人工知能 (AI)、機械学習 (ML)、ディープラーニング (DL): 違いは何ですか?

人工知能 (AI)、機械学習 (ML)、ディープラーニング (DL) は、同じ意味で使用されることがよくあります。ただし、それらはまったく同じではありません。人工知能は、人間の行動を模倣する能力を機械に与える最も広範な概念です。機械学習は、人工知能をシステムまたは機械に適用して、システムや機械が学習し、継続的に自己改善できるようにすることです。最後に、ディープ ラーニングでは、複雑なアルゴリズムとディープ ニューラル ネットワークを使用して、特定のモデルやパターンを繰り返しトレーニングします。

人工知能、機械学習、深層学習が実際に何を指すのかをより深く理解するために、各用語の進化と変遷を見てみましょう。

人工知能

人工知能は、過去 70 年以上にわたって大きな進歩を遂げてきました。私たちがそれを知っているかどうかにかかわらず、好むと好まざるにかかわらず、それは私たちの生活のあらゆる側面に浸透しています。過去 10 年間、機械学習と深層学習の進歩により、あらゆる規模の業界や組織に AI ブームが生まれました。クラウド サービス プロバイダーは、無料のオープンソース サービスを開発し、新しいシナリオを提供することで、この勢いをさらに推進しています。

図 1: AI、ML、DL の概要

人工知能は、おそらく 1956 年以来最も話題になっている概念です。 2015 年までに、GPU の普及により、並列処理がより高速、より強力、そしてより安価になりました。そして、ますます安価なストレージは、ビッグデータ (プレーンテキストから画像、マッピングなど) を大規模に保存できるようになりました。これにより、一般にデータサイエンスとして知られるデータ分析の必要性が生まれ、人工知能を実現する方法として機械学習の開発につながりました。

機械学習

機械学習とは、利用可能なデータのパターンを処理、学習、理解または予測するためのアルゴリズムの使用です。最近では、ソフトウェア開発のローコードおよびノー​​コードの概念が、特定のタスクを完了するための特定の指示を与える機械学習の自己学習プロセスとして使用されています。マシンはデータとアルゴリズムを使用して「トレーニング」され、タスクの実行方法を学習し、さらに重要なことに、その学習を進化するプロセスに適用できるようになります。

図 2: AI、ML、DL の進化

開発者コミュニティが AI に焦点を当てたときに機械学習が開発され、その後アルゴリズム決定木学習、論理プログラミング、クラスタリング、並列処理、強化学習を開発しました。これらは正しい方向への良い一歩ですが、世界が関心を持つシナリオに対処するには十分ではありません。

ディープ ラーニング

ディープ ラーニングはニューラル ネットワークと機械学習の進化であり、人工知能コミュニティの発案です。特定のシナリオで人間の心がどのように機能するかを学習し、その仕事では人間よりもうまく機能します。たとえば、IBM のワトソンはチェスを自分自身と対戦し、ゲームで大きく進歩し、最終的には世界チャンピオンを破りました。 Google の AlphaGo も、囲碁ゲームのプレイ方法を学び、何度もプレイして上達してチャンピオンになりました。

人工知能、機械学習、深層学習は常に進化しています。データ サイエンスに携わる誰もが、これらの概念を発展させて日常生活を改善したいと考えています。そして、オープンソース コミュニティ、民間業界、科学者、政府機関がすべて協力してこれに取り組んでいます。

図 3: AI、ML、DL の種類

要約すると、AI はインテリジェントなマシンの作成に役立ちますが、機械学習はAI 主導のアプリケーションの構築に役立ちます。ディープラーニングは機械学習のサブセットです。複雑なアルゴリズムを使用して大量のデータを処理することで、特定のモデルをトレーニングします。狭い AI は開発が非常に難しいため、機械学習は厳密な計算を通じてこの分野の機会に取り組んでいます。少なくとも一般的な AI を実現する場合、ディープラーニングは AI と機械学習を統合するのに役立ちます。

以上が人工知能 (AI)、機械学習 (ML)、ディープラーニング (DL): 違いは何ですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。