Урок 2.8. Понятие Deep Learning и Machine Learning, в чем отличие
В данном уроке хотелось бы подробно поговорить о таком понятии, как методы искусственного интеллекта. Для того, чтобы понятным языком изложить суть данного понятия, сначала мы должны разобраться с понятием «метода», как такового.
У термина «метод» есть множество определений. Так как сфера искусственного интеллекта, в основном, подразумевает знания в области математики, программирования и информационных технологий, то метод, в нашем случае, — путь познания или способ познания какой-либо предметной области, способ достижения цели. А метод искусственного интеллекта — это способ, а фактически, — алгоритм решения какой-либо задачи.
Существует большое количество направлений развития искусственного интеллекта. В рамках этих направлений есть различные методы, которые могут применяться по отдельности или в группах для решения задач, стоящих перед наукой, промышленностью, экономикой, медициной и другими областями.
Есть разные мнения о том, как классифицировать методы ИИ. Мы предлагаем следующую классификацию, которая состоит из пяти пунктов:
Теперь давайте простыми словами расскажем, что представляет собой каждый метод.
Искусственная нейронная сеть — это преимущественно математический аппарат, хотя иногда в различных парадигмах нейросетей встречаются элементы логики.
Нейронная сеть — математическая модель, прототипом которой служит центральная нервная система человека или животного.
Данный метод ИИ применяется в задачах распознавания образов, прогнозирования, классификации, кластеризации и оптимизации.
Нечёткая логика, теория нечётких множеств, нечёткие рассуждения, мягкие вычисления — всё это близкие или тесно связанные между собой понятия, относящиеся к более высокому уровню работы центральной нервной системы, нежели искусственные нейронные сети. Методы нечеткой логики используются в экспертных системах, системах управления объектом.
Нечёткая логика в большей степени связана с качественной оценкой анализируемых процессов и явлений и принятием решений на основе этой качественной оценки.
В рамках данной группы методов рассматривается концепция не индивидуального, а коллективного интеллекта.
Эволюционное моделирование целесообразно применять тогда, когда пространство поиска решения настолько большое и сложно устроенное, что традиционные и более простые методы просто неспособны выполнить глобальный поиск решения или способны, но на это потребуется неприемлемо много времени.
Экспертная система — это искусственный аналог лица, принимающего решения, или, как минимум, эксперта-консультанта предметной области.
Структура и логико-математический аппарат экспертной системы определяются, в первую очередь, её назначением и предметной областью. Сами решения, предлагаемые системой, могут вырабатываться с использованием различных механизмов вывода. Наиболее близкий аналог человеческому механизму вывода — это аппарат нечёткой логики и теории нечётких множеств.
Machine Learning (машинное обучение) — это целый класс методов искусственного интеллекта. Все они подразумевают решение задач не напрямую, а путем предварительного обучения как до, так и в процессе принятия решения.
Data mining. Данный термин введён Григорием Пятецким-Шапиро в 1989 году
По сути — это собирательное название, которое применяется для обозначения целой группы методов обнаружения определенных закономерностей в общем объеме данных, которые могут получены в различных сферах человеческой деятельности. Например, методы Data Mining могут быть использованы для больших данных (Big Data), накопленных в розничных продажах, для подтверждения каких-либо гипотез и принятия управленческих решений.
Мы рассмотрели 5 основных групп методов искусственного интеллекта согласно нашей классификации и дали небольшие пояснения касательно каждого из них.
В других постах мы рассмотрим каждый метод более подробно.
