AI、機械学習、ディープラーニングの違い-

近年、産業革命4.0の爆発に伴い、人工知能（AI）、機械学習、深層学習などの用語が徐々に普及し、4.0時代の市民が理解しなければならない概念になっています。

これらの3つの概念の関係は、それらを円として考えることで説明できます。ここで、AI（最初のアイデア）が最大の円であり、次に機械学習（後に続く概念）、そして最後に深層学習（現在の推進力）が続きます。 AIブーム–最小の円です。

AIシステムの構築はもちろん非常に複雑ですが、それを理解することはそれほど難しくありません。現在の人工知能のほとんどは、（私たちの脳に似た）本当に優れた推測機です。システムにデータのグループ（1から10までの数字など）を与え、システムにモデル（x + 1、0から開始）を作成して予測を行うように依頼します。（次の番号は11になります）。魔法はありません。これは人間の脳が毎日行うことです。私たちが知っていることを使用して、未知のものについて推測します。

AIが他のコンピュータープログラムと異なる点は、ケースごとに特定のプログラムを作成する代わりに、AI（機械学習）を完全に教えることができ、自動的に深層学習を行う機能も備えていることです。これらの3つの概念は、基本的に次のように定義できます。

人工知能（AI）： 人間の行動や思考を模倣できる機械。

機械学習： 専門家がデータパターンを認識して予測を行うためにAIをトレーニングできるようにするAI機能。

ディープラーニング： 機械が自分自身を訓練できるようにする機械学習の小さなテクニック。

AI（人工知能）とは何ですか？

AIは、インテリジェントな動作の自動化を扱うコンピューターサイエンスの一分野として定義できます。AIはコンピュータサイエンスの一部であるため、この分野の健全で適用可能な理論原理に基づいている必要があります。簡単に言えば、それは人間によって作成された機械の知性です。この知性は、人間の知性のように、考え、考え、学ぶことができます。人間よりも大きく、より大規模で、体系的で、科学的で、より速いレベルでデータを処理します。

しかし、現在のところ、AI技術はまだ非常に限られています。たとえば、Alexa –優れたハウスキーパー、人工知能アプリケーションの最も人気のあるアイコンの1つですが、それでもチューリングテストに合格することはできません。

つまり、今日私たちがAIで行っているのは、「ナローAI」の概念です。このテクノロジーは、人間と同じように、または人間よりも優れた方法で特定のタスクを実行することができます。実際の「ナローAI」の例としては、Pinterestの画像分類技術やFacebookで友達にタグを付けるための顔認識などがあります。

これらのテクノロジーは、人間の知性のいくつかの側面を表していますが、それはどのようになりますか？その知恵はどこから来たのですか？次のサークルである機械学習に進みましょう。

機械学習とは何ですか？

機械学習–AIのアプローチ

機械学習とは、コンピューターが実行しているタスクを改善するようにコンピューターに教える行為を指す広義の用語です。より具体的には、機械学習とは、タスクを実行するときのコンピューターのパフォーマンスが、そのタスクを何度も完了した後に向上するシステムを指します。言い換えれば、機械学習の最も基本的な能力は、アルゴリズムを使用して利用可能な情報を分析し、そこから学習してから、関連するものについて決定または予測を行うことです。特定のタスクを実行するための詳細な指示とアクションを備えたソフトウェアを作成する代わりに、コンピューターは、タスクの実行方法を学習するために大量のデータとアルゴリズムを使用して「トレーニング」されます。

機械学習がなければ、現在のAIは、明示的にプログラムされていなくてもコンピューターが物事を理解できるようになるため、かなり制限されます。機械学習の一種の例として、写真で猫を識別できるようにするプログラムが必要だとします。

• まず、AIに、毛色、体型、サイズなど、マシンが認識できる一連の猫の特性を与えます。
• 次に、いくつかの画像をAIにフィードします。ここで、画像の一部またはすべてに「猫」というラベルを付けて、マシンが猫関連の機能や詳細をより効果的に選択できるようにします。
• マシンは必要な猫のデータをすべて受信した後、写真から猫を見つける方法を知っている必要があります。「画像に特定のX、Y、またはZの詳細が含まれている場合、写真から猫を見つける可能性は95％です。 。多分それは猫です。」

一般に、今日の機械学習のアプリケーションは非常に人気があり、その有用性は議論の余地がありません。

ディープラーニングとは何ですか？

ディープラーニング–機械学習の手法

これまで、AIは多くの大きな進歩を遂げてきたと言えます。これは、人間の脳と同じようにデータを処理できる、深い「ニューラルネットワーク」を備えた一種の機械学習と考えてください。ここでの主な違いは、人間は猫がどのように見えるかを深層学習プログラムに教える必要はなく、猫の必要なすべての写真を与えるだけで、それが自分で理解することです。、自己学習。手順は次のとおりです。

• 猫の写真をたくさん機械に渡してください。
• アルゴリズムは画像をチェックして、画像間の共通の特徴と詳細を確認します。
• 各画像は、大きくて一般的な形状から、ますます小さいタイルまで、多くのレベルで詳細にデコードされます。1つまたは複数の形状が何度も繰り返される場合、アルゴリズムはそれを重要なプロパティとしてラベル付けします。
• 必要な画像を十分に分析した後、アルゴリズムはどのパターンが猫の最も強力な証拠を提供するかを認識し、人間がしなければならないのは生データを提供することだけです。

つまり、ディープラーニングは、機械が自分自身をトレーニングする一種の機械学習です。ディープラーニングは、機械学習よりもはるかに多くのデータ入力とコンピューティング能力を必要としますが、FacebookやAmazonなどの大手ハイテク企業によってすでに実装され始めています。その中で、機械学習で最も有名な名前の1つはAlphaGoです。これは、囲碁を、打ち負かすのに十分な最も正確な動きを予測できるまで、囲碁と対戦できるコンピューターです。多くの世界チャンピオン。

結論

ディープラーニングは、人工知能の分野全体を拡大しながら、多くの実際の機械の問題の適用を可能にしました。ディープラーニングは、あらゆる種類の補助機械を人間に近い、または人間と同一にすることで、人間の働き方を混乱させます。自動運転車、より良いヘルスケア…すべてがこの時代に実現されています。AIは世界の現在と未来です。ディープラーニングの助けを借りて、AIは私たちが長い間想像してきたSFの夢を実現することができます。