Искусственный интеллект и машинное обучение часто встречаются вместе — что неудивительно, область ИИ очень большая. Но что представляют отдельные термины?
Как видно из большинства опросов, читатели имеют четкое представление о концепции искусственного интеллекта. Однако мы предпочитаем ничего не оставлять на волю случая и объясняем оба термина .
Искусственный интеллект и машинное обучение тесно связаны. Давайте сначала сосредоточимся на том, что такое ИИ.
Что такое искусственный интеллект?
В принципе, ИИ — это имитация интеллекта компьютером или машиной. Может быть задействован интеллект, имитирующий человеческий, но это не обязательно так; необходимые процессы включают обучение , применение полученных знаний с использованием заранее заданных правил (то есть что-то вроде рассуждения ) и, наконец, самокоррекцию .
Неудивительно, что одной из первых областей, где искусственный интеллект стал очень привычным термином, были компьютерные игры. Преимущество видеоигр в том, что мы можем очень хорошо представить себе основные принципы ИИ . Рассмотрим стратегический вопрос: есть цифровой противник; он строит здания, юниты, придумывает атаки и защищается. Он реагирует на наши предметы, но также и создает их. Это отличный корпус, а игры, будь то компьютерные или настольные, всегда были в авангарде развития искусственного интеллекта.
Мы можем классифицировать ИИ как «сильный» и «слабый», или, лучше, как специализированный или общий . К специализированному искусственному интеллекту сегодня относятся виртуальные помощники . Alexa, Siri или Cortana запрограммированы на выполнение определенных задач.
Общий искусственный интеллект, напротив, должен уметь мыслить и действовать совершенно аналогично человеку — самостоятельно, без посторонней помощи, а также имитировать когнитивные способности человека. Настоящего общего искусственного интеллекта пока не существует.
Что такое машинное обучение?
Теперь мы знаем, что такое искусственный интеллект — очень широкий термин, включающий ряд необходимых компонентов и те, в свою очередь, другие подкомпоненты. Машинное обучение является одним из таких ключевых компонентов — оно строит алгоритмы , которые с помощью входных данных делают предположение о результирующей ситуации, которая постоянно меняется .
Вкратце: машинное обучение — это динамическая адаптация машины к новым ситуациям и предположениям, сделанным на основе доступных данных. Идеальным ненавязчивым примером машинного обучения являются покупки в Интернете, где реклама на веб-сайтах меняется в зависимости от того, что мы в данный момент покупаем или ищем ; это один из самых основных типов машинного обучения.
Мы делим алгоритмы машинного обучения на несколько модельных блоков; среди наиболее используемых - обучение с наставником , обучение с наставником и обучение с обратной связью . Мы часто о них пишем, так чем же они отличаются?
Обучение с наставником изначально требует наблюдения специалиста по данным за машиной , которая вводит как входные, так и выходные данные и предоставляет устройству обратную связь о точности предположений при обучении алгоритма. После завершения обучения алгоритм применит полученные знания.
Обучение без учителя кажется более сложным, но машина не нуждается в обучении под наблюдением . Используя глубокое обучение (еще один известный термин ИИ), алгоритмы анализируют данные и самостоятельно получают результаты. Типичными примерами алгоритмов обучения без учителя являются нейронные сети , которые в настоящее время используются для очень сложных задач, включая распознавание изображений, преобразование речи в текст и обработку естественного языка. После того, как алгоритм обучен на миллионах входных данных, он может самостоятельно интерпретировать новые данные из-за большого объема информации; нейронные сети также идеально подходят для поиска связей между заданной информацией. Обучение без учителя — это результат эпохи больших данных, потому что входные наборы данных должны быть действительно огромными .
Обучение с обратной связью
Обучение с обратной связью работает на основе максимизации вознаграждения ; машина самостоятельно ищет наилучший путь или поведение для достижения желаемого результата, аналогично обучению с учителем. Однако оба типа алгоритмов отличаются тем, что если при обучении с наставничеством уже имеется правильный ответ, то при обучении с обратной связью результат еще не существует, алгоритм выдает его сам; если бы мы сравнили его с человеком, он учится на собственном опыте .
Однако это лишь очень краткое резюме: мы еще много раз вернемся к теоретическим основам искусственного интеллекта.
Каждый день вы получаете данные и их интерпретацию , на которые можно положиться.· Если вам нужно просчитать последствия взятия на себя риска, спрогнозировать дальнейшее развитие рынка или обнаружить непродуктивные процессы , искусственный интеллект сделает это буквально сам.
Машинное обучение и ИИ — это путь, по которому должен идти каждый, кто хочет занять лидирующие позиции на рынке разработки программного обеспечения и не только. Ещё больше интересной информации Вы найдёте у нас на сайте