एआई बनाम मशीन लर्निंग बनाम डीप लर्निंग: क्या अंतर है? बेथ एकेडमी

एआई बनाम मशीन लर्निंग बनाम डीप लर्निंग: क्या अंतर है?

सोमवार, 17 अप्रैल, 2017

जब दीपमिन्द के अल्पीगो ने तत्कालीन गो-चैंपियन ली से-डोल के खिलाफ 5 में से 4 गेम जीते, तो पूरी दुनिया ने ध्यान आकर्षित किया। उस समय, कृत्रिम बुद्धिमत्ता की विजय के रूप में घोषित, AI उन्नत मशीनों को वास्तविकता में बदलने की दिशा में एक महत्वपूर्ण कदम था।

जब डीप लर्निंग और मशीन लर्निंग शब्द पब्लिक लेक्सिकॉन में आते हैं, जब मीडिया इन शब्दों का उपयोग यह समझाने के लिए करता है कि अल्फा गो मानव मन के खिलाफ कैसे प्रतिस्पर्धा करता है।

एक दूसरे के करीब होने से, इन शब्दों के अलग-अलग अर्थ होते हैं। दिन और शताब्दी में, जहां हम जानते हैं कि प्रौद्योगिकी हमारे जीवन को कैसे प्रभावित करती है, इन शब्दों के बीच के अंतर को जानना महत्वपूर्ण है।

यह लेख आपकी मदद करेगा।

दृष्टिकोण इन शब्दों को समझने का सबसे अच्छा तरीका उनके बीच संबंधों को जानना है। एआई, मशीन लर्निंग और डीप लर्निंग रूसी गुड़िया के संग्रह की तरह हैं - एआई व्यापक अवधारणा है, और इसलिए संग्रह में सबसे बड़ी कठपुतली, मशीन लर्निंग किसी से पीछे नहीं है। आप इसे यहाँ पा सकते हैं।

एआई, मशीन लर्निंग और डीप लर्निंग रूसी गुड़िया संग्रह की तरह हैं ... ट्वीट करने के लिए क्लिक करें

हम पहले कठपुतली, आर्टिफिशियल इंटेलिजेंस की अपनी समझ के साथ शुरू करते हैं।

आर्टिफिशियल इंटेलिजेंस (एआई) आर्टिफिशियल इंटेलिजेंस सदियों से, ग्रीक मिथकों से यांत्रिक लोगों के बारे में, बुद्धिमान साइबरनेटिक जीवों के संबंध में मानवता के विनाश / संरक्षण के लिए विकसित हुआ है। जहाँ तक टर्मिनेटर लाइन की बात है, nggi हमारी सार्वजनिक कल्पना का हिस्सा है। । यह कंप्यूटर सिस्टम का सिद्धांत और विकास है जिसमें मानव बुद्धि की आवश्यकता होती है, जैसे दृश्य धारणा, भाषण मान्यता, निर्णय लेने और भाषाओं के बीच अनुवाद।

हॉलीवुड और विज्ञान फाई द्वारा लोकप्रिय एआई की अवधारणा को "कॉमन एआई" कहा जाता है - एक शक्तिशाली मशीन जो सभी क्षेत्रों में आदमी पर हावी है।

हालांकि, अल्फा गो और वर्तमान एआई के अधिकांश मामले "डार्क एआई" श्रेणी में हैं, इन मशीनों को किसी व्यक्ति के विशिष्ट कार्यों को दोहराने या बढ़ाने के लिए डिज़ाइन किया गया है।

पिछले कुछ वर्षों में एआई की लोकप्रियता ने क्षेत्र में सभी संभावनाओं का पता लगाना आसान कर दिया है, समानांतर में विभिन्न प्रकार के डेटा के साथ GPU और बिग डेटा के आसान एकीकरण के लिए।

लेकिन 2012 तक ध्यान और प्रगति को कम करने वाले क्षेत्र ने इसे इतनी तेजी से कैसे बनाया? यह प्रश्न हमें कंप्यूटर विज्ञान के क्षेत्र में मशीन लर्निंग की ओर ले जाता है, जहाँ यह विकास किया गया था।

मशीन लर्निंग

मैकेनिकल इंजीनियरिंग, एक अवधारणा के रूप में, प्रदान की गई जानकारी से स्वयं के लिए सीखने की मशीन की क्षमता को संदर्भित करता है। यद्यपि हम आम तौर पर अपनी आवश्यकताओं के अनुसार निर्देशों का पालन करने के लिए अपनी मशीनों का कार्यक्रम करते हैं, मशीन लर्निंग में, हम एल्गोरिदम का उपयोग करते हैं जो नियमित रूप से डेटा की जांच करते हैं और सहज व्यवहार सीखते हैं।

लेकिन 2012 में केंद्रित और केंद्रित एआई ने इसे कितना बड़ा बना दिया ... ट्वीट टू ट्वीट

मशीन लर्निंग एल्गोरिदम का उपयोग करके यह निर्धारित करना कि ईमेल स्पैम है या नहीं, यह निर्धारित करते हुए ईमेल को अलग-अलग फ़िल्टर में वर्गीकृत करना।

मशीन लर्निंग को सबसे पहले एआई भीड़ द्वारा विकसित किया गया था और तब से कई तकनीकों को एकत्रित किया गया है जिसमें निर्णय ट्री लर्निंग, सरल बेस क्लासिफायर, और वेक्टर मशीनों का समर्थन शामिल है। यह कंप्यूटर विज़न के क्षेत्र में व्यापक रूप से उपयोग किया जाता है, जिसका उद्देश्य कंप्यूटर को छवि के भीतर विभिन्न वस्तुओं की पहचान करने में मदद करना है।

प्रारंभ में, यह क्षेत्र में विफल रहा - इसके लिए हाथ कोडिंग, प्रसंस्करण समय की आवश्यकता थी, और फिर भी यह मानवीय मानकों के परिणामों से मेल करने में विफल रहा। समय बीतने और तकनीकी ढांचे में सुधार के साथ, ये तकनीक बहुत शक्तिशाली हो गई हैं, लेकिन केवल एक उप-क्षेत्र है जो मशीन लर्निंग को विकसित करने में मदद कर सकता है, जो कि कंप्यूटर विज़न द्वारा एक चित्र और उबेर है वस्तु मान्यता में इसका सफलतापूर्वक उपयोग किया जाता है। , Apple और ड्राइवरों को कम पार्क करना पसंद है।

और तकनीक? यह गहन अध्ययन का लक्ष्य है।

गहरी सीख

डीप लर्निंग मशीन लर्निंग का एक उप-डोमेन है जो कृत्रिम तंत्रिका नेटवर्क तकनीकों का उपयोग करता है। यह मानव जीव विज्ञान से प्रेरित है - क्योंकि हमारे मस्तिष्क में न्यूरॉन्स का एक नेटवर्क होता है जो संकेतों को प्रसारित करता है और सूचना प्रसारित करता है, एल्गोरिदम एक मशीन की तरह सेटअप बनाता है, जैविक न्यूरॉन्स के विपरीत जो स्वतंत्र रूप से एक दूसरे के साथ संवाद कर सकते हैं। गंध न्यूरॉन। नेटवर्क में असतत परतें और कनेक्शन होते हैं और पूर्वनिर्धारित दिशा का पालन करते हैं।

वास्तव में, डीप लर्निंग में एक कंप्यूटर सिस्टम में बहुत अधिक जानकारी को स्थानांतरित करना शामिल है जो द्विआधारी वास्तविक या गलत प्रश्नों द्वारा डेटा को वर्गीकृत करता है या संख्यात्मक मूल्यों को निकालकर डेटा का विश्लेषण करता है। यह जानकारी तंत्रिका नेटवर्क के रूप में संग्रहीत की जाती है और फिर किसी भी प्रकार की जानकारी को वर्गीकृत करने के लिए उपयोग की जाती है - ऑडियो, वीडियो, भाषण, आदि। हालांकि कम्प्यूटेशनल वॉल्यूम बहुत बड़ा है, इस पद्धति से उत्कृष्ट परिणाम प्राप्त होते हैं और वर्तमान में इस तरह की समस्याओं की एक विस्तृत श्रृंखला के लिए उपयोग किया जाता है। एक कम कार चालक के रूप में, काले और सफेद पेंटिंग, एक चिकित्सा निदान प्रदान करता है, और बहुत कुछ।

सारांश में, इन अवधारणाओं को संकेंद्रित हलकों के रूप में सोचना आसान है। एआई एक व्यापक लक्ष्य है, एक ऐसा भविष्य जो आज साकार होगा। मशीन लर्निंग भविष्य को एक वास्तविकता बनाने के लिए सबसे आशाजनक दृष्टिकोण है। डीप लर्निंग मशीन लर्निंग है - ऐसा करने का सबसे मजबूत तरीका।

इन अवधारणाओं की गहरी समझ हासिल करने के लिए हमारे सूचना विज्ञान पाठ्यक्रमों पर जाएँ।

17 अप्रैल, 2017 को मूल रूप से प्रकाशित byteacademy.co।