AI vs. Machine Learning vs. Deep Learning: Apa Perbedaannya? Akademi Beth

AI vs. Machine Learning vs. Deep Learning: Apa Perbedaannya?

Senin, 17 April 2017

Ketika Deepmind's AlphaGo memenangkan 4 dari 5 pertandingan melawan juara Go Go saat itu, Lee Se-dol, seluruh dunia mendapat perhatian. Pada saat itu, diumumkan sebagai kemenangan kecerdasan buatan, AI merupakan langkah penting menuju transformasi mesin canggih menjadi kenyataan.

Ketika kata-kata Deep Learning dan Machine Learning masuk ke dalam kamus umum, ketika media menggunakan istilah-istilah ini untuk menjelaskan bagaimana AlphaGo bersaing dengan pikiran manusia.

Dengan berdekatan satu sama lain, istilah-istilah ini memiliki arti yang berbeda. Pada zaman dan abad, ketika kita tahu bagaimana teknologi mempengaruhi kehidupan kita, penting untuk mengetahui perbedaan antara istilah-istilah ini.

Artikel ini akan membantu Anda.

Pendekatan Cara terbaik untuk memahami istilah-istilah ini adalah dengan mengetahui hubungan di antara mereka. AI, Machine Learning, dan Deep Learning seperti kumpulan boneka Rusia - AI adalah konsep yang paling luas, dan karenanya boneka terbesar dalam koleksi, Machine Learning tidak ada duanya. Anda dapat menemukannya di sini.

AI, pembelajaran mesin dan pembelajaran mendalam seperti koleksi boneka Rusia ... Klik untuk tweet

Kita mulai dengan pemahaman kita tentang boneka pertama, Kecerdasan Buatan.

Inteligensi Buatan (AI) Kecerdasan buatan telah berkembang selama berabad-abad, dari mitos Yunani tentang manusia mekanis, hingga kehancuran / pelestarian umat manusia, seiring waktu, sehubungan dengan organisme cybernetic yang cerdas. nggi telah menjadi bagian dari imajinasi publik kami sejauh garis Terminator. . Ini adalah teori dan pengembangan sistem komputer yang membutuhkan kecerdasan manusia, seperti persepsi visual, pengenalan ucapan, pengambilan keputusan, dan terjemahan antar bahasa.

Konsep AI, dipopulerkan oleh Hollywood dan Sci-Fi, disebut "AI Umum" - mesin yang kuat yang mendominasi manusia di semua bidang.

Namun, AlphaGo dan sebagian besar kasus AI saat ini di dunia berada dalam kategori "AI Gelap", mesin ini dirancang untuk mereplikasi atau meningkatkan tugas spesifik seseorang.

Popularitas AI selama beberapa tahun terakhir telah membuatnya lebih mudah untuk mengeksplorasi semua kemungkinan di lapangan, berkat integrasi GPU dan Big Data yang mudah dengan kumpulan data yang berbeda secara paralel.

Tetapi bagaimana daerah yang merusak perhatian dan kemajuan pada 2012 membuatnya begitu cepat? Pertanyaan ini membawa kita ke Machine Learning di bidang Ilmu Komputer, di mana pengembangan ini dilakukan.

Pembelajaran Mesin

Teknik mesin, sebagai konsep, mengacu pada kemampuan mesin untuk belajar sendiri dari informasi yang diberikan. Meskipun kami biasanya memprogram mesin kami untuk mengikuti instruksi sesuai dengan persyaratan kami, di Machine Learning, kami menggunakan algoritma yang secara teratur memeriksa data dan mempelajari perilaku spontan.

Tapi bagaimana AI, yang fokus dan fokus pada 2012, telah menjadikannya ... Tweet to Tweet

Klasifikasi email ke filter yang berbeda, menentukan apakah email adalah spam adalah contoh yang baik dari ini, menggunakan algoritma Machine Learning.

Machine Learning pertama kali dikembangkan oleh kerumunan AI dan sejak itu telah mengumpulkan banyak teknik termasuk pengambilan keputusan pohon, pengklasifikasi bayes sederhana dan dukungan mesin vektor. Komputer ini banyak digunakan di bidang Visi, yang tujuannya adalah untuk membantu komputer mengidentifikasi berbagai objek di dalam gambar.

Awalnya, itu gagal di lapangan - diperlukan pengkodean tangan, waktu pemrosesan, dan masih gagal memenuhi hasil sesuai dengan standar manusia. Dengan berlalunya waktu dan peningkatan infrastruktur teknologi, teknik ini menjadi sangat kuat, tetapi hanya ada satu sub-bidang yang dapat membantu mengembangkan Machine Learning, yang merupakan foto dan Uber oleh PC Vision. Ini berhasil digunakan dalam pengenalan objek. , Apple dan driver kurang suka parkir.

Dan tekniknya? Inilah tujuan dari studi mendalam.

Pembelajaran yang mendalam

Deep Learning adalah sub-domain Machine Learning yang menggunakan teknik jaringan saraf tiruan. Ini diilhami oleh biologi manusia - karena otak kita terdiri dari jaringan neuron yang mengirimkan sinyal dan mengirimkan informasi, algoritma menciptakan pengaturan seperti mesin, tidak seperti neuron biologis yang dapat dengan bebas berkomunikasi satu sama lain. bau neuron. jaringan memiliki lapisan dan koneksi yang terpisah dan mengikuti arah yang telah ditentukan.

Faktanya, Deep Learning melibatkan transfer banyak data ke sistem komputer yang mengklasifikasikan data berdasarkan pertanyaan nyata atau salah biner atau menganalisis data dengan mengekstraksi nilai numerik. Informasi ini disimpan sebagai jaringan saraf dan kemudian digunakan untuk mengklasifikasikan segala bentuk informasi - audio, video, ucapan, dll. Meskipun volume komputasi sangat besar, metode ini menghasilkan hasil yang sangat baik dan saat ini digunakan untuk berbagai masalah. Sebagai pengemudi mobil yang lebih rendah, melukis hitam putih, memberikan diagnosa medis, dan banyak lagi.

Singkatnya, konsep-konsep ini mudah dianggap sebagai lingkaran konsentris. AI adalah tujuan luas, masa depan yang akan direalisasikan hari ini. Machine Learning adalah pendekatan yang paling menjanjikan untuk mewujudkan masa depan. Deep Learning adalah Machine Learning - cara terkuat untuk melakukan ini.

Kunjungi kursus Ilmu Informasi kami untuk mendapatkan pemahaman yang lebih dalam tentang konsep-konsep ini.

Byteacademy.co awalnya diterbitkan pada 17 April 2017.