Q:
Apakah perbezaan antara kecerdasan buatan, pembelajaran mesin dan pembelajaran mendalam?
A:Istilah "kecerdasan buatan, " "pembelajaran mesin" dan "pembelajaran mendalam" menggambarkan satu proses yang telah membina dirinya sejak beberapa dekad yang lalu, kerana dunia telah membuat kemajuan yang besar dalam kuasa pengkomputeran, pemindahan data dan matlamat teknologi lain.
Perbualan harus bermula dengan kecerdasan buatan, istilah luas untuk sebarang kemampuan komputer atau teknologi untuk mensimulasikan pemikiran manusia atau aktiviti otak. Dalam erti kata, kecerdasan buatan bermula lebih awal, dengan program bermain catur komputer mudah dan program lain yang mula meniru keputusan dan pemikiran manusia.
| Muat turun Percuma: Pembelajaran Mesin dan Mengapakah Ia Penting |
Kecerdasan buatan terus berlangsung dari hari-hari awal komputer peribadi, ke zaman internet, dan akhirnya ke zaman pengkomputeran awan, virtualisasi dan rangkaian yang canggih. Kepintaran buatan telah berkembang dan berkembang dengan banyak cara sebagai industri teknologi utama.
Salah satu tonggak utama dalam kecerdasan buatan adalah kemunculan dan penggunaan pembelajaran mesin, pendekatan tertentu untuk mencapai matlamat kecerdasan buatan.
Pembelajaran mesin menggunakan algoritma dan program yang canggih untuk membantu perisian komputer menjadi lebih baik dalam membuat keputusan tertentu dalam persekitaran prestasi. Sebaliknya hanya mengatur komputer untuk melakukan satu set perkara berulang-ulang, seperti halnya dengan program-program berkod-tangan pada tahun 1970-an dan 1980-an, pembelajaran mesin mula menggunakan heuristik, pemodelan tingkah laku dan lain-lain jenis unjuran untuk membolehkan teknologi untuk meningkatkan keputusannya dan berevolusi sepanjang masa. Pembelajaran mesin telah digunakan untuk memerangi e-mel spam, melaksanakan personaliti kepintaran buatan seperti IBM Watson, dan mencapai tujuan kecerdasan buatan dengan cara lain.
Pembelajaran yang mendalam, pada gilirannya, membina pembelajaran mesin. Pakar menerangkan pembelajaran mendalam sebagai penggunaan algoritma untuk menggerakkan abstraksi peringkat tinggi, seperti penggunaan rangkaian neural tiruan untuk melatih teknologi pada tugas. Pembelajaran mendalam mengambil pembelajaran mesin ke peringkat seterusnya dengan cuba memodelkan aktiviti otak manusia yang sebenar dan menggunakannya untuk membuat keputusan buatan atau kerja kognitif yang lain.
Pembelajaran yang mendalam telah ditunjukkan melalui contoh-contoh seperti program pengoptimuman rantaian bekalan canggih, program peralatan makmal dan lain-lain inovasi seperti rangkaian pembangkang generatif, di mana dua rangkaian yang menentang, rangkaian generatif dan diskriminatif, bekerja antara satu sama lain untuk model manusia proses pemikiran diskriminasi. Jenis pembelajaran mendalam ini boleh digunakan untuk pemprosesan imej dan kegunaan lain.
Realitinya ialah pembelajaran mendalam menggerakkan kepintaran buatan lebih dekat dengan pakar yang dianggap "AI kuat, " kecerdasan buatan yang kurang mampu sepenuhnya mereplikasi banyak fungsi pemikiran manusia. Ini menimbulkan perdebatan penting mengenai bagaimana menangani teknologi baru ini dengan berkesan, dan bagaimana untuk menjaga dunia di mana komputer berfikir dalam beberapa cara yang sama seperti yang kita lakukan.
