P:
Quina diferència hi ha entre intel·ligència artificial, aprenentatge automàtic i aprenentatge profund?
R:Els termes "intel·ligència artificial", "aprenentatge automàtic" i "aprenentatge profund" descriuen un procés que s'ha construït sobre si mateix durant les últimes dècades, ja que el món ha fet enormes avenços en el poder informàtic, la transferència de dades i altres objectius tecnològics.
La conversa hauria de començar amb intel·ligència artificial, un terme ampli per a qualsevol capacitat d’ordinadors o tecnologies per simular el pensament humà o l’activitat cerebral. En certa manera, la intel·ligència artificial va començar ben aviat, amb programes senzills per jugar a escacs i altres programes que van començar a imitar la presa de decisions i el pensament humà.
| Descàrrega gratuïta: Aprenentatge automàtic i per què és important |
La intel·ligència artificial va continuar avançant des dels primers dies de l’ordinador personal, fins a l’època d’internet i finalment fins a l’època de la computació en núvol, la virtualització i les xarxes sofisticades. La intel·ligència artificial ha crescut i ampliat de moltes maneres com a indústria tecnològica clau.
Una de les fites de la intel·ligència artificial és l’aparició i adopció de l’aprenentatge automàtic, un enfocament particular per assolir objectius d’intel·ligència artificial.
L’aprenentatge automàtic utilitza algoritmes i programes sofisticats per ajudar el programari informàtic a millorar en determinats conjunts de decisions en un entorn de rendiment. En lloc de simplement programar un ordinador per fer una sèrie de coses una i altra vegada, com va ser el cas dels programes codificats a mà dels anys 70 i 1980, l'aprenentatge automàtic comença a utilitzar heurística, modelatge del comportament i altres tipus de projeccions per permetre el tecnologia per millorar la seva presa de decisions i evolucionar amb el pas del temps. L’aprenentatge automàtic s’ha aplicat per combatre el correu electrònic de correu brossa, implementar personalitats d’intel·ligència artificial com IBM Watson i assolir objectius d’intel·ligència artificial d’altres maneres.
L’aprenentatge profund, al seu torn, es basa en l’aprenentatge automàtic. Els experts descriuen l’aprenentatge profund com l’ús d’algoritmes per impulsar abstraccions d’alt nivell, com ara l’ús de xarxes neuronals artificials per entrenar tecnologies en tasques. L’aprenentatge profund porta l’aprenentatge automàtic al següent nivell intentant modelar l’activitat cerebral humana real i aplicar-la a la presa de decisions artificials o a altres treballs cognitius.
L’aprenentatge profund s’ha demostrat a través d’exemples com programes d’optimització de la cadena de subministrament d’avantguarda, programes d’equips de laboratori i altres tipus d’innovacions com ara la xarxa adversativa generativa, on dues xarxes oposades, una xarxa generativa i discriminatòria, treballen les unes contra les altres per modelar-se humans. processos de discriminació. Aquest tipus particular d’aprenentatge profund es pot aplicar al processament d’imatges i a altres usos.
La realitat és que els aprenentatges profunds apropen la intel·ligència artificial a allò que els experts consideren una "IA forta", la intel·ligència artificial més o menys plenament capaç de replicar moltes funcions del pensament humà. Això dóna lloc a un debat important sobre com manejar aquestes tecnologies emergents de manera eficaç i sobre com tenir cura d’un món en què els ordinadors pensin d’alguna manera de les mateixes maneres que nosaltres.
