Maison > Périphériques technologiques > IA > Intelligence artificielle (IA), apprentissage automatique (ML) et apprentissage profond (DL) : quelle est la différence ?

Intelligence artificielle (IA), apprentissage automatique (ML) et apprentissage profond (DL) : quelle est la différence ?

WBOY
Libérer: 2023-04-12 13:25:05
avant
2213 Les gens l'ont consulté

Intelligence artificielle (IA), apprentissage automatique (ML) et apprentissage profond (DL) : quelle est la différence ?

L'intelligence artificielle (IA), l'apprentissage automatique (ML) et l'apprentissage profond (DL) sont souvent utilisés de manière interchangeable. Cependant, ils ne sont pas exactement les mêmes. L’intelligence artificielle est le concept le plus large qui donne aux machines la capacité d’imiter le comportement humain. L'apprentissage automatique est l'application de l'intelligence artificielle à des systèmes ou des machines pour les aider à apprendre et à s'améliorer continuellement. Enfin, l’apprentissage profond utilise des algorithmes complexes et des réseaux neuronaux profonds pour entraîner de manière répétée des modèles ou des modèles spécifiques.

Examinons l'évolution et le parcours de chaque terme pour mieux comprendre à quoi font réellement référence l'intelligence artificielle, l'apprentissage automatique et l'apprentissage profond.

Intelligence Artificielle

L'intelligence artificielle a parcouru un long chemin depuis plus de 70 ans. Que nous le sachions ou non, que cela nous plaise ou non, il a pénétré tous les aspects de notre vie. Au cours de la dernière décennie, les progrès de l’apprentissage automatique et de l’apprentissage profond ont créé un boom de l’IA dans les secteurs et les organisations de toutes tailles. Les fournisseurs de services cloud alimentent encore cette dynamique en développant des services open source gratuits et en proposant de nouveaux scénarios.

Figure 1: Overview of AI, ML and DL

Figure 1 : Aperçu de l'IA, du ML et du DL

L'intelligence artificielle est probablement le concept le plus évoqué depuis 1956. En 2015, l’utilisation généralisée des GPU a rendu le traitement parallèle plus rapide, plus puissant et moins cher. Et un stockage de plus en plus bon marché permet de stocker du Big Data (du texte brut aux images, mappages, etc.) à grande échelle. Cela a créé un besoin d’analyse des données, plus communément appelée science des données, conduisant au développement de l’apprentissage automatique comme méthode permettant de réaliser l’intelligence artificielle.

Apprentissage automatique

L'apprentissage automatique est l'utilisation d'algorithmes pour traiter, apprendre et comprendre ou prédire des modèles dans les données disponibles. Récemment, les concepts de développement logiciel low-code et no-code sont utilisés comme processus d'auto-apprentissage dans l'apprentissage automatique, qui donne des instructions spécifiques pour accomplir une tâche spécifique. Les machines sont « entraînées » à l’aide de données et d’algorithmes afin qu’elles puissent apprendre à effectuer des tâches et, plus important encore, appliquer cet apprentissage à un processus en évolution.

Figure 2: Evolution of AI, ML and DL

Figure 2 : Évolution de l'IA, du ML et du DL

L'apprentissage automatique a été développé lorsque la communauté des développeurs s'est concentrée sur l'IA, puis a développé des algorithmes d'apprentissage par arbre de décision, de programmation logique, de clustering, de traitement parallèle et d'apprentissage par renforcement. . Ce sont de bons pas dans la bonne direction, mais pas suffisants pour aborder des scénarios intéressant le monde.

Deep Learning

Le deep learning est l'évolution des réseaux de neurones et de l'apprentissage automatique, et est le fruit de l'idée originale de la communauté de l'intelligence artificielle. Il apprend comment l’esprit humain fonctionne dans un scénario spécifique et fait ensuite ce travail mieux que les humains ! Par exemple, Watson d'IBM a joué aux échecs contre lui-même et a fait de grands progrès dans le jeu, battant finalement le champion du monde. AlphaGo de Google a également appris à jouer au jeu Go, en y jouant encore et encore pour s'améliorer et devenir un champion.

L'intelligence artificielle, l'apprentissage automatique et l'apprentissage profond sont en constante évolution. Toutes les personnes impliquées dans la science des données espèrent faire progresser ces concepts pour améliorer notre vie quotidienne. Et la communauté open source, l’industrie privée, les scientifiques et les agences gouvernementales travaillent tous ensemble sur ce sujet.

Figure 3: Types of AI, ML and DL

Figure 3 : Types d'IA, ML et DL

En conclusion, alors que l'IA aide à créer des machines intelligentes, l'apprentissage automatique aide à créer des applications basées sur l'IA. L'apprentissage profond est un sous-ensemble de l'apprentissage automatique. Il entraîne des modèles spécifiques en traitant de grandes quantités de données à l'aide d'algorithmes complexes. L’IA étroite étant extrêmement difficile à développer, l’apprentissage automatique exploite les opportunités dans ce domaine grâce à un calcul rigide. Au moins pour parvenir à une IA générale, l’apprentissage profond contribue à rapprocher l’IA et l’apprentissage automatique.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Étiquettes associées:
source:51cto.com
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal