الاختلافات بين الذكاء الاصطناعي والتعلم الآلي والتعلم العميق

يعد الذكاء الاصطناعي والتعلم الآلي والتعليم العميق جزءًا لا يتجزأ من العديد من الشركات. غالبًا ما تستخدم هذه المصطلحات كمرادفات.

يتحرك الذكاء الاصطناعي بخطوات واسعة - من الإنجازات في مجال المركبات غير المأهولة والقدرة على التغلب على شخص في ألعاب مثل البوكر و Go ، إلى خدمة العملاء الآلية. الذكاء الاصطناعي هو تقنية متقدمة جاهزة لإحداث ثورة في الأعمال.

غالبًا ما يتم استخدام مصطلحات الذكاء الاصطناعي والتعلم الآلي والتعلم العميق بشكل عشوائي على أنها قابلة للتبادل ، ولكن في الواقع ، هناك اختلافات بينهما. سيتم وصف كيف تختلف هذه المصطلحات بالضبط في وقت لاحق.

الذكاء الاصطناعي (AI)

الذكاء الاصطناعي هو مفهوم واسع فيما يتعلق بالذكاء الآلي المتقدم. في عام 1956 ، في مؤتمر حول الذكاء الاصطناعي في دارتموث ، تم وصف هذه التكنولوجيا على النحو التالي: "يمكن وصف كل جانب من جوانب التعلم أو أي ميزة أخرى للذكاء ، من حيث المبدأ ، بدقة بحيث يمكن للآلة تقليدها".

يمكن أن يرتبط الذكاء الاصطناعي بأي شيء - من برامج الكمبيوتر للعب الشطرنج إلى أنظمة التعرف على الكلام ، مثل ، على سبيل المثال ، مساعد صوت Amazon Alexa ، القادر على إدراك الكلام والإجابة على الأسئلة. بشكل عام ، يمكن تقسيم أنظمة الذكاء الاصطناعي إلى ثلاث مجموعات: الذكاء الاصطناعي المحدود (Narrow AI) ، والذكاء الاصطناعي العام (AGI) ، والذكاء الاصطناعي فائقة الذكاء.

يعد برنامج Deep Blue من IBM ، الذي هزم Garry Kasparov في لعبة الشطرنج في عام 1996 ، أو برنامج DeepMind AlphaGo من Google ، الذي هزم بطل العالم Guo Li Sedol في عام 2016 ، أمثلة على الذكاء الاصطناعي المحدود الذي يمكن أن يحل مشكلة واحدة محددة. هذا هو اختلافه الرئيسي عن الذكاء الاصطناعي العام (AGI) ، وهو على قدم المساواة مع الذكاء البشري ويمكنه أداء العديد من المهام المختلفة.

الذكاء الاصطناعي فوق السباعي هو خطوة واحدة فوق الإنسان. يصف نيك بوستروم ما يلي: "إنه ذكاء أذكى بكثير من أفضل دماغ بشري في جميع المجالات تقريبًا ، بما في ذلك الإبداع العلمي والحكمة العامة والمهارات الاجتماعية". بعبارة أخرى ، هذا عندما تصبح السيارات أكثر ذكاءً منا.

التعلم الآلي

التعلم الآلي هو أحد مجالات الذكاء الاصطناعي. المبدأ الأساسي هو أن الآلات تتلقى البيانات و "تتعلم" منها. في الوقت الحالي ، هي الأداة الواعدة للأعمال التجارية القائمة على الذكاء الاصطناعي. تتيح لك أنظمة التعلم الآلي تطبيق المعرفة المكتسبة بسرعة أثناء التدريب على مجموعات البيانات الكبيرة ، مما يسمح لها بالتفوق في مهام مثل التعرف على الوجوه ، والتعرف على الكلام ، والتعرف على الأشياء ، والترجمة ، وغيرها الكثير. على عكس البرامج التي تحتوي على تعليمات مشفرة يدويًا لأداء مهام محددة ، يسمح التعلم الآلي للنظام بتعلم كيفية التعرف على الأنماط بشكل مستقل وإجراء التنبؤات.

في حين أن كلا البرنامجين - كلاهما Deep Blue و DeepMind - هما أمثلة على استخدام الذكاء الاصطناعي ، فقد تم بناء Deep Blue على مجموعة من القواعد المبرمجة مسبقًا ، لذلك ليس له علاقة بالتعلم الآلي. من ناحية أخرى ، يعد DeepMind مثالًا على التعلم الآلي: فقد تغلب البرنامج على بطل العالم في Go من خلال تدريب نفسه على مجموعة كبيرة من البيانات من التحركات التي قام بها لاعبون متمرسون.

هل عملك مهتم بدمج التعلم الآلي في استراتيجيتك؟ تقدم Amazon و Baidu و Google و IBM و Microsoft وغيرها بالفعل منصات تعلم الآلة التي يمكن للشركات استخدامها.

التعلم العميق

التعلم العميق هو مجموعة فرعية من التعلم الآلي. يستخدم بعض طرق التعلم الآلي لحل المشاكل الحقيقية باستخدام الشبكات العصبية التي يمكن أن تحاكي صنع القرار البشري. يمكن أن يكون التعلم العميق مكلفًا ويتطلب كميات هائلة من بيانات التدريب. ويرجع ذلك إلى حقيقة أن هناك عددًا كبيرًا من المعلمات التي تحتاج إلى تكوين لخوارزميات التدريب لتجنب النتائج الإيجابية الخاطئة. على سبيل المثال ، يمكن توجيه خوارزمية التعلم العميق إلى "معرفة" شكل القطة. لإنتاج تدريب ، سيكون هناك حاجة إلى عدد كبير من الصور من أجل تعلم التمييز بين أصغر التفاصيل التي تميز القط عن ، على سبيل المثال ، الفهد أو النمر أو الثعلب.

كما ذكر أعلاه ، في مارس 2016 ، تم تحقيق فوز كبير عندما هزم برنامج AlphaGo DeepMind بطل العالم Guo Li Sedol في 4 من أصل 5 مباريات باستخدام التعلم العميق. وفقًا لـ Google ، عمل نظام التعلم العميق من خلال الجمع بين " طريقة مونت كارلو للبحث عن شجرة مع الشبكات العصبية العميقة التي تم تدريبها مع مدرس في الألعاب الاحترافية وتعزيز التعلم في الألعاب مع أنفسهم".

التعلم العميق لديه أيضًا تطبيقات أعمال. يمكنك أخذ كمية هائلة من البيانات - ملايين الصور ، وبمساعدتهم في تحديد خصائص معينة. البحث عن النص ، كشف الاحتيال ، الكشف عن البريد العشوائي ، التعرف على الكتابة اليدوية ، البحث عن الصور ، التعرف على الكلام ، الترجمة - يمكن إنجاز جميع هذه المهام باستخدام التعلم العميق. على سبيل المثال ، استبدلت شبكات التعلم العميق من Google العديد من "الأنظمة المستندة إلى القواعد التي تتطلب العمل اليدوي".

تجدر الإشارة إلى أن التعلم العميق يمكن أن يكون "متحيزًا" تمامًا. على سبيل المثال ، عندما تم نشر نظام التعرف على الوجوه من Google في البداية ، وضع علامة على العديد من الوجوه السوداء على أنها غوريلا. قال أنو تيواري ، عالم البيانات الرئيسي في Mint at Intuit: "هذا مثال على ما يحدث إذا لم يكن لديك أمريكيون من أصل أفريقي في مجموعتك التدريبية". "إذا لم يكن لديك أميركيون من أصل أفريقي يعملون على النظام ، وإذا لم يكن لديك أميركيون من أصل أفريقي يقومون باختبار النظام ، فعندما يواجه النظام الأمريكيين من أصل أفريقي ، فلن يعرف كيف يتصرف"

هناك رأي مفاده أن موضوع التعلم العميق مفرط إلى حد كبير . على سبيل المثال ، يوفر Sundown AI تفاعلات العملاء الآلية باستخدام مزيج من خوارزميات التعلم الآلي وخرائط الرسم البياني للسياسة دون التعلم العميق.

المقالة الأصلية هي " فهم الاختلافات بين الذكاء الاصطناعي والتعلم الآلي والتعلم العميق ".