Apprendimento profondo vs Machine Learning vs. AI: come vanno insieme?

deep-learning-ai-machine

La prossima grande novità della tecnologia è l'apprendimento automatico . O è apprendimento profondo ? Forse è l' intelligenza artificiale . Se ti ritrovi intrappolato nelle differenze tra i tre, non sei solo.

Mai rinunciare a un'opportunità per generare clamore e ricavare denaro da Venture Capital, alcune aziende tecnologiche hanno usato tutti e tre in modo intercambiabile. Mentre cadono tutti sotto lo stesso ombrello, ci sono alcune differenze cruciali tra loro.

Cos'è l'intelligenza artificiale?

L'intelligenza artificiale, comunemente indicata come AI, è un concetto piuttosto che un sistema. L'intelligenza è percepita come un tratto unicamente umano. Tradizionalmente, si pensava che le macchine acquisissero conoscenza, ma non intelligenza o saggezza. Lo scienziato informatico Alan Turing trascorse gran parte dell'ultima parte della sua vita considerando se le macchine potessero pensare.

Ha ideato il test di Turing che mira a determinare se una macchina può esibire un comportamento intelligente piuttosto che essere necessariamente intelligente. Questa è una distinzione importante perché non comprendiamo ancora pienamente il pensiero o l'intelligenza.

Invece di tentare di definire l'intelligenza, speriamo di creare macchine in grado di mostrare comportamenti intelligenti.

Piuttosto che essere una tecnologia in sé, l'intelligenza artificiale è un mezzo per descrivere i sistemi. Questi sistemi possono essere etichettati come IA ristretta e AI generale. L'IA ristretta è un sistema intelligente ma solo per un compito specifico. L'intelligenza artificiale generale è il tipo con cui abbiamo più familiarità con la cultura pop.

Questi tipi di sistemi sarebbero in grado di mostrare tutti gli elementi dell'intelligenza umana. Skynet della serie cinematografica di Terminator, o HAL del 2001: Odissea nello spazio, sono esempi romanzati di IA generale. Però, nonostante quello che i film dicono, non tutti i sistemi di intelligenza artificiale generale sarebbero pronti a distruggere l'umanità.

Che cos'è l'apprendimento automatico?

Sappiamo tutti che i dati possono essere utili. Sia che sappia quale strada prendere per andare in ufficio o tenere d'occhio la nostra salute, i dati informano le nostre decisioni e ci guidano attraverso la vita. Ma generiamo così tanto ogni giorno che è diventato impossibile per noi umani analizzare.

Quindi, dovremmo far sì che le macchine facciano il lavoro pesante per noi.

Il corso di apprendimento automatico di Google riassume l'apprendimento automatico come "utilizzare i dati per rispondere alle domande". Suddividono in due parti: formazione e previsioni. Immagina di avere una collezione di immagini con forme che volevi riconoscere. Se le immagini vengono inserite nell'algoritmo di apprendimento automatico, il sistema inizia a conoscere le caratteristiche di quella forma.

Quando incontra una nuova immagine, la forma viene confrontata con gli elementi dei dati di allenamento per determinare se si tratta di una corrispondenza.

Anche se potresti non riconoscerlo, i risultati di ricerca personalizzati, le playlist di Spotify e le raccomandazioni sui prodotti Amazon sono anche il risultato dell'apprendimento automatico. Netflix utilizza anche algoritmi di apprendimento automatico per personalizzare l'artwork della copertina che viene mostrato .

Cos'è l'apprendimento profondo?

Mentre non comprendiamo appieno l'intelligenza, gli scienziati sono riusciti a dimostrare che il cervello genera informazioni attraverso una complessa rete di neuroni. Il nostro cervello è costituito da queste connessioni elettriche che formano percorsi neurali. Questi percorsi portano informazioni attorno ai nostri corpi permettendoci di muoverci, respirare e pensare.

Immagine generata da computer di neuroni e percorsi neurali
Immagine di credito: ktsdesign / Depositphotos

Tuttavia, se ognuno di questi percorsi neurali fosse indipendente l'uno dall'altro, i nostri tempi di reazione sarebbero incredibilmente lenti e potremmo non essere in grado di stabilire connessioni tra i pensieri. Il successo del sistema dipende dalla relazione tra tutti questi percorsi, dando vita a un'elaborazione simultanea dei dati.

L'apprendimento profondo è un metodo per replicare questa fitta rete di neuroni. Gestendo più flussi di dati contemporaneamente, i computer sono stati in grado di ridurre il tempo necessario per elaborare i dati in modo significativo. L'applicazione di questa tecnica all'apprendimento approfondito ha dato origine a reti neurali artificiali .

Queste reti sono costituite da una serie di nodi. Esistono nodi di input per la ricezione di dati, nodi di output per i dati risultanti e livelli nascosti di nodi nel mezzo. L'obiettivo è trasformare i dati di input in qualcosa che i nodi di output possono utilizzare. È qui che entrano gli strati nascosti. Mentre i dati avanzano attraverso questi nodi nascosti, la rete neurale utilizza la logica per decidere su quale nodo passare i dati al successivo.

Machine Learning vs. AI vs. Apprendimento profondo

Mentre l'apprendimento automatico è uno strumento potente che ci aiuta a dare un senso alla grande quantità di dati che creiamo, non mostra un pensiero indipendente. L'algoritmo è progettato dai programmatori e stabiliscono le regole che il sistema di apprendimento automatico deve svolgere. I pregiudizi degli sviluppatori, siano essi consapevoli o meno, hanno ramificazioni.

Screenshot del sito web di Google Foto che descrive l'identificazione fotografica

Uno dei primi ostacoli significativi all'apprendimento automatico è venuto per gentile concessione di uno dei tecnici di Google. Nel 2015, ha notato che l'algoritmo di identificazione fotografica dell'azienda identificava lui e i suoi amici neri come gorilla. Google si è immediatamente scusato e ha implementato correzioni a breve termine.

Tuttavia, due anni dopo, WIRED ha riferito che la soluzione di Google era di rimuovere del tutto i gorilla dai dati di addestramento.

D'altra parte, l'apprendimento profondo ci avvicina all'intelligenza artificiale generale. Cercando di replicare la mente umana attraverso una raccolta di nodi a più livelli, le strutture di apprendimento profondo non devono essere addestrate con un grande set di dati iniziale. Prendono decisioni in base alle informazioni fornite e alla logica del sistema.

Che il processo decisionale di una rete neutrale non sia trasparente può sembrare snervante, ma significa che riesce a replicare l'intelligenza umana. Ad esempio, non comprendiamo appieno come arriviamo con i nostri pensieri e le nostre decisioni.

Intelligenza artificiale per tutti

Alla fine, non c'è bisogno di confrontare l'apprendimento automatico con l'intelligenza artificiale o l'apprendimento approfondito rispetto all'apprendimento automatico, poiché tutti servono a scopi diversi. AI descrive il concetto dell'intelligenza umana nelle macchine, mentre l'apprendimento automatico e l'apprendimento profondo sono sforzi per creare un'IA generale.

Questo non vuol dire che il campo dell'IA sia completamente astratto. Google sta facendo uso dei suoi enormi set di dati aggiungendo AI a quasi tutti i suoi prodotti. Recentemente Gmail è stato rinnovato con Smart Replies , mentre l'AI Duplex della società è stata lanciata negli Stati Uniti e può gestire le chiamate telefoniche per tuo conto . Ma non sono gli unici che possono entrare nel gioco AI.

Puoi provarlo subito con gli esperimenti online di Google su Google .

Immagine di credito: sdecoret / Depositphotos

Leggi l'articolo completo: Deep Learning vs. Machine Learning vs. AI: come vanno insieme?

Fonte: makeuseof.com

Precedente Come disabilitare l'accesso all'app Impostazioni e al Pannello di controllo in Windows 10 Successivo La guida alle dimensioni delle immagini di Facebook per il 2018

Rispondi