Bølgen av kunstig intelligens skyller over verden, og mange ord dveler alltid i våre ører: kunstig intelligens (kunstig intelligens), maskinlæring (maskinlæring), dyp læring (dyp læring). Mange mennesker har alltid en vag forståelse av betydningen av disse-høyfrekvente ordene og forholdet bak dem. Denne artikkelen klargjør betydningen av disse ordene på det enkleste språket, som kan hjelpe alle til å bedre forstå forholdet mellom dem.
Fra biler til smarttelefoner, til digitale assistenter og til og med roboter. Vi snakker ikke bare om de banebrytende nye funksjonene som dukker opp hver dag. Dessuten utfører enheter, datamaskiner og maskiner oppgaver intelligent. Hvordan gjør de det? — Gjennom kunstig intelligens, aka AI.
Begrepet "kunstig intelligens" ble først laget av kognitiv vitenskapsmann John McCarthy, som skrev i sin bok: "Denne forskningen er basert på antakelsen om at enhver læringsatferd eller annen intellektuell karakteristikk kan i prinsippet være en nøyaktig beskrivelse, slik at en maskin kan bygges for å simulere det." Siden den gang har kunstig intelligens hjemsøkt folks sinn og sakte klekket ut i vitenskapelige forskningslaboratorier. I tiårene som fulgte, har kunstig intelligens snudd sine polariteter, eller blitt kalt en profeti om den blendende fremtiden til menneskelig sivilisasjon, eller kastet på søppeldynga som teknologiske galningers fantasier. Fram til 2012 eksisterte begge stemmene samtidig.
Figur|Artificial Intelligence Research Branch
Etter 2012, takket være økningen i mengden data, forbedringen av datakraft og fremveksten av nye maskinlæringsalgoritmer (dyp læring), begynte kunstig intelligens å eksplodere. Det nåværende vitenskapelige forskningsarbeidet er imidlertid konsentrert om den svake kunstige intelligens-delen, og det er svært håpefullt at et stort gjennombrudd vil bli gjort i nær fremtid. Det meste av den kunstige intelligensen i filmene skildrer sterk kunstig intelligens, og denne delen er vanskelig å oppnå i den nåværende virkelige verden. (Kunstig intelligens deles vanligvis inn i svak kunstig intelligens og sterk kunstig intelligens. Førstnevnte gjør det mulig for maskiner å ha evnen til å observere og oppfatte, og kan oppnå et visst nivå av forståelse og resonnement, mens sterk kunstig intelligens gjør det mulig for maskiner å tilegne seg tilpasningsevner og løse noen problemer som ikke tidligere har vært problemer).
Svak kunstig intelligens forventes å gi gjennombrudd, hvordan oppnås den, og hvor kommer «intelligens» fra? Dette er i stor grad takket være én tilnærming til kunstig intelligens – maskinlæring.
Vi bruker den enkleste metoden for å visualisere forholdet mellom de tre.
Kunstig intelligens
Enkelt sagt beskriver kunstig intelligens de ulike måtene en maskin samhandler med verden rundt seg på. Med avansert, menneskelig-lignende intelligens kan en AI-maskin eller enhet etterligne menneskelig atferd eller utføre oppgaver som et menneske gjennom de kombinerte effektene av programvare og maskinvare.
Vi kan se mye om kunstig intelligens i dag, for eksempel talegjenkjenning (brukes i smarte personlige assistenter), ansiktsgjenkjenning (brukes i filtre som for tiden er populære på sosiale medier), eller objektgjenkjenning (som søk etter eple og bilde av appelsiner).
Maskinlæring
Maskinlæring er en tilnærming eller undergruppe av kunstig intelligens som legger vekt på "læring" i stedet for dataprogrammer. En maskin bruker komplekse algoritmer for å analysere store mengder data, identifisere mønstre i dataene og lage en prediksjon, en prosess som ikke krever at et menneske skriver spesifikke instruksjoner i maskinens programvare. Etter å ha forvekslet et krempust med en appelsin, forbedres systemets mønstergjenkjenning over tid ettersom det lærer av sine feil og retter seg som et menneske.
Deep Learning
Deep learning er en undergruppe av maskinlæring som driver store fremskritt innen dataintelligens. Den bruker mye data og datakraft for å simulere dype nevrale nettverk. I hovedsak etterligner disse nettverkene tilkoblingen til den menneskelige hjernen, klassifiserer datasett og oppdager sammenhenger mellom dem. Med nylært kunnskap (uten menneskelig innblanding) kan maskinen bruke sin innsikt på andre datasett. Jo flere data en maskin behandler, jo mer nøyaktige vil spådommene være.
For eksempel kan en dyp{0}}læringsenhet undersøke store data – som farge, form, størrelse, modningstid og opprinnelse til frukten – for nøyaktig å fastslå om et eple er et grønt eple eller en appelsin er en Blodappelsin.
Forskjellene mellom AI, maskinlæring og dyp læring er ikke like åpenbare som epler og appelsiner, de er mer subtile. Maskinlæring er en metode for å oppnå kunstig intelligens, og dyp læring er en teknologi for å oppnå maskinlæring. Nå forstår du forskjellen mellom dem?
