深度学习与机器学习:解释

两者都是ai的强大形式,但一个人比另一个更神秘。

好吧,你点击了这一点,所以明显地你对人工智能的一些更细微的细微差别感兴趣。小奇迹;它到处都是突出的,以迄今为止的应用程序追求应用程序无症状的Covid感染通过咳嗽,创造野火地图更快, 和在竞争专业人士上殴打

当您宣布alexa或召唤Siri时,它还听取,并一目了然地解锁您的手机。

但人工智能是一种伞长,当我们开始向下移动特殊链时,事情会变得混乱 - 特别是当名称如此相似时,例如,深度学习与机器学习。

深度学习与机器学习

让我们在深度学习与机器学习之间进行区分;他们非常相关。机器学习是在这里的更广泛的类别,所以让我们先定义它。

机器学习是ai的领域,其中程序“通过数据学习”。它在20世纪50年代和1990年代的基本形式上存在,但最近只有它需要真正闪耀的计算能力。

学习数据可以来自人类标记的大型集 - 称为地面真相 - 或者它可以由AI本身生成。

例如,培训机器学习算法知道什么是猫 - 你kn这只猫即将到来 - 你可以养活它是一个巨大的图像收集,被人类标记为猫,以作为地面真理。通过全部搅拌,AI学习是什么让东西猫和某些东西没有,然后可以识别它。

深度学习与机器学习的关键差异是深度学习是由被称为神经网络的机器学习的特定形式的机器学习。

正如他们的姓名所知,神经网络受到人脑的启发。在你的耳朵之间,神经元在音乐会上工作;深度学习算法基本上是相同的。它使用多个神经网络层来处理信息,从这个复杂的系统中的深度处理,我们要求它的输出。

拿电脑程序alphago.。通过播放战略委员会游戏反对自己无数次,Alphago开发了自己独特的播放风格。它的技术是如此令人不安,也可以在对阵李塞多尔的比赛中,最好的在世界上的球员,它使得一个移动所以挑剔的塞米尔不得不离开房间。当他回来时,他再过15分钟就会想到他的下一步。

他已经有了宣布退休。“即使我成为第一,还有一个无法击败的实体,”Sedol告诉Yonhap新闻机构。

请注意Sedol如何称为Alphago“实体?”那是因为它没有像磨坊的跑步程序,甚至是典型的ai。它让自己变成了什么......别的。

alphago等深度学习系统,良好,深。和复杂的。他们创建了我们真正致电实体的程序,因为他们采取了“思维”模式,这是如此复杂的,我们不知道它们如何到达他们的产出。事实上,深入学习通常被称为一个“黑盒子。”

黑盒子问题

由于深度学习神经网是如此复杂,因此他们实际上无法理解太复杂;我们知道我们进入AI的东西,我们知道它给了我们,但在介于之间,我们不知道它是如何到达那个输出的 - 这是黑匣子。

当有问题的AI识别你的脸部来打开iPhone时,这似乎似乎也不讨论,但是当它为警方认识到你的脸时,赌注很高。或者当它试图确定医疗诊断时。或者当它安全地在道路上保持自动车辆时。虽然不一定是危险的,黑匣子会构成一个问题,因为我们不知道该实体是如何到达他们的决定 - 如果医学诊断是错误的或自主车辆走出道路,我们可能不知道为什么。

这是否意味着我们不应该使用黑匣子?不必要。深度学习专家分为如何处理黑匣子。

一些研究人员,如奥本大学计算机科学家Anh Nguyen,想破解这些盒子并弄清楚是什么让深入学习蜱虫。与此同时,杜克大学计算机科学家Cynthia Rudin认为我们应该专注于首先拥有黑匣子问题的AI,例如更传统的算法。仍然是其他计算机科学家,如多伦多大学的杰弗·宾顿和脸书的Yann Lecun,认为我们根本不应该担心黑匣子。毕竟,人类也是黑盒子。

这是一个问题,我们必须与之搏斗,因为它无法真正避免;更复杂的问题需要更复杂的神经网,这意味着更多的黑匣子。在深度学习与机器学习中,前者会在问题变得艰难时擦拭地板 - 它使用那个黑匣子这样做。

正如Nguyen告诉我的那样,谈到AI没有免费午餐。

下一个
AI军事喷气式飞机
订阅弗里希思更多伟大的故事