Artificial Intelligance (AI) — это широкое понятие, которое включает в себя все: от обычной алгоритмической классификации по введенным непосредственно в код условий с признаками до технологий, таких как Deep Learning (DL).
Простыми словами — все, что выполняется на основе алгоритма, можно назвать искусственным интеллектом. Примеры:
- Алгоритмы распознавания геометрических фигур
- Программа сравнения лиц по одному признаку
- Unity3D симулятор «Умная змейка со стереозрением»
Maching Learning (ML) что это? Как следует из названия, машинное обучение — это алгоритмы с возможностью «учиться». Примеры:
- Распознавание фигур на основе «выборки для обучения»
- Идентификация образов по цвету, текстуре и форме
Deep Learning (DL) — глубокое обучение. В чем отличие между ML и DL? Для ML алгоритм обучения вводится вручную. DL основан на шаблонах алгоритмов, которые выбираются автоматически — в зависимости от данных на входе. Простой пример такого обучения:
DL — интеллектуальная система, которая использует методы науки о данных (Data Science) не просто для принятия решений по заданному алгоритму, а прежде всего — для улучшения созданного человеком алгоритма принятия решения.
В отличие от традиционных алгоритмов, основанных на правилах, DL не требует явного отображения различных сценариев ввода-вывода. Здесь проблемы решаются путем самообучения, основанного на методах проб и ошибок, а не программируются с помощью специальных правил. Это позволяет прогнозировать и принимать решения на основе многочисленных, тесно связанных между собой факторов, чего не может достичь традиционное программирование. Самое важное в машинном обучении — это правильно подобранные данные обучения.
Следующим большим шагом вперед в AI станут системы, которые действительно воспринимают свой мир (см. Концептуальная схема восприятия мира).
Доступ к миру возможен только через призму опыта, поэтому понять мир — значит быть в состоянии предсказать и контролировать свой опыт, данные о своих чувствах с некоторой точностью и гибкостью. Другими словами, понимание означает формирование прогностической модели мира и использование ее для получения того, что вы хотите.
Полезные ссылки:
- Clearing the Confusion: AI vs Machine Learning vs Deep Learning Differences
- How to Become an Artificial Intelligence Engineer
- Machine Learning for Dummies: Part 1
- Deep Learning — What’s the hype about?
- Beating Video Games with Deep-Q-Networks
- What is Model-Based Reinforcement Learning?
- Что не так с обучением с подкреплением (Reinforcement Learning)?
- Обучение с подкреплением для самых маленьких
- Введение в обучение с подкреплением для начинающих
- Обучение с подкреплением на языке Python
- A brief introduction to reinforcement learning
- A Step-by-Step Introduction to the Basic Object Detection Algorithms
- Text Classification using Algorithms
- Обработка естественного языка (Natural Language Processing, NLP)
- Natural Language Processing is Fun!
- NLP – это весело! Обработка естественного языка на Python
- Как решить 90% задач NLP: пошаговое руководство по обработке естественного языка
- NLP: как стать специалистом по обработке естественного языка
- 5 методов обработки естественного языка
- How to solve 90% of NLP problems: a step-by-step guide
- An Introduction to TensorFlow and implementing a simple Linear Regression Model
- Is strong AI inevitable?
- Artificial Intelligence Demystified
- Machine Learning is Fun! Part 3: Deep Learning and Convolutional Neural Networks
- Music Genre Classification with Python
- Understanding Genetic Algorithms in the Artificial Intelligence Spectrum
- General Game-Playing With Monte Carlo Tree Search
- Implementing Monte Carlo Tree Search in Node.js
- Building an image search service from scratch
- A mathematical guide on the theory behind Deep Reinforcement Learning. Markov Decision Processes
- Machine Learning for Humans, Part 2.3: Supervised Learning III
- Is Deep Learning Approaching a Wall?
- Object Detection with 10 lines of code
- Fully Convolutional Network (Semantic Segmentation)
- AI : The Future of Photography
- Intel® AI Developer Program
- Snagging Parking Spaces with Mask R-CNN and Python
- Reinforcement Learning with Infinite Agents Using Mean Field Games
- Ego-motion in Self-Aware Deep Learning
- Where is the Artificial Ingenuity in Deep Learning?
- Build the Artificial Intelligence for detecting diabetes using Neural Networks and keras.
- Nano-Intentionality and Deep Learning
- 10 Pragmatic Expectations for Machine Learning Technologies in 2019
- Success Stories of Reinforcement Learning
- Fooled by the Ungameable Objective
- A New Capability Maturity Model for Deep Learning
- Nuts & Bolts of Reinforcement Learning: Model Based Planning using Dynamic Programming
- Introduction to Monte Carlo Tree Search: The Game-Changing Algorithm behind DeepMind’s AlphaGo
- The Emergence of Inside Out Architectures in Deep Learning
- Microsoft Wants to Use Neural Networks to Design Neural Networks
- Intuitive Relational Reasoning for Deep Learning
- Keras vs TensorFlow
- The Link Between Sleep and Deep Learning
- Catastrophic Importance of Catastrophic Forgetting in Neural Networks
- РАЗУМНА ЛИ ВСЕЛЕННАЯ: ЧТО ВЫЯСНИЛИ УЧЕНЫЕ
- Learning About Algorithms That Learn to Learn
- How Human and Deep Learning Perception are Very Different
- RL — LQR & iLQR Linear Quadratic Regulator
- Review: DilatedNet — Dilated Convolution (Semantic Segmentation)
- Deep Learning, Semiotics and Why Not Symbols
- What’s New in Deep Learning Research: Understanding Progressive Neural Networks
- A Comprehensive Introduction to Different Types of Convolutions in Deep Learning
- How chatbots work and why you should care
- Curiosity in Deep Reinforcement Learning
- Regularization in deep learning
- AI in Insurance: Business Process Automation Brings Digital Insurer Performance to a New Level
- Machine Learning: Training vs Teaching
- Learnings from a Data Science Conference, Open Data Science Europe
- Convolutional Neural Networks from the ground up
- Review: SRCNN (Super Resolution)
- A Practitioner’s Guide to Natural Language Processing (Part I) — Processing & Understanding Text
- Exploring Neural Networks with fashion MNIST
- Intelligence in Chatbots?
- Reproduce a machine learning model build in four lines of code
- Training a Keras model to generate colors
- Regularization via Sparse Filtering Auto Encoders in Tensorflow
- Text Preprocessing in Python: Steps, Tools, and Examples
- Building a chatbot with Rasa
Автор: Николай Свирневский