google σε ένα δείπνο.

Ενισχυτική Μάθηση

Ενισχυτική μάθηση είναι μια άλλη γεύση της μηχανικής μάθησης. Είναι σε μεγάλο βαθμό εμπνευσμένο από τη συμπεριφοριστική ψυχολογία και βασίζεται στην ιδέα ότι ο πράκτορας λογισμικού μπορεί να μάθει να αναλαμβάνει ενέργειες σε ένα περιβάλλον προκειμένου να μεγιστοποιήσει μια ανταμοιβή.

Για παράδειγμα, το 2015 το DeepMind της Google κυκλοφόρησε ένα έγγραφο που δείχνει πώς ήταν εκπαίδευσε A.I. για να παίξετε κλασικά βιντεοπαιχνίδια, χωρίς καμία άλλη οδηγία εκτός από τη βαθμολογία στην οθόνη και τα περίπου 30.000 pixel που αποτελούσαν κάθε καρέ. Λέγεται να μεγιστοποιήσει τη βαθμολογία της, η ενισχυτική μάθηση σήμαινε ότι ο πράκτορας λογισμικού σταδιακά έμαθε να παίζει το παιχνίδι μέσω δοκιμής και λάθους.

MarI/O - Machine Learning για βιντεοπαιχνίδια

Σε αντίθεση με ένα έμπειρο σύστημα, η ενισχυτική μάθηση δεν χρειάζεται έναν άνθρωπο ειδικό για να του πει πώς να μεγιστοποιήσει μια βαθμολογία. Αντίθετα, το καταλαβαίνει με την πάροδο του χρόνου. Σε ορισμένες περιπτώσεις, οι κανόνες που μαθαίνει μπορεί να διορθωθούν (όπως όταν παίζεις ένα κλασικό παιχνίδι Atari.) Σε άλλες, συνεχίζει να προσαρμόζεται όσο περνάει ο καιρός.

Εξελικτικοί Αλγόριθμοι

Γνωστός ως γενικός αλγόριθμος μεταευρετικής βελτιστοποίησης με βάση τον πληθυσμό, εάν δεν έχετε εισαχθεί ακόμη στο παρελθόν, εξελικτικοί αλγόριθμοι είναι ένας άλλος τύπος μηχανικής μάθησης. έχει σχεδιαστεί για να μιμείται την έννοια της φυσικής επιλογής μέσα σε έναν υπολογιστή.

Η διαδικασία ξεκινά με έναν προγραμματιστή που εισάγει τους στόχους που προσπαθεί να επιτύχει με τον αλγόριθμό του. Για παράδειγμα, η NASA έχει χρησιμοποιήσει εξελικτικούς αλγόριθμους για να σχεδιάσει δορυφορικά στοιχεία. Σε αυτήν την περίπτωση, η λειτουργία μπορεί να είναι να βρεθεί μια λύση ικανή να χωρέσει σε κουτί 10cm x 10cm, ικανό να εκπέμπει ένα σφαιρικό ή ημισφαιρικό μοτίβο και μπορεί να λειτουργεί σε ένα συγκεκριμένο Wi-Fi ζώνη.

Στη συνέχεια, ο αλγόριθμος έρχεται με πολλαπλές γενιές επαναληπτικών σχεδίων, δοκιμάζοντας την καθεμία έναντι των δηλωμένων στόχων. Όταν κάποιος τελικά σημειώσει όλα τα σωστά πλαίσια, σταματά. Εκτός από το ότι βοηθούν τη NASA να σχεδιάσει δορυφόρους, οι εξελικτικοί αλγόριθμοι είναι το αγαπημένο των δημιουργικών που χρησιμοποιούν τεχνητή νοημοσύνη για την εργασία τους: όπως π.χ. οι σχεδιαστές αυτού του έξυπνου επίπλου.

Συστάσεις των συντακτών

  • Deep-learning A.I. βοηθά τους αρχαιολόγους να μεταφράσουν αρχαίες πινακίδες
  • Deep Learning A.I. μπορεί να μιμηθεί τα εφέ παραμόρφωσης των εμβληματικών θεών της κιθάρας
  • A.I ανάγνωσης μυαλού. αναλύει τα εγκεφαλικά σας κύματα για να μαντέψει ποιο βίντεο παρακολουθείτε
  • Ο εκτιμητής σπιτιών του μέλλοντος είναι πιθανότατα A.I. αλγόριθμος
  • Φωτορεαλιστική A.I. Το εργαλείο μπορεί να καλύψει κενά στις εικόνες, συμπεριλαμβανομένων των προσώπων