Руководство по машинному обучению, нейронным сетям, Deep Learning

СохранитьСохраненоУдалён 0

Что такое ИИ? Информационный век создал простое руководство по искусственному интеллекту, машинному обучению, нейронным сетям и Deep Learning.

Что такое ИИ?

К сожалению, многие компании, которые говорят, что используют ИИ, не делают этого. Это маркетинговый трюк — возможно, они даже нацелены на акционеров, пытаясь поднять цену их акций.

На самом деле, многим экспертам по искусственному интеллекту даже не нравится этот термин, они предпочитают использовать ML.

Станьте ML Engineer
Подробнее

С нуля вы пройдете полный путь от аренды GPU-сервера, который подходит для Deep Learning, вплоть до создания полноценной рабочей модели для компьютерного зрения, анализа естественного языка и рекомендательных систем.

Погрузитесь глубже, и вы столкнетесь со многими другими терминами, нейронными сетями, Deep Learning, обработкой естественного языка.

Так что же такое ИИ? Марк Уорнер, генеральный директор Faculty и член Британского совета по искусственному интеллекту, рассказал, что такое ИИ — это то, что может использовать неспециалист.

«Искусственный интеллект, или ИИ, является областью исследований, которая стремится заставить компьютеры делать то, что считается разумным, когда это делают люди или животные». Конечно, есть и более технические определения.

«Интеллект — это свойство агента, которое позволяет оптимизировать окружающую среду», — сказал Марк. Таким образом, искусственный интеллект строится на этом.

Проблема в том, что для многих людей фраза «искусственный интеллект» вызывает в воображении образы машин, управляющих миром, обнаженного Арнольда Шварценеггера, возвращающегося из будущего, чтобы остановить Сару Коннор.

Реальность очень далека от этого видения научной фантастики. Это подводит нас к той причине, что многие эксперты предпочитают термин «машинное обучение» искусственному интеллекту.

В чем разница между машинным обучением и искусственным интеллектом?

У Марка Уорнера есть хорошее объяснение — оно помогает прояснить разницу между ИИ и машинным обучением. Вплоть до конца 1990-х годов, скажем, с 1955 по 1995 год «большинство исследователей считали, что способ достижения разумной производительности и задач заключается в создании множества правил».

Так, например, «это чашка, это стол». Проблема в том, что очень трудно точно определить, что такое чашка или стол. Или, например, Фалон Фатеми, основатель Node, проводит параллель с енотом.

Мы все интуитивно знаем, что такое енот. Когда мы определяем енота для детей, мы не обрисовываем набор правил, вместо этого мы можем показать им картинку или, еще лучше, видео — их мозг сделает все остальное.

В чем разница между машинным обучением и искусственным интеллектом?

Может ли неконтролируемое глубокое обучение идентифицировать енота? Марк Уорнер сказал, что заставить компьютеры распознать чашку оказалось практически невозможной задачей. Мы просто покажем чашки, 1000 блюдец и 1000 бутылок, и все получится ».

Идея состоит в том, чтобы использовать методы машинного обучения, чтобы алгоритм ИИ определял, что такое енот из данных, а не набора правил.

Что ж, мы скоро вернемся к этому, потому что на самом деле для алгоритма, который делает что-то столь же простое — простое с человеческой точки зрения — как идентификация енота, требует некоторых довольно продвинутых вещей.

Форма ИИ, в которой использовались правила, описывает компьютер Deep Blue IBM, который одержал победу над Гари Каспаровым в шахматах.

Хотя, как ни странно, Каспаров утверждал, что в Deep Blue нет ничего умного — «он такой же умный, как будильник», заявил он.


Каспаров и А.И
Каспаров и А.И.: пропасть
между восприятием
и реальностью

Выступая на недавней конференции, шахматная легенда Гари Каспаров сказал, что на общественное восприятие ИИ оказало чрезмерное влияние благодаря Голливуду: реальность гораздо более позитивна — взгляд Каспарова на ИИ является поводом для оптимизма.


Но затем Каспаров продолжал утверждать, что нет ничего особенно умного в том, чтобы играть в шахматы — скромные слова одного из величайших шахматистов.

Но, может быть, в этих словах есть что-то довольно глубокое. Машинное обучение, в отличие от правил применения искусственного интеллекта, влечет за собой обучение алгоритму на данных.

Ключевым моментом здесь является качество данных.


Этика

Этика искусственного интеллекта, машина-человек и почему специалист по данным Microsoft с оптимизмом смотрит в будущее нашей технологии

ИИ может бороться с предвзятостью, может направлять ложные новости, и когда наконец настанет день, когда мы сливаемся с машиной, этический ИИ будет первостепенным, как сказал нам старший специалист по данным.


Борьба с предвзятостью ИИ

Poornima Ramaswamy из Cognizant рассматривает возможность борьбы с предвзятым отношением к искусственному интеллекту. «Мы должны научить ИИ отказаться от предвзятости».


Таким образом, машинное обучение — это всего лишь одно из приложений ИИ, но это, пожалуй, единственная версия, которая сегодня имеет какое-либо значение. Машинное обучение оказывается бесценным в таких областях, как маркетинг, здравоохранение и автономные автомобили.

вернуться в меню ↑

Нейронные сети и глубокое обучение

Если машинное обучение является аспектом искусственного интеллекта, то глубокое обучение является аспектом машинного обучения, более того, это форма машинного обучения, в которой применяются нейронные сети.

Идея нейронных сетей состоит в том, чтобы применить способ обучения, отражающий работу человеческого мозга. Человеческий мозг состоит из нейронов, и эти нейроны соединяются друг с другом посредством химических реакций, образующих синапсы.

Станьте ML Engineer
Подробнее

С нуля вы пройдете полный путь от аренды GPU-сервера, который подходит для Deep Learning, вплоть до создания полноценной рабочей модели для компьютерного зрения, анализа естественного языка и рекомендательных систем.


Марк Уорнер

Нейронные сети Марка Уорнера биологически вдохновлены

Глубокое обучение работает через слои — слои искусственных «нейронов», каждый из которых отвечает за определенную задачу.


Есть одно большое различие с человеческим мозгом, и это связано с масштабом. В человеческом мозге более 100 миллиардов нейронов и триллионы синапсов. Нейронные сети даже не имеют крошечной доли этого масштаба.

Детальное изображение нейрона

Кроме того, сила синапсов может сильно различаться — весьма отличается от цифровой технологии, где существует либо связь между нейронами, либо отсутствие связи.

Это эффективно обеспечивает человеческий мозг, возможно, бесконечным числом потенциальных связей между нейронами. Таким образом, нейронные сети не находятся на этом уровне, и аналогия с мозгом, даже уменьшенная версия, далеко не точна.


Сети искусственного интеллекта

Сети искусственного интеллекта-будущее Deep Learning

Питер Уоллес, коммерческий директор GumGum

В конце 2010-х годов произошел ряд инноваций. В 2009 году произошел так называемый большой взрыв нейронных сетей, когда Nvidia, компания, специализирующаяся на технологиях для видеоигр, обучала свои графические процессоры нейронным сетям.

Фалон Фатеми

Неуправляемые модели могут быть обучены на основе знаний, имеющихся в сети

Фалон Фатеми

Примерно в это же время Эндрю Нг понял, что использование графических процессоров в нейронной сети может увеличить скорость алгоритмов глубокого обучения в 1000 раз.

Описывая последние достижения в области нейронных сетей, Марк Уорнер объясняет это следующим образом:

«Это огромные звери… у них 150 различных частей, и каждая часть содержит несколько слоев».

Затем каждому слою может быть поручено определенное задание, обычно они начинают с определения ребер — один может идентифицировать вертикальные ребра, другой горизонтальный и другой кривые.

Отсюда другой слой может собрать эту информацию, чтобы идентифицировать, скажем, лицо — или енота.

Фалон Фатеми делает еще один шаг вперед, говоря о том, что Node называет неконтролируемым глубоким обучением

«В течение одного дня создается больше информации, чем мы могли бы поглотить за всю жизнь, но машина может абсолютно переварить ее, извлечь из нее уроки, понять ее и динамически накопить знания о мире, которые мы затем сможем использовать.»

Таким образом, Deep Learning — это подмножество машинного обучения, в котором применяются нейронные сети, а машинное обучение — это подмножество искусственного интеллекта.

Есть вопрос или дополнение?

      Оставить отзыв

      EdAdvisor
      Регистрация
      Сброс пароля
      Сравнить товары
      • Итого (0)
      Сравнить
      0