Искусственные нейронные сети

В последние несколько лет понятия, столь странные для российского уха - "искусственный интеллект" и "машинное обучение" стали часто появляться в технологических новостях и на веб-сайтах. Часто эти два понятия используются как синонимы, но многие эксперты утверждают, что у них есть тонкие, но реальные различия.

И, конечно, эксперты иногда расходятся во мнениях относительно того, в чем заключаются эти различия.

В целом, однако, две вещи кажутся очевидными: во-первых, термин искусственный интеллект (ИИ) старше термина машинное обучение (МОО), а во-вторых, большинство людей считают машинное обучение подмножеством искусственного интеллекта. Можно даже купить нейронную сеть.
Искусственный интеллект против машинного обучения

Хотя искусственный интеллект определяется по-разному, наиболее распространенное определение - "область компьютерных наук, посвященная решению когнитивных проблем, обычно ассоциируемых с человеческим интеллектом, таких как обучение, решение проблем и распознавание образов", по сути, это идея о том, что машины могут обладать интеллектом.

Сердцем системы, основанной на искусственном интеллекте, является ее модель. Модель - это не что иное, как программа, которая совершенствует свои знания в процессе обучения, делая наблюдения за окружающей средой. Этот тип моделей, основанных на обучении, относится к группе контролируемого обучения. Существуют и другие модели, которые относятся к категории моделей обучения без наблюдения.

Фраза "машинное обучение" также восходит к середине прошлого века. В 1959 году Артур Самуэль определил ML как "способность обучаться без явного программирования". Он создал приложение для компьютерных шашек, которое стало одной из первых программ, способных учиться на собственных ошибках и улучшать свою производительность с течением времени.

Как и исследования в области ИИ, ML на долгое время вышло из моды, но снова стало популярным, когда в 1990-х годах начала развиваться концепция добычи данных. Добыча данных использует алгоритмы для поиска закономерностей в заданном наборе информации. ML делает то же самое, но идет на один шаг дальше - он изменяет поведение программы на основе того, что она узнает.

Одно из применений ML, которое стало очень популярным в последнее время, - распознавание изображений. Эти приложения сначала должны быть обучены - другими словами, люди должны посмотреть на кучу фотографий и сказать системе, что на них изображено. После тысяч и тысяч повторений программное обеспечение узнает, какие узоры пикселей обычно ассоциируются с лошадьми, собаками, кошками, цветами, деревьями, домами и т.д., и может довольно точно определить контент изображений.

Интеллект современного типа хорош еще и тем, что он обучаем и его можно приобрести готовым и сделанным для различных задач, что само по себе удобно, особенно для неразбирающихся во всех премудростях пользователей.

Читать также:

Откройте мир сокровищ с металлоискателем

Наверное, каждый из нас в детстве мечтал о таинственных приключениях и поиске сокровищ. И хотя взрослая жизнь порой отнимает у нас эту чудесную способность верить �

Рулонный газон — решение для идеального ландшафта

В поисках идеального газона для своего участка многие сталкиваются с дилеммой: вырастить его самостоятельно из семян или же обратиться за помощью к профессионала�

Как косметический ремонт преображает жилище

Обновление квартиры становится не только процессом обновления пространства, но и возможностью создать новую атмосферу, которая вдохновляет и радует глаз. Космети

Разработка приложений и игр для iPhone

Мобильные приложения на смартфоне — это полноценные программы, многие из которых не уступают в своих возможностях компьютерным. С их помощью владелец устройства �

Программа для СТО в Автосервисе

В мире, где автомобили становятся неотъемлемой частью нашей повседневной жизни, важно, чтобы автосервисные центры смогли предложить клиентам не только высококаче