Was ist der Unterschied zwischen KI und maschinellem Lernen?

Zeit: 2017-12-05
Erstens gibt es verschiedene Arten künstlicher Intelligenz (AI): schwach und stark. Schwache KI kann sich so verhalten, als würde ein Roboter oder eine Fertigungslinie alleine denken. Es ist jedoch eine überwachte Programmierung, was bedeutet, dass es eine programmierte Ausgabe oder Aktion für gegebene Eingaben gibt.

Starke KI ist ein System, das eine Ausgabe basierend auf vorgegebenen Zielen und Eingabedaten tatsächlich ändern kann. Ein Programm könnte etwas tun, auf das es nicht programmiert ist, wenn es ein Muster bemerkt und eine effizientere Art und Weise bestimmt, das Ziel, das ihm gegeben wurde, zu erreichen.

Zum Beispiel, als ein KI-Programm beauftragt wurde, die höchste Punktzahl zu erreichen, die es im Videospiel Breakout hatte, konnte es lernen, wie man bessere Leistungen erbringt und in der Lage war, Menschen in nur 2,5 Stunden zu übertreffen. Forscher ließen das Programm laufen. Zu ihrer Überraschung entwickelte das Programm eine Strategie, die nicht in der Software enthalten war. Es würde sich auf einen Punkt von Ziegeln konzentrieren, um ein Loch zu stoßen, so dass der Ball hinter die Wand kommen würde. Dies minimiert die Arbeit, da der Computer den Schläger nicht mehr bewegen muss, während der Punktestand zunehmen würde. Dies minimiert auch die Chancen, den Ball zu verpassen und das Spiel zu beenden.
Buzzwords können im Web viel Aufmerksamkeit erregen. Aber während diese SEO Keywords den Leuten helfen können, das Gesuchte zu finden, können sie auch Flusen und Müll in die Suche einbauen. Mit Begriffen wie 3D-Druck und IIoT, die solch eine positive Reaktion auslösen, ist kein Ende in Sicht. Fügen Sie künstliche Intelligenz (KI), maschinelles Lernen, neuronale Netzwerke und tiefes Lernen in den Mix ein, und es kann verwirrend sein, mitzuhalten, welches was ist. Also, um zu beginnen:

Was ist KI?
AI: Künstliche Intelligenz (AI) wird normalerweise als die Wissenschaft definiert, Computer dazu zu bringen, Dinge zu tun, die Intelligenz erfordern, wenn sie von Menschen ausgeführt werden. AI hat in begrenzten oder vereinfachten Domänen einige Erfolge erzielt.
Erstens gibt es verschiedene Arten künstlicher Intelligenz (AI): schwach und stark. Schwache KI kann sich so verhalten, als würde ein Roboter oder eine Fertigungslinie alleine denken. Es ist jedoch eine überwachte Programmierung, was bedeutet, dass es eine programmierte Ausgabe oder Aktion für gegebene Eingaben gibt.
Starke KI ist ein System, das eine Ausgabe basierend auf vorgegebenen Zielen und Eingabedaten tatsächlich ändern kann. Ein Programm könnte etwas tun, auf das es nicht programmiert ist, wenn es ein Muster bemerkt und eine effizientere Art und Weise bestimmt, das Ziel, das ihm gegeben wurde, zu erreichen.
Zum Beispiel, als ein KI-Programm beauftragt wurde, die höchste Punktzahl zu erreichen, die es im Videospiel Breakout hatte, konnte es lernen, wie man bessere Leistungen erbringt und in der Lage war, Menschen in nur 2,5 Stunden zu übertreffen. Forscher ließen das Programm laufen. Zu ihrer Überraschung entwickelte das Programm eine Strategie, die nicht in der Software enthalten war. Es würde sich auf einen Punkt von Ziegeln konzentrieren, um ein Loch zu stoßen, so dass der Ball hinter die Wand kommen würde. Dies minimiert die Arbeit, da der Computer den Schläger nicht mehr bewegen muss, während der Punktestand zunehmen würde. Dies minimiert auch die Chancen, den Ball zu verpassen und das Spiel zu beenden.

WERBUNG, MAUS OVER FÜR AUDIO
Denken Sie daran, dass der Computer die Fledermaus-, Ball- oder Regenbogen-Steine ​​nicht sieht. Es "sieht" eine Reihe von Zahlen. Er weiß, welche Variablen er steuert und wie er Punkte erhöhen kann, je nachdem, wie er die Variablen in Bezug auf die anderen Zahlen steuert.
"Unter AI gibt es viele verschiedene Technologien: Einige von ihnen existieren und funktionieren, andere sind noch nicht ausgereift, andere sind einfach Schlagworte." "Nach meiner Erfahrung habe ich in der realen Welt noch nie von jemandem gehört, der KI benutzt Es ist eher plausibel, dass F & E-Zentren bestimmte Algorithmen untersuchen und testen: Einige industrielle Komponenten wie SPS, Antriebe, Motoren enthalten bereits bestimmte neuronale Netze, die unter den breiten Schirm von AI fallen könnten, typische Anwendungen bieten mehr Energieeffizienz oder schneller Reaktionszeit."
AI hat sich in einen allgemeinen Begriff verwandelt, der mehrere Dinge bedeuten könnte, einschließlich maschinellen Lernens. Eine Menge Verwirrung entsteht dadurch, dass manche Leute KI mit unabhängigem Denken assoziieren. Von der Definition her jedoch eine Machine-Vision-Anwendung, bei der ein Teil aufgenommen und in eine bestimmte Ausrichtung gesetzt wird. Per Definition ist diese Aktion, was ein Mensch tun würde, und erfordert ein gewisses Maß an Intelligenz. Es braucht nicht viel Intelligenz, aber es passt zur KI-Definition.
Neuronale Netze und Big Data
Neuronales Netzwerk: Ein Computersystem, das dem menschlichen Gehirn nachempfunden ist.
Big Data: Im Wesentlichen eine große Menge von Datensätzen, die für Programme benötigt werden, um AI-Funktionen genau zu verwenden. Wenn die Dinge komplexer werden - von KI zu maschinellem Lernen oder maschinellem Lernen zu tiefem Lernen - je mehr Daten Sie haben, desto besser können diese Systeme lernen und funktionieren.
Maschinelles Lernen ist manchmal mit einem neuronalen Netzwerk verbunden. Ähnlich wie das menschliche Gehirn arbeitet, haben neuronale Netzwerke viele Verbindungen zwischen Knoten und Knotenschichten. Trainingsalgorithmen können neuronale Netzwerke verwenden, so dass, wenn Eingaben in Form von Daten in das System eingegeben werden, es herausfinden, lernen, entscheiden usw. wird, was die beste Vorgehensweise ist. Mit einer riesigen Menge an Daten (oft Big Data genannt) lernen der Algorithmus und das Netzwerk, Ziele zu erreichen und den Prozess zu verbessern. Diese Art der umfangreichen Konnektivität wird als Deep Learning bezeichnet.

Tiefes Lernen
Deep Learning: Deep Learning (auch bekannt als tiefes strukturiertes Lernen, hierarchisches Lernen oder tiefes maschinelles Lernen) ist das Studium künstlicher neuronaler Netzwerke und verwandter Algorithmen des maschinellen Lernens, die mehr als eine versteckte Schicht enthalten.
"Deep Learning ist eine spezielle Art von maschinellem Lernalgorithmus - es sind mehrere Schichten neuronaler Netzwerke, die die Konnektivität des Gehirns nachahmen, und diese Arten von Konnektivität scheinen viel besser zu funktionieren als bereits existierende Systeme." "Das müssen wir derzeit tun Definieren Sie Parameter für maschinelles Lernen basierend auf unserer menschlichen Erfahrung. Wenn wir Bilder von Äpfeln und Orangen betrachten, müssen wir Merkmale manuell definieren, damit Maschinenlernsysteme den Unterschied erkennen können. Deep Learning ist die nächste Stufe, weil es diese Unterschiede selbst schaffen kann. Indem er nur Beispielbilder von Äpfeln und Orangen zu einem tiefgreifenden Lernsystem zeigt, wird es eigene Regeln erstellen, die erkennen, dass Farbe und Geometrie die Schlüsselmerkmale sind, die unterscheiden, welche es sind und nicht basierend auf menschlichem Wissen lehren müssen. "

Maschinelles lernen
Maschinelles Lernen: Eine Art von KI, die neurale Netzwerke und Deep Learning umfassen kann, aber nicht auf diese beschränkt ist. Im Allgemeinen ist es die Fähigkeit eines Computers, etwas auszugeben oder etwas zu tun, für das es nicht programmiert wurde.

Vorherige:Module für CNC-Maschinen

Nächste:Best Design Practices für benutzerdefinierte bearbeitete Teile