科技領域的下一件大事是機器學習。還是深入學習?也許是人工智能。如果你發現自己糾結於三者之間的差異,你並不孤單。
一些科技公司一直在交替使用這三種方法,以期獲得大肆宣傳和彌補風險投資資金的機會。雖然它們都屬於同一個大傘下,但它們之間有一些關鍵的區別。
人工智能,通常被稱為人工智能,是一個概念而不是一個系統。智力被認為是人類一種獨特的品質。傳統上,機器被認為是獲得知識,但不是智力或智慧。計算機科學家艾倫·圖靈(alanturing)在他晚年的大部分時間裡都在考慮機器是否能思考。
他設計了圖靈測試,旨在確定一臺機器是否能表現出智能行為,而不一定是智能的。這是一個重要的區別,因為我們自己還沒有完全理解思想或智力。
我們希望創造出能夠表現出智能行為的機器,而不是試圖定義智能。
人工智能不是一種技術本身,而是一種描述系統的手段。這些系統可以分為狹義人工智能和廣義人工智能。狹義人工智能是一種智能化的系統,但僅限於特定的任務。一般人工智能是我們更熟悉的流行文化類型。
這些類型的系統將能夠顯示人類智能的所有元素。《終結者》系列電影中的天網,或《2001:太空漫遊》中的哈爾,都是一般人工智能的虛構例子。儘管如此,不管電影告訴你什麼,並不是所有的人工智能系統都會毀滅人類。
我們都知道數據是有用的。無論是知道去辦公室的路,還是關注我們的健康,數據都會告知我們的決定,引導我們度過人生。但我們每天都會產生如此多的能量,以至於我們人類無法進行分析。
所以,我們應該讓機器來幫我們搬重物。
谷歌的機器學習課程將機器學習概括為“使用數據回答問題”。他們將機器學習分為兩部分:訓練和預測。想象一下,你有一組圖像,其中包含你想要識別的形狀。如果圖像被輸入機器學習算法,系統開始學習該形狀的特徵。
當它遇到一個新的圖像時,形狀會與訓練數據中的元素進行比較,以確定它是否匹配。
儘管你可能不知道,個性化搜索結果、Spotify播放列表和亞馬遜產品推薦也是機器學習的結果。Netflix甚至使用機器學習算法來個性化你展示的封面作品。
雖然我們還不完全理解智力,但科學家們已經證明大腦通過複雜的神經元網絡生成信息。我們的大腦由這些形成神經通路的電連接組成。這些路徑在我們身體周圍傳遞信息,讓我們能夠移動、呼吸和思考。
然而,如果這些神經通路彼此獨立,我們的反應時間會非常慢,我們可能無法在思想之間建立聯繫。該系統的成功取決於所有這些路徑之間的關係,從而產生併發數據處理。
深度學習是一種複製神經元密集網絡的方法。通過同時處理多個數據流,計算機能夠顯著減少處理數據所需的時間。將這種技術應用到深度學習中,產生了人工神經網絡。
這些網絡由一系列節點組成。有用於接收數據的輸入節點、所產生的數據的輸出節點以及中間的節點的隱藏層。目標是將輸入數據轉換為輸出節點可以使用的內容。隱藏層就是在那裡。隨著數據通過這些隱藏節點的進行,神經網絡使用邏輯來決定下一個節點將數據傳遞給哪個節點。
雖然機器學習是一個強大的工具,可以幫助我們理解我們創建的大量數據,但它並沒有表現出獨立的思維。算法是由程序員設計的,他們設定了機器學習系統必須遵循的規則。開發者的偏見,不管是否有意識,都會產生影響。
機器學習的第一個重大挫折來自於谷歌的一位工程師。2015年,他注意到公司的照片識別算法將他和他的黑人朋友標記為大猩猩。谷歌立即道歉並實施了短期修復。
然而,兩年後,《連線》報道稱,谷歌的解決方案是將大猩猩從訓練數據中完全剔除。
另一方面,深度學習使我們更接近一般人工智能。通過嘗試通過多層次的節點集合來複制人類的思維,深度學習結構不需要使用大量的初始數據集進行訓練。他們根據提供的信息和系統的邏輯做出決定。
一箇中立的網絡的決策不透明可能看起來令人不安,但這意味著它成功地複製了人類的智慧。例如,我們甚至不能完全理解我們是如何想出自己的想法和決定的。
最後,沒有必要比較機器學習和人工智能,或者深度學習和機器學習,因為它們都有不同的用途。人工智能描述了機器中人類智能的概念,而機器學習和深度學習則致力於創建一個通用人工智能。
這並不是說人工智能領域是完全抽象的。谷歌正在利用其龐大的數據集,將人工智能添加到幾乎所有的產品中。Gmail最近更新了智能回覆功能,而該公司的雙工AI正在美國各地推出,可以代表您處理電話。但他們並不是唯一能參與AI遊戲的人。
你現在可以通過谷歌的在線人工智能實驗來自己嘗試一下。
圖片信用:sdecoret/存款照片
神經網路與深度學習的關鍵區別在於,神經網路的執行方式與人腦中的神經元相似,可以更快地完成各種計算任務,而深度學習是一種特殊的機器學習,模仿人類獲取知識的學習方法。 神經網路有助於建立預測模型來解決複...
關鍵區別——機器學習與人工智慧 人工智慧是一個寬泛的概念。自動駕駛汽車、智慧家居就是人工智慧的一些例子。一些國家在醫藥、**業、軍事、農業和家庭等領域擁有智慧機器人。機器學習是一種人工智慧。機器學習和...
...到人們是如何惡意地或出於自私的目的使用這項技術的。深度贗品來自用於改善電影特效的技術。 ...
... Deep Instinct使用深度學習(一種機器學習技術)在系統上檢測“任何檔案在被訪問或執行之前”。Deep Instinct D-Client利用靜態檔案分析和威脅預測模型,使其能夠自主地消除惡意軟體和其...
... Replika的核心是一個複雜的自迴歸語言模型GPT-3,它利用深度學習產生類似人類的文字。在這種情況下,術語“自迴歸”表示系統從它以前與之互動的值(在本例中是文字)中學習。 ...
...,您將學習如何在實際資料上實現人工神經網路(ANN)和深度神經網路(DNN)。 精通PyTorch的ANN和深度學習:這是一個完整的PyTorch和Python的神經網路和深度學習課程。本文詳細介紹了PyTorch以及如何在不同的深度學...