AI、機械学習、ディープラーニングの違い

人工知能 (AI) の概念は決して新しいものではありません。私たちのほとんどにとって、最初の出会いはサイエンス フィクション (SF) 映画でした。私たちは、ターミネーター シリーズ、マトリックス、I. ロボット、エクス マキナに魅了されてきました。これらはすべて、情報を分析し、問題を解決し、推論し、人間よりも効率的に機能する機械を革新し作成する人間の驚くべき想像力を描いています。

私たちはこれらの映画で描かれている人工知能のレベルに達していないかもしれませんが、意識していなくても、AI は今日私たちの生活の一部になっています。それは私たちの仕事、娯楽、余暇に影響を与えます。一般的な例としては、Apple デバイスの仮想アシスタントである Siri、Netflix、iTunes、Amazon による映画や音楽の提案、車の自動操縦機能、セキュリティ監視、オンライン ビデオ ゲームなどがあります。

人工知能の役割はここ数年で増大しており、その応用は金融から小売業、健康産業に至るまで、さまざまな分野に広がっています。ビジネスモデルを改善し、効率を高め、それぞれの市場で競争力を高める方法としてこのコンセプトに投資する企業が増えるにつれ、この割合はさらに増加すると予想されます。

ここ数年、人工知能について議論される場で、機械学習と深層学習という用語が人気を集めてきました。これらのフレーズは同じ意味で使用されることがありますが、意味は異なります。この記事では、人工知能の世界を探り、これらの用語がどのように異なるかを説明します。

人工知能 -問題を解決する上で

人工知能はコンピューター サイエンスの一分野です。この用語は 1956 年にジョン マッカーシーによって作成されました。彼はそれを「インテリジェントな機械を作る科学と工学」と定義しました。 AI は、与えられた問題を解決する際に機械またはコンピューターによって実証される、人間に特徴的なあらゆる知能です。 AI は 2 つのカテゴリに分類されます。一般的で狭い AI。

一般的な AI システムは、人間の知能のすべての機能を備えており、人間ができるあらゆるタスク、またはそれ以上のタスクを実行できます。これには、問題の解決、顔、音、物体の認識から言語の理解まで多岐にわたります。 Narrow AI は、Facebook の顔認識機能、Pinterest の画像分類機能などの専用タスクのみを実行する機能を備えています。 AI が機能するには、その職務を遂行する可能性を高めるための情報にアクセスする必要があります。

機械学習

このフレーズは、1959 年にアーサー サミュエルによって作成されました。これには、何かについて予測できるようにするために、大量のデータとアルゴリズムを使用してマシンをトレーニングすることが含まれます。機械学習がなくても AI は機能しますが、タスクを実行するには特定の命令を含む多くのコード行を入力する必要があり、このプロセスは複雑で煩雑になる可能性があります。機械学習では、情報が供給され、機械はパターンと傾向を学習し、調整して改善します。

この機能を備えたシステムは、特定の機能の実行においてますます優れています。 Siri、Google マップ、Google 検索、音楽ストリーミング サービスなどの音声認識システムは、プログラムとの継続的な対話により、収集した情報に基づいて推奨や提案を行うことができる機械学習モデルの例です。したがって、Google 検索は、以前の検索履歴に基づいて候補を作成できます。音楽ストリーミングサービスは、他のユーザーと音楽の好みを比較してレコメンドを行うことができます。

ディープラーニング

これは機械学習のサブセットです。これは人工ニューラル ネットワーク (ANN) を使用して機能します。 ANN は、脳内のニューロンがどのように接続して機能するかに基づいたシステムです。このネットワークは、データを継続的に分析し、人間が推論して結論を​​導き出す方法と同様の構造を学習するように設計されています。ニューラル ネットワークには個別の層と相互の接続があります。各層は特定のタスクを学習するように設計されています。

この階層化が「ディープラーニング」という名前の由来です。その一例が自動運転車です。このモデルの各層は、歩行者の認識や道路標識の識別などの特定のタスクを学習します。これらのさまざまなタスクを組み合わせることで、道路を移動できるようになります。保健分野では、ディープラーニングはがん診断におけるバイオマーカーの特定に成功しています。

人工知能とは、機械が発揮する知能の総称です。機械学習 (ML) は AI を実現する方法の 1 つであり、ディープ ラーニングは機械学習の進歩です。 ML と DL を使用するには、大量のデータが必要です。このデータは、インターネット経由でアクセスできるスマートフォン、家電製品、車両、機械などの物理デバイスの成長を続けるネットワークであるモノのインターネット (IoT) から使用できます。

接続されるデバイスが増えるほど、より多くの情報が収集されます。企業や企業はリアルタイムの情報に基づいて意思決定を行うことができるため、この情報を同化してさまざまな分野での予測に使用することができ、より効率的で消費者に優しいものにすることができます。例: 消費者の購買習慣に合わせて製品を調整する、予防保守のスケジュールを設定する、需要に合わせて製造プロセスを調整する、業界の傾向を特定するなど。

人工知能とモノのインターネットの関係は補完的なものです。 AI が動作するにはデータが必要であり、IoT からの情報によって AI の信頼性が高まるため、AI は IoT からの情報を使用します。どちらも急速に進歩しているため、可能性は無限です。