Diferenta dintre inteligenta artificiala, invatarea automata si invatarea profunda

Cu totii suntem familiarizati cu termenul „Inteligenta artificiala”. La urma urmei, a fost un accent popular in filme precum The Terminator, The Matrix si Ex Machina (un favorit personal al meu). Dar s-ar putea sa fi auzit recent despre alti termeni precum „Invatare automata” si „Invatare profunda”, uneori folositi in mod interschimbabil cu inteligenta artificiala. Drept urmare, diferenta dintre inteligenta artificiala, invatarea automata si invatarea profunda poate fi foarte neclara.

Voi incepe prin a da o explicatie rapida a ceea ce inseamna de fapt inteligenta artificiala (AI), invatarea automata (ML) si invatarea profunda (DL) si modul in care sunt diferite. Apoi, voi impartasi modul in care AI si Internetul obiectelor sunt indisolubil legate, cu mai multe progrese tehnologice convergand toate simultan pentru a pune bazele unei explozii AI si IoT.

Creata pentru prima data in 1956 de John McCarthy, AI implica masini care pot indeplini sarcini caracteristice inteligentei umane . Desi acest lucru este destul de general, include lucruri precum planificarea, intelegerea limbajului, recunoasterea obiectelor si sunetelor, invatarea si rezolvarea problemelor.

Putem pune AI in doua categorii, generala si ingusta. AI general ar avea toate caracteristicile inteligentei umane, inclusiv capacitatile mentionate mai sus. AI ingust prezinta unele fatete ale inteligentei umane si poate face acea fateta extrem de bine, dar lipseste in alte domenii. O masina care este excelenta in recunoasterea imaginilor, dar nimic altceva, ar fi un exemplu de AI ingusta.

In esenta, invatarea automata este pur si simplu un mod de a realiza AI.

Arthur Samuel a inventat fraza nu prea mult dupa AI, in 1959, definind-o ca „abilitatea de a invata fara a fi programat explicit”. Vedeti, puteti obtine AI fara a utiliza invatarea automata, dar acest lucru ar necesita construirea a milioane de linii de coduri cu reguli complexe si arbori de decizie.

Deci, in loc de rutine software de codificare dura cu instructiuni specifice pentru a indeplini o anumita sarcina, invatarea automata este un mod de a „antrena” un algoritm, astfel incat sa poata invata cum . „Antrenamentul” implica alimentarea unor cantitati uriase de date catre algoritm si permiterea algoritmului sa se adapteze si sa se imbunatateasca.

Pentru a da un exemplu, invatarea automata a fost utilizata pentru a aduce imbunatatiri drastice viziunii computerizate (capacitatea unei masini de a recunoaste un obiect intr-o imagine sau video). Aduni sute de mii sau chiar milioane de imagini si apoi ii pui pe oameni sa le eticheteze. De exemplu, oamenii ar putea eticheta imaginile care au o pisica in ele, comparativ cu cele care nu au. Apoi, algoritmul incearca sa construiasca un model care poate eticheta cu exactitate o imagine ca continand o pisica sau nu, precum si ca un om.

sexo en directo pajas trans
halle berry desnuda pelis porno españolas
maduras tragando semen maduras americanas
descargar peliculas porno incesto madre hijos
guarras.com trio por sorpresa
porno casadas españolas xxx torrent magnet
maduras folladoras incesto jovencitas
aventura en pelotas xxx abuelas a cuatro patas
maduras americanas porno español dinero
abuela porno pillados follando
folladas salvajes videos heroticos
follando rico suegras españolas follando
porno en cine convencional pilladas cagando
potno viejas muy calientes
porno español jovencita porno por el culo
folladas caseras reales travestis meando
moras follando mujeres peludas follando
porno madres peludas peliculas porno traducidas al castellano
se deja follar peliculas eroticas alemanas
mujeres tetudas videos porno trios español

Odata ce nivelul de precizie este suficient de ridicat, aparatul a „invatat” acum cum arata o pisica.

Invatarea profunda este una dintre numeroasele abordari ale invatarii automate . Alte abordari includ invatarea arborelui decizional, programarea logica inductiva, gruparea, invatarea de intarire si retelele bayesiene, printre altele.

Invatarea profunda a fost inspirata de structura si functia creierului, si anume interconectarea multor neuroni. Retelele neuronale artificiale (ANN) sunt algoritmi care imita structura biologica a creierului.

In ANN-uri, exista „neuroni” care au straturi si conexiuni discrete cu alti „neuroni”. Fiecare strat alege o caracteristica specifica de invatat, cum ar fi curbele / marginile in recunoasterea imaginii. Aceasta stratificare da numele invatarii profunde, adancimea este creata prin utilizarea mai multor straturi, spre deosebire de un singur strat.

Ma gandesc la relatia dintre AI si IoT la fel ca relatia dintre creierul uman si corp.

Corpurile noastre colecteaza aport senzorial, cum ar fi vederea, sunetul si atingerea. Creierul nostru ia aceste date si le da sens, transformand lumina in obiecte de recunoscut si transformand sunetele in vorbire de inteles. Creierele noastre iau decizii, trimitand semnale inapoi catre corp pentru a comanda miscari precum ridicarea unui obiect sau vorbirea.

Toti senzorii conectati care alcatuiesc Internetul obiectelor sunt precum corpurile noastre, furnizeaza date brute despre ceea ce se intampla in lume. Inteligenta artificiala este ca creierul nostru, dand sens acestor date si decidand ce actiuni sa efectuam. Iar dispozitivele conectate ale IoT sunt din nou ca corpurile noastre, desfasoara actiuni fizice sau comunica altora.

Dezlantuind reciproc potentialul

Valoarea si promisiunile atat ale AI cat si ale IoT sunt realizate din cauza celuilalt.

Invatarea automata si invatarea profunda au dus la salturi uriase pentru IA in ultimii ani. Asa cum s-a mentionat mai sus, invatarea automata si invatarea profunda necesita cantitati masive de date pentru a functiona, iar aceste date sunt colectate de miliarde de senzori care continua sa intre online in Internetul obiectelor. IoT face o IA mai buna.

Imbunatatirea AI va conduce, de asemenea, la adoptarea internetului obiectelor, creand un ciclu virtuos in care ambele zone vor accelera drastic. Asta pentru ca AI face util IoT.

Din punct de vedere industrial, AI poate fi aplicat pentru a prezice cand masinile vor avea nevoie de intretinere sau pentru a analiza procesele de fabricatie pentru a obtine mari castiguri de eficienta, economisind milioane de dolari.

Din partea consumatorului, mai degraba decat sa se adapteze la tehnologie, tehnologia se poate adapta la noi. In loc sa facem clic, sa tastam si sa cautam, putem cere pur si simplu unei masini ceea ce avem nevoie. S-ar putea sa cerem informatii precum vremea sau o actiune precum pregatirea casei pentru culcare (inchiderea termostatului, blocarea usilor, stingerea luminilor etc.).

Progresele tehnologice convergente au facut acest lucru posibil

Micsorarea cipurilor de calculator si tehnici de fabricatie imbunatatite inseamna senzori mai ieftini si mai puternici.

Imbunatatirea rapida a tehnologiei bateriei inseamna ca acesti senzori pot dura ani de zile fara a fi nevoie sa fie conectati la o sursa de alimentare.

Conectivitatea wireless, determinata de aparitia smartphone-urilor, inseamna ca datele pot fi trimise in volum mare la tarife ieftine, permitand tuturor acelor senzori sa trimita date in cloud.

Si nasterea norului a permis stocarea practic nelimitata a acestor date si capacitatea de calcul practic infinita de a le prelucra.

Desigur, exista una sau doua ingrijorari cu privire la impactul IA asupra societatii si viitorului nostru. Dar pe masura ce progresele si adoptarea atat a AI cat si a IoT continua sa accelereze, un lucru este sigur; impactul va fi profund.