Hype xaricində: Süni intellekt, maşın öyrənmə və dərin öyrənmə arasındakı fərq

Süni intellekt (AI) gündəlik həyatımıza bir partlayışla daxil oldu. Marketinqdən tutmuş tibbə qədər hər bir iş və sənayenin təsiri olduğu görünür. Texnologiya şirkətləri bazara rəhbərlik etmək və ən yenilikçi və perspektivli AI müəssisələrini əldə etmək üçün yarışda üstünlük üçün yarışırlar.

Artıq gündəlik həyatda AI-dən istifadə edə bilərsiniz, məsələn, nitq tanıma, smartfonunuzdakı virtual yardım, alış-veriş veb saytlarının tövsiyə alqoritmləri və musiqi və ya video axın xidmətləri, ya da həkimə baş çəkdiyiniz zaman bir X-Ray ilə müqayisə və ya digər tibbi məlumatlarla digər tibbi şəkillər.

Və sonra maşın öyrənmə və dərin öyrənmə terminləri var ki, bu da bir çox insanı çaşdırır. Çox tez-tez bir-birinin ardınca istifadə olunur, lakin bir-biri ilə sıx bağlı olsalar da, fərqli mənalara malikdirlər. Beləliklə, AI, maşın öyrənməsi və dərin öyrənmənin fərqi nədir?

Süni intellekt

Ən geniş mənada, təsisçilərinin fikrincə, AI, ağıllı maşınlar, xüsusən də ağıllı kompüter proqramları hazırlamaq üçün elm və mühəndislikdir. Bu kompüterin, kompüter tərəfindən idarə olunan bir robotun və ya proqramın kompüterin daha böyük sürətini və gücünü istismar edərkən insanların düşündüyü şəkildə bənzər bir şəkildə ağılla düşünməsini təmin etmə üsuludur.

Bilik mühəndisliyi AI tədqiqatının əsas hissəsidir. Maşınlar insanlar kimi fəaliyyət göstərə bilər, yalnız dünyaya aid bol məlumatları olduqda. Avtonom bir avtomobil yalnız ətrafı haqqında kifayət qədər məlumat əldə edərkən etibarlı şəkildə idarə edə bilər. Qərar qəbuletmə alqoritmləri yalnız giriş məlumatları qədər yaxşıdır.

Başqa sözlə, bilik mühəndisliyini həyata keçirmək üçün süni intellektin obyektlərə, kateqoriyalara, xüsusiyyətlərə və hamısı arasındakı əlaqələrə girişi olmalıdır. Maşınlarda ağıl, ağıl və problem həll etmə gücünü başlatmaq çətin və yorucu bir yanaşmadır. Həqiqətən ağıllı maşınların yanında heç bir yerdəyik.

Maşın Öyrənmə

Süni intellekt maşın öyrənməsinin bütün spektrini əhatə etsə də, maşın öyrənməsi termini daha dar məna daşıyır, yəni "açıq şəkildə proqramlaşdırılmadan öyrənmə qabiliyyəti". Yeri gəlmişkən, hazırda ən böyük dəyişikliyin baş verdiyi yer: kütləvi məlumat dəstlərini qidalandırmaq kompüterlərə daxil olur və nəticələrin gəlməsini gözləyir.

Maşın öyrənməsi kompüterin öyrənmə qabiliyyətini asanlaşdıran və yeni və daim dəyişən məlumatlara məruz qaldıqca özünü inkişaf etdirməyə öyrədən AI tipidir. Məsələn, Facebook-un xəbər yeməyi, hər kəsin yemini öz istədiklərinə əsasən fərdiləşdirmək üçün maşın təlimindən istifadə edir. Ənənəvi maşın öyrənmə proqramının əsas elementləri statistik analiz və nişanların yerini müəyyənləşdirmək və harada baxacağınıza dair proqramlaşdırılmadan əvvəlki hesablamalardakı müşahidə edilən məlumatlar əsasında gizli fikirləri tapmaq üçün istifadə olunur.

Maşın öyrənməsi həqiqətən illər boyu mürəkkəb bir məlumat toplusunu ələ keçirmə qabiliyyəti ilə inkişaf etmişdir. Bunlara çox vaxt "böyük məlumatlar" deyilir. Çoxları Netflix və yayımlanan mövzulara və ya hashtaglara xəbərdarlıq edən sosial media alqoritmləri kimi gündəlik xidmətlər vasitəsilə maşın öyrənmə tətbiqetmələri ilə qarşılaşdıqlarını bildiklərinə təəccüblənə bilər. Maşın öyrənməsində xüsusiyyət çıxarılması bir proqramçıdan kompüterə hansı növ şeylərin axtarılmasının lazım olduğunu, qərar qəbul edərkən formalaşdırıcı olacağını söyləməsini tələb edir ki, bu da vaxt aparan bir proses ola bilər. Bu da maşın öyrənmə ilə nəticələnir ki, proqramlaşdırma prosesində insan səhvləri səbəbindən dəqiqliyi azaldı.

Dərin öyrənmə

Dərin öyrənmə, maşın öyrənməsini süni intellektə yaxınlaşdırmaq məqsədi ilə tətbiq olunan maşın öyrənmə tədqiqatlarının ən gənc sahəsidir.

İnsan beynində 'dərin neyron şəbəkələrini' öyrənməyə aiddir və bu baxımdan dərin öyrənmə, məlumat emalının çox qatından bilik yaradan insan beyninin daxili qatlarının funksiyalarını təqlid etməyə çalışır. Dərin öyrənmə texnologiyası insan beynindən sonra modelləşdirildiyi üçün hər dəfə yeni məlumatlar töküldükdə onun imkanları yaxşılaşır.

Dərin öyrənmə paradiqmasına əsasən, maşın, tapşırığın yerinə yetirilməsini öyrənmək üçün böyük miqdarda məlumat və alqoritmlərdən istifadə edərək "təlimlidir". Bu məlumatlar ikitərəfli doğru / yalan suallar və ya ədədi dəyərlər, hər bit məlumatların onlardan keçən və alınan cavablara görə təsnif edildiyi neyron şəbəkələr vasitəsilə qidalanır. Bu gün, dərin öyrənmə yolu ilə öyrədilən maşınlar tərəfindən görüntü tanınması, avtonom robotlar və nəqliyyat vasitələrinin hazırlanmasında, tibb işarələrində xəstəlik markerlərini və hər cür görüntüləri müəyyənləşdirmək üçün istifadə olunur.

Bir müddət əvvəl Google-ın AlphaGo oyunu saatlarla özünə qarşı təkrar-təkrar oynamaqla öyrəndi. Bu nəzarətsiz, getdikcə daha sürətli öyrənmə qabiliyyəti dərin öyrənmə üzərində mövcud şırınga açarıdır. Ancaq növbəti inqilabi texnologiya uzaqda deyil.