Даже если вы не связаны с миром науки о данных, вы, вероятно, слышали термины Искусственный интеллект (AI), Машинное обучение (ML) и Глубокое обучение (DL). Иногда они даже используются взаимозаменяемо. Несмотря на эту связь, каждый из этих терминов имеет свое особое значение, и это больше, чем просто модные словечки, используемые для описания беспилотных автомобилей.
В общих чертах, глубокое обучение — это подмножество машинного , а машинное обучение — подмножество искусственного интеллекта. Вы можете думать о них как о серии перекрывающихся концентрических кругов, где ИИ занимает наибольший объем, за ним следует машинное обучение, а затем глубокое:
Другими словами, глубокое обучение — это ИИ, но ИИ — это не глубокое обучение.
Глубокое обучение vs. машинное
Оксфордский словарь определяет ИИ как «теорию и разработку компьютерных систем, способных выполнять задачи, которые обычно требуют человеческого интеллекта». Словарь Британника предлагает аналогичное определение: «способность цифрового компьютера или управляемого компьютером робота выполнять задачи, обычно связанные с разумными существами».
Машинное обучение — это ИИ, который может автоматически адаптироваться с минимальным вмешательством человека. Глубокое обучение — это подмножество машинного обучения, в котором используются искусственные нейронные сети для имитации процесса обучения человеческого мозга.
Взгляните на эти ключевые отличия:
| Машинное обучение | Глубокое обучение |
|---|---|
| Подмножество ИИ | Подмножество машинного обучения |
| Может обучаться на небольших наборах данных | Требует больших объемов данных |
| Требует большего вмешательства человека для исправления и обучения | Самостоятельно учится на окружающей среде и прошлых ошибках |
| Более короткая тренировка и более низкая точность | Более длительная тренировка и более высокая точность |
| Делает простые, линейные корреляции | Делает нелинейные, сложные корреляции |
| Может обучаться на ЦП (центральном процессоре) | Для обучения требуется специализированный ГП (графический процессор) |
Автор оригинальной статьи: coursera.org
