Как и у вас, у меня был тот же вопрос, я тоже был сбит с толку, AI / ML / DL почти такие же, и разница очень тонкая. Подумайте об этом как о маленьком ребенке, который не знает различий между собакой и кошкой, процесс обучения называется машинным обучением (потому что это машина), и когда ребенок знает разницу между собакой и кошкой и узнает другую породу или вид это называется ИИ, просто не так ли?
Прежде чем выбрать правильный путь, давайте посмотрим, что такое ИИ.
Джон Маккарти
был американским ученым-компьютерщиком. Он был одним из основоположников искусственного интеллекта. Он придумал термин «искусственный интеллект» (AI), разработал Lisp и получил широкое признание как один из крестных отцов AI.
Он определил это так: «Это наука и техника создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. Это связано с аналогичной задачей использования компьютеров для понимания человеческого интеллекта, но ИИ не должен ограничиваться биологически наблюдаемыми методами ».
Интеллект - это вычислительная часть способности достигать целей в мире
Когда началось исследование ИИ?
После Второй мировой войны некоторые люди самостоятельно начали работать над интеллектуальными машинами. Английский математик Алан Тьюринг, возможно, был первым. Он прочитал об этом лекцию в 1947 году. Возможно, он был первым, кто решил, что ИИ лучше всего исследовать путем программирования компьютеров, а не создания машин. К концу 1950-х было много исследователей ИИ, и большинство из них основывали свою работу на программировании компьютеров.
Почему ИИ?
Сегодня ИИ стал популярным благодаря увеличению объемов данных, продвинутым алгоритмам и улучшениям в вычислительной мощности и хранилище. Ранние исследования ИИ в 1950-х годах изучали такие темы, как решение проблем и символические методы. В 1960-х годах министерство обороны США заинтересовалось этим видом работы и начало обучать компьютеры имитировать базовые человеческие рассуждения. Например, Агентство перспективных оборонных исследовательских проектов (DARPA) завершило проекты по картированию улиц в 1970-х годах. А DARPA выпустило интеллектуальных персональных помощников в 2003 году, задолго до того, как имена Siri, Alexa или Cortana стали известны всем.
AI автоматизирует скучные повторяющиеся задачи.
Искусственный интеллект адаптируется через обучение, и знания доступны для всех моделей искусственного интеллекта, например, компании, занимающиеся беспилотными автомобилями, вместо этого разрабатывают идеальный автомобиль, они разрабатывают лучшего водителя. Почему? потому что, если они смогут разработать машину с совершенным автономным ИИ, каждая машина станет идеальной беспилотной машиной.
AI анализирует все больше и больше данных с помощью нейронных сетей.
Чем больше данных вы предоставите им, тем точнее они станут.
Вот почему самая густонаселенная страна в мире Китай (1 389 618 778 человек) в настоящее время доминирует в мире искусственного интеллекта. В то время как академическая система США генерировала и инкубировала исследования, которые сделали возможным создание современного ИИ, правительство Китая пообещало выделить миллиарды долларов и полностью поддержать эту технологию. Они также сделали первую в мире ведущую новостей с искусственным интеллектом, которая может работать 24 часа в сутки, 7 дней в неделю.
А теперь вернемся к теме, с чего мне начать?
AI:
Искусственный интеллект имеет три разных уровня:
Узкий ИИ: когда компьютер может выполнять одну задачу намного лучше, чем человек; вот где мы находимся сейчас.
Общий ИИ: когда машина может успешно выполнять любую интеллектуальную задачу, что и человек.
Сильный ИИ: когда машины могут побеждать людей во многих задачах.
ML :
Машинное обучение - это разновидность искусственного интеллекта.
То есть все машинное обучение считается ИИ, но не все ИИ считается машинным обучением.
Глубокое обучение - это разновидность машинного обучения,
Он называется глубоким, потому что в нем используются глубокие нейронные сети. Существуют мелкие нейронные сети, которые могут иметь один или два (иногда) скрытых слоя, глубокие нейронные сети имеют 2+ скрытых слоя. Глубокое обучение отвечает за последние достижения в области распознавания изображений, поскольку изображение состоит из пикселей, которые могут быть представлены в виде числовых данных, которые можно обрабатывать с помощью глубокого обучения.
Почему это называется нейронной сетью? Потому что это похоже на нейронную систему человека.
Заключение:
Все зависит от вашей конечной цели: если вы хотите ощутить всю мощь современного компьютера, переходите к глубокому обучению, но в DL вам понадобятся некоторые базовые концепции машинного обучения. Если вы хотите знать, как машины предсказывают погоду или создают собственный искусственный интеллект, изучите ML.
