Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-02-26

1 Вы часто слышите разное обИскусственном интеллекте(AI),Машинном обучении(ML) и дажеГлубоком обучении(DL). Как и что правильно называть? Может это одно и то же? Люди постоянно подменяют эти термины.

2 Искусственный интеллект, машинное обучение и глубокое обучение - каждая из областей - подмножество предыдущей области. Искусственный интеллект - обобщающая категория для машинного обучения. А машинное обучение - обобщающая категория для глубокого обучения.

3 Реально нашумело в последнее время глубокое обучение. Именно эта область искусственного интеллекта и машинного обучения решает множество интересных задач в последние годы, начиная с продаж в продуктовых магазинах и заканчивая автомобилями с самоуправлением.

4 <h4>Искусственный интеллект (AI)</h4>

5 Почему мы так много слышим о нём? Кто-то приписывает его Элону Маску и Сэму Альтману. Маск всё чаще рассуждает об этике искусственного интеллекта. Предполагаю, он использует это понятие как жаргонный термин знакомый из научно-фантастического СМИ.

6 AI - широкая сфера, охватывающая несколько подкатегорий, методов и алгоритмов. Область искусственного интеллекта основывается на цели сделать машину настолько же умной как человек - это буквально основная и главная цель. Чёткой задачей исследователей, собравшихся в Дартмуте в 1956 году, было программировать компьютеры по образу человеческого мозга. Там и родился искусственный интеллект в привычном для нас виде.

7 <h4>Цели AI</h4>

8 Исследователи расширили главную цель списком из основных шести позиций.

9 <ol><li>Логическое рассуждение.Приспособить компьютеры выполнять сложные сознательные задачи, на которые способны люди. Примеры решения таких задач с логическим рассуждением включают игру в шахматы и решение алгебраических задач определенного класса.

10 </li>

11 <li>Представление знаний.Позволить компьютерам описывать объекты, людей и языки. Примеры включают объектно-ориентированные языки программирования, такие как Smalltalk.

12 </li>

13 <li>Планирование и навигация. Дать возможность компьютеру добираться из пункта А в пункт Б. Например, первый самоуправляемый робот был построен в начале 1960-х.

14 </li>

15 </ol>4) Обработка естественного языка. Адаптировать компьютер к пониманию и обработке языка. Один из первых проектов в этой области был попыткой переводить английский на русский и наоборот.

16 5) Восприятие. Приспособить компьютер взаимодействовать с миром через зрение, слух, прикосновения и запах.

17 6) Эмпирический интеллект. Другими словами - интеллект, который не запрограммирован явно, а формируется постепенно из других целиком искуственно-интеллектуальных особенностей. Концепция этой цели - компьютеры, которые симулируют эмоциональный интеллект, моральное суждение и другие свойства.

18 <blockquote><h3>Узнайте больше об операционных системах</h3>

19 У нас есть<a>курс по операционным системам</a>. Зарегистрированные пользователи могут пройти его бесплатно. Другие бесплатные курсы можно найти<a>по ссылке</a>.

20 </blockquote><h4>Области искусственного интеллекта</h4>

21 Вот шесть основных алгоритмов и технических приёмов искусственного интеллекта, которые точнее категоризируют основные цели:

22 <ol><li>Машинное обучение- область искусственного интеллекта, которая делает компьютеры способными учиться, без необходимости их явного программирования.

23 </li>

24 <li>Поиск и оптимизация. Такие алгоритмы, как Градиентный спуск, для итерационного нахождения максимальных или минимальных значений в пространстве поиска.

25 </li>

26 <li>Удовлетворение ограничений- это процесс поиска решений при ограничениях, которые задают свои условия: найденные переменные должны удовлетворять этим ограничениям.

27 </li>

28 <li>Логическое рассуждение.Пример логического рассуждения в искусственном интеллекте - это экспертная компьютерная система, которая моделирует способность принимать решения как человек.

29 </li>

30 <li>Вероятностное рассуждение- это объединение мощности теории вероятности (для управления неопределённостью) с мощностью дедукционной логики (для использования структуры формальных параметров). Результат - более насыщенное и выразительное представление потока данных с широким спектром возможных областей применения.

31 </li>

32 <li>Теория контроля (управления)- это формальный метод для поиска слоёв управления, у которых есть доказуемые свойства. Обычно это система дифференциальных уравнений, которые описывают физическую систему, вроде робота или авиационного транспорта.

33 </li>

34 </ol><h4>Машинное обучение (ML)</h4>

35 Машинное обучение - это подгруппа AI. Технология, в которой мы даём данные компьютеру и позволяем ему самому себя обучать. Идея, что компьютеры должны быть способны обучаться самостоятельно, появилась у Артура Сэмуэля в 1959 году.

36 Что делает машинное обучение таким важным? Крупный прорыв, который привёл к тому, что машинное обучение стало движущей силой AI - изобретение интернета. Интернет принёс возможность генерации, хранения и доступности огромного количества цифровой информации для анализа. Вы много слышали о Больших данных. Алгоритмы машинного обучения - самый эффективный инструмент использования Больших данных.

37 <h5><a>Нейросети</a></h5>

38 Нейросети - популярный компонент некоторых самых успешных алгоритмов машинного обучения и их базовый (определяющий) элемент. Разработка нейронных сетей была ключевым моментом в обучении компьютеров мыслить и понимать мир подобно тому, как его видит и понимает человек. Фактически нейросеть моделирует человеческий мозг. Клетки человеческого мозга - нейроны, соединены с помощью синапсисов (областей контакта клеток между собой). Это переведено в абстракцию в виде графа узлов (нейронов), соединённых взвешенными рёбрами (синапсисами). Для более подробного ознакомления с нейронными сетями можете почитать <a>Overview of Neural Networks</a>.

39 (Эта нейронная сеть состоит из одного слоя, трёх вводов и одного вывода. Нейронная сеть может состоять из любого количества слоёв, вводов и выводов.)

40 <blockquote><h4>Читайте также</h4>

41 <a>Как я стал программистом в 33 года</a>: история успеха студента Хекслета.

42 </blockquote><h4>Глубокое обучение (DL)</h4>

43 Алгоритмы машинного обучения были движущей силой искусственного интеллекта. А самый эффективный из всех алгоритмов ML - Глубокое обучение.

44 Глубокое обучение включает несколько слоёв вычислений. В данном случае "глубокое" подразумевает "большое" число слоёв. Глубокое обучение может состоять из 20 или 1000 слоёв, но не меньше 2-3. Оно недавно набрало обороты не только из-за огромного количества данных доступных благодаря интернету, но так же из-за возросшей мощности вычислений за последнее десятилетие. В частности, GPU значительно увеличили вычислительные мощности благодаря параллельным вычислениям. Как вы возможно уже догадались, глубокое обучение имеет высокую способность к параллелизации.

45 (Эта нейронная сеть состоит из двух слоёв, трёх вводов и одного вывода. Слои между нейронами ввода и конечным слоем нейронов вывода - скрытые слои глубокой нейросети.)

46 Лучшая демонстрация глубокого обучения - Глубокие Нейросети (Deep Neural Networks, DNN). Это просто нейросети у которых больше 2-3 слоёв. Ещё один алгоритм глубокого обучения - менее популярный - Глубокая сеть доверия (Deep Belief Network, DBN). DBN имеет ненаправленные связи между некоторыми слоями. Это значит, что топология DNN и DBN отличается по определению. Ненаправленные слои в DBN называются Ограниченными машинами Больцмана (Restricted Boltzmann Machines).

47 Это перевод статьи Luis Bermudez<a>Overview of Artificial Intelligence Buzz</a>.