Peter Holmes
0 
1831
155
Den næste store ting inden for tech er maskinelæring. Eller er det dyb læring? Måske er det kunstig intelligens. Hvis du finder dig selv at blive sammenfiltret i forskellene mellem de tre, er du ikke alene.
Aldrig dem, der giver op en mulighed for at generere hype og udvinde Venture Capital-penge, nogle tech-virksomheder har brugt alle tre om hverandre. Mens de alle falder ind under den samme brede paraply, er der nogle afgørende forskelle mellem dem.
Hvad er kunstig intelligens?
Kunstig intelligens, ofte benævnt AI, er et koncept snarere end et system. Intelligens opfattes som et unikt menneskeligt træk. Traditionelt har maskiner været antaget at opnå viden, men ikke intelligens eller visdom. Computerforskeren Alan Turing brugte meget af sidstnævnte del af sit liv med at overveje, om maskiner kunne tænke.
Han udtænkte Turing-testen Hvad er Turing-testen, og vil den nogensinde blive slået? Hvad er Turing-testen, og vil den nogensinde blive slået? Turing-testen er beregnet til at bestemme, om maskiner tænker. Gik Eugene Goostman-programmet virkelig Turing-testen, eller snydt skaberne simpelthen? hvilket sigter mod at bestemme, om en maskine kan udvise intelligent opførsel snarere end nødvendigvis være intelligent. Dette er en vigtig sondring, fordi vi stadig ikke fuldt ud forstår tanker eller intelligens.
I stedet for at forsøge at definere intelligens, håber vi at skabe maskiner, der kan udvise intelligent opførsel.
I stedet for at være en teknologi i sig selv, er AI et middel til at beskrive systemer. Disse systemer kan mærkes som smal AI og generel AI. Smal AI er et system, der er intelligent, men kun ved en bestemt opgave. Generel AI er den type, vi er mere fortrolige med fra popkultur.
Disse typer systemer ville være i stand til at vise alle elementer af menneskelig intelligens. Skynet fra Terminator filmfranchise, eller HAL fra 2001: A Space Odyssey er fiktive eksempler på General AI. Selvom filmene fortæller dig, var det ikke alle generelle AI-systemer, der ville ødelægge menneskeheden.
Hvad er maskinlæring?
Vi ved alle, at data kan være nyttige. Uanset om det er at vide, hvilken rute vi skal tage på vejen til kontoret eller holde øje med vores helbred, data informerer vores beslutninger og guider os gennem livet. Men vi genererer så meget hver dag, at det er blevet umuligt for os mennesker at analysere.
Så vi skulle få maskiner til at udføre den tunge løft for os.
Googles kursus om maskinlæring Hvad er maskinlæring? Googles gratis kursus bryder det ned for dig Hvad er maskinlæring? Googles gratis kursus bryder det ned for dig Google har designet et gratis onlinekursus for at lære dig de grundlæggende elementer i maskinlæring. opsummerer maskinlæring som “ved hjælp af data til at besvare spørgsmål.” De opdeler det i to dele: træning og forudsigelser. Forestil dig, at du har en samling billeder med figurer, som du ønskede at genkende. Hvis billederne indføres i maskinlæringsalgoritmen, begynder systemet at lære funktionerne i denne form.
Når det møder et nyt billede, sammenlignes formen med elementerne fra træningsdataene for at bestemme, om det er et match.
Selvom du muligvis ikke genkender det, er personaliserede søgeresultater, Spotify-spillelister og Amazon-produktanbefalinger også et resultat af maskinlæring. Netflix bruger endda maskinlæringsalgoritmer til at tilpasse det omslagsbillede, du får vist.
Hvad er dyb læring?
Selvom vi ikke fuldt ud forstår intelligens, har forskere formået at vise, at hjernen genererer information gennem et komplekst netværk af neuroner. Vores hjerne består af disse elektriske forbindelser, der danner neurale veje. Disse veje bærer information omkring vores kroppe, så vi kan bevæge os, ånde og tænke.
Billedkredit: ktsdesign / Depositphotos
Men hvis hver af disse neurale veje var uafhængige af hinanden, ville vores reaktionstider være utroligt langsomme, og vi er muligvis ikke i stand til at skabe forbindelser mellem tanker. Systemets succes hænger sammen med forholdet mellem alle disse veje, hvilket giver anledning til samtidig databehandling.
Dyb læring er en metode til gentagelse af dette tætte netværk af neuroner. Ved at håndtere flere datastrømme på én gang har computere været i stand til at reducere den tid, det tager at behandle data markant. Anvendelse af denne teknik til dyb læring har givet anledning til kunstige neurale netværk Hvad er neurale netværk, og hvordan fungerer de? Hvad er neurale netværk, og hvordan fungerer de? Neurale netværk er den næste store ting, når det kommer til tunge beregninger og smarte algoritmer. Her er, hvordan de fungerer, og hvorfor de er så fantastiske. .
Disse netværk består af en række noder. Der er inputnoder til modtagelse af data, outputnoder for de resulterende data og skjulte lag af noder i midten. Målet er at omdanne inputdataene til noget, som outputnoderne kan bruge. Det er her, de skjulte lag kommer ind. Når dataene skrider frem gennem disse skjulte knudepunkter, bruger det neurale netværk logik til at bestemme, hvilken knude der skal videresendes dataene til næste.
Machine Learning vs. AI vs. Deep Learning
Mens maskinlæring er et kraftfuldt værktøj, der hjælper os med at forstå de enorme mængder data, vi skaber, udviser den ikke uafhængig tanke. Algoritmen er designet af programmerere, og de sætter reglerne, som maskinlæringssystemet skal spille efter. Udviklingen af udviklerne, uanset om de er bevidste eller ej, har forgreninger.
Et af de første betydelige tilbageslag for maskinlæring kom med tilladelse fra en af Googles ingeniører. I 2015 bemærkede han, at virksomhedens fotoidentifikationsalgoritme mærkede ham og hans sorte venner som gorillaer. Google undskyldte øjeblikkeligt og implementerede kortvarige rettelser.
To år senere rapporterede WIRED imidlertid Googles løsning var at fjerne gorillaer fra træningsdataene helt.
På den anden side tager dyb læring os et skridt tættere på generel kunstig intelligens. Ved at forsøge at gentage det menneskelige sind gennem en flerlags samling af noder, behøver ikke dybe læringsstrukturer at blive uddannet med et stort indledende datasæt. De træffer beslutninger baseret på de leverede oplysninger og systemets logik.
At et neutralt netværks beslutningstagning ikke er gennemsigtigt kan virke nervøs, men det betyder, at det lykkes med at gentage den menneskelige intelligens. For eksempel forstår vi ikke engang fuldt ud, hvordan vi kommer frem til vores egne tanker og beslutninger.
Kunstig intelligens for alle
I sidste ende er der ingen grund til at sammenligne maskinlæring versus AI eller dyb læring versus maskinlæring, da de alle tjener forskellige formål. AI beskriver begrebet menneskelig intelligens i maskiner, mens maskinlæring og dyb læring er bestræbelser på at skabe en generel AI.
Det er ikke til at sige, at AI-feltet er helt abstrakt. Google bruger sine massive datasæt ved at tilføje AI til næsten alle sine produkter. Gmail blev for nylig fornyet med Smart Replies, mens virksomhedens Duplex AI rulles ud over USA og kan håndtere telefonopkald på dine vegne. Men de er ikke de eneste, der kan komme ind på AI-spillet.
Du kan prøve det selv lige nu med Googles online AI-eksperimenter 5 Bedste Google AI-eksperimenter til at udforske kunstig intelligens 5 Bedste Google AI-eksperimenter til at udforske kunstig intelligens Google har flere AI-eksperimenter, som du kan gå og lege med lige nu. Takket være maskinlæring kan de ændre morgendagens verden med din hjælp. .
Billedkredit: sdecoret / Depositphotos