Q:
Quelle est la différence entre l'intelligence artificielle, l'apprentissage automatique et l'apprentissage profond?
UNE:Les termes «intelligence artificielle», «apprentissage automatique» et «apprentissage profond» décrivent un processus qui s'est construit au cours des dernières décennies, alors que le monde a fait d'énormes progrès en matière de puissance de calcul, de transfert de données et d'autres objectifs technologiques.
La conversation devrait commencer par l'intelligence artificielle, un terme large pour toute capacité des ordinateurs ou des technologies à simuler la pensée humaine ou l'activité cérébrale. Dans un sens, l'intelligence artificielle a commencé tôt, avec de simples programmes de jeu d'échecs informatiques et d'autres programmes qui ont commencé à imiter la prise de décision et la pensée humaines.
| Téléchargement gratuit: apprentissage automatique et pourquoi c'est important |
L'intelligence artificielle a continué de progresser depuis les débuts de l'ordinateur personnel jusqu'à l'ère d'Internet et enfin l'ère du cloud computing, de la virtualisation et des réseaux sophistiqués. L'intelligence artificielle s'est développée et s'est développée de plusieurs manières en tant qu'industrie technologique clé.
L'un des jalons de l'intelligence artificielle est l'émergence et l'adoption de l'apprentissage automatique, une approche particulière pour atteindre les objectifs de l'intelligence artificielle.
L'apprentissage automatique utilise des algorithmes et des programmes sophistiqués pour aider les logiciels à mieux prendre certaines décisions dans un environnement de performance. Au lieu de simplement programmer un ordinateur pour faire un ensemble de choses encore et encore, comme c'était le cas avec les programmes codés à la main des années 1970 et 1980, l'apprentissage automatique commence à utiliser l'heuristique, la modélisation du comportement et d'autres types de projections pour permettre la technologie pour améliorer sa prise de décision et évoluer dans le temps. L'apprentissage automatique a été appliqué pour lutter contre le courrier indésirable, mettre en œuvre des personnalités de l'intelligence artificielle comme IBM Watson et atteindre d'autres objectifs en matière d'intelligence artificielle.
L'apprentissage profond, à son tour, s'appuie sur l'apprentissage automatique. Les experts décrivent l'apprentissage en profondeur comme l'utilisation d'algorithmes pour générer des abstractions de haut niveau, telles que l'utilisation de réseaux de neurones artificiels pour entraîner les technologies aux tâches. L'apprentissage profond fait passer l'apprentissage automatique au niveau supérieur en essayant de modéliser l'activité réelle du cerveau humain et de l'appliquer à la prise de décision artificielle ou à d'autres travaux cognitifs.
L'apprentissage en profondeur a été démontré par des exemples tels que des programmes d'optimisation de la chaîne d'approvisionnement de pointe, des programmes d'équipement de laboratoire et d'autres types d'innovations telles que le réseau contradictoire génératif, où deux réseaux opposés, un réseau génératif et discriminatoire, travaillent l'un contre l'autre pour modéliser l'homme processus de pensée de la discrimination. Ce type particulier d'apprentissage en profondeur peut être appliqué au traitement d'images et à d'autres utilisations.
La réalité est que l'apprentissage en profondeur rapproche l'intelligence artificielle de ce que les experts considèrent comme une «IA forte», une intelligence artificielle qui est plus ou moins pleinement capable de reproduire de nombreuses fonctions de la pensée humaine. Cela donne lieu à un débat important sur la façon de gérer efficacement ces technologies émergentes et de prendre soin d'un monde dans lequel les ordinateurs pensent de la même manière que nous.
