Машинное и Глубокое Обучение – эти термины часто встречаются в технических материалах и СМИ. Но, к сожалению, их часто путают, а то и вовсе не понимают разницы. На самом деле это не синонимы: речь идет об отдельных самостоятельных разделах сферы ИИ, отличающихся между собой как предназначением, так и сутью.
Что такое ИИ?
Искусственный интеллект – академ. дисциплина, появившаяся в середине прошлого века. Специалисты этой отрасли занимаются разработкой компьютерных систем и программ, которые могли бы решать задачи, раньше считавшиеся подвластными только человеку.
Самый яркий пример – компьютерные игры. На начальных этапах развития ИИ, компьютер справлялся лишь с простейшими задачами, вроде шашек и шахмат. Но чем дальше, тем более трудные направления он начинал осваивать. Так искусственный интеллект сумел выиграть в го у лучших мировых чемпионов, а ведь эта игра на протяжении нескольких десятилетий считалась недоступной для «понимания» машинами.
Еще компьютер научился обходить человека в играх наподобие Starcraft II, в которых нужно уметь анализировать обстановку, продумывать действия наперед и т.п.
Конечно, ИИ делает успехи и в экономике, медицине, разных отраслях науки и логистике… Совсем скоро на его карте практически не останется белых пятен.
Machine learning: что скрывается за термином Машинное Обучение
Это сфера ИИ, связанная с разработкой алгоритмов, которые могут модифицировать себя самостоятельно, практически полностью без участия человека. На первых порах искусственный интеллект не мог решать сложные задачи. К примеру, те алгоритмы плохо распознавали изображения и тем более видеофайлы, эмоции людей и речь.
Нужны были более совершенные методы, похожие на систему обучения людей. Было понятно, что процесс в них тоже должен идти от простого к сложному (как мы учили сперва буквы, потом слоги, слова, словосочетания и только в конце начинали читать связные тексты).
С ИИ дела обстоят похожим образом: специалисты разрабатывают алгоритмы machine learning и дают им большие объемы информации. Алгоритмы производят анализ этих данных и формируют выводы. Таким образом ИИ и совершенствуется. Поэтому, если обучить его признакам атак кибермошенников на банковскую инфраструктуру, машина на полученных примерах сформирует понимание и сможет обнаруживать попытки атак самостоятельно.
Начиная с отдельных алгоритмов и заканчивая нейронными сетями
Как бы то ни было, отдельные алгоритмы не способны анализировать человеческую речь, графические файлы и рукописный ввод. Для того чтобы обучить искусственный интеллект этим задачам, создаются нейросети. Искусственная нейросеть – это математическая модель, которая имитирует мозг человека.
Простые ИНС умеют определять только, сколько на изображении есть определенных предметов, отличать их друг от друга и т.п. Более совершенным системам под силу решать уже комплексные задания.
Чтобы научить нейросеть идентифицировать животных (к примеру, понимать, где кошка, а где собака), нужно предоставить ей размеченные изображения этих объектов, причем, чем больше, тем точнее алгоритм сможет их впоследствии «узнавать».
Но этого все равно мало для решения более трудных задач, таких как анализ видеоряда или мгновенное распознавание речи. Поэтому специалисты были вынуждены идти дальше, т.е. работать над способом глубокого обучения ИНС.
Deep learning: об особенностях Глубокого Обучения
Наука о нейронных сетях продолжает развиваться, и deep learning – это ее новая стадия. На этом этапе в сети включается много составных элементов, и они взаимодействуют друг с другом в пределах нескольких слоев. Данные системы могут решать довольно трудные задачи.
Именно благодаря deep learning машины стали делать успехи в Starcraft, го и прочих подобных играх. Такие ГНС, т.е. глубинные нейросети, моментально обрабатывают сложные изображения: например, они способны распознавать птиц на разном фоне и в любых ракурсах. ИИ «понимает», что это птица, даже если она – игрушка, и, к примеру, в одежде.
В данном случае входящая информация одновременно поступает во все слои ИНС, и каждый работает с ней определенным образом. Нейроны сгруппированы в 3 разных вида слоёв:
- входной;
- несколько скрытых;
- выходной.
Все вычисления происходят внутри скрытых слоев.
Обработка речи стала возможной также в основном благодаря глубокому обучению. К примеру, сложная нейросеть может правильно ответить на такой вопрос: «Моя родина - Великобритания, жил я во Франции и Мексике, каким языком я свободно владею?». ИИ составит список самых вероятных языков и определит, что самый подходящий вариант – английский.
Нужно отметить, что глубокое обучение, как метод обучения ИИ, стал возможным лишь благодаря появлению мощных компьютеров. Без таких производительных систем упомянутый анализ видеокадров и другие сложные задачи было бы нереально решить.
Какие задачи решают Машинное и Глубокое обучение?
Как мы уже говорили, они имеют разное предназначение. Если говорить о бизнесе, то машинное обучение подходит в таких случаях:
- необходимо автоматизировать основные бизнес-операции (например, идентификацию клиентов, сбор их данных, анализ полученной информации), а также предусмотреть персональный подход;
- нужно структурировать некий объем уже проанализированной информации и применять ее в процессе обучения алгоритмов.
Глубокое обучение используется при других условиях:
- огромные базы данных не были проанализированы и поэтому их еще нельзя применять для обучения алгоритмов;
- задачи, которые необходимо решить, слишком трудные для machine learning.
Вы должны понимать, что без искусственного интеллекта, machine и deep learning не могли бы существовать робомобили, технологии распознавания человеческой речи и даже компьютерные шахматы. Только алгоритмы и нейросети дают возможность научить машины, как обрабатывать большие данные, находить в них связи, закономерности и на основании этого решать определенные задачи.
В исходных данных всегда есть нужные разноотраслевым специалистам ответы. Главное – уметь искать и находить их с помощью технологий ИИ. Информация всегда правила миром, а в наше время этот жизненный закон особенно актуален. Поэтому лидером в современном мире будет только тот, кто владеет самыми производительными системами искусственного интеллекта, не иначе.