Cet article a été publié dans le cadre du Blogathon sur la science des données.
La gamme d'applications a changé les facettes de la technologie dans tous les domaines, des soins médicaux, la fabrication, les affaires, l'éducation, à la Banque, technologie de l'information et d'autres choses.
Bien que ces mots soient familiers et largement utilisés, sont souvent utilisés de manière interchangeable. Mais il y a une grande différence entre tous.
Dans cet article, nous allons explorer ces mots à la mode et apprendre la différence entre eux.
Intelligence artificielle
En peu de mots, “l'intelligence artificielle est la capacité des machines à fonctionner comme le cerveau humain”.
Quand on pense à l'Intelligence Artificielle, la première chose qui me vient à l'esprit sont les robots. Il y a quelques décennies, « Robots’ nous a davantage fascinés par les films montrant des robots / Des surhumains effectuant des travaux incroyablement difficiles sans effort et vivant sur un pied d'égalité avec les humains. Maintenant, les robots comme Sophia sont une réalité et on trouve l'IA partout. Des aspirateurs robots, assistants virtuels comme SIRI, robots qui pratiquent la chirurgie dans les soins de santé, des robots qui écrivent des codes et, bien sûr, voitures et camions autonomes, la plupart d'entre eux sont une réalité et le monde de l'intelligence artificielle évolue rapidement. À partir de l'ordinateur d'échecs IBM 'Deep Blue', qui a gagné une partie d'échecs contre le champion du monde, à 'AlphaGo par Google', nous avons vu des découvertes fascinantes dans cette révolution de l'intelligence artificielle.
En termes simples, L'intelligence artificielle consiste à entraîner des machines à imiter le comportement humain, Plus précisément, le cerveau humain et ses capacités de réflexion. Comme le cerveau humain, les systèmes d'intelligence artificielle développent la capacité de rationaliser et d'effectuer des actions qui ont les meilleures chances d'atteindre un objectif spécifique.
L'intelligence artificielle se concentre sur la réalisation 3 capacités cognitives comme un humain: apprentissage, raisonnement, Oui correction automatique.
L'évolution de l'intelligence artificielle est considérée comme la quatrième révolution industrielle ~ UBS
Les experts disent, comme le 3 les premières révolutions industrielles ont changé le cours du monde, la quatrième révolution, propulsé par l'intelligence artificielle, L'IoT et le Cloud vont sûrement changer le cours de l'humanité et de notre planète Terre. Et les passionnés courent pour apprendre Cours d'IA en ligne.
Jetons un coup d'œil rapide sur les trois catégories générales d'intelligence artificielle et comment nous évoluons rapidement dans ces domaines !!
1. Intelligence artificielle étroite
2. Intelligence artificielle générale
3. Super intelligence artificielle
Intelligence artificielle étroite
Intelligence artificielle étroite Les systèmes sont conçus et formés pour accomplir une tâche spécifique et, souvent, sont appelés IA faible / IA étroite. Chatbots qui répondent aux questions en fonction des entrées des utilisateurs, assistants vocaux comme Siri, Alexa et Cortana, systèmes de reconnaissance faciale, systèmes d'intelligence artificielle recherchant sur Internet, sont des exemples de faible intelligence artificielle. Ils sont intelligents dans effectuer des tâches spécifiques qui sont programmés pour le faire.
L'IA étroite n'imite pas l'intelligence humaine, sino que simplemente simula el comportamiento humano en función de un conjunto de paramètresLes "paramètres" sont des variables ou des critères qui sont utilisés pour définir, mesurer ou évaluer un phénomène ou un système. Dans divers domaines tels que les statistiques, Informatique et recherche scientifique, Les paramètres sont essentiels à l’établissement de normes et de standards qui guident l’analyse et l’interprétation des données. Leur sélection et leur manipulation correctes sont cruciales pour obtenir des résultats précis et pertinents dans toute étude ou projet.... y datos de entrada. Une IA faible nécessite encore une certaine intervention humaine en termes de définition des paramètres d'apprentissage des algorithmes., alimentar datos de entraînementLa formation est un processus systématique conçu pour améliorer les compétences, connaissances ou aptitudes physiques. Il est appliqué dans divers domaines, Comme le sport, Éducation et développement professionnel. Un programme d’entraînement efficace comprend la planification des objectifs, Pratique régulière et évaluation des progrès. L’adaptation aux besoins individuels et la motivation sont des facteurs clés pour obtenir des résultats réussis et durables dans toutes les disciplines.... relevantes y garantizar la precisión de la predicción.
Vous pouvez le considérer comme un bébé qui écoute les instructions des adultes et exécute les fonctions selon les instructions..
Intelligence artificielle générale
Intelligence artificielle générale c'est quand les systèmes / Machines d'IA agir sur un pied d'égalité avec un autre humain. Cela signifie également la capacité de la machine à interpréter et à comprendre le ton et les émotions humaines et à agir en conséquence.. Cela s'appelle aussi IA puissante et nous sommes encore en train de gratter la surface de IA puissante. UNE mesureLa "mesure" C’est un concept fondamental dans diverses disciplines, qui fait référence au processus de quantification des caractéristiques ou des grandeurs d’objets, phénomènes ou situations. En mathématiques, Utilisé pour déterminer les longueurs, Surfaces et volumes, tandis qu’en sciences sociales, il peut faire référence à l’évaluation de variables qualitatives et quantitatives. La précision des mesures est cruciale pour obtenir des résultats fiables et valides dans toute recherche ou application pratique.... que las capacidades de aprendizaje automático continúen evolucionando, l'intelligence artificielle va progresser et nous y arriverons bientôt.
Super intelligence artificielle
Super intelligence artificielle / La super IA, c'est quand une machine artificielle intelligente deviendrait être conscient de soi et dépasser l'intelligence et les capacités humaines. Bien que de nombreuses recherches intéressantes soient menées dans ce domaine, il y a aussi des avertissements de scientifiques.
Professeur à l'Université d'Oxford et auteur du livre à succès du New York Times. “Superintelligence: routes, danger, stratégies”, Dé Nick Bostrom,
"La plus grande menace est le problème à long terme, qui introduit quelque chose de radical qui est super intelligent et qui ne correspond pas aux valeurs et aux intentions humaines. C'est un gros problème technique. Nous avons pu résoudre le problème de capacité avant de pouvoir résoudre le problème de sécurité et d'alignement “.
Ensuite, Que pensez-vous d'atteindre ce niveau de superintelligence artificielle? Pensez-vous que la Super AI incontrôlée peut devenir une menace pour l'humanité? N'oubliez pas de partager vos pensées dans les commentaires..
Bien! C'est beaucoup sur l'Intelligence Artificielle !!
Comment nous avons une juste idée de l'intelligence artificielle; Vous vous demandez comment le système / la machine informatique peut imiter les actions humaines et faire des prédictions, automatisation et prise de décision?
C'est là qu'intervient l'apprentissage automatique..
Apprentissage automatique
L'apprentissage automatique est, bien sûr, un sous-ensemble de l'intelligence artificielle. Fournit des algorithmes et des méthodes statistiques et permet aux machines de / les ordinateurs apprennent automatiquement de vos expériences et données précédentes et permettent au programme de modifier son comportement en conséquence.
L'apprentissage automatique fournit de nombreuses techniques et algorithmes différents pour permettre à l'ordinateur d'apprendre. Arbres de décision, Forêts aléatoires, Machines à vecteurs de soutien, K signifie regroupement – ce ne sont que pour n'en nommer que quelques-uns.
Ventes de produits de prévision de la demande, prédire le comportement des clients, mesurer les sentiments des clients en fonction de leur comportement sur les réseaux sociaux: ce sont des cas d'utilisation où des modèles d'apprentissage automatique sont utilisés. Les algorithmes d'apprentissage automatique fonctionnent bien lorsque les données d'entrée sont raisonnablement bonnes. Quand la taille des données monte en flèche, nous devons rechercher des algorithmes et des techniques plus efficaces et c'est là que Deep Learning trouve son point d'accès.
Les plateformes OTT comme Netflix et Amazon Prime utilisent l'apprentissage automatique pour recommander des films en fonction des données de visionnage précédentes de l'utilisateur et s'améliorer constamment en apprenant des expériences passées..
Source de l'image: Scrabble
Dans le commerce électronique, Des entreprises comme Amazon et Flipkart utilisent l'apprentissage automatique pour comprendre les préférences des utilisateurs et proposer des recommandations de produits en fonction des achats précédents et de l'historique de visualisation..
L'application de l'apprentissage automatique dans le monde réel est énorme !!
Maintenant, nous avons une idée claire que l'apprentissage automatique et l'intelligence artificielle ne sont pas la même chose. L'apprentissage automatique est l'un des moyens d'atteindre l'intelligence artificielle.
Comme n'importe quoi d'autre, el aprendizaje automático tiene sus deficiencias y ahí es donde entra en juego el l'apprentissage en profondeurL'apprentissage en profondeur, Une sous-discipline de l’intelligence artificielle, s’appuie sur des réseaux de neurones artificiels pour analyser et traiter de grands volumes de données. Cette technique permet aux machines d’apprendre des motifs et d’effectuer des tâches complexes, comme la reconnaissance vocale et la vision par ordinateur. Sa capacité à s’améliorer continuellement au fur et à mesure que de nouvelles données lui sont fournies en fait un outil clé dans diverses industries, de la santé....
Les modèles d'apprentissage automatique ne fonctionnent pas très bien lorsque le volume et la complexité des données se multiplient. Ils ont besoin d'une sorte d'intervention humaine et de conseils, tandis que les modèles d'apprentissage en profondeur apprennent des données et de l'expérience antérieure et sont progressivement corrigés.
Échelle avec la quantité de données | Source de l'image: soshace.com
Regardons le prochain mot à la mode: L'apprentissage en profondeur!
L'apprentissage en profondeur
L'apprentissage profond peut être considéré comme l'évolution de l'apprentissage automatique qui s'inspire du fonctionnement du cerveau humain. L'apprentissage en profondeur est utilisé pour résoudre des problèmes complexes où les données sont énormes, divers et moins structuré. Les modèles d'apprentissage en profondeur sont construits sur des réseaux de neurones artificiels, Quoi imiter le fonctionnement du cerveau humain.
Regardons le fonctionnement de base de notre cerveau pour comprendre comment fonctionnent les réseaux de neurones. Notre cerveau humain possède des neurones qui sont les unités fonctionnelles de base de notre cerveau.. Les neurones transmettent des informations à d'autres cellules nerveuses, les muscles et les glandes et reçoivent également des informations d'autres neurones, permettre au cerveau de prendre des décisions.
Imaginer, vous êtes un petit enfant et vous voyez une marmite pleine d'eau chaude. Quand tu le vois, tu ne comprendras pas qu'il fait chaud à moins que quelqu'un le dise. Si vous touchez le pot chaud, les nerfs de vos doigts transmettent cette information au cerveau, et les neurones traitent cette information et envoient le signal à vos doigts et vous sentiriez la chaleur. La prochaine fois que je vois un pot chaud, votre cerveau se souviendra des incidents précédents et vous rappellera qu'il fera chaud si vous le touchez.
Et notre cerveau apprend en permanence des contributions de l'environnement et des expériences précédentes et prend la meilleure décision possible dans chaque scénario.. C'est à peu près ce que fait l'apprentissage en profondeur!! Apprenez progressivement des données brutes et des expériences précédentes et corrigez-vous sans programmation explicite.
Source de l'image: DucAujourd'hui
Réseaux de neurones artificiels, réseaux de neurones convolutifs et réseaux de neurones récurrents sont quelques-uns des algorithmes d'apprentissage en profondeur utilisés pour résoudre des problèmes du monde réel.
Voitures et camions autonomes, assistants virtuels comme Alexa, Siri et Google Assistant, systèmes de reconnaissance vocale, vision par ordinateur, les chirurgies robotiques sont toutes des applications d'apprentissage en profondeur intéressantes.
Bien que le Deep Learning ait été conceptualisé dans la décennie de 1980, les chercheurs avaient deux limitations majeures lorsqu'il s'agissait de mettre en œuvre des modèles d'apprentissage en profondeur. Modèles d'apprentissage en profondeur nécessitent beaucoup de données Oui puissance de calcul très élevée. Au fur et à mesure que les données grandissent, la profundidad de la neuronal rougeLes réseaux de neurones sont des modèles computationnels inspirés du fonctionnement du cerveau humain. Ils utilisent des structures appelées neurones artificiels pour traiter et apprendre des données. Ces réseaux sont fondamentaux dans le domaine de l’intelligence artificielle, permettant des avancées significatives dans des tâches telles que la reconnaissance d’images, Traitement du langage naturel et prédiction de séries temporelles, entre autres. Leur capacité à apprendre des motifs complexes en fait des outils puissants.. aumenta y el aprendizaje se vuelve 'Profond'. C'est l'essence du Deep Learning. Un autre avantage important du Deep Learning est que, comme les trains miniatures, il apprend à extraire des caractéristiques par lui-même et nous n'avons pas à effectuer une extraction de caractéristiques manuelle comme c'est le cas avec d'autres algorithmes d'apprentissage automatique.
Avec l'avènement de nouvelles unités de traitement, puissance de calcul accrue et croissance exponentielle des données; L'apprentissage en profondeur prend de l'ampleur et est utilisé pour résoudre de nombreux problèmes du monde réel.
“Au début 2020, le nombre d'octets dans l'univers numérique était 40 fois plus grand que le nombre d'étoiles dans l'univers observable” ~ Forum économique mondial
En résumé, de nombreux systèmes d'intelligence artificielle sont alimentés par des algorithmes d'apprentissage automatique et d'apprentissage profond. L'intelligence artificielle est obtenue grâce au machine learning et au deep learning et ce ne sont pas les mêmes.
J'espère que cet article vous a donné une idée claire de l'intelligence artificielle, apprentissage automatique et apprentissage profond.
Si vous voulez laisser vos pensées ou vous connecter avec moi sur LinkedIn, Voici le lien- LinkedIn
Bon apprentissage!
Les supports présentés dans cet article ne sont pas la propriété d'Analytics Vidhya et sont utilisés à la discrétion de l'auteur..
