Q:
Sự khác biệt giữa trí tuệ nhân tạo, học máy và học sâu là gì?
A:Các thuật ngữ Trí thông minh nhân tạo, Giáo dục máy tính, Giáo dục và học sâu, mô tả một quá trình tự xây dựng trong vài thập kỷ qua, khi thế giới đã đạt được những tiến bộ to lớn về sức mạnh tính toán, truyền dữ liệu và các mục tiêu công nghệ khác.
Cuộc trò chuyện nên bắt đầu bằng trí tuệ nhân tạo, một thuật ngữ rộng cho bất kỳ khả năng nào của máy tính hoặc công nghệ để mô phỏng suy nghĩ của con người hoặc hoạt động của não. Theo một nghĩa nào đó, trí tuệ nhân tạo bắt đầu sớm, với các chương trình chơi cờ trên máy tính đơn giản và các chương trình khác bắt đầu bắt chước quá trình ra quyết định và suy nghĩ của con người.
| Tải xuống miễn phí: Machine Learning và Why It Matters |
Trí tuệ nhân tạo tiếp tục phát triển từ những ngày đầu của máy tính cá nhân, cho đến thời đại internet và cuối cùng là thời đại của điện toán đám mây, ảo hóa và các mạng tinh vi. Trí tuệ nhân tạo đã phát triển và mở rộng theo nhiều cách như một ngành công nghệ chủ chốt.
Một trong những cột mốc quan trọng trong trí tuệ nhân tạo là sự xuất hiện và áp dụng học máy, một cách tiếp cận cụ thể để đạt được các mục tiêu trí tuệ nhân tạo.
Học máy sử dụng các thuật toán và chương trình tinh vi để giúp phần mềm máy tính trở nên tốt hơn trong việc đưa ra các quyết định nhất định trong môi trường hiệu suất. Thay vì chỉ đơn giản là lập trình máy tính để thực hiện lặp đi lặp lại nhiều lần, như trường hợp với các chương trình được mã hóa bằng tay của những năm 1970 và 1980, học máy bắt đầu sử dụng phương pháp phỏng đoán, mô hình hóa hành vi và các loại hình chiếu khác để cho phép công nghệ để cải thiện việc ra quyết định và phát triển theo thời gian. Học máy đã được áp dụng để chống lại email spam, thực hiện các tính cách trí tuệ nhân tạo như IBM Watson và đạt được các mục tiêu trí tuệ nhân tạo theo những cách khác.
Học sâu, lần lượt, xây dựng trên máy học. Các chuyên gia mô tả học sâu là việc sử dụng các thuật toán để thúc đẩy sự trừu tượng hóa ở mức độ cao, chẳng hạn như việc sử dụng các mạng thần kinh nhân tạo để đào tạo các công nghệ trong các nhiệm vụ. Học sâu đưa máy học lên một tầm cao mới bằng cách cố gắng mô hình hóa hoạt động não thực tế của con người và áp dụng điều đó vào việc ra quyết định nhân tạo hoặc công việc nhận thức khác.
Học sâu đã được chứng minh qua các ví dụ như chương trình tối ưu hóa chuỗi cung ứng tiên tiến, chương trình thiết bị phòng thí nghiệm và các loại đổi mới khác như mạng đối nghịch thế hệ, trong đó hai mạng đối lập, mạng lưới phân biệt và phân biệt đối xử để làm việc với nhau để mô hình hóa con người quá trình suy nghĩ của sự phân biệt đối xử. Kiểu học sâu đặc biệt này có thể được áp dụng để xử lý ảnh và các mục đích sử dụng khác.
Thực tế là việc học sâu thúc đẩy trí thông minh nhân tạo gần hơn với những gì các chuyên gia coi là AI mạnh mẽ, trí thông minh nhân tạo, có ít nhiều khả năng sao chép nhiều chức năng suy nghĩ của con người. Điều này dẫn đến cuộc tranh luận quan trọng về cách xử lý các công nghệ mới nổi này một cách hiệu quả và cách chăm sóc một thế giới mà máy tính nghĩ theo một số cách giống như chúng ta làm.
