Inteligjenca artificiale, mësimi në makinë, mësimi i thellë dhe shkenca e të dhënave - Cili është ndryshimi?

ndryshimi midis AI, ML, DS, DL. Kredia për foto: Oluebube Princess Egbuna për Lagjet e Zhvilluesit të Rrethit në Facebook

Kur fillova mësimin e makinerive, pata shumë huti. Pështjellimi im nuk ishte asgjë teknike por mënyra sesi u hodhën fjalët gjatë udhëtimit tim për të mësuar makinën.

Kam dëgjuar fjalë si shkenca e të dhënave, inteligjenca artificiale, mësimi i makinerive dhe mësimi i thellë. Brenda këtyre qëllimeve, ka ende shumë fjalë që ngjallin kureshtje.

Ju mund të keni menduar se si ndryshojnë. Shpresojmë, unë do të jem në gjendje të pastroj dyshimin tuaj, kështu që kap një vend!

Këto zona po evoluojnë shpejt dhe përkufizimi që gjeni këtu sot mund të jetë i ndryshëm nga ai që do të gjeni nesër, kështu që mos harroni të mbani ritmin me rritjen e teknologjisë.

Farë është inteligjenca artificiale?

Para se të shikoja për kuptimin e inteligjencës artificiale në mënyrë të veçantë, unë kisha një ide që inteligjenca artificiale (AI), ishte për robotët që merrnin botën duke qenë në gjendje të bënin të njëjtat gjëra që ne, siç mund të bënim njerëzit.

Ndërsa kjo është pjesë e së vërtetës, kjo nuk është plotësisht ajo që ka të bëjë me inteligjencën artificiale. Siç e dimë, gjysma e së vërtetës nuk është pothuajse asnjë e vërtetë.

Fjala inteligjencë sipas fjalorit Merriam-Webster është
"Aftësia për të mësuar ose kuptuar ose për t'u marrë me situata të reja ose në përpjekje". Përcaktohet gjithashtu si përdorimi i aftë i arsyes dhe aftësia për të përdorur njohuri për të manipuluar mjedisin e një personi ose për të menduar në mënyrë abstrakte siç matet nga kriteret objektive (siç janë testet)

Inteligjenca artificiale (AI), pra, bazohet në idenë e aftësisë së një makinerie ose programi kompjuterik për të menduar (arsyetuar), për të kuptuar dhe mësuar si njerëzit.

Nga përkufizimi i inteligjencës, mund të themi gjithashtu se Inteligjenca artificiale është studimi i mundësisë së krijimit të makinave në gjendje të aplikojnë njohuritë e marra nga të dhënat në manipulimin e mjedisit.

Ende fjalë gumëzhitje? Prisni! Me terma të thjeshtë…

AI (inteligjenca artificiale) po riprodhon inteligjencën njerëzore në makina, veçanërisht sistemet kompjuterike përmes të mësuarit, arsyetimit dhe vetë-korrigjimit.

Shembull i jetës reale të AI:

Nëse jeni shoku im, dhe unë e kuptoj që ju doni filma aksion, unë do t'ju bëja sugjerime të filmave të veprimit për ju, bazuar në ato që unë di për ju. Ky është inteligjenca njerëzore.

Makineritë janë bërë gjithashtu në gjendje ta riprodhojnë këtë, nëse shikoni një kategori të veçantë filmash në Netflix, për shembull, Netflix fillon të bëjë sugjerime për filmin për ju, bazuar në modelin tuaj të shikimit.

Si është e mundur kjo? Inteligjence artificiale. Ky është një shembull shumë i përgjithshëm i inteligjencës artificiale.

Farë është mësimi i makinerisë?

Inteligjenca artificiale është shumë e gjerë. Mësimi i makinerisë (ML) është një bashkësi e Inteligjencës Artificiale. Mos harroni aspektin mësimor të përcaktimit të inteligjencës nga paragrafi i mëparshëm? Këtu hyn ML.

Mësimi i makinerisë (ML) është një grup mjetesh statistikore për të mësuar nga të dhënat. Bërthama e ML është në mësimin e kompjuterave se si të mësojnë dhe të bëjnë parashikime nga të dhënat pa domosdoshmërisht programuar.

Shembull i jetës reale të ML:

Të gjithë marrim postë elektronike spam. Këto gjithmonë filtrohen nga gmail për shembull. Gjithashtu, postat kategorizohen si promovime dhe sociale, si dhe kategori të tjera bazuar në shërbimin e postës që përdorni. Si ka mësuar gmail ta bëjë këtë? Mësimi i makinerisë! Mos harroni ML është pjesë e AI.

Isfarë është mësimi i thellë?

Në mësimin e makinerisë, të dhënat kryesisht kalojnë nëpër algoritme që kryejnë shndërrime lineare mbi to për të prodhuar rezultate.

Mësimi i thellë është një nënshtrim i mësimit të makinerisë në të cilin të dhënat kalojnë nëpër numrin e shumëfishtë të shndërrimeve jo-lineare për të marrë një rezultat.

‘Thellë’ i referohet shumë hapave në këtë rast. Prodhimi i një hapi është inputi për një hap tjetër, dhe kjo bëhet vazhdimisht për të marrë një rezultat përfundimtar. Të gjitha këto hapa nuk janë lineare. Një shembull i një transformimi jo-linear është një transformim i matricës.

Mësimi i thellë nganjëherë quhet rrjete nervore të thella (DNN) sepse bën përdorimin e rrjeteve nervore artificiale me shumë shtresa për të zbatuar mësimin e thellë.

Shikoni një foto të një neuroni nga truri i njeriut? Rrjetet nervore artificiale janë ndërtuar në mënyrë të ngjashme, me nyjet nervore të lidhura si një ueb.

Algoritmet e mësimit të thellë kërkojnë makina shumë të fuqishme dhe është shumë e dobishme në zbulimin e modeleve nga të dhënat hyrëse.

Një aplikim i mësimit të thellë:

Keni dëgjuar ndonjëherë për WaveNet dhe Deep Speech? Të dy janë rrjete Deep Learning që gjenerojnë automatikisht zërin. Teksti tek sistemet e zërit, përpara se të folurit WaveNet dhe Deep ishin trainuar me dorë.

Me mësimin e thellë, sistemet po mësojnë të imitojnë zërat njerëzorë deri në atë pikë sa është e vështirë të bëhet dallimi midis një zëri njerëzor dhe një kompjuter. Deep Learning na afron më shumë duke i dhënë kompjuterëve aftësinë për të folur si njerëzit.

Mësimi i thellë është një nënbërje e ML e cila është një nënbërje e AI, kështu që është AI.

Farë është shkenca e të dhënave?

Shkenca e të dhënave ka një kryqëzim me inteligjencën artificiale, por nuk është një bashkësi e inteligjencës artificiale.

Shkenca e të dhënave është studimi i një kurioziteti të ngjallur në çdo fushë të caktuar, nxjerrja e të dhënave nga një burim i madh i të dhënave që lidhen me pyetjen në mendje, përpunimin e të dhënave, analizimin dhe vizualizimin e këtyre të dhënave, në mënyrë që të ketë kuptim nga ajo për IT dhe strategjitë e biznesit.

Me fjalë të thjeshta, është kuptimi dhe kuptimi i të dhënave. Në shkencën e të dhënave përdoren shumë mjete. Ato përfshijnë mjete statistikore, mjete të mundshme, algjebër lineare dhe metrike, optimizim numerik dhe programim.

Një aplikim i shkencës së të dhënave:

Zgjidh një koncept të rastit.

Unë zgjedh sponsorizimin. Si e marrin njerëzit sponsorizimin për një kauzë. Kush zakonisht është i gatshëm t'i përgjigjet një emaili që kërkon sponsorizues. Cilat fjalë kyçe kërkojnë ata në email që kërkojnë sponsorizim? a do të preferonin një telefonatë?

Në këtë rast, shkenca e të dhënave mund të ndihmojë. Një grup i të dhënave që lidhen me të gjithë ata që kanë sponsorizuar ndonjëherë një kauzë, pse e kanë sponsorizuar atë, preferencat e tyre për sa i përket kanaleve të komunikimit, etj, është përpiluar një seri e madhe e të dhënave të pa strukturuara.

Të dhënat përpunohen, analizohen dhe vizualizohen duke përdorur mjetet e ndryshme për të cilat kemi folur tashmë. Përfundime janë bërë nga këto të dhëna.

Ky informacion mund të ndihmojë jo-fitimet dhe njerëzit që kërkojnë një shkak të kujdesin për sponsorët.

Shkenca e të Dhënave nuk është plotësisht Inteligjencë Artificiale, megjithatë pjesë të shkencës së të dhënave kryqëzohen me inteligjencën artificiale.

Kur bie fjala drejt, një gjë është e zakonshme për këto fjalë gumëzhitje - DETA!