AI, машинное обучение, нейросети – в чём отличие

Искусственный интеллект — Машинное обучение — Глубокое (глубинное) обучение — Нейронные сети. Всё это взаимосвязанные, но не тождественные понятия. Давайте разберёмся.

Про искусственный интеллект мы уже говорили неделю назад.

Машинное обучение (machine learning, ML) — это подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных к обучению: ученые «скармливают» системе большой объём (прежде размеченных) данных, которые они хотят, чтобы машина умела определять. И машина просеивает эти данные через себя и учится определять: это нужный мне объект, это не он, это снова нужный мне объект. И так со временем система становится способной распознавать заданные объекты: от цифр до животных, от самолётов до типов растений.

mashine-learning

В основном о машинном обучении говорят в контексте big data и data mining, поскольку методы machine learning умеют самостоятельно выявлять в эмпирических данных прежде неизвестные закономерности и делать прогнозы.

Глубинное (глубокое) обучение напрямую связано с нейронными сетями. По сути, слово «глубинное» обозначает степень сложности (глубины) обучения нейросети и указывает на то, что обучение в данном случае производится на больших (глубоких) выборках данных.

Искусственные нейронные сети (neural networks, NN) представляют собой упрощенный аналог естественных нейронных сетей, существующих в головном мозге человека. Несмотря на то, что современные нейросети устроены в полторы тысячи раз проще, чем головной мозг крысы, они успешно решают интересные и нетривиальные задачи. Например, на их основе построены такие продукты, как: Prisma по стилизации фотографий под художественные картины, Mubert, пишущий электронную музыку, OpenFace, распознающий лица даже внешне похожих людей, NeuralTalk, описывающий картины в нескольких предложениях, медицинский сервис ImagineCare, следящий за состоянием пациента.