Введение в машинное обучение
В чем разница между искусственным интеллектом и машинным обучением?
Определить искусственный интеллект
Честно говоря, искусственный интеллект можно определить по-разному.
Вот как IBM определяет искусственный интеллект ...
«Искусственный интеллект относится к способности компьютера или машины имитировать возможности человеческого разума - учиться на примерах и опыте, распознавать объекты, понимать язык и реагировать на него, принимать решения, решать проблемы - и сочетать эти и другие возможности для выполнения функции, которые может выполнять человек ». ¹
Это определение я нашел в отчете Stanford2016 AI100 ...
«Искусственный интеллект - это деятельность, направленная на создание интеллектуальных машин, а интеллект - это то качество, которое позволяет организации правильно и дальновидно функционировать в своей среде». ²
Согласно второму определению искусственного интеллекта, даже калькулятор можно считать интеллектуальным, но разница между ним и человеческим мозгом заключается в масштабе, скорости, степени автономности и универсальности.
Те же факторы можно использовать для оценки любого другого экземпляра интеллекта - программного обеспечения для распознавания речи, мозгов животных, систем круиз-контроля в автомобилях, игровых программ, термостатов - и размещения их в каком-либо подходящем месте в спектре.
Программное обеспечение для распознавания речи было разработано с единственной целью - распознавать речь, а программы для игры в го были разработаны с единственной целью - играть в го, они не являются обобщенными и, следовательно, отличаются от мозга животных, который гораздо сложнее по масштабу и является обобщенным, для выполнения различных операций.
Калькуляторы значительно быстрее, чем средний человеческий мозг, в вычислении сложных математических значений, но им не хватает степени автономности.
Они не выдадут вам результат, пока вы не нажмете клавишу «Enter» или клавишу «=», но системы круиз-контроля в автомобилях обладают большей степенью автономности. Оба подпадают под категорию интеллекта.
Таким образом, фрагмент кода, который может имитировать человеческий интеллект, можно назвать искусственным интеллектом, но все они различаются по степени интеллекта и могут быть классифицированы таким образом.
Определение машинного обучения
Машинное обучение - это подмножество искусственного интеллекта, которое включает использование данных для повышения точности результатов, генерируемых алгоритмом, без вмешательства человека в процесс обучения на основе данных.
Алгоритмы машинного обучения оптимизируются, чтобы стать лучше на основе предоставленных им данных, вы можете отметить здесь четкую линию различий,
Алгоритмы машинного обучения - это гораздо более сложные алгоритмы, которые имеют более высокий уровень автономии по сравнению с калькулятором, хотя оба они искусственно интеллектуальны.
Они используются для решения широкого круга задач, таких как фильтрация мошенничества или компьютерное зрение.
Машинное обучение можно разделить на три класса:
- Контролируемое обучение
- Неконтролируемое обучение
- Обучение с подкреплением
Обучение с учителем:
Контролируемое обучение относится к классу машинного обучения. Алгоритм учится сопоставлять набор входных функций с целевой переменной.
В основном потребность в обучении с учителем возникнет, если у нас есть определенный набор функций и целевая переменная, как в наборе данных, приведенном ниже.
Каждая строка в наборе данных представляет собой выборку данных, в нашем случае каждая выборка - это женщина в возрасте не менее 21 года, принадлежащая к индейскому наследию пима.
Каждый столбец представляет собой функцию, используемую для описания каждого человека.
Например,
Пациентка 0 - имела 6 беременностей, уровень глюкозы 148, артериальное давление 72 и так далее ...
Наша постановка проблемы -
Принимая во внимание все данные о характеристиках женщины как минимум 21 года, принадлежащей к индейскому наследию пима, за исключением результата. Рассчитайте результат,
Результат 1 означает, что у пациента диабет, а 0 означает, что у человека нет диабета.
Итак, нам предоставлен вышеуказанный набор данных для обучения нашей модели машинного обучения выполнению этой задачи.
Начнем с разделения набора данных на пары «объект-объект».
features = ['Pregnancies','Glucose','BloodPressure','SkinThickness','Insulin','BMI','DiabetesPedigreeFunction','Age'] target = ['Outcome'] # for Patient 0 the feature-target pair will be: features = [6,148,72,35,0,33.6,0.627,50] target-label = [1] and so on for all other patients...
Наш набор данных состоит из 5 строк, из которых мы будем использовать 3 для обучения модели. Эти данные называются обучающими данными.
Мы оставляем за собой оставшиеся 2 столбца, чтобы проверить точность модели, сообщающую нам, страдает ли пациент диабетом или нет. Эти данные называются данными тестирования.
Модель берет первую пару признаков-меток.
Обучает его и узнает, что для таких-то значений признаков значение target-label равно… 1 или 0 и так далее…
а затем берет вторую пару функций-меток и делает то же самое и с ней.
В конце концов, модель, которая была представлена 3 парам меток функций, знает до некоторой степени, как сопоставить значения функций со значением цели.
Затем на основе тестовых данных мы прогнозируем результаты для модели и проверяем, научилась ли модель правильно отображать функции на цель (результат) или нет.
Если у вас есть какие-либо отзывы, оставьте их в комментариях, надеюсь, вы понимаете, что я написал, если нет сомнений в комментариях, я постараюсь ответить на них.
[1] https://www.ibm.com/cloud/learn/what-is-artificial-intelligence
[2] Нильс Дж. Нильссон, В поисках искусственного интеллекта: история идей и достижений (Кембридж, Великобритания: Cambridge University Press, 2010).
[3] Исходный файл: Avimanyu786 Версия SVG: Tukijaaliwa, CC BY-SA 4.0, через Wikimedia Commons.
[4] Смит, Дж. У., Эверхарт, Дж. Э., Диксон, У. К., Ноулер, У. К., и Йоханнес, Р. С. (1988). Использование алгоритма обучения ADAP для прогнозирования наступления сахарного диабета. В материалах симпозиума по компьютерным приложениям и медицинскому обслуживанию (стр. 261–265). Издательство IEEE Computer Society Press.
