Las diferencias y conexiones entre inteligencia artificial, aprendizaje automático y aprendizaje profundo
Sin embargo, la "inteligencia artificial" no se hizo popular por sí sola. Además tiene dos compañeros inseparables: el "aprendizaje automático" y el "aprendizaje profundo". Estas tres palabras, como una combinación celestial, aparecen en varios lugares y, a veces, incluso se encarnan entre sí. Entonces aquí viene el problema. ¿Cuál es la relación entre inteligencia artificial, aprendizaje automático y aprendizaje profundo? ¿Cuáles son las conexiones y diferencias entre ellos? Sin dividir aquí los conceptos, comencemos con el desarrollo de la inteligencia artificial.
Pasado y presente de la inteligencia artificial
En el verano de 1956, con John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude, un grupo de jóvenes científicos liderados por Shannon se reunieron en Dartmouth para estudiar y discutir una serie de cuestiones relacionadas con el uso de máquinas para simular inteligencia (históricamente conocida como la "Conferencia de Dartmouth"). En esa reunión se propuso el término "inteligencia artificial", que también marcó el nacimiento oficial de la emergente disciplina "inteligencia artificial".
En ese momento, la investigación sobre inteligencia artificial estaba en el "período de razonamiento". La gente creía que mientras a la máquina se le pudiera dar la capacidad de razonar lógicamente, la máquina tendría inteligencia. La investigación en ese momento logró algunos resultados, como demostrar muchos teoremas matemáticos, algunos de los cuales eran incluso más inteligentes que los matemáticos.
Sin embargo, la inteligencia humana no sólo proviene de las capacidades de razonamiento lógico, sino también de una gran cantidad de experiencia y conocimiento. Por ejemplo, si nunca he volado ni comprado un billete para otros, cuando me preguntes cuánto cuesta el billete a Beijing mañana, probablemente me quedaré perdido y ni siquiera conozco Ctrip, así que no "inteligente", pero mis habilidades de razonamiento en realidad no han disminuido. Desde la década de 1970, la investigación sobre inteligencia artificial ha entrado en un "período de conocimiento". La gente espera resumir el conocimiento en diversos campos basándose en el razonamiento y enseñárselo a la máquina para que pueda adquirir inteligencia. En ese momento, surgió una gran cantidad de sistemas expertos (sistemas de programas con una gran cantidad de conocimiento y experiencia profesionales, que pueden usarse para razonar y juzgar, simulando el proceso de toma de decisiones de expertos humanos) y lograron muchos logros en muchos campos de aplicación.
Pero la gente pronto se dio cuenta de que es muy difícil resumir el conocimiento y enseñarlo a las máquinas (lo que se conoce como el "cuello de botella de la ingeniería del conocimiento"), porque los humanos tienen demasiado conocimiento y deben usarlo. forma que las máquinas puedan entender. Sería fantástico si pudiéramos darle a la máquina algunos datos relativamente sin procesar y dejar que aprenda por sí sola. Por lo tanto, desde la década de 1980, la ruta técnica del aprendizaje automático ha dominado gradualmente la investigación en inteligencia artificial hasta ahora.
¿Qué es el aprendizaje automático?
El aprendizaje automático puede entenderse como una máquina que busca y refina (entrena/aprende) algunas reglas (modelos) a partir de datos empíricos conocidos (muestras) a través de un determinado método (algoritmo) que se puede utilizar para; juzgar algunas cosas desconocidas (predicción).
Por ejemplo, entramos en contacto con 1w reyes solteros (muestras conocidas) y, mediante inducción, resumen y comparación (algoritmo), descubrimos algunas de sus * * características sexuales y luego las usamos. * * Las características sexuales como base para juzgar a los solteros son la base de Wang (modelo), de modo que la próxima vez que conozcas a una persona (muestra desconocida), puedas juzgar si es soltera (predicción).
Dado que estamos buscando patrones a partir de un conjunto de muestras conocidas, la forma de encontrar patrones y la forma de los patrones también variará de persona a persona, es decir, los algoritmos y modelos pueden ser diferentes. Por lo tanto, el aprendizaje automático en sí se divide en diferentes escuelas, y cada escuela tiene sus modelos y algoritmos representativos. El aprendizaje automático se divide principalmente en aprendizaje simbólico (representado por modelos de árboles de decisión y algoritmos relacionados), aprendizaje conexionista (representado por modelos de redes neuronales y algoritmos relacionados) y aprendizaje estadístico (representado por máquinas de vectores de soporte y algoritmos relacionados). El aprendizaje simbólico y el aprendizaje conexionista fueron muy populares desde la década de 1980 hasta mediados de la década de 1990, mientras que el aprendizaje estadístico rápidamente se hizo cargo del escenario desde mediados de la década de 1990. Cabe mencionar que la serie de patrones característicos encontrados para determinar si una persona es soltera es en realidad un árbol de decisiones.
El auge del aprendizaje profundo
Después de entrar en el siglo XXI, el auge de Internet y la Internet móvil ha provocado un crecimiento explosivo de los datos y la computación en la nube también ha mejorado enormemente la potencia informática. Al mismo tiempo, el desarrollo de redes neuronales. Los algoritmos relacionados también han ido madurando gradualmente, lo que ha llevado al resurgimiento de las redes neuronales, representativas del conexionismo. Las redes neuronales que regresan suelen tener capas de red más grandes que antes, por lo que se denominan "redes neuronales profundas". Las redes neuronales profundas tienen suficientes datos de entrenamiento y potencia informática para lograr un rendimiento excelente en muchas tareas complejas, especialmente el procesamiento del habla, el procesamiento del lenguaje natural y el procesamiento de imágenes. Los avances en el rendimiento han promovido la aplicación de la inteligencia artificial en una serie de escenarios como el reconocimiento de voz, la traducción de textos y el reconocimiento facial, permitiendo a todos ver los beneficios económicos y la imaginación que aporta la implementación de nuevas tecnologías, desencadenando así la locura de la inteligencia artificial. inteligencia.
Resumen
Dicho esto, utilizamos una imagen para ilustrar las categorías y la evolución de las escuelas de tecnología de inteligencia artificial. Cabe señalar que si bien el género de la inteligencia artificial está en constante evolución, esto no significa que se hayan abandonado las rutas técnicas del pasado.
Esto se parece más a un estilo orientado a aplicaciones prácticas: en una época, una determinada escuela técnica puede resolver los problemas industriales reales que deben resolverse en esta era, por lo que, naturalmente, se volverá popular. Actualmente, se están aplicando muchas tecnologías diferentes de aprendizaje automático a sus propios escenarios adecuados. Por ejemplo, las máquinas de vectores de soporte, que representan el aprendizaje estadístico, siguen siendo la primera opción para las tareas de clasificación de texto.
Finalmente responde a las preguntas del título del artículo. La inteligencia artificial es un gran concepto, un tema que estudia cómo hacer que las máquinas adquieran inteligencia. El aprendizaje automático es una escuela técnica en inteligencia artificial. Obtiene la "inteligencia" para juzgar muestras desconocidas extrayendo reglas de muestras conocidas; el aprendizaje profundo es un tipo de aprendizaje automático y el modelo que aprende es una red neuronal profunda.