Este artigo foi publicado como parte do Data Science Blogathon.
A gama de aplicações mudou as facetas da tecnologia em todos os campos, de cuidados médicos, a fabricação, os negócios, a educação, para o banco, tecnologia da informação e outras coisas.
Embora essas palavras sejam familiares e amplamente utilizadas, são frequentemente usados indistintamente. Mas há uma grande diferença entre todos eles.
Neste artigo, vamos explorar esses chavões e aprender a diferença entre eles.
Inteligência artificial
Em poucas palavras, “inteligência artificial é a capacidade das máquinas de funcionar como o cérebro humano”.
Sempre que pensamos em Inteligência Artificial, a primeira coisa que vem à mente são os robôs. Algumas décadas atrás, ‘Robôs’ nos fascinou mais com filmes mostrando robôs / Super-humanos realizando tarefas incrivelmente difíceis sem esforço e vivendo em pé de igualdade com os humanos. Agora, robôs como Sophia são uma realidade e encontramos IA em todos os lugares. De aspiradores robóticos, assistentes virtuais como SIRI, robôs que realizam cirurgia na área da saúde, robôs que escrevem códigos e, claro, carros e caminhões autônomos, a maioria deles é uma realidade e o mundo da inteligência artificial está evoluindo rapidamente. Começando com o computador de xadrez IBM 'Deep Blue', que ganhou uma partida de xadrez contra o campeão mundial, até 'AlphaGo by Google', vimos descobertas fascinantes nesta revolução da inteligência artificial.
Em termos simples, Inteligência Artificial trata de treinar máquinas para imitar o comportamento humano, especificamente, o cérebro humano e suas habilidades de pensamento. Como o cérebro humano, sistemas de inteligência artificial desenvolvem a capacidade de racionalizar e executar ações que têm a melhor chance de atingir um objetivo específico.
A inteligência artificial se concentra em perceber 3 habilidades cognitivas como um humano: Aprendendo, raciocínio, e auto correção.
A evolução da Inteligência Artificial é considerada a quarta Revolução Industrial ~ UBS
Especialistas falam, como o 3 primeiras revoluções industriais mudaram o curso do mundo, a quarta revolução, alimentado por Inteligência Artificial, A IoT e a nuvem certamente mudarão o curso da humanidade e de nosso planeta Terra. E os entusiastas correm para aprender Curso de IA online.
Vamos dar uma olhada rápida nas três categorias gerais de Inteligência Artificial e como estamos evoluindo rapidamente nessas áreas!!
1. Inteligência artificial estreita
2. Inteligência artificial geral
3. Super inteligência artificial
Inteligência artificial estreita
Inteligência artificial estreita Os sistemas são projetados e treinados para completar uma tarefa específica e, frequentemente, são chamados de IA fraca / AI estreito. Chatbots que respondem a perguntas com base na entrada do usuário, assistentes de voz como Siri, Alexa e Cortana, sistemas de reconhecimento facial, sistemas de inteligência artificial pesquisando na internet, são exemplos de inteligência artificial fraca. Eles são espertos em realizar tarefas específicas que estão programados para fazer isso.
A IA estreita não imita a inteligência humana, sino que simplemente simula el comportamiento humano en función de un conjunto de parametroso "parametros" são variáveis ou critérios usados para definir, medir ou avaliar um fenômeno ou sistema. Em vários domínios, como a estatística, Ciência da Computação e Pesquisa Científica, Os parâmetros são essenciais para estabelecer normas e padrões que orientam a análise e interpretação dos dados. Sua seleção e manuseio adequados são cruciais para obter resultados precisos e relevantes em qualquer estudo ou projeto.... y datos de entrada. A IA fraca ainda requer uma certa quantidade de intervenção humana em termos de definição de parâmetros para algoritmos de aprendizagem., alimentar datos de TreinamentoO treinamento é um processo sistemático projetado para melhorar as habilidades, Conhecimento ou habilidades físicas. É aplicado em várias áreas, como esporte, Educação e desenvolvimento profissional. Um programa de treinamento eficaz inclui planejamento de metas, prática regular e avaliação do progresso. A adaptação às necessidades individuais e a motivação são fatores-chave para alcançar resultados bem-sucedidos e sustentáveis em qualquer disciplina.... relevantes y garantizar la precisión de la predicción.
Você pode pensar nele como um bebê que ouve as instruções dos adultos e desempenha funções conforme as instruções.
Inteligência Artificial Geral
Inteligência Artificial Geral é quando os sistemas / máquinas de IA agir em pé de igualdade com outro humano. Isso também significa a capacidade da máquina de interpretar e compreender o tom e as emoções humanas e agir de acordo.. Isso também é chamado IA forte e ainda estamos arranhando a superfície de IA forte. UMA mediro "medir" É um conceito fundamental em várias disciplinas, que se refere ao processo de quantificação de características ou magnitudes de objetos, Fenômenos ou situações. Na matemática, Usado para determinar comprimentos, Áreas e volumes, enquanto nas ciências sociais pode se referir à avaliação de variáveis qualitativas e quantitativas. A precisão da medição é crucial para obter resultados confiáveis e válidos em qualquer pesquisa ou aplicação prática.... que las capacidades de aprendizaje automático continúen evolucionando, a inteligência artificial irá progredir e chegaremos lá em breve.
Super inteligência artificial
Super inteligência artificial / Super AI é quando uma máquina artificial inteligente se tornaria seja autoconsciente e exceda a inteligência e habilidade humana. Embora muitas pesquisas interessantes estejam sendo realizadas nesta área, também há avisos de cientistas.
Professor da Universidade de Oxford e autor do livro mais vendido do New York Times. “Superinteligência: estradas, perigos, estratégias”, Dados Nick Bostrom,
"A maior ameaça é o problema de longo prazo, que introduz algo radical que é superinteligente e não se alinha com os valores e intenções humanas. Este é um grande problema técnico. Conseguimos resolver o problema de capacidade antes de resolver o problema de segurança e alinhamento “.
Então, O que você acha de atingir esse nível de superinteligência artificial? Você acha que a Super AI não controlada pode se tornar uma ameaça para a humanidade? Não se esqueça de compartilhar suas idéias nos comentários..
Ok! Isso é muito sobre Inteligência Artificial!!
Como temos uma boa ideia de Inteligência Artificial; Querendo saber como o sistema / máquina de computador pode imitar ações humanas e fazer previsões, automação e tomada de decisão?
É aí que entra o aprendizado de máquina..
Aprendizado de máquina
Aprendizado de máquina é, claro, um subconjunto de inteligência artificial. Fornece algoritmos e métodos estatísticos e permite que as máquinas / os computadores aprendem automaticamente com suas experiências e dados anteriores e permitem que o programa mude seu comportamento de acordo.
O aprendizado de máquina fornece muitas técnicas e algoritmos diferentes para fazer o computador aprender. Árvores de decisão, Florestas aleatórias, Máquinas de vetor de suporte, K significa agrupamento – estes são apenas para citar alguns.
Previsão de demanda de vendas de produtos, prever o comportamento do cliente, medir os sentimentos do cliente com base em seu comportamento nas redes sociais: estes são alguns casos de uso em que modelos de aprendizado de máquina são usados. Algoritmos de aprendizado de máquina funcionam bem quando os dados de entrada são razoavelmente bons. Quando o tamanho dos dados dispara, precisamos procurar algoritmos e técnicas mais eficientes e é aí que o Deep Learning encontra seu ponto de acesso.
Plataformas OTT como Netflix e Amazon Prime usam aprendizado de máquina para recomendar filmes com base nos dados de exibição anteriores do usuário e melhoram constantemente aprendendo com experiências anteriores..
Fonte da imagem: Scrabbl
Em e-commerce, Empresas como Amazon e Flipkart usam aprendizado de máquina para entender as preferências do usuário e oferecer recomendações de produtos com base em compras anteriores e histórico de visualizações..
A aplicação do aprendizado de máquina no mundo real é enorme!!
Agora temos uma ideia clara de que aprendizado de máquina e inteligência artificial não são a mesma coisa. O aprendizado de máquina é uma das maneiras de obter inteligência artificial.
Como qualquer outra coisa, el aprendizaje automático tiene sus deficiencias y ahí es donde entra en juego el aprendizado profundoAqui está o caminho de aprendizado para dominar o aprendizado profundo em, Uma subdisciplina da inteligência artificial, depende de redes neurais artificiais para analisar e processar grandes volumes de dados. Essa técnica permite que as máquinas aprendam padrões e executem tarefas complexas, como reconhecimento de fala e visão computacional. Sua capacidade de melhorar continuamente à medida que mais dados são fornecidos a ele o torna uma ferramenta fundamental em vários setores, da saúde....
Modelos de aprendizado de máquina não funcionam muito bem quando o volume e a complexidade dos dados se multiplicam. Eles precisam de algum tipo de intervenção humana e orientação, enquanto os modelos de aprendizagem profunda aprendem com os dados e experiências anteriores e são corrigidos progressivamente.
Escale com a quantidade de dados | Fonte da imagem: soshace.com
Vamos dar uma olhada na próxima palavra da moda: Aprendizagem profunda!
Aprendizagem profunda
O aprendizado profundo pode ser considerado como a evolução do aprendizado de máquina inspirado no funcionamento do cérebro humano. O aprendizado profundo é usado para resolver problemas complexos onde os dados são enormes, diverso e menos estruturado. Modelos de aprendizado profundo são construídos em redes neurais artificiais, naquela imitar como o cérebro humano funciona.
Vejamos o funcionamento básico do nosso cérebro para entender como as redes neurais funcionam. Nosso cérebro humano possui neurônios que são as unidades funcionais básicas do nosso cérebro.. Os neurônios transmitem informações para outras células nervosas, músculos e glândulas e também recebem informações de outros neurônios, permitindo que o cérebro tome decisões.
Imagine, você é uma criança pequena e você vê uma panela cheia de água quente. Quando você ver, você não vai entender que é quente a menos que alguém diga. Se você tocar na panela quente, os nervos em seus dedos carregam essa informação para o cérebro, e os neurônios processam essas informações e enviam o sinal aos seus dedos e você sente o calor. Da próxima vez que ver uma panela quente, seu cérebro vai se lembrar dos incidentes anteriores e lembrá-lo de que vai ficar quente se você tocá-lo.
E nosso cérebro continuamente aprende com as contribuições do meio ambiente e experiências anteriores e toma a melhor decisão possível em cada cenário.. Isso é basicamente o que o aprendizado profundo faz!! Aprenda progressivamente com dados brutos e experiências anteriores e corrija-se sem programação explícita.
Fonte da imagem: DukeToday
Redes neurais artificiais, redes neurais convolucionais e redes neurais recorrentes são alguns dos algoritmos de aprendizado profundo usados para resolver problemas do mundo real.
Carros e caminhões autônomos, assistentes virtuais como Alexa, Siri e Google Assistente, sistemas de reconhecimento de voz, visão de computador, cirurgias robóticas são todos aplicativos interessantes de aprendizado profundo.
Embora Deep Learning tenha sido conceituado na década de 1980, os pesquisadores tinham duas limitações principais quando se tratava de implementar modelos de aprendizagem profunda. Modelos de aprendizagem profunda requer muitos dados e poder computacional muito alto. Conforme os dados crescem, la profundidad de la neuronal vermelhoAs redes neurais são modelos computacionais inspirados no funcionamento do cérebro humano. Eles usam estruturas conhecidas como neurônios artificiais para processar e aprender com os dados. Essas redes são fundamentais no campo da inteligência artificial, permitindo avanços significativos em tarefas como reconhecimento de imagem, Processamento de linguagem natural e previsão de séries temporais, entre outros. Sua capacidade de aprender padrões complexos os torna ferramentas poderosas.. aumenta y el aprendizaje se vuelve 'Profundo'. Essa é a essência do Deep Learning. Outra vantagem significativa do Deep Learning é que, como o modelo treina, ele aprende a extrair recursos por conta própria e não temos que realizar uma extração manual de recursos como é o caso com outros algoritmos de aprendizado de máquina.
Com o advento de novas unidades de processamento, maior poder computacional e crescimento exponencial de dados; O aprendizado profundo está ganhando impulso e sendo usado para resolver muitos problemas do mundo real.
“A princípios de 2020, o número de bytes no universo digital era 40 vezes maior do que o número de estrelas no universo observável” ~ Fórum Econômico Mundial
Em resumo, muitos sistemas de inteligência artificial são movidos por aprendizado de máquina e algoritmos de aprendizado profundo. A inteligência artificial é alcançada por meio de aprendizado de máquina e aprendizado profundo e eles não são os mesmos.
Espero que este artigo tenha lhe dado uma ideia clara da inteligência artificial, aprendizado de máquina e aprendizado profundo.
Se você quiser deixar sua opinião ou entrar em contato comigo no LinkedIn, aqui está o link- LinkedIn
Boa aprendizagem!
A mídia mostrada neste artigo não é propriedade da Analytics Vidhya e é usada a critério do autor.
