큐:
인공 지능, 기계 학습 및 딥 러닝의 차이점은 무엇입니까?
ㅏ:"인공 지능", "머신 러닝"및 "딥 러닝"이라는 용어는 세계가 컴퓨팅 성능, 데이터 전송 및 기타 기술 목표에서 엄청나게 진보함에 따라 지난 수십 년 동안 자체적으로 구축 된 프로세스를 나타냅니다.
대화는 인공 지능으로 시작해야합니다. 인공 지능, 인간의 사고 나 뇌 활동을 시뮬레이션 할 수있는 컴퓨터 또는 기술의 모든 기능에 대한 광범위한 용어. 어떤 의미에서, 인공 지능은 간단한 컴퓨터 체스 게임 프로그램과 인간의 의사 결정과 사고를 모방하기 시작한 다른 프로그램으로 시작되었습니다.
| 무료 다운로드 : 기계 학습 및 중요한 이유 |
인공 지능은 개인용 컴퓨터의 초기부터 인터넷 시대까지, 그리고 마침내 클라우드 컴퓨팅, 가상화 및 정교한 네트워크 시대까지 발전했습니다. 인공 지능은 핵심 기술 산업으로서 여러 가지 방법으로 성장하고 확장되었습니다.
인공 지능의 이정표 중 하나는 인공 지능 목표를 달성하기위한 특별한 접근 방식 인 머신 러닝의 등장과 채택입니다.
머신 러닝은 정교한 알고리즘과 프로그램을 사용하여 컴퓨터 소프트웨어가 성능 환경에서 특정 결정을 내릴 수 있도록 도와줍니다. 1970 년대와 1980 년대의 수작업으로 코딩 된 프로그램의 경우처럼 컴퓨터 학습을 통해 단순히 일련의 작업을 반복적으로 수행하는 대신 기계 학습은 휴리스틱, 행동 모델링 및 기타 유형의 예측을 사용하여 의사 결정을 개선하고 시간이 지남에 따라 진화하는 기술. 기계 학습은 스팸 이메일과의 싸움, IBM Watson과 같은 인공 지능 특성 구현 및 다른 방식으로 인공 지능 목표 달성에 적용되었습니다.
딥 러닝은 머신 러닝을 기반으로합니다. 전문가들은 딥 러닝을 인공 신경망을 사용하여 작업에 대한 기술을 훈련하는 것과 같은 고급 추상화를 유도하기 위해 알고리즘을 사용하는 것으로 설명합니다. 딥 러닝은 실제 인간의 두뇌 활동을 모델링하여 인공 의사 결정 또는 기타인지 작업에 적용함으로써 머신 러닝을 한 단계 더 발전시킵니다.
딥 러닝은 최첨단 공급망 최적화 프로그램, 실험실 장비 프로그램 및 생성 적대 네트워크와 같은 다른 유형의 혁신과 같은 예를 통해 입증되었습니다. 차별의 사고 과정. 이 특정 유형의 딥 러닝은 이미지 처리 및 기타 용도에 적용될 수 있습니다.
실제로 딥 러닝은 인공 지능을 전문가들이 "강한 AI"로 간주하는 것에 더 가깝게 접근하고, 많은 인간의 사고 기능을 복제 할 수있는 인공 지능입니다. 이로 인해 신흥 기술을 효과적으로 처리하는 방법과 컴퓨터가 우리와 같은 방식으로 생각하는 세상을 돌보는 방법에 대한 중요한 논쟁이 제기됩니다.
