T:
Ano ang pagkakaiba sa pagitan ng artipisyal na katalinuhan, pag-aaral ng makina at malalim na pagkatuto?
A:Ang mga salitang "artipisyal na katalinuhan, " "pag-aaral ng makina" at "malalim na pagkatuto" ay naglalarawan ng isang proseso na binuo sa sarili nitong mga nakaraang dekada, habang ang mundo ay gumawa ng napakalaking pagsulong sa kapangyarihan ng computing, paglipat ng data at iba pang mga layunin sa teknolohiya.
Ang pag-uusap ay dapat magsimula sa artipisyal na katalinuhan, isang malawak na termino para sa anumang kakayahan ng mga computer o teknolohiya upang gayahin ang pag-iisip ng tao o aktibidad ng utak. Sa isang kahulugan, ang artipisyal na katalinuhan ay nagsimula nang maaga, na may simpleng mga programa sa paglalaro ng chess ng computer at iba pang mga programa na nagsimulang gayahin ang paggawa at pag-iisip ng tao.
| Libreng Pag-download: Pag- aaral ng Machine at Bakit Mahalaga ito |
Ang artipisyal na katalinuhan ay nagpatuloy sa pag-unlad mula sa mga unang araw ng personal na computer, hanggang sa edad ng internet, at sa wakas hanggang sa edad ng computing ulap, virtualization at sopistikadong mga network. Ang artipisyal na katalinuhan ay lumago at lumawak sa maraming paraan bilang isang pangunahing industriya ng teknolohiya.
Ang isa sa mga milestone sa artipisyal na katalinuhan ay ang paglitaw at pag-aampon ng pagkatuto ng makina, isang partikular na diskarte sa pagkamit ng mga layunin ng intelektwal na katalinuhan.
Ang pag-aaral ng makina ay gumagamit ng mga sopistikadong algorithm at programa upang matulungan ang computer software upang makakuha ng mas mahusay sa paggawa ng ilang mga hanay ng mga pagpapasya sa isang kapaligiran sa pagganap. Sa halip na simpleng pagprograma ng isang computer na gawin ang isang hanay ng mga bagay na paulit-ulit, tulad ng nangyari sa mga programang hand-coded noong 1970s at 1980s, ang pag-aaral ng makina ay nagsisimulang gumamit ng heuristik, pagmomolde sa pag-uugali at iba pang mga uri ng pag-asa upang payagan ang teknolohiya upang mapagbuti ang paggawa ng desisyon at umunlad sa paglipas ng panahon. Ang pag-aaral ng makina ay inilapat sa paglaban sa spam email, pagpapatupad ng mga personalidad na intelihente ng intelektwal tulad ng IBM Watson, at pagkamit ng mga layunin ng artipisyal na intelektwal sa iba pang mga paraan.
Ang malalim na pag-aaral, sa turn, ay bumubuo sa pag-aaral ng makina. Inilalarawan ng mga eksperto ang malalim na pag-aaral bilang ang paggamit ng mga algorithm upang himukin ang mga abstraction na may mataas na antas, tulad ng paggamit ng mga artipisyal na neural network upang sanayin ang mga teknolohiya sa mga gawain. Ang malalim na pagkatuto ay tumatagal ng pagkatuto ng makina sa susunod na antas sa pamamagitan ng pagsisikap na modelo ng aktwal na aktibidad ng utak ng tao at ilapat iyon sa artipisyal na paggawa ng desisyon o iba pang gawaing nagbibigay-malay.
Ang malalim na pag-aaral ay ipinakita sa pamamagitan ng mga halimbawa tulad ng mga programa ng pag-optimize ng supply chain sa pag-optimize, mga programa sa kagamitan sa laboratoryo at iba pang uri ng mga makabagong ideya tulad ng generative adversarial network, kung saan ang dalawang magkasalungat na network, isang generative at diskriminatibong network, ay nagtatrabaho laban sa bawat isa upang magpakitang modelo ng tao naisip na mga proseso ng diskriminasyon. Ang partikular na uri ng malalim na pag-aaral ay maaaring mailapat sa pagproseso ng imahe at iba pang mga gamit.
Ang katotohanan ay ang malalim na pag-aaral ay nagtutulak ng artipisyal na intelihensiya na mas malapit sa kung ano ang itinuturing ng mga eksperto na "malakas na AI, " artipisyal na katalinuhan na higit o hindi gaanong ganap na may kakayahang mag-replika ng maraming mga pag-iisip ng tao. Nagbibigay ito ng makabuluhang debate tungkol sa kung paano mabisa nang epektibo ang mga umuusbong na teknolohiyang ito, at kung paano mag-aalaga para sa isang mundo kung saan iniisip ng mga computer sa ilang mga parehong paraan na ginagawa natin.
