D:
Qual è la differenza tra intelligenza artificiale, machine learning e deep learning?
UN:I termini "intelligenza artificiale", "apprendimento automatico" e "apprendimento profondo" descrivono un processo che si è sviluppato su se stesso negli ultimi decenni, poiché il mondo ha fatto enormi progressi in termini di potenza di calcolo, trasferimento di dati e altri obiettivi tecnologici.
La conversazione dovrebbe iniziare con l'intelligenza artificiale, un termine ampio per qualsiasi capacità dei computer o delle tecnologie di simulare il pensiero umano o l'attività cerebrale. In un certo senso, l'intelligenza artificiale è iniziata presto, con semplici programmi per giocare a scacchi al computer e altri programmi che hanno iniziato a imitare il processo decisionale e il pensiero umano.
| Download gratuito: Machine Learning e perché è importante |
L'intelligenza artificiale ha continuato a progredire dai primi tempi del personal computer, fino all'era di Internet e infine all'era del cloud computing, della virtualizzazione e delle reti sofisticate. L'intelligenza artificiale è cresciuta e ampliata in molti modi come settore tecnologico chiave.
Una delle pietre miliari dell'intelligenza artificiale è l'emergere e l'adozione dell'apprendimento automatico, un approccio particolare per raggiungere gli obiettivi di intelligenza artificiale.
L'apprendimento automatico utilizza algoritmi e programmi sofisticati per aiutare il software del computer a migliorare le proprie decisioni in un ambiente di prestazioni. Invece di programmare semplicemente un computer per fare una serie di cose più e più volte, come nel caso dei programmi codificati a mano degli anni '70 e '80, l'apprendimento automatico inizia a utilizzare l'euristica, la modellizzazione del comportamento e altri tipi di proiezioni per consentire tecnologia per migliorare il suo processo decisionale ed evolversi nel tempo. L'apprendimento automatico è stato applicato per combattere la posta indesiderata, implementare personalità dell'intelligenza artificiale come IBM Watson e raggiungere obiettivi di intelligenza artificiale in altri modi.
L'apprendimento profondo, a sua volta, si basa sull'apprendimento automatico. Gli esperti descrivono il deep learning come l'uso di algoritmi per guidare astrazioni di alto livello, come l'uso di reti neurali artificiali per addestrare le tecnologie sui compiti. L'apprendimento profondo porta l'apprendimento automatico al livello successivo, cercando di modellare l'attività cerebrale umana effettiva e applicarla al processo decisionale artificiale o ad altri lavori cognitivi.
Il deep learning è stato dimostrato attraverso esempi come programmi di ottimizzazione della catena di approvvigionamento all'avanguardia, programmi di apparecchiature di laboratorio e altri tipi di innovazioni come la rete generativa contraddittoria, in cui due reti opposte, una rete generativa e discriminatoria, lavorano l'una contro l'altra per modellare l'essere umano processi di pensiero di discriminazione. Questo particolare tipo di apprendimento profondo può essere applicato all'elaborazione delle immagini e ad altri usi.
La realtà è che il deep learning avvicina l'intelligenza artificiale a quella che gli esperti considerano "forte intelligenza artificiale", l'intelligenza artificiale che è più o meno pienamente in grado di replicare molte funzioni del pensiero umano. Questo dà luogo a un dibattito significativo su come gestire efficacemente queste tecnologie emergenti e su come prendersi cura di un mondo in cui i computer pensano in alcuni modi come noi.
