Unterschied zwischen KI, maschinellem Lernen und Deep Learning -

In den letzten Jahren, zusammen mit dem Ausbruch der industriellen Revolution 4.0, werden Begriffe wie künstliche Intelligenz (KI), maschinelles Lernen und Deep Learning allmählich populär und zu Konzepten, die die Bürger der Ära 4.0 begreifen müssen.

Die Beziehung zwischen diesen drei Konzepten lässt sich erklären, indem man sie sich als Kreise vorstellt, wobei KI – die früheste Idee – der größte Kreis ist, gefolgt von maschinellem Lernen – dem Konzept, das danach kommt – und schließlich Deep Learning – das den Strom antreibt KI-Boom – ist der kleinste Kreis.

Der Aufbau eines KI-Systems ist natürlich extrem kompliziert, aber es zu verstehen ist nicht so schwierig. Die meisten der aktuellen künstlichen Intelligenzen sind nur wirklich gute Ratemaschinen (ähnlich wie unser Gehirn). Sie geben dem System eine Gruppe von Daten (z. B. die Ziffern 1 bis 10) und bitten das System, ein Modell (x + 1, beginnend bei 0) zu erstellen und Vorhersagen zu treffen. (Die nächste Zahl wird elf sein). Es gibt keine Magie, das ist es, was das menschliche Gehirn jeden Tag tut: Verwenden Sie, was wir wissen, um Vermutungen über das Unbekannte anzustellen.

Was KI von anderen Computerprogrammen unterscheidet, ist, dass wir KI (maschinelles Lernen) vollständig lehren können, anstatt für jeden Fall spezifische Programme erstellen zu müssen, und dass sie auch die Fähigkeit zum automatischen Deep Learning hat. Diese drei Begriffe lassen sich im Wesentlichen wie folgt definieren:

Künstliche Intelligenz (KI):  eine Maschine, die menschliches Verhalten und Denken nachahmen kann.

Maschinelles Lernen:  Eine KI-Funktion, mit der Experten die KI trainieren können, Datenmuster zu erkennen und Vorhersagen zu treffen.

Deep Learning:  Eine kleine Technik des maschinellen Lernens, die es Maschinen ermöglicht, sich selbst zu trainieren.

Was ist KI (Künstliche Intelligenz)?

KI kann als Teilgebiet der Informatik definiert werden, das sich mit der Automatisierung intelligenter Verhaltensweisen befasst. KI ist ein Teil der Informatik und muss daher auf soliden, anwendbaren theoretischen Grundlagen des Fachgebiets basieren. Einfach gesagt: Es ist die von Menschen geschaffene Intelligenz von Maschinen. Diese Intelligenz kann denken, denken, lernen, ... wie die menschliche Intelligenz. Verarbeiten Sie Daten in größerem, umfangreicherem, systematischerem, wissenschaftlicherem und schnellerem Maße als Menschen.

Derzeit ist die KI-Technologie jedoch noch sehr begrenzt. Zum Beispiel Alexa – eine großartige Haushälterin, eine der beliebtesten Ikonen von Anwendungen für künstliche Intelligenz, die den Turing-Test aber immer noch nicht bestehen kann.

Kurz gesagt, was wir heute mit KI machen, ist das Konzept der „Narrow AI“. Diese Technologie ist in der Lage, bestimmte Aufgaben ähnlich oder besser als Menschen auszuführen. Beispiele für „enge KI“ in der Praxis sind die Bildklassifizierungstechnologie von Pinterest oder die Gesichtserkennung, um Freunde auf Facebook zu markieren.

Diese Technologien stellen einen Aspekt der menschlichen Intelligenz dar, aber wie kann das sein? Woher kommt diese Weisheit? Kommen wir zum nächsten Kreis: Maschinelles Lernen.

Was ist maschinelles Lernen?

Maschinelles Lernen – ein Ansatz der KI

Maschinelles Lernen ist ein weit gefasster Begriff, der sich auf den Vorgang bezieht, bei dem Sie einem Computer beibringen, eine von ihm ausgeführte Aufgabe zu verbessern. Genauer gesagt bezieht sich maschinelles Lernen auf jedes System, bei dem die Leistung eines Computers beim Ausführen einer Aufgabe besser wird, nachdem diese Aufgabe viele Male abgeschlossen wurde. Mit anderen Worten, die grundlegendste Fähigkeit des maschinellen Lernens besteht darin, einen Algorithmus zu verwenden, um verfügbare Informationen zu analysieren, daraus zu lernen und dann eine Entscheidung oder Vorhersage über etwas Verwandtes zu treffen. Anstatt Software mit detaillierten Anweisungen und Aktionen zu erstellen, um eine bestimmte Aufgabe auszuführen, werden Computer mithilfe großer Datenmengen und Algorithmen „trainiert“, um zu lernen, wie sie die Aufgabe ausführen.

Ohne maschinelles Lernen wäre die aktuelle KI ziemlich eingeschränkt, da sie Computern die Möglichkeit gibt, Dinge herauszufinden, ohne explizit programmiert zu werden. Nehmen wir als Beispiel für eine Art des maschinellen Lernens an, Sie möchten, dass ein Programm Katzen in Bildern erkennen kann:

• Zuerst geben Sie der KI eine Reihe von Katzenmerkmalen, die die Maschine erkennen soll, wie Fellfarbe, Körperform, Größe usw.
• Als Nächstes füttern Sie einige Bilder an die KI, wobei einige oder alle Bilder mit „Katze“ gekennzeichnet werden können, damit die Maschine katzenbezogene Merkmale und Details effektiver auswählen kann.
• Nachdem die Maschine alle notwendigen Katzendaten erhalten hat, muss sie wissen, wie sie eine Katze auf einem Bild findet – „Wenn das Bild bestimmte X-, Y- oder Z-Details enthält, besteht eine 95-prozentige Chance, eine Katze auf einem Bild zu finden . Vielleicht ist es eine Katze.“

Generell ist der Einsatz von maschinellem Lernen heute sehr beliebt und sein Nutzen unbestritten.

Was ist Deep Learning?

Deep Learning – eine Technik des maschinellen Lernens

Man kann sagen, dass die KI bis jetzt viele große Fortschritte gemacht hat. Betrachten Sie es als eine Art maschinelles Lernen mit tiefen „neuronalen Netzen“, die Daten auf ähnliche Weise verarbeiten können wie ein menschliches Gehirn. Der Hauptunterschied besteht hier darin, dass Menschen einem Deep-Learning-Programm nicht beibringen müssen, wie eine Katze aussieht, sondern ihr einfach alle notwendigen Bilder von Katzen geben müssen, und sie wird es selbst herausfinden. , Selbstlernen. Die Schritte sind wie folgt:

• Geben Sie der Maschine viele Bilder von Katzen.
• Der Algorithmus überprüft das Bild, um die gemeinsamen Merkmale und Details zwischen den Bildern zu erkennen.
• Jedes Bild wird auf vielen Ebenen detailliert dekodiert, von großen, allgemeinen Formen bis hin zu immer kleineren Kacheln. Wenn eine Form oder Linie viele Male wiederholt wird, kennzeichnet der Algorithmus dies als wichtige Eigenschaft.
• Nachdem er genügend der erforderlichen Bilder analysiert hat, weiß der Algorithmus nun, welche Muster die stärksten Hinweise auf Katzen liefern, und der Mensch muss nur noch die Rohdaten liefern.

Kurz gesagt: Deep Learning ist eine Art maschinelles Lernen, bei dem sich die Maschine selbst trainiert. Deep Learning erfordert viel mehr Dateneingabe und Rechenleistung als maschinelles Lernen, wird jedoch bereits von großen Technologieunternehmen wie Facebook und Amazon implementiert. Unter ihnen ist AlphaGo einer der bekanntesten Namen im maschinellen Lernen, ein Computer, der Go gegen sich selbst spielen kann, bis er die genauesten Bewegungen vorhersagen kann, die ausreichen, um viele Weltmeister zu schlagen.

Daraus schließen

Deep Learning hat die Anwendung vieler echter Maschinenprobleme ermöglicht und gleichzeitig das gesamte Feld der künstlichen Intelligenz erweitert. Deep Learning stört die Art und Weise, wie Menschen arbeiten, indem es alle Arten von Hilfsmaschinen funktionsfähig macht, ähnlich oder identisch mit Menschen. Fahrerlose Autos, bessere Gesundheitsfürsorge… All das wird heutzutage realisiert. KI ist die Gegenwart und Zukunft der Welt. Mit Hilfe von Deep Learning kann KI den Sci-Fi-Traum verwirklichen, den wir uns schon lange vorgestellt haben.