Các thiết bị kết nối Internet được gọi là thiết bị thông minh. Khá nhiều thứ liên quan đến Internet được biết đến như một thiết bị thông minh^{(smart device)} . Trong bối cảnh này, mã làm cho các thiết bị THÔNG MINH hơn -^{(SMARTER – )} để nó có thể hoạt động với mức tối thiểu hoặc không có bất kỳ sự can thiệp nào của con người - có thể nói là dựa trên Trí tuệ nhân tạo^{(Artificial Intelligence)} (AI). Hai thuật toán còn lại, cụ thể là: Học máy^{(Machine Learning)} (ML) và Học sâu^{(Deep Learning)} (DL), là các loại thuật toán khác nhau được xây dựng để mang lại nhiều khả năng hơn cho các thiết bị thông minh. Hãy cùng xem AI vs ML vs DL chi tiết dưới đây để hiểu chúng làm gì và kết nối với AI như thế nào.

Trí tuệ nhân tạo liên quan đến ML & DL là gì

AI có thể được gọi là một tập hợp các quy trình Máy học^{(Machine Learning)} (ML) và các quy trình Học sâu^{(Deep Learning)} (DL). AI thường là một thuật ngữ chung được sử dụng cho ML và DL. Deep Learning lại là một tập hợp con của Học máy^{(Machine Learning)} (xem hình trên).

Một số người cho rằng Học máy^{(Machine Learning)} không còn là một phần của trí tuệ nhân tạo toàn cầu. Họ nói ML là một ngành khoa học hoàn chỉnh theo đúng nghĩa của nó và do đó, không cần thiết phải gọi nó với tên gọi Trí tuệ nhân tạo^{(Artificial Intelligence)} . AI phát triển mạnh trên dữ liệu: Dữ liệu lớn^{(Big Data)} . Nó tiêu thụ càng nhiều dữ liệu thì nó càng chính xác. Nó không phải là nó sẽ luôn luôn dự đoán chính xác. Sẽ có cả cờ giả. AI tự đào tạo những sai lầm này và trở nên tốt hơn những gì nó được cho là phải làm - có hoặc không có sự giám sát của con người.

Trí tuệ nhân tạo không thể được định nghĩa một cách chính xác vì nó đã thâm nhập vào hầu hết các ngành công nghiệp và ảnh hưởng đến quá nhiều loại quy trình và thuật toán (kinh doanh). Chúng ta có thể nói rằng Trí tuệ nhân tạo dựa^{(Intelligence)} trên Khoa học dữ liệu^{(Data Science)} (DS: Big Data ) và chứa Máy học^{(Machine Learning)} như một phần riêng biệt của nó. Tương tự như vậy^(Likewise) , Học sâu^{(Deep Learning)} là một phần khác biệt của Học máy^{(Machine Learning)} .

Cách thị trường CNTT đang nghiêng, tương lai sẽ bị thống trị bởi các thiết bị thông minh được kết nối, được gọi là Internet of Things (IoT) . Thiết bị thông minh^(Smart) có nghĩa là trí tuệ nhân tạo: trực tiếp hoặc gián tiếp. Bạn đang sử dụng trí thông minh nhân tạo (AI) trong nhiều nhiệm vụ trong cuộc sống hàng ngày của mình. Ví dụ: gõ trên bàn phím điện thoại thông minh tiếp tục tốt hơn với "gợi ý từ". Trong số các ví dụ khác mà bạn vô tình đang xử lý Trí tuệ nhân tạo^{(Artificial Intelligence)} là tìm kiếm mọi thứ trên Internet , mua sắm trực tuyến và tất nhiên, hộp thư đến email Gmail và Outlook luôn thông minh .

Học máy là gì

Học^(Learning) máy là một lĩnh vực Trí tuệ nhân tạo^{(Artificial Intelligence)} với mục đích là làm cho một cỗ máy (hoặc máy tính hoặc một phần mềm) tự học và đào tạo mà không cần lập trình nhiều. Các thiết bị như vậy cần ít lập trình hơn vì chúng áp dụng các phương pháp của con người để hoàn thành nhiệm vụ, bao gồm cả việc học cách hoạt động tốt hơn. Về cơ bản^(Basically) , ML có nghĩa là lập trình máy tính / thiết bị / phần mềm một chút và cho phép nó tự học.

Có một số phương pháp để tạo điều kiện cho Học máy^{(Machine Learning)} . Trong số đó, ba cách sau được sử dụng rộng rãi:

1. Được giám sát,
2. Không được giám sát và
3. Học tăng cường.

Học có giám sát trong Học máy^{(Machine Learning)}

Được giám sát theo nghĩa là người lập trình trước tiên cung cấp cho máy dữ liệu được gắn nhãn và các câu trả lời đã được xử lý. Ở đây, nhãn có nghĩa là tên hàng hoặc cột trong cơ sở dữ liệu hoặc bảng tính. Sau khi cung cấp những bộ dữ liệu khổng lồ như vậy vào máy tính, nó sẵn sàng phân tích các bộ dữ liệu khác và tự đưa ra kết quả. Điều đó có nghĩa là bạn đã dạy máy tính cách phân tích dữ liệu được cung cấp cho nó.

Thông thường, nó được xác nhận bằng cách sử dụng quy tắc 80/20. Tập hợp dữ liệu khổng lồ^(Huge) được cung cấp cho một máy tính để thử và học logic đằng sau các câu trả lời. 80 phần trăm dữ liệu từ một sự kiện được đưa vào máy tính cùng với các câu trả lời. 20 phần trăm còn lại được cho ăn mà không có câu trả lời để xem liệu máy tính có thể đưa ra kết quả thích hợp hay không. 20 phần trăm này được sử dụng để kiểm tra chéo để xem máy tính (máy) đang học như thế nào.

Học máy không giám sát

Học không được giám sát xảy ra khi máy được cung cấp các tập dữ liệu ngẫu nhiên không được gắn nhãn và không theo thứ tự. Máy phải tìm ra cách tạo ra kết quả. Ví dụ: nếu bạn cung cấp cho nó những quả bóng mềm có nhiều màu sắc khác nhau, nó sẽ có thể phân loại theo màu sắc. Do đó, trong tương lai, khi máy được giới thiệu một quả bóng mềm mới, nó có thể xác định quả bóng với các nhãn hiện có trong cơ sở dữ liệu của nó. Không có dữ liệu đào tạo trong phương pháp này. Máy phải tự học.

Học tăng cường

Máy có thể đưa ra một chuỗi các quyết định thuộc loại này. Sau đó, có một hệ thống phần thưởng. Nếu máy làm tốt bất cứ điều gì mà lập trình viên muốn, nó sẽ nhận được phần thưởng. Máy được lập trình theo cách mà nó khao khát phần thưởng tối đa. Và để có được nó, nó giải quyết các vấn đề bằng cách đưa ra các thuật toán khác nhau trong các trường hợp khác nhau. Điều đó có nghĩa là máy tính AI sử dụng các phương pháp thử và sai để đưa ra kết quả.

Ví dụ, nếu máy là một phương tiện tự lái, nó phải tự tạo ra các tình huống trên đường. Không có cách nào mà một lập trình viên có thể lập trình từng bước vì họ không thể nghĩ ra tất cả các khả năng khi máy chạy trên đường. Đó chính là lúc Reinforcement Learning ra đời. Bạn cũng có thể gọi nó là AI thử và sai.

Học sâu khác với Học máy như thế nào^{(Machine Learning)}

Học sâu^{(Deep Learning)} dành cho các nhiệm vụ phức tạp hơn. Học sâu^{(Deep Learning)} là một tập hợp con của Học máy^{(Machine Learning)} . Chỉ có điều nó chứa nhiều mạng nơ-ron hơn giúp máy học. Mạng nơ-ron nhân tạo không phải là mới . ^(Manmade)Các phòng thí nghiệm^(Labs) trên khắp thế giới đang cố gắng xây dựng và cải thiện mạng nơ-ron để máy móc có thể đưa ra quyết định sáng suốt. Bạn chắc hẳn đã nghe nói về Sophia , một hình người ở Ả Rập Xê Út^(Saudi) được cấp quyền công dân thường xuyên. Mạng lưới thần kinh giống như bộ não của con người nhưng không phức tạp như bộ não.

Có một số mạng tốt cung cấp cho học sâu không giám sát. Bạn có thể nói rằng Deep Learning là nhiều mạng lưới thần kinh mô phỏng bộ não con người hơn. Tuy nhiên, với đủ dữ liệu mẫu, các thuật toán Học sâu^{(Deep Learning)} có thể được sử dụng để thu thập thông tin chi tiết từ dữ liệu mẫu. Ví dụ, với máy DL xử lý hình ảnh, việc tạo khuôn mặt người với cảm xúc thay đổi theo câu hỏi của máy sẽ dễ dàng hơn.

Ở trên giải thích AI vs MI vs DL bằng ngôn ngữ dễ hiểu hơn. AI và ML là những lĩnh vực rộng lớn - đang mở ra và có tiềm năng to lớn. Đây là lý do khiến một số người chống lại việc sử dụng Học máy^{(Machine Learning)} và Học sâu^{(Deep Learning)} trong Trí tuệ nhân tạo^{(Artificial Intelligence)} .

What are Machine Learning and Deep Learning in Artificial Intelligence

Devices cоnnected to thе Internet are called smart devices. Pretty much eνerything related to the Internet is known as a smart device. In this context, the code that makes the devices SMARTER – so that it can work with minimal or without any human intervention – can be said to be based on Artificial Intelligence (AI). The other two, namely: Machine Learning (ML), and Deep Learning (DL), are different types of algorithms built to bring more capabilities to the smart devices. Let’s see AI vs ML vs DL in detail below to understand what they do and how they are connected to AI.

What is Artificial Intelligence with respect to ML & DL

AI can be called a superset of Machine Learning (ML) processes, and Deep Learning (DL) processes. AI usually is an umbrella term that is used for ML and DL. Deep Learning is again, a subset of Machine Learning (see image above).

Some argue that Machine Learning is no more a part of the universal AI. They say ML is a complete science in its own right and thus, need not be called with reference to Artificial Intelligence. AI thrives on data: Big Data. The more data it consumes, the more accurate it is. It is not that it will always predict correctly. There will be false flags as well. The AI trains itself on these mistakes and becomes better at what it is supposed to do – with or without human supervision.

Artificial Intelligence cannot be defined properly as it has penetrated into almost all industries and affects way too many types of (business) processes and algorithms. We can say that Artificial Intelligence is based on Data Science (DS: Big Data) and contains Machine Learning as its distinct part. Likewise, Deep Learning is a distinct part of Machine Learning.

The way the IT market is tilting, the future would be dominated with connected smart devices, called the Internet of Things (IoT). Smart devices mean artificial intelligence: directly or indirectly. You are already using artificial intelligence (AI) in many tasks in your daily life. For example, typing on a smartphone keyboard that keeps on getting better on “words suggestion”. Among other examples where you unknowingly are dealing with Artificial Intelligence are searching for things on the Internet, online shopping, and of course, the ever-smart Gmail and Outlook email inboxes.

What is Machine Learning

Machine Learning is a field of Artificial Intelligence where the aim is to make a machine (or computer, or a software) learn and train itself without much programming. Such devices need less programming as they apply human methods to complete tasks, including learning how to perform better. Basically, ML means programming a computer/device/software a bit and allowing it to learn on its own.

There are several methods to facilitate Machine Learning. Of them, the following three are used extensively:

1. Supervised,
2. Unsupervised, and
3. Reinforcement learning.

Supervised Learning in Machine Learning

Supervised in a sense that programmers first provide the machine with labeled data and already processed answers. Here, labels mean the row or column names in a database or spreadsheet. After feeding huge sets of such data to the computer, it is ready to analyze further data sets and provide results on its own. That means you taught the computer how to analyze the data fed to it.

Usually, it is confirmed using the 80/20 rule. Huge sets of data are fed to a computer that tries and learns the logic behind the answers. 80 percent of data from an event is fed to the computer along with answers. The remaining 20 percent is fed without answers to see if the computer can come up with proper results. This 20 percent is used for cross-checking to see how the computer (machine) is learning.

Unsupervised Machine Learning

Unsupervised Learning happens when the machine is fed with random data sets that are not labeled, and not in order. The machine has to figure out how to produce the results. For example, if you offer it softballs of different colors, it should be able to categorize by colors. Thus, in the future, when the machine is presented with a new softball, it can identify the ball with already present labels in its database. There is no training data in this method. The machine has to learn on its own.

Reinforcement Learning

Machines that can make a sequence of decisions fall into this category. Then there is a reward system. If the machine does good at whatever the programmer wants, it gets a reward. The machine is programmed in a way that it craves maximum rewards. And to get it, it solves problems by devising different algorithms in different cases. That means the AI computer uses trial and error methods to come up with results.

For example, if the machine is a self-driving vehicle, it has to create its own scenarios on road. There is no way a programmer can program every step as he or she can’t think of all the possibilities when the machine is on the road. That is where Reinforcement Learning comes in. You can also call it trial and error AI.

How is Deep Learning different from Machine Learning

Deep Learning is for more complicated tasks. Deep Learning is a subset of Machine Learning. Only that it contains more neural networks that help the machine in learning. Manmade neural networks are not new. Labs across the world are trying to build and improve neural networks so that the machines can make informed decisions. You must have heard of Sophia, a humanoid in Saudi that was provided regular citizenship. Neural networks are like human brains but not as sophisticated as the brain.

There are some good networks that provide for unsupervised deep learning. You can say that Deep Learning is more neural networks that imitate the human brain. Still, with enough sample data, the Deep Learning algorithms can be used to pick up details from sample data. For example, with an image processor DL machine, it is easier to create human faces with emotions changing according to the questions the machine is asked.

The above explains AI vs MI vs DL in easier language. AI and ML are vast fields – that are just opening up and have tremendous potential. This is the reason some people are against using Machine Learning and Deep Learning in Artificial Intelligence.

Related posts

• SMS Organizer: SMS Application cung cấp bởi Machine Learning

• Sự thật và huyền thoại về Artificial Intelligence

• Sâu Learning and Neural Network là gì

• Best Free Artificial Intelligence software cho Windows 10

• Cách cài đặt Drupal bằng WAMP trên Windows

• Best Laptop Tables để mua trực tuyến

• Ảo Credit Cards là gì và làm thế nào & nơi nào bạn nhận được chúng?

• Cách cài đặt Windows 95 trên Windows 10

• Fix Partner không kết nối với lỗi router trong TeamViewer trên Windows 10

• Bị khóa trong Plex Server and Server Settings? Đây là sửa chữa!

• Mang theo Device (BYOD) Advantages, Best Practices, v.v

• một Magnet link và làm thế nào để Magnet link s mở là gì trong một trình duyệt

• NFT có nghĩa là gì và cách tạo NFT Digital Art?

• Blue Whale Challenge Dare Game là gì

• Zip file là lỗi quá lớn khi tải tệp từ DropBox

• Data Analytics là gì và nó được sử dụng để làm gì

• Ứng dụng nhắn tin phiên cung cấp bảo mật mạnh mẽ; Số yêu cầu No phone!

• Hộp Disqus comment không tải hoặc hiển thị cho một trang web

• Cách tạo SSL Certificates tự ký tự ký vào Windows 10

• Automate.io là một thay thế automation tool and IFTTT miễn phí