Questo articolo è stato pubblicato nell'ambito del Blogathon sulla scienza dei dati.
La gamma di applicazioni ha cambiato le sfaccettature della tecnologia in tutti i campi, dall'assistenza sanitaria, la realizzazione, agli affari, all'educazione, attività bancaria, alla tecnologia dell'informazione e altre cose.
Sebbene queste parole siano familiari e ampiamente usate, spesso vengono usate in modo intercambiabile. Ma c'è una grande differenza tra tutte loro.
In questo articolo, Esploreremo queste parole di tendenza e impareremo la differenza tra di esse.
Intelligenza artificiale
In poche parole, “L'intelligenza artificiale è la capacità delle macchine di funzionare come il cervello umano”.
Ogni volta che pensiamo all'Intelligenza Artificiale, la prima cosa che ci viene in mente sono i robot. Alcuni decenni fa, I 'Robot'’ ci hanno affascinato di più con film che mostravano i robot / Superumani che svolgono lavori incredibilmente difficili senza sforzo e vivono al pari degli esseri umani. Ora robot come Sophia sono una realtà e troviamo l'IA ovunque. Dalle aspirapolvere robotizzate, assistenti virtuali come SIRI, robot che eseguono interventi chirurgici nel settore sanitario, robot che scrivono codici e, Certo, auto e camion autonomi, la maggior parte di questi è una realtà e il mondo dell'intelligenza artificiale sta evolvendo rapidamente. A partire dal computer di scacchi di IBM ‘Deep Blue’, che ha vinto una partita di scacchi contro il Campione del Mondo, fino ad ‘AlphaGo di Google’, abbiamo visto scoperte affascinanti in questa rivoluzione dell'intelligenza artificiale.
In parole povere, L'Intelligenza Artificiale riguarda l'addestramento delle macchine per imitare il comportamento umano, nello specifico, il cervello umano e le sue capacità di pensiero. Proprio come il cervello umano, i sistemi di intelligenza artificiale sviluppano la capacità di razionalizzare e compiere azioni che hanno le migliori possibilità di raggiungere un obiettivo specifico.
L'intelligenza artificiale si concentra sul rendere 3 abilità cognitive come un umano: imparando, ragionamento, e correzione automatica.
L'evoluzione dell'Intelligenza Artificiale è considerata la quarta Rivoluzione Industriale ~ UBS
Gli esperti dicono che, proprio come le 3 prime rivoluzioni industriali hanno cambiato il corso del mondo, la quarta rivoluzione, guidata dall'Intelligenza Artificiale, L'IoT e il Cloud sicuramente cambieranno il corso dell'umanità e del nostro pianeta Terra. E gli appassionati si affrettano a imparare Corso di IA online.
Diamo un rapido sguardo alle tre categorie generali dell'Intelligenza Artificiale e a come stiamo evolvendo rapidamente in queste aree!
1. Intelligenza artificiale ristretta
2. Intelligenza artificiale generale
3. Superintelligenza artificiale
Intelligenza artificiale ristretta
Intelligenza artificiale ristretta I sistemi sono progettati e addestrati per completare un compito specifico e, spesso, vengono chiamati IA debole / IA ristretta. I chatbot che rispondono alle domande in base all'input dell'utente, assistenti vocali come Siri, Alexa e Cortana, sistemi di riconoscimento facciale, sistemi di intelligenza artificiale che cercano su Internet, sono esempi di intelligenza artificiale debole. Sono intelligenti in eseguire compiti specifici che sono programmati per farlo.
L'IA ristretta non imita l'intelligenza umana, ma semplicemente simula il comportamento umano in base a un insieme di parametriIl "parametri" sono variabili o criteri che vengono utilizzati per definire, misurare o valutare un fenomeno o un sistema. In vari campi come la statistica, Informatica e Ricerca Scientifica, I parametri sono fondamentali per stabilire norme e standard che guidano l'analisi e l'interpretazione dei dati. La loro corretta selezione e gestione sono fondamentali per ottenere risultati accurati e pertinenti in qualsiasi studio o progetto.... e dati di input. L'IA debole richiede ancora una certa quantità di intervento umano in termini di definizione dei parametri per gli algoritmi di apprendimento, fornire dati addestramentoLa formazione è un processo sistematico volto a migliorare le competenze, conoscenze o abilità fisiche. Viene applicato in vari ambiti, come lo sport, Formazione e sviluppo professionale. Un programma di allenamento efficace include la pianificazione degli obiettivi, Pratica regolare e valutazione dei progressi. L'adattamento alle esigenze individuali e la motivazione sono fattori chiave per ottenere risultati di successo e sostenibili in qualsiasi disciplina.... pertinenti e garantire l'accuratezza della previsione.
Si può pensare ad essa come a un bambino che ascolta le istruzioni degli adulti e svolge le funzioni come indicato.
Intelligenza artificiale generale
Intelligenza artificiale generale è quando i sistemi / macchine IA agiscono alla pari con un altro umano. Esto también significa la capacidad de la máquina para interpretar y comprender el tono y las emociones humanas y actuar en consecuencia. Questo è anche chiamato IA forte y todavía estamos rascando la superficie de IA forte. A medida que las capacidades de aprendizaje automático continúen evolucionando, la inteligencia artificial progresará y llegaremos allí pronto.
Super inteligencia artificial
Superintelligenza artificiale / Súper AI es cuando una máquina inteligente artificial se convertiría en ser consciente de sí mismo y superar la inteligencia y la capacidad del ser humano. Anche se están llevando a cabo muchas investigaciones interesantes en esta area, también hay advertencias de los científicos.
Profesor de la Universidad de Oxford y autor más vendido del libro en el New York Times. “Superinteligencia: caminos, peligros, estrategias”, Dice Nick Bostrom,
La mayor menace es el problema a largo plazo, que introduce algo radical che es súper inteligente y no lo alinea con los valores e intentiones umani. Este es un gran problema técnico. Logramos resolver el problema de capacidad antes de que logremos resolver el problema de seguridad y alineación “.
Quindi, ¿qué piensas acerca de raggiungere este livello de superinteligencia artificial? ¿Crees que la Super IA incontrolada puede diventare una minaccia para la humanidad? No olvide compartir sus pensamientos en los commentos.
¡Okey! ¡Eso es mucho sobre Inteligencia Artificial!
Como tenemos una idea justa de la Inteligencia Artificial; ¿Se pregunta cómo el sistema / una macchina del computer può imitare le azioni umane e fare previsioni, automazione e prendere decisioni?
È lì che entra in gioco l'apprendimento automatico.
Apprendimento automatico
L'apprendimento automatico è, naturalmente, un sottoinsieme dell'intelligenza artificiale. Fornisce metodi e algoritmi statistici e permette alle macchine / i computer imparano automaticamente dalle loro esperienze e dati precedenti e permette al programma di cambiare il suo comportamento di conseguenza.
L'apprendimento automatico fornisce molte tecniche e algoritmi diversi per far imparare il computer. Alberi decisionali, Foreste casuali, Supporta macchine vettoriali, K-means clustering – questi sono solo per citarne alcuni.
Richiesta di prevedere le vendite dei prodotti, prevedere il comportamento dei clienti, misurare i sentimenti dei clienti in base al loro comportamento sui social media: questi sono alcuni casi d'uso in cui vengono utilizzati modelli di apprendimento automatico. Gli algoritmi di apprendimento automatico funzionano bene quando i dati di input sono ragionevolmente buoni. Quando la dimensione dei dati esplode, abbiamo bisogno di cercare algoritmi e tecniche più efficienti ed è qui che il Deep Learning trova il suo punto di accesso.
Le piattaforme OTT come Netflix e Amazon Prime utilizzano il Machine Learning per consigliare film basati sui dati di visione precedenti dell'utente e migliorano costantemente imparando dalle esperienze passate.
Fonte immagine: Scrabbl
Nel commercio elettronico, aziende come Amazon e Flipkart utilizzano il machine learning per conoscere le preferenze degli utenti e offrire raccomandazioni di prodotti basate su acquisti precedenti e cronologia di visualizzazione.
L'applicazione del machine learning nel mondo reale è enorme!
Ora abbiamo un'idea chiara del fatto che il machine learning e l'intelligenza artificiale non sono la stessa cosa. Il machine learning è una delle modalità per raggiungere l'intelligenza artificiale.
Come qualsiasi altra cosa, il machine learning ha le sue carenze ed è lì che entra in gioco il apprendimento profondoApprendimento profondo, Una sottodisciplina dell'intelligenza artificiale, si affida a reti neurali artificiali per analizzare ed elaborare grandi volumi di dati. Questa tecnica consente alle macchine di apprendere modelli ed eseguire compiti complessi, come il riconoscimento vocale e la visione artificiale. La sua capacità di migliorare continuamente man mano che vengono forniti più dati lo rende uno strumento chiave in vari settori, dalla salute....
I modelli di machine learning non funzionano molto bene quando il volume e la complessità dei dati aumentano. Necesitan algún tipo de intervención y orientación humanas, mientras los modelos de aprendizaje profundo aprenden de los datos y la experiencia previa y se corrigen progresivamente.
Escala con la cantidad de datos | Fonte immagine: soshace.com
Veamos la siguiente palabra de moda: ¡Aprendizaje profundo!
Apprendimento profondo
El aprendizaje profundo se puede considerar como la evolución del aprendizaje automático que se inspira en el funcionamiento del cerebro humano. El aprendizaje profundo se utiliza para resolver problemi complexi donde los datos son enormes, diversos y menos estructurados. Los modelos de aprendizaje profundo se construyen sobre redes neuronales artificiales, Quello imitar cómo funciona el cerebro humano.
Veamos el funcionamiento básico de nuestro cerebro para comprender cómo funzionano las redes neuronales. Nuestro cerebro umano tiene neuronas que son las unidades funcionales básicas de nuestro cerebro. Las neuronas transmitten informazioni a otras células nervosas, muscoli e glándulas y anche ricevono informazioni di altre neurone, lo que permite al cerebro prendere decisiones.
Immaginare, usted es un niño pequeño y ve una olla llena de agua caliente. Cuando lo veas, no entenderás que hace calor a menos que alguien lo diga. Si tocas la olla caliente, los nervios de tus dedos llevan esta information al cerebro, y las neuronas processan questa informazione e envían la señale a tus dedos y sentirías el calor. La próxima vez que vea una olla caliente, su cerebro recordará los incidentes anteriores y le recordará que se sentirá caliente si la toca.
Y nuestro cerebro aprende continuamente de las aportaciones del entorno y las experiencias previas y toma la mejor decisión posible en cada escenario. ¡Esto es más o menos lo que hace el aprendizaje profundo! Aprende progressivamente de datos sin procesar y experiencias previas y se corrige a sí mismo sin programación explícita.
Fonte immagine: DukeToday
Reti neurali artificiali, redes neuronales convolucionales y redes neuronales recurrentes son alcuni di los algoritmos de aprendizaje profundo que se utilizan para risolvere problemi del mundo real.
Los automóviles y camiones autónomos, los asistentes virtuales como Alexa, Siri y Google Assistant, los sistemas de reconocimiento de voz, la visione artificiale, le chirurgie robotiche sono tutte applicazioni interessanti del Deep Learning.
Sebbene il Deep Learning sia stato concettualizzato negli anni 1980, i ricercatori avevano due limitazioni importanti quando si trattava di implementare modelli di Deep Learning. Modelli di apprendimento profondo richiedono abbondanti dati e potenza di calcolo molto elevata. Man mano che i dati aumentano, la profondità del neuronale rossoLe reti neurali sono modelli computazionali ispirati al funzionamento del cervello umano. Usano strutture note come neuroni artificiali per elaborare e apprendere dai dati. Queste reti sono fondamentali nel campo dell'intelligenza artificiale, consentendo progressi significativi in attività come il riconoscimento delle immagini, Elaborazione del linguaggio naturale e previsione delle serie temporali, tra gli altri. La loro capacità di apprendere schemi complessi li rende strumenti potenti.. aumenta e l'apprendimento diventa ‘Profondo’. Questa è l'essenza del Deep Learning. Un altro vantaggio significativo del Deep Learning è che, man mano che il modello viene addestrato, impara a estrarre caratteristiche da solo e non dobbiamo eseguire un'estrazione manuale delle caratteristiche come accade con altri algoritmi di Machine Learning.
Con l'avvento di nuove unità di elaborazione, maggiore potenza di calcolo e l'aumento esponenziale dei dati; L'apprendimento profondo sta guadagnando slancio e viene utilizzato per risolvere molti problemi del mondo reale.
“All'inizio di 2020, la quantità di byte nell'universo digitale era 40 volte maggiore del numero di stelle nell'universo osservabile” ~ Forum Economico Mondiale
In sintesi, molti sistemi di intelligenza artificiale funzionano con algoritmi di apprendimento automatico e apprendimento profondo. L'intelligenza artificiale si ottiene attraverso l'apprendimento automatico e l'apprendimento profondo e non sono la stessa cosa.
Spero che questo articolo ti abbia dato un'idea chiara dell'intelligenza artificiale, machine learning e deep learning.
Se desideri lasciare i tuoi pensieri o connetterti con me su LinkedIn, ecco il link- LinkedIn
Buon apprendimento!
Il supporto mostrato in questo articolo non è di proprietà di Analytics Vidhya e viene utilizzato a discrezione dell'autore.
