La diferencia entre inteligencia artificial, aprendizaje automático y aprendizaje profundo.

El aprendizaje profundo es el aprendizaje automático en sí mismo, que es un subconjunto de la inteligencia artificial.

Inteligencia artificial (IA): cualquier algoritmo o técnica que permita que los dispositivos informáticos resuelvan o resuelvan problemas que las personas tienen que hacer manualmente antes se puede llamar algoritmo o técnica de IA. La IA puede ser un gran conjunto de expresiones if-else simples o un algoritmo muy complejo.

Si ha estudiado inteligencia artificial en su propia escuela o universidad, habría leído algo llamado "ESTOS SISTEMAS" para cualquier tarea. Un ejemplo de un sistema basado en reglas es MYCIN, que está diseñado para detectar bacterias que causan infecciones graves y para recomendar antibióticos por Stanford, que no es más que SI ENTONCES.

Captura de pantalla del papel MYCIN

En la década de 1980, la IA comenzó a crecer de sistemas simples basados ​​en reglas a algoritmos cada vez más sofisticados que dieron origen a un nuevo campo llamado Machine Learning.

Machine Learning (ML): Machine Learning es la lógica de lo que se conoce como "Inteligencia Artificial", sino más bien otros sistemas basados ​​en reglas antiguas.

Entonces, ¿qué es el aprendizaje automático?

El aprendizaje automático es una predicción del resultado utilizando una plantilla que acepta datos (texto, imágenes, audio, video o cualquier cosa que pueda denominarse entrada), comprende e interpreta el patrón que subyace a los datos. cualquier algoritmo que lo haga. nueva informacion.

Entonces, ¿qué hace que Machine Learning sea diferente de los sistemas anteriores?

En el pasado, las personas tendrían que codificar estrictamente las instrucciones IF y THEN para la salida y salida de cualquier problema para la implementación de AI, pero es muy difícil para las personas escribir código cuando la salida depende de muchas características, no pocas se convierte en una tarea Un programa que funciona bien. Considere un ejemplo, si usamos las palabras SI ENTONCES para estimar el tamaño de la casa para incluir el precio. Obviamente, el precio de una casa depende no solo de su tamaño sino también de muchas propiedades, como no. cuantos años tiene una casa para ejecutar

Entonces, para resolver problemas tan complejos, las mentes inteligentes de todo el mundo usan diferentes algoritmos para decidir árboles, soportar máquinas de vectores, revoluciones lineales y más.

Cada uno de estos algoritmos funciona de manera diferente, y algunos se desempeñan mejor en algunas tareas que otros, y otros se desempeñan mejor en otras tareas. La tarea aquí es descubrir qué algoritmo funciona mejor que qué datos.

Si usa Kinect, es una buena idea saber que él usa el algoritmo ML para determinar su posición.

Imagen de muestra

Uno de estos algoritmos se denomina "Red neuronal artificial" (ANN), aunque está inspirado en cómo funciona la mente humana y está inspirado en el funcionamiento del cerebro humano, algunos expertos en IA ni siquiera se acercan. . Creo que ANN es el nombre incorrecto dado a este algoritmo.

Sin embargo, el nacimiento de ANN creó un nuevo subdominio de IA, el subcampo Machine Learning llamado Deep Learning.

Deep Learning (DL): puede pensar que tenemos otros algoritmos de aprendizaje automático que pueden resolver una variedad de problemas, entonces, ¿por qué es tan importante la invención de ANN?

La respuesta es que si tenemos suficiente información, ANN puede resolver cualquier problema con un sorprendente grado de precisión. El ANN también se conoce como una aproximación de funciones universales, lo que simplemente significa que el ANN es el único algoritmo para controlarlos a todos.

El ANN fue inventado en los años 80, pero permaneció muerto durante diez años, porque en la década de 1980, nadie tenía la enorme cantidad de datos y poder de cómputo para usar estos algoritmos en una computadora, incluso el algoritmo GPU. incluso sin leer entender el patrón en los datos. Con el tiempo, el algoritmo ANN ha comenzado a crear nuevos algoritmos llamados Red neuronal de convolución (CNN), Red neuronal repetitiva (RNN), Redes competitivas generativas (GAN) y más.

Es posible que haya utilizado estos algoritmos sin saberlo. CNN generalmente se usa para el reconocimiento de imágenes, y Facebook lo usa para etiquetar automáticamente a las personas. RNN se usa para procesar datos de secuencia, y Google lo usa en Google Translate. Las GAN generalmente se usan para crear información, Prisma la usa para aplicar el estilo de imagen a su imagen.

Todo es tan diferente, ¿por qué el aprendizaje profundo se llama aprendizaje "profundo", no otra cosa? Si tiene que adivinar, el ANN se ve así:

Red neuronal de dos capas (la capa de acceso no es una capa)

Como puede ver, la red neuronal tiene una capa de acceso, una capa oculta y una capa de salida. Cuando piensas que no. Las capas en la red simplemente ignoran el cálculo de la capa de entrada, por lo que la imagen de arriba representa una red neuronal de dos capas. Cada red neuronal tiene al menos 2 capas, la capa de entrada y salida, una para entrada y otra para predicción de salida. No capas ocultas para ser utilizadas y no. La solución de las neuronas (nodos en cada capa) será nuestra elección dependiendo de la complejidad del problema.

Por lo tanto, para resolver problemas complejos, aumentamos la cantidad de neuronas que usamos o la cantidad de capas ocultas en la red. A medida que aumenta el número de capas ocultas, la red se vuelve más profunda, conocida como Deep Learning.

Red neuronal profunda

Resumen:

La inteligencia artificial es un término genérico que incluye Machine Learning, donde obtenemos datos en algoritmos y predicciones como resultado. Uno de estos algoritmos es la "Red neuronal", que, si tenemos una gran cantidad de datos y capacidad de procesamiento, abre la posibilidad de resolver muchos problemas complejos, cuanto más ocultemos la red neuronal, más Esto se llama El término AI a menudo se usa indistintamente con Machine Learning y Deep Learning, aunque usar el término AI en lugar de ML o DL no es un delito, y creo que el algoritmo "AI" de ML es solo una forma para personas sin tecnología Se da.