Q:
Hvad er forskellen mellem kunstig intelligens, maskinlæring og dyb læring?
EN:Udtrykkene "kunstig intelligens", "maskinlæring" og "dyb læring" beskriver en proces, der har bygget på sig selv i de sidste par årtier, da verden har gjort enorme fremskridt inden for computerkraft, dataoverførsel og andre teknologimål.
Samtalen skal starte med kunstig intelligens, en bred betegnelse for enhver computers eller teknologiers evne til at simulere menneskelig tanke eller hjerneaktivitet. På en måde begyndte kunstig intelligens tidligt med enkle computerskakspilningsprogrammer og andre programmer, der begyndte at efterligne menneskelig beslutningstagning og tanke.
| Gratis download: Machine Learning og Why It Matters |
Kunstig intelligens fortsatte med at skride frem fra de tidlige dage af den personlige computer, til internetets alder og til sidst til en alder af cloud computing, virtualisering og sofistikerede netværk. Kunstig intelligens er vokset og udvidet på mange måder som en nøgleteknologiindustri.
En af milepælerne inden for kunstig intelligens er fremkomsten og vedtagelsen af maskinlæring, en særlig tilgang til at nå kunstig intelligensmål.
Maskinlæring bruger sofistikerede algoritmer og programmer til at hjælpe computersoftware med at blive bedre til at tage bestemte sæt beslutninger i et præstationsmiljø. I stedet for blot at programmere en computer til at gøre et sæt ting igen og igen, som det var tilfældet med de håndkodede programmer fra 1970'erne og 1980'erne, begynder maskinlæring at bruge heuristik, adfærdsmodellering og andre typer projektioner for at tillade teknologi til at forbedre sin beslutningstagning og udvikle sig over tid. Maskinlæring er blevet brugt til bekæmpelse af spam e-mail, implementering af kunstig intelligens personligheder som IBM Watson og opnåelse af kunstig intelligens mål på andre måder.
Dyb læring bygger igen på maskinlæring. Eksperter beskriver dyb læring som brugen af algoritmer til at drive abstraktion på højt niveau, såsom brugen af kunstige neurale netværk til at træne teknologier i opgaver. Dyb læring bringer maskinlæring til det næste niveau ved at prøve at modellere faktisk menneskelig hjerneaktivitet og anvende det på kunstig beslutningstagning eller andet kognitivt arbejde.
Dyb indlæring er blevet demonstreret gennem eksempler som banebrydende forsyningskædeoptimeringsprogrammer, laboratorieudstyrsprogrammer og andre former for innovationer, såsom det generative modsætningsnetværk, hvor to modsatrettede netværk, et generativt og diskriminerende netværk, arbejder imod hinanden for at modellere menneske tankeprocesser for forskelsbehandling. Denne særlige type dyb læring kan anvendes til billedbehandling og anden anvendelse.
Virkeligheden er, at dyb læring driver kunstig intelligens tættere på, hvad eksperter anser for at være ”stærk AI”, kunstig intelligens, der er mere eller mindre fuldt ud i stand til at gentage mange menneskelige tankefunktioner. Dette giver anledning til betydelig debat om, hvordan man håndterer disse nye teknologier effektivt, og hvordan man kan passe på en verden, hvor computere tænker på nogle af de samme måder, som vi gør.
