Q:
Wat is het verschil tussen kunstmatige intelligentie, machine learning en deep learning?
EEN:De termen 'kunstmatige intelligentie', 'machine learning' en 'deep learning' beschrijven een proces dat de afgelopen decennia op zichzelf is voortgebouwd, aangezien de wereld enorme vooruitgang heeft geboekt op het gebied van rekenkracht, gegevensoverdracht en andere technologische doelen.
Het gesprek moet beginnen met kunstmatige intelligentie, een brede term voor alle mogelijkheden van computers of technologieën om menselijk denken of hersenactiviteit te simuleren. In zekere zin begon kunstmatige intelligentie al vroeg, met eenvoudige computer schaakprogramma's en andere programma's die menselijke besluitvorming en gedachten begonnen na te bootsen.
| Gratis download: machine learning en waarom het ertoe doet |
Kunstmatige intelligentie bleef zich ontwikkelen vanaf het begin van de personal computer, naar het tijdperk van het internet, en uiteindelijk naar het tijdperk van cloud computing, virtualisatie en geavanceerde netwerken. Kunstmatige intelligentie is op veel manieren gegroeid en uitgebreid als een belangrijke technologie-industrie.
Een van de mijlpalen in kunstmatige intelligentie is de opkomst en toepassing van machine learning, een specifieke benadering voor het bereiken van kunstmatige intelligentiedoelen.
Machine learning maakt gebruik van geavanceerde algoritmen en programma's om computersoftware te helpen beter te worden in het nemen van bepaalde beslissingen in een prestatieomgeving. In plaats van simpelweg een computer te programmeren om één set dingen steeds opnieuw te doen, zoals het geval was met de handgecodeerde programma's van de jaren 1970 en 1980, begint machine learning heuristiek, gedragsmodellering en andere soorten projecties te gebruiken om de technologie om de besluitvorming te verbeteren en in de loop van de tijd te evolueren. Machine learning is toegepast om spam-e-mail te bestrijden, kunstmatige intelligentie-persoonlijkheden zoals IBM Watson te implementeren en kunstmatige intelligentiedoelen op andere manieren te bereiken.
Diep leren bouwt op zijn beurt voort op machine learning. Experts beschrijven diep leren als het gebruik van algoritmen om abstracties op hoog niveau aan te sturen, zoals het gebruik van kunstmatige neurale netwerken om technologieën op taken te trainen. Diep leren brengt machine learning naar een hoger niveau door te proberen de werkelijke menselijke hersenactiviteit te modelleren en die toe te passen op kunstmatige besluitvorming of ander cognitief werk.
Diep leren is aangetoond door voorbeelden zoals geavanceerde optimalisatieprogramma's voor de toeleveringsketen, laboratoriumapparatuurprogramma's en andere soorten innovaties zoals het generatieve netwerk van tegenstanders, waarbij twee tegengestelde netwerken, een generatief en discriminerend netwerk, tegen elkaar werken om mensen te modelleren denkprocessen van discriminatie. Dit specifieke type diep leren kan worden toegepast op beeldverwerking en ander gebruik.
De realiteit is dat diep leren kunstmatige intelligentie dichter bij wat experts beschouwen als 'sterke AI', kunstmatige intelligentie die min of meer volledig in staat is om vele menselijke denkfuncties te repliceren. Dit geeft aanleiding tot een aanzienlijk debat over hoe deze opkomende technologieën effectief moeten worden behandeld en hoe te zorgen voor een wereld waarin computers op dezelfde manier denken als wij.
