Что они собой представляют и чем отличаются?
Большинство из нас слышали, если не все, по крайней мере некоторые из этих модных словечек. Эти термины часто используются взаимозаменяемо, но они не означают одно и то же. В этом коротком блоге я даю краткое объяснение каждого из них и то, как они сочетаются друг с другом, в надежде прояснить некоторую двусмысленность.
- Искусственный интеллект (ИИ) – это дисциплина, раздел компьютерных наук, который занимается созданием и развитием машин, которые думают и действуют как люди. Технологии на основе искусственного интеллекта существуют уже некоторое время, и некоторые повседневные примеры — это Siri и Alexa, а также чат-боты обслуживания клиентов, которые появляются на веб-сайтах.
- Машинное обучение (ML) — это подраздел ИИ. Это программа или система, которая обучает модель на входных данных, а затем эта обученная модель может делать полезные прогнозы на основе новых или никогда ранее не виденных данных.¹ Таким образом, машинное обучение дает компьютеру возможность учиться без явного программирования. В то время как в традиционном программировании разработчики пишут явные инструкции для выполнения компьютером, в машинном обучении алгоритмы изучают шаблоны и отношения из данных, чтобы делать прогнозы или принимать решения. Обучение без учителя, обучение с учителем и обучение с подкреплением являются наиболее распространенными моделями машинного обучения. Умный ответ Google является примером машинного обучения.
- Нейронные сети (НС), также известные как искусственные нейронные сети (ИНС) или смоделированные нейронные сети (СНС), представляют собой подмножество машинного обучения. Название и структура вдохновлены человеческим мозгом и имитируют то, как биологические нейроны передают сигналы друг другу.² НС состоят из взаимосвязанных искусственных нейронов, организованных в слои: входной слой, один или несколько скрытых слоев и выходной слой. NN лежат в основе алгоритмов глубокого обучения.
- Глубокое обучение (DL) – это подмножество NN. Слово «глубокий» здесь относится к глубине слоев в нейронной сети. Любая нейронная сеть с более чем тремя скрытыми слоями может считаться алгоритмом глубокого обучения. Имея большее количество скрытых слоев, модели глубокого обучения хорошо подходят для решения сложных реальных проблем. Повседневными примерами технологий, использующих NN и DL, являются: распознавание изображений или обнаружение объектов в камерах смартфонов, таких как распознавание лиц и автофокус, а также онлайн-сервисы языкового перевода, такие как Google Translate.
- Генеративный ИИ (GenAI) — это подмножество DL, типа технологии искусственного интеллекта, которая может генерировать различные типы контента, например текст, изображения, аудио, видео, на основе того, что было извлечено из существующего контента.
- Большая языковая модель (LLM) – это форма генеративного ИИ, которая фокусируется на создании текста, похожего на человеческий, на основе шаблонов, извлеченных из огромного количества текстовых данных в процессе обучения. Обратите внимание на разницу между LLM и ML. Большая языковая модель — это особый тип модели машинного обучения, специализирующийся на обработке естественного языка, в то время как машинное обучение — это более широкая область, охватывающая различные алгоритмы и методы, используемые в различных областях, чтобы позволить компьютерам учиться на данных и делать прогнозы или решения. ChatGPT, пожалуй, самый известный пример технологий, использующих LLM прямо сейчас.
Я надеюсь, что и технические, и нетехнические люди нашли этот блог полезным. Если у вас есть какие-либо вопросы, комментарии или вы просто хотите поздороваться, не стесняйтесь обращаться ко мне здесь, в Medium или LinkedIn.
Ссылки и дополнительные ресурсы
¹https://www.cloudskillsboost.google/course_sessions/3911204/video/384243
² https://www.ibm.com/topics/neural-networks
