Что такое искусственный интеллект

Глубокое обучение, машинное обучение, искусственный интеллект, совместимы ли они?

Новое крик моды в технологии — машинное обучение. Или глубокое обучение? А может быть, искусственный интеллект? Если вы чувствуете, что запутались в различиях между этими тремя понятиями, то вы не одиноки.
Еще никто никогда не проходил мимо возможности поднять шум и поддержать свое существование за счет венчурного капитала, и ряд технологических компаний используют все три термина. Хотя все они относятся к одному и тому же широкому направлению развития, между ними существует важное различие. 

Что такое искусственный интеллект?

Искусственный интеллект, часто обозначаемый, как ИИ, представляет собой, скорее концепцию, чем систему. Интеллект представляет собой уникальную характеристику человека. Традиционно считалось, что машины могут накапливать знания, но не интеллект или разум. Специалист в области вычислительных систем, Алан Тьюринг, в конце своей жизни потратил много времени, изучая вопрос, может ли машина мыслить.
Он создал Тест Тьюринга для определения способности машины к демонстрированию разумного поведения, не обладая при этом разумом. Это важно различие, поскольку люди до сих пор не могут дать определения мышления или разумности.
Вместо того чтобы пытаться дать определение разума, можно создать машины, которые будут демонстрировать разумное поведение. Поэтому, ИИ — это не технология, это, скорее средства описания систем. Такие системы могут быть отнесены либо к ИИ узкого направления, либо к искусственному интеллекту общего назначения. ИИ узкого направления – это система, обладающая интеллектом, необходимым только для решения конкретных задач. ИИ общего назначения, это тот тип систем, с которыми вы больше знакомы по фильмам.
Системы этого типа должны демонстрировать все элементы интеллекта человека. Вымышленными примеры искусственного интеллекта общего назначения являются печально известная система Skynet из серий фильмов «Терминатор», или суперкомпьютер HAL из «Космической одиссеи 2001». Но, несмотря на опасения, высказываемые такими фильмами, ИИ общего назначения не обязаны уничтожать человечество.

Что такое машинное обучение? 

Все мы знаем о пользе данных. Будь то знание, каким путем добраться до офиса, или мониторинг собственного здоровья, данные являются исходной информацией для принятия решений. Но ежедневно создается такое количество данных, что человек уже не в состоянии их анализировать.
Так что мы должны переложить эту тяжелую работу на машины.
В курсе машинного обучения Google машинное обучение определяется как «использование данных для получения ответов на вопросы». Машинное обучение разбивается на два этапа: обучение и прогнозирование. Представьте, что у вас есть набор изображений разных форм, которые вы хотите распознавать. Если эти изображения поступают в алгоритм машинного обучения, то система начинает «узнавать» характеристики нужной формы.
Когда она встречает новое изображение, то оно сравнивается с элементами данных этапа обучения, чтобы определить совпадение.
Хотя вы могли и не думать об этом, но персональные результаты поиска, списки Spotify, и рекомендуемые продукты на Amazon, тоже являются результатами машинного обучения. Сайт Netflix использует алгоритмы машинного обучения для «персонализации выбора произведений, показываемых вам».

Что такое Глубокое обучение?

Не имея определения разума, ученые смогли показать, что мозг генерирует информацию, используя сложную сеть нейронов. Фактически, мозг человека состоит из этих электрических проводников, которые образуют нейронные проводящие пути. Эти пути переносят информацию по всему телу, позволяя двигаться, дышать и думать.
Однако если бы каждый их этих нейронных путей был не зависимым от других путей, то реакции происходили бы невероятно медленно, и не удавалось бы последовательно мыслить. Успех системы человека заключается в связях между этими путями, позволяющими одновременную обработку данных.
Глубокое (глубинное) обучение представляет собой метод воспроизведения этой плотной сети нейронов. За счет одновременной обработки нескольких потоков данных, компьютер может существенно уменьшить время, требуемое для обработки данных. Применение данного подхода к глубокому обучению привело к созданию искусственных нейронных сетей.
Нейронные сети собираются из последовательностей узлов. Это узлы для ввода данных, узлы для вывода результирующих данных и скрытые слои узлов между ними. Цель скрытых углов заключается в преобразовании входных данных в то, что могут использовать узлы вывода. По мере того, как данные проходят через эти узлы, нейронная сеть использует встроенную логику для определения, в какой узел следует направить данные дальше.

Машинное обучение, ИИ и глубокое обучение

Хотя машинное обучение является мощным инструментом, позволяющим придать смысл огромным объемом данных, создаваемых людьми, оно не демонстрирует независимого мышления. Алгоритм разрабатывается программистами, и именно они устанавливают правила, по которым должна играть система машинного обучения. Наличие предубеждений разработчиков, сознательные они или нет, оказывают определенные последствия.
Один из первых существенных недостатков машинного обучения был выявлен благодаря одному из инженеров Google. В 2015 году он заметил, что алгоритм компании для идентификации фотографий отнес его и его чернокожих друзей, к гориллам. Компания Google немедленно принесла извинения и провела оперативные исправления. Однако два года спустя издание WIRED сообщило, что это исправление полностью удалило горилл из данных для обучения алгоритма.
С другой стороны, глубокое обучение на шаг приближается к искусственному интеллекту общего назначения. Пытаясь воспроизвести человеческий мозг при помощи многослойного набора узлов, структуры глубокого обучения не требуют предварительного обучения с использованием больших объемов начальных данных. Они принимают решение не основе информации, предоставляемой логикой системы.
То, что принятие решения нейронной сетью не является прозрачным, нервирует многих, но это как раз и означает успешность воспроизведения интеллекта человека. Например, до сих в полной степени пор не понятно, как человек приходит к собственным мыслям и решениям.

Искусственный интеллект для всех

Нет нужды противопоставлять машинное обучение искусственному интеллекту, или глубокое обучение машинному обучению. Они служат различным целям. ИИ описывает концепцию реализации машинного интеллекта, напоминающего интеллект человека, в то время как машинное обучение и глубокое обучение представляют собой усилия по созданию ИИ общего назначения.
Не стоит говорить, что область ИИ является полностью абстрактной. Компания Google использует свои огромные наборы данных, включая ИИ почти во все свои продукты. Недавно Gmail реконструировала свой сервис Smart Replies, а ИИ Duplex этой компании работает в США и может производить телефонные звонки вместо вас. И это не единственные примеры использования ИИ.

Автор оригинала: Джеймс Фрю (James Frew)
источник: https://www.makeuseof.com/tag/deep-learning-machine-learning-artificial-intelligence/ 
октябрь, 2018