Der Unterschied zwischen KI, ML und DL - Uncovered

Künstliche Intelligenz (KI), maschinelles Lernen (ML) und Deep Learning (DL) sind die gängigsten technischen Schlagworte, die jedoch am häufigsten miteinander verwechselt werden. Obwohl sie eng miteinander verbunden sind, können diese Begriffe nicht untereinander ausgetauscht und verwendet werden.

KI, ML und DL - Die Verbindung

Ganz einfach ausgedrückt: AI ist die Obermenge, ML ist eine Untermenge von AI und DL ist eine Untermenge von ML.

Die uralte industrielle Revolution hat die mechanische Kraft des Menschen erweitert, diese neue Revolution, das zweite Maschinenzeitalter, wird unsere kognitiven Fähigkeiten, unsere geistige Kraft durch künstliche Intelligenz erweitern.

Geschichte der künstlichen Intelligenz - Die Anfänge

Die industrielle Revolution hat unsere Laut John McCarthy, einem amerikanischen Informatiker und Kognitionswissenschaftler, ist Künstliche Intelligenz die "Wissenschaft und Technik der Entwicklung intelligenter Maschinen".. Einfach ausgedrückt, geht es bei der KI darum, menschliches Verhalten mit verschiedenen Methoden nachzuahmen, vor allem in Bezug auf Denken und Lernen.

1956 organisierte John McCarthy die Dartmouth-Konferenz, auf der erstmals der Begriff KI - Künstliche Intelligenz - verwendet wurde. KI wurde weltweit als die Wissenschaft propagiert, die die Welt verändern könnte. Damals bestand das Hauptziel der KI darin, Computern dabei zu helfen, Aufgaben auszuführen, die ausschließlich menschlich möglich waren, also genau die Aufgaben, für die man ein Gehirn brauchte. In den 90er Jahren führte die japanische Regierung mit Hilfe von KI-Enthusiasten Aufgaben mit KI durch, die Sprachen übersetzen, Bilder identifizieren und auch Logiken wie Menschen verstehen konnte (wenn auch nicht gleich).

Im Jahr 1997 wurde der damalige Schachweltmeister Garri Kasparow im wahrsten Sinne des Wortes von IBMs Deep Blue besiegt (der erste Computer in der Geschichte, der einen Menschen besiegt hat) - ein Fall von Mensch gegen Maschine.

Dies war der Beginn einer Ära, die Unternehmen und Regierungen dazu brachte, sich der KI zuzuwenden und mit der Finanzierung von Nischenprojekten zu beginnen. Im Laufe der Zeit setzten Giganten wie Amazon und Google KI ein, indem sie Daten nutzten, um Kundenverhalten und -muster zu verstehen.

Es überrascht nicht, dass Unternehmen wie Amazon und Netflix maschinelles Lernen einsetzen, um Ihnen Produkte vorzuschlagen, die Sie vielleicht kaufen möchten, oder Filme, die Sie gerne sehen würden.

LinkedIn und Facebook geben unheimliche Hinweise darauf, wer Ihre Freunde sein könnten, und Sie haben keine Ahnung, wie sie das machen (bis KI an Popularität gewann). Dies sind die zentralen Algorithmen, die Maschinen aus Daten gelernt haben, anstatt programmiert zu werden. Maschinelles Lernen ist auch die treibende Kraft, die selbstfahrende Autos heute möglich macht. Das erste getestete selbstfahrende Auto von Google hat über Millionen von Kilometern ohne Unfälle auf normalen Straßen zurückgelegt und wurde ausschließlich durch maschinelles Lernen gesteuert.

ML wird praktisch im täglichen Leben in verschiedenen Bereichen und Branchen eingesetzt. Um nur einige zu nennen: Bilderkennung, Spracherkennung, medizinische Diagnostik, Regression, Klassifizierung, Finanzdienstleistungen und vieles mehr.

Tiefes Lernen

Beim Deep Learning (DL), einer Teilmenge des maschinellen Lernens, dreht sich alles um neuronale Netzwerke. Um die neuronalen Netze des Deep Learning zu trainieren, geben wir haufenweise Daten ein und vergleichen ihre Ergebnisse mit den Ergebnissen aus dem Datensatz. Wir haben zwar noch nicht die Phase erreicht, in der wir das menschliche Gehirn imitieren können, aber wir bewegen uns in die richtige Richtung.

Wie Deep Learning funktioniert:

Wenn Sie beispielsweise das Bild eines Hundes sehen, identifizieren Sie ihn als Hund, unabhängig davon, welche Rasse er ist, ob er steht, sitzt oder schläft oder ob er mit einer Löwenmähne gekleidet ist.

Sie können einen Hund identifizieren, ohne mit den Augen zu zucken, denn Sie kennen die verschiedenen Elemente, die einen Hund beschreiben: Schnauze, Pfoten, Schwanz, Ohren, Anzahl der Beine, Fell usw. Deep Learning kann das auch.

ML & DL- Der Unterschied

Der Hauptunterschied zwischen ML und DL besteht darin, dass ML-Modelle auch bei progressiven Änderungen Anleitung benötigen. Wenn ML in eine Sackgasse gerät oder eine falsche Vorhersage macht, muss der Programmierer den Fehler manuell korrigieren, während DL ihn selbständig beheben kann. Um dies besser zu verstehen, müssen wir uns näher mit dem überwachten und dem unüberwachten Lernen befassen.

Wie der Name schon sagt, findet betreutes Lernen in Anwesenheit eines Lehrers oder Betreuers statt, während unbeaufsichtigtes Lernen ohne einen solchen erfolgt.

Unüberwachtes Lernen: Nehmen wir das Beispiel eines 2-jährigen Kindes. Wenn es einen Ball fallen lässt, weiß es, dass er herunterfallen wird, und wenn es Wasser verschüttet, erwartet es die daraus resultierende Sauerei. Es ist nicht nötig, dass ihre Eltern ihr die Newtonschen Gesetze oder Differentialgleichungen oder so genannte grundlegende Instinkte beibringen. Das Kind entdeckt all diese Theorien selbst, und zwar auf unbeaufsichtigte Weise. Unüberwachtes Lernen ist eine Herausforderung für die KI und es könnte noch ein paar Jahre dauern, bis man einfachere Methoden findet, um den Knoten zu entwirren. Beim unüberwachten Lernen geht es darum, Repräsentationen von Daten zu entdecken.

Überwachtes Lernen:

Beim überwachten Lernen werden die Computer von den Menschen an die Hand genommen, um Antworten auf zahlreiche Fragen zu geben. So müssen Menschen beispielsweise Millionen von Bildern an die Maschine weitergeben, damit diese versteht, was eine Katze, ein Hund, ein Auto, ein Fahrrad usw. ist. Das ist eine gewaltige Aufgabe, für die Unternehmen heute das Crowd Sourcing einsetzen.

Überwachtes vs. unüberwachtes Lernen

Der Vorteil des unüberwachten Lernens gegenüber dem überwachten Lernen - unüberwachtes Lernen ermöglicht es Computern, sich selbst in die Zukunft zu projizieren, um wahrscheinliche Zukünfte zu generieren, die meist von aktuellen Situationen und Szenarien abhängen. Dies ermöglicht es Computern, selbst unter Umständen, für die sie nicht trainiert wurden, vorausschauend zu denken und zu planen. Beim überwachten Lernen müssen wir den Computern alle möglichen Umstände beibringen und wie Menschen in diesen Situationen reagieren.

Betrachten wir zum Beispiel den Trainingsprozess für selbstfahrende Autos. Wie lernt ein Mensch, einen Unfall und gefährliches Fahrverhalten zu vermeiden? Man kann nicht Tausende von Unfällen durchspielen, anders als wir es Maschinen beibringen. Was wir brauchen, ist die Erzeugung plausibler Bilder und plausibler Zukünfte.

Maschinen werden darauf trainiert, neue Bilder zu erzeugen, die Computer noch nie gesehen haben oder auf die sie trainiert wurden, die aber plausibel sind. Unsere Maschinen bringen sich selbst bei, wie sie gefährliche Situationen vermeiden können und wie Menschen wahrscheinlich auf mögliche Missgeschicke reagieren würden.

Fazit

Jede Branche, die die Bedeutung von Daten erkannt hat, springt jetzt auf den KI-Zug auf. Um nur einige zu nennen...

• Medizinische Forschung - zum Nachweis von Krebszellen oder zur Identifizierung von Anomalien in der menschlichen Anatomie
• Fertigung - Verbesserung der Sicherheit der Arbeiter in der Nähe schwerer Maschinen
• Elektronik - zur Unterstützung bei alltäglichen Aktivitäten wie Siri, Alexa und Google Home
• Einzelhandel - zur Verbesserung des Kundenerlebnisses durch personalisierte Vorschläge
• Transport - um wichtige Trends und Muster zu erkennen und entsprechende Routen zu erstellen

Wie die meisten Menschen es sich nie hätten vorstellen können, verfügt KI heute über die Fähigkeit, zu verstehen, zu automatisieren, zu bewerten und vorherzusehen, was das Mächtigste ist, was ein Computer bisher in der Geschichte tun konnte. KI ist das nächste große Ding, auf das Unternehmen bereits ein Auge geworfen haben.

Kämpfen Sie mit Ihren Daten und sind nicht in der Lage, Ihr Spiel zu verbessern? KI ist Ihr Weg und coMakeIT kann Ihnen helfen, an Orte zu gelangen, die Sie sich nie vorstellen konnten!

Plaudern wir ein wenig!