Yapay zeka, makine öğrenimi ve derin öğrenme arasındaki fark -

Son yıllarda sanayi devrimi 4.0'ın patlaması ile birlikte yapay zeka (AI), makine öğrenmesi ve derin öğrenme gibi terimler giderek popüler hale geliyor ve 4.0 dönemi vatandaşlarının kavraması gereken kavramlar haline geliyor.

Bu üç kavram arasındaki ilişki, onları, en eski fikir olan AI'nın en büyük daire olduğu, ardından makine öğrenimi (sonra gelen kavram) ve son olarak derin öğrenmenin takip ettiği daireler olarak düşünülerek açıklanabilir. AI patlaması - en küçük dairedir.

Bir yapay zeka sistemi kurmak elbette son derece karmaşıktır, ancak bunu anlamak o kadar da zor değildir. Mevcut yapay zekaların çoğu, gerçekten iyi tahmin makineleridir (beynimize benzer). Sisteme bir grup veri veriyorsunuz (1'den 10'a kadar olan rakamlar gibi) ve sistemden bir model (x + 1, 0'dan başlayarak) oluşturmasını ve tahminlerde bulunmasını istiyorsunuz. (Bir sonraki sayı on bir olacaktır). Sihir yoktur, insan beyni her gün bunu yapar: Bilinmeyen hakkında tahminlerde bulunmak için bildiklerimizi kullanın.

AI'yı diğer bilgisayar programlarından farklı kılan şey, her durum için belirli programlar oluşturmak zorunda kalmak yerine tamamen AI (makine öğrenimi) öğretebilmemiz ve ayrıca otomatik olarak derin öğrenme yeteneğine sahip olmasıdır. Bu üç kavram temel olarak şu şekilde tanımlanabilir:

Yapay Zeka (AI):  İnsan davranışını ve düşüncesini taklit edebilen bir makine.

Makine öğrenimi:  Uzmanların yapay zekayı veri kalıplarını tanıması ve tahminlerde bulunması için eğitmesine olanak tanıyan bir yapay zeka özelliği.

Derin öğrenme:  Makinelerin kendilerini eğitmesine olanak tanıyan küçük bir makine öğrenimi tekniği.

AI (Yapay Zeka) nedir?

AI, akıllı davranışların otomasyonu ile ilgilenen bir bilgisayar bilimi dalı olarak tanımlanabilir. AI, bilgisayar biliminin bir parçasıdır ve bu nedenle alanın sağlam, uygulanabilir teorik ilkelerine dayanmalıdır. Basitçe söylemek gerekirse: insanlar tarafından yaratılan makinelerin zekasıdır. Bu zeka, insan zekası gibi düşünebilir, düşünebilir, öğrenebilir. Verileri insanlardan daha büyük, daha kapsamlı, sistematik, bilimsel ve daha hızlı bir düzeyde işleyin.

Bununla birlikte, şu anda AI teknolojisi hala çok sınırlıdır. Örneğin Alexa – harika bir hizmetçi, yapay zeka uygulamalarının en popüler ikonlarından biri ama yine de Turing testini geçemiyor.

Kısacası, bugün AI ile yaptığımız şey “Dar AI” konseptinde. Bu teknoloji, belirli görevleri insanlara benzer veya insanlardan daha iyi gerçekleştirme yeteneğine sahiptir. Uygulamadaki "dar AI" örnekleri, Facebook'ta arkadaşlarınızı etiketlemek için Pinterest'in görüntü sınıflandırma teknolojisini veya yüz tanımayı içerir.

Bu teknolojiler, insan zekasının bazı yönlerini temsil ediyor, ama bu nasıl olabilir? Bu bilgelik nereden geliyor? Bir sonraki döngüye geçelim: makine öğrenimi.

Makine öğrenimi nedir?

Makine öğrenimi – bir yapay zeka yaklaşımı

Makine Öğrenimi, bir bilgisayara gerçekleştirdiği bir görevi iyileştirmeyi öğretme eyleminizi ifade eden geniş bir terimdir. Daha spesifik olarak, makine öğrenimi, bir görevi gerçekleştirirken bilgisayarın performansının, o görevi birçok kez tamamladıktan sonra daha iyi hale geldiği herhangi bir sistemi ifade eder. Başka bir deyişle, makine öğreniminin en temel yeteneği, mevcut bilgileri analiz etmek, ondan öğrenmek ve ardından ilgili bir şey hakkında bir karar veya tahminde bulunmak için bir algoritma kullanmaktır. Belirli bir görevi gerçekleştirmek için ayrıntılı talimatlar ve eylemler içeren yazılımlar oluşturmak yerine, bilgisayarlar, görevin nasıl gerçekleştirileceğini öğrenmek için büyük miktarda veri ve algoritma kullanılarak "eğitilir".

Makine öğrenimi olmadan, mevcut AI oldukça sınırlı olurdu çünkü bilgisayarlara açıkça programlanmadan şeyleri çözme gücü verir. Bir tür makine öğrenimi örneği olarak, bir programın resimlerdeki kedileri tanımlayabilmesini istediğinizi varsayalım:

• İlk olarak, yapay zekaya, makinenin kaplama rengi, vücut şekli, boyutu vb. gibi tanıması için bir dizi kedi özelliği verirsiniz.
• Ardından, makinenin kedi ile ilgili özellikleri ve ayrıntıları daha etkili bir şekilde seçebilmesi için görüntülerin bir kısmının veya tamamının "kedi" olarak etiketlenebileceği bazı görüntüleri AI'ya beslersiniz.
• Makine gerekli tüm kedi verilerini aldıktan sonra, bir resimde kediyi nasıl bulacağını bilmelidir – “Görüntü belirli X, Y veya Z ayrıntılarını içeriyorsa, resimde kedi bulma şansı %95'tir. . Belki bir kedidir."

Genel olarak, günümüzde makine öğrenimi uygulaması son derece popüler ve kullanışlılığı tartışılmaz.

Derin öğrenme nedir?

Derin öğrenme – bir makine öğrenimi tekniği

Şimdiye kadar AI'nın birçok büyük adım attığı söylenebilir. Bunu, verileri insan beyninin yapabileceğine benzer şekilde işleyebilen derin "sinir ağları" ile bir tür makine öğrenimi olarak düşünün. Buradaki temel fark, insanların bir derin öğrenme programını bir kedinin neye benzediğini öğretmek zorunda kalmayacakları, ancak ona sadece gerekli tüm kedi resimlerini vereceğiniz ve bunu kendi başına çözeceğidir. , kendi kendine öğrenme. Yapılması gereken adımlar aşağıdaki gibidir:

• Makineye bir sürü kedi resmi verin.
• Algoritma, görüntüler arasındaki ortak özellikleri ve ayrıntıları görmek için görüntüyü kontrol eder.
• Her görüntünün kodu, büyük, genel şekillerden daha küçük ve daha küçük döşemelere kadar birçok düzeyde ayrıntılı olarak çözülecektir. Bir şekil veya çizgiler birçok kez tekrarlanırsa, algoritma onu önemli bir özellik olarak etiketleyecektir.
• Gerekli görüntüleri yeterince analiz ettikten sonra, algoritma artık kedilerin en güçlü kanıtını hangi modellerin sağladığını biliyor ve insanların tek yapması gereken ham verileri sağlamak.

Kısacası: Derin öğrenme, makinenin kendini eğittiği bir tür makine öğrenimidir. Derin öğrenme, makine öğreniminden çok daha fazla veri girişi ve bilgi işlem gücü gerektirir, ancak Facebook ve Amazon gibi büyük teknoloji şirketleri tarafından uygulanmaya başlandı. Bunların arasında, makine öğrenimindeki en ünlü isimlerden biri, Go'yu yenmek için yeterince doğru hamleleri tahmin edene kadar kendisine karşı oynayabilen bir bilgisayar olan AlphaGo'dur. birçok dünya şampiyonu.

Sonuçlandırmak

Derin öğrenme, yapay zekanın genel alanını genişletirken birçok gerçek makine probleminin uygulanmasını sağladı. Derin öğrenme, her türlü yardımcı makineyi çalışabilir, insanlara yakın veya aynı hale getirerek insanların çalışma biçimlerini bozar. Sürücüsüz arabalar, daha iyi sağlık hizmetleri… Hepsi bu gün ve çağda gerçekleştiriliyor. AI, dünyanın bugünü ve geleceğidir. Derin öğrenmenin yardımıyla yapay zeka, uzun zamandır hayalini kurduğumuz bilim kurgu rüyasını gerçekleştirebilir.