Mākslīgā intelekta vilnis pārņem pasauli, un mūsu ausīs vienmēr kavējas daudzi vārdi: mākslīgais intelekts (mākslīgais intelekts), mašīnmācība (mašīnmācība), dziļā mācīšanās (Deep Learning). Daudziem cilvēkiem vienmēr ir neskaidra izpratne par šo bieži sastopamo-vārdu nozīmi un to saistību. Šajā rakstā ir izskaidrota šo vārdu nozīme visvienkāršākajā valodā, kas var palīdzēt ikvienam labāk izprast to savstarpējās attiecības.
No automašīnām līdz viedtālruņiem, digitālajiem palīgiem un pat robotiem. Mēs nerunājam tikai par revolucionārajām funkcijām, kas parādās katru dienu. Turklāt ierīces, datori un mašīnas gudri veic uzdevumus. Kā viņi to dara? - Izmantojot mākslīgo intelektu, aka AI.
Terminu "mākslīgais intelekts" pirmais ieviesa kognitīvais zinātnieks Džons Makartijs, kurš savā grāmatā rakstīja: "Šis pētījums ir balstīts uz pieņēmumu, ka jebkura mācīšanās uzvedība vai cita intelektuāla īpašība principā var būt precīzs apraksts, lai mašīna varētu jāveido, lai to simulētu." Kopš tā laika mākslīgais intelekts ir vajājis cilvēku prātus un lēnām izšķīlies zinātniskās pētniecības laboratorijās. Turpmākajās desmitgadēs mākslīgais intelekts ir mainījis savas polaritātes vai saukts par pravietojumu par žilbinošo cilvēces civilizācijas nākotni, vai arī iemests atkritumu kaudzē kā tehnoloģisko traku fantāzijas. Līdz 2012. gadam abas balsis pastāvēja vienlaikus.
Attēls|Mākslīgā intelekta pētniecības nozare
Pēc 2012. gada, pateicoties datu apjoma pieaugumam, skaitļošanas jaudas uzlabošanai un jaunu mašīnmācīšanās algoritmu (deep learning) parādīšanās, mākslīgais intelekts sāka eksplodēt. Tomēr pašreizējais zinātniski pētnieciskais darbs ir koncentrēts uz vājo mākslīgā intelekta daļu, un ļoti cerams, ka tuvākajā nākotnē tiks panākts būtisks izrāviens. Lielākā daļa mākslīgā intelekta filmās attēlo spēcīgu mākslīgo intelektu, un šo daļu ir grūti sasniegt pašreizējā reālajā pasaulē. (Mākslīgo intelektu parasti iedala vājā mākslīgajā intelektā un spēcīgā mākslīgajā intelektā. Pirmais nodrošina mašīnām spēju novērot un uztvert, kā arī var sasniegt noteiktu izpratnes un spriešanas līmeni, savukārt spēcīgais mākslīgais intelekts ļauj mašīnām iegūt adaptācijas spējas un atrisināt dažas problēmas, kas iepriekš nebija radušās).
Paredzams, ka vājais mākslīgais intelekts radīs sasniegumus, kā tas tiek panākts un no kurienes rodas "inteliģence"? Tas lielā mērā ir pateicoties vienai mākslīgā intelekta pieejai - mašīnmācībai.
Mēs izmantojam visvienkāršāko metodi, lai vizualizētu attiecības starp trim.
Mākslīgais intelekts
Vienkārši sakot, mākslīgais intelekts apraksta dažādus veidus, kā mašīna mijiedarbojas ar apkārtējo pasauli. Izmantojot progresīvu, cilvēka{0}}inteliģenci, mākslīgā intelekta iekārta vai ierīce var atdarināt cilvēka uzvedību vai veikt tādus uzdevumus kā cilvēks, izmantojot programmatūras un aparatūras kombinēto efektu.
Mūsdienās mēs varam redzēt daudz par mākslīgo intelektu, piemēram, runas atpazīšanu (izmanto viedās personīgās asistenta ierīcēs), sejas atpazīšanu (izmanto filtros, kas pašlaik ir populāri sociālajos medijos) vai objektu atpazīšanu (piemēram, meklējot ābolu un attēlu apelsīni).
Mašīnmācība
Mašīnmācība ir mākslīgā intelekta pieeja vai apakškopa, kas uzsver "mācīšanos", nevis datorprogrammas. Iekārta izmanto sarežģītus algoritmus, lai analizētu lielus datu apjomus, identificētu datu modeļus un veiktu prognozes — procesu, kurā cilvēkam nav jāieraksta konkrētas instrukcijas iekārtas programmatūrā. Sajaucot krēmu ar apelsīnu, sistēmas rakstu atpazīšana laika gaitā uzlabojas, jo tā mācās no savām kļūdām un labojas kā cilvēks.
Dziļa mācīšanās
Padziļinātā mācīšanās ir mašīnmācīšanās apakškopa, kas virza lielus panākumus datoru inteliģencē. Tas izmanto daudz datu un skaitļošanas jaudas, lai simulētu dziļus neironu tīklus. Būtībā šie tīkli atdarina cilvēka smadzeņu savienojamību, klasificējot datu kopas un atklājot korelācijas starp tām. Izmantojot tikko apgūtās zināšanas (bez cilvēka iejaukšanās), iekārta var izmantot savus ieskatus citās datu kopās. Jo vairāk datu mašīna apstrādās, jo precīzākas būs tās prognozes.
Piemēram, dziļās{0}}mācību ierīce var pārbaudīt lielus datus, piemēram, augļu krāsu, formu, izmēru, nogatavošanās laiku un izcelsmi, lai precīzi noteiktu, vai ābols ir zaļš ābols vai apelsīns ir asins apelsīns.
Atšķirības starp AI, mašīnmācīšanos un dziļo mācīšanos nav tik acīmredzamas kā āboli un apelsīni, tās ir smalkākas. Mašīnmācība ir metode mākslīgā intelekta sasniegšanai, un dziļā mācīšanās ir tehnoloģija, lai sasniegtu mašīnmācīšanos. Tagad jūs saprotat atšķirību starp tām?
