A mesterséges intelligencia hulláma végigsöpör a világon, és sok szó mindig a fülünkben marad: mesterséges intelligencia (mesterséges intelligencia), gépi tanulás (gépi tanulás), mély tanulás (mély tanulás). Sok embernek mindig homályos megértése van ezeknek a magas frekvenciájú szavaknak a jelentéséről és a mögöttük álló kapcsolatról. Ez a cikk tisztázza ezeknek a szavaknak a jelentését a legegyszerűbb nyelven, ami segíthet mindenkinek jobban megérteni a köztük lévő kapcsolatot.
Az autóktól az okostelefonokig, a digitális asszisztensekig és még a robotokig is. Nem csak az úttörő új funkciókról beszélünk, amelyek minden nap felbukkannak. Sőt, az eszközök, számítógépek és gépek mind intelligensen végzik a feladatokat. Hogy csinálják? Mesterséges intelligencián keresztül, más néven AI.
A "mesterséges intelligencia" kifejezést először John McCarthy kognitív tudós alkotta meg, aki könyvében ezt írta: "Ez a kutatás azon a feltételezésen alapul, hogy bármely tanulási viselkedés vagy más intellektuális jellemző elvileg pontos leírás lehet, így egy gépet fel lehet építeni annak szimulálására." Azóta a mesterséges intelligencia kísérti az emberek elméjét, és lassan kikelt a tudományos kutatólaboratóriumokban. Az ezt követő évtizedekben a mesterséges intelligencia megfordította polaritásait, vagy az emberi civilizáció káprázatos jövőjének próféciájának nevezték, vagy a technológiai őrültek fantáziájaként a szemétdombba dobták. 2012-ig mindkét hang egyszerre létezett.
|. ábra Mesterséges intelligencia kutatási részleg
2012 után az adatmennyiség növekedésének, a számítási teljesítmény javulásának és az új gépi tanulási algoritmusok (mély tanulás) megjelenésének köszönhetően a mesterséges intelligencia robbanásszerűen kezdett felrobbanni. A jelenlegi tudományos kutatási munka azonban a gyenge mesterséges intelligencia részre összpontosul, és nagyon reméli, hogy a közeljövőben jelentős áttörésre kerül sor. A filmek mesterséges intelligenciájának nagy része erős mesterséges intelligenciát ábrázol, és ezt a részt nehéz elérni a jelenlegi valós világban. (A mesterséges intelligenciát általában gyenge mesterséges intelligenciára és erős mesterséges intelligenciára osztják. Az előbbi lehetővé teszi a gépek számára, hogy képesek legyenek megfigyelni és érzékelni, és bizonyos szintű megértést és érvelést érhetnek el, míg az erős mesterséges intelligencia lehetővé teszi a gépek számára, hogy adaptív képességeket szerezzenek és megoldjanak néhány olyan problémát, amelyek korábban nem merültek fel.
A gyenge mesterséges intelligencia várhatóan áttörést fog elérni, hogyan érhető el, és honnan származik az "intelligencia"? Ez nagyrészt a mesterséges intelligencia egyik megközelítésének köszönhető - a gépi tanulásnak.
A legegyszerűbb módszert használjuk a hármak közötti kapcsolat megjelenítésére.
Mesterséges intelligencia
Egyszerűen fogalmazva, a mesterséges intelligencia leírja azokat a különböző módokat, amelyekkel a gép kölcsönhatásba lép a körülötte lévő világgal. A fejlett, emberszerű intelligenciával az AI-gép vagy eszköz képes utánozni az emberi viselkedést, vagy olyan feladatokat végezni, mint egy ember a szoftver és a hardver együttes hatásain keresztül.
Ma sokat láthatunk a mesterséges intelligenciáról, mint például a beszédfelismerés (az intelligens személyi asszisztens eszközökben), az arcfelismerés (amelyet a közösségi médiában jelenleg népszerű szűrőkben használnak) vagy az objektumfelismerésről (például az alma és a narancs képének keresése).
Gépi tanulás
A gépi tanulás a mesterséges intelligencia olyan megközelítése vagy részhalmaza, amely a számítógépes programok helyett a "tanulást" hangsúlyozza. A gép összetett algoritmusokat használ nagy mennyiségű adat elemzésére, az adatok mintáinak azonosítására és előrejelzésre, egy olyan folyamatra, amely nem követeli meg az embertől, hogy konkrét utasításokat írjon a gép szoftverébe. Miután összetévesztette a krémes puffot egy narancsmal, a rendszer mintafelismerése idővel javul, ahogy tanul a hibáiból, és korrigálja magát, mint egy ember.
Mély tanulás
A mély tanulás a gépi tanulás egy részhalmaza, amely nagy lépéseket tesz a számítógépes intelligencia terén. Sok adatot és számítási teljesítményt használ a mély neurális hálózatok szimulálására. Lényegében ezek a hálózatok utánozzák az emberi agy kapcsolódását, osztályozzák az adatkészleteket és felfedezik a köztük lévő összefüggéseket. Az újonnan megtanult ismeretekkel (emberi beavatkozás nélkül) a gép más adatkészletekre is alkalmazhatja meglátásait. Minél több adatot dolgoz fel egy gép, annál pontosabbak lesznek az előrejelzései.
Például egy mélytanulási eszköz megvizsgálhatja a nagy adatokat - például a gyümölcs színét, alakját, méretét, érési idejét és eredetét -, hogy pontosan meghatározza, hogy az alma zöld alma vagy a narancs vérnarancs.
Az AI, a gépi tanulás és a mély tanulás közötti különbségek nem olyan nyilvánvalóak, mint az alma és a narancs, finomabbak. A gépi tanulás a mesterséges intelligencia elérésének módszere, és a mély tanulás a gépi tanulás elérésének technológiája. Most már érted a különbséget közöttük?
