인공지능의 머신 러닝 딥 러닝

인공지능의 머신 러닝 딥 러닝의 차이점은 무엇입니까?

머신 러닝(ML)과 딥 러닝은 인공 지능(AI)과 새로운 디지털 기술의 영역에서 자주 듣게 되는 두 가지 표현입니다. 미디어와 대중의 상상력에서 대부분 이 두 용어는 상호 교환 가능하고 모호하며 (분명히) 화려합니다. 그러나 혼합된 사용법에도 불구하고 실제로 몇 가지 중요한 차이점이 있습니다. 오늘 기사에서는 머신 러닝과 뎁 러닝의 차이점에 대해 논의할 것입니다.

스스로 말해서 AI와 별개로 "딥 러닝"이라는 용어만 처음 들었을 때 일종의 자기 학습 전략이라고 생각했습니다. 제가 새로운 콘텐츠 작가였을 때, 언젠가는 딥 러닝 이론에 관한 것이라고 생각하여 "딥 러닝" 작문 직업에 지원했습니다. 놀랍게도 나는 즉시 수락되었습니다! 하지만 저는 이 "딥 러닝"이 실제로 무엇인지 전혀 몰랐습니다. 약간의 조사를 한 후에 내 실수를 깨달았지만 매우 자세하게 조사하기로 결정했습니다.

물론 딥러닝이 인간에 관한 것이 아니라 인공 지능과 로봇 학습에 관한 것임을 알고 있습니다. 그렇긴 하지만, 특히 인간 신경학과 컴퓨팅 인공 신경망을 비교할 때 많은 공통 요소가 있습니다. 머신 러닝과 딥 러닝이 무엇이며 차이점을 살펴보겠습니다.

인공 지능

과 기계 학습의 차이점

인공 지능은 인간의 두뇌 기능을 컴퓨터 및 로봇과 같은 다른 기계로 모방하는 과학입니다. 여기에는 자기 학습, 문제 해결 등이 포함됩니다.

전체 문제를 단순화하기 위해 딥 러닝은 특별한 유형의 기계 학습이고 기계 학습은 인공 지능의 한 분야라는 데 모두가 동의할 수 있습니다.

그러나 이것은 단순한 관점입니다. 실제로는 그보다 훨씬 더 복잡합니다. 깊이 파고들면 몇 가지 차이점을 발견할 것입니다. 대부분 이 세 주제가 서로의 일부이기보다 더 많이 겹칩니다.

그러나 가장 간단한 경우에 딥 러닝은 여전히 완전히 기계 학습의 일부입니다(개인적으로는 여전히 인간과 동물 학습도 포함되어야 한다고 생각합니다. 언젠가는 인간과 로봇이 결합할 때 일어날 수 있음).

머신 러닝이란 무엇입니까?

머신 러닝은 인공 지능과 겹치는 컴퓨터 과학의 한 분야입니다. 알고리즘과 데이터를 사용하여 인간의 학습 방법을 모방하는 것을 목표로 합니다. 데이터 과학의 필수 요소이기도합니다.

기계 학습에서 알고리즘은 다음과 같은 몇 가지 특수 작업을 생성하도록 훈련되고 자동으로 개선될 수 있습니다.

-미래 예측.

-분류.

-데이터 마이닝의 핵심 통찰력 탐색.

-응용 프로그램 및 비즈니스의 의사 결정을 돕습니다.

기계 학습 알고리즘은 통계적 방법을 사용하여 직접 프로그래밍되지 않은 새로운 작업에 대해 스스로 작업할 수 있는 학습 모델을 설정합니다. 일부 문제, 특히 기존 알고리즘이 수행할 수 없는 문제를 해결하기 위해 특정 단계가 필요한 것과 같은 일상적인 작업과 간단한 작업에 매우 효과적입니다. 음성 인식, 간단한 의료 업무, 이메일 필터링 등 다양한 응용 분야에 유용합니다.

위의 설명으로 기계 학습은 조금 지루하고 전혀 특별하지 않게 보일 수 있습니다. 그러나 딥 러닝의 경우 진정한 흥분이 시작됩니다. 인공지능의 머신러닝 딥러닝의 특별한 유형이라는 사실을 잊지 말자. 그럼 딥러닝이 무엇인지 알아보도록 하겠습니다.

딥 러닝이란 무엇입니까?

이름에서 우리는 딥 러닝이 일반 머신 러닝보다 심층 학습 방법에 가깝다는 것을 추측할 수 있습니다. 실제로 다음을 포함하여 기존 기계 학습과 차별화되는 많은 요소가 있습니다.

인간의 감독이 얼마나 필요한지.

인간의 두뇌를 에뮬레이트 하는 알고리즘이나 인공 신경망을 사용합니다.

빅 데이터 또는 통계 데이터에 따라 다릅니다.

일반적인 컴퓨팅 리소스 또는 GPU와 같은 더 강력한 리소스를 활용합니다.

딥 러닝을 정의함으로써 이제 자율주행차, 의료 진단, 안면 인식 프로그램 등과 같은 많은 산업에서 실제 AI 미래 응용 프로그램에 대해 이야기할 수 있습니다. 하지만 딥 러닝을 명확하게 설명하려면 먼저 신경망을 빠르게 살펴봐야 합니다. 딥 러닝은 심층 신경망이라는 방법도 사용하기 때문입니다.

신경망이란 무엇입니까?

신경망은 신경망 구조를 육성하는 AI 기술 및 알고리즘입니다. 연결된 항목(인공 뉴런)의 대규모 모음이며 서로 계층화되어 있습니다. 그것들은 뇌처럼 정확히 현실적이지 않게 설계되었지만 머신 러닝보다 복잡한 문제를 더 잘 모델링할 수 있도록 설계되었습니다.

일부 참조에 따르면 "Deep"이라는 단어의 기원은 최대 150개 수준의 범위에 해당하는 신경망의 숨겨진 계층을 나타냅니다. 그들은 주로 입력 레이어, 은닉(중간) 레이어 및 출력 레이어의 세 가지 레이어 또는 범주에 배포됩니다. 각 레이어는 자체 출력을 생성합니다. 많은 컴퓨팅 리소스가 필요하고 결과를 얻는 데 오랜 시간이 걸릴 수 있습니다.

기존의 기계 학습에서는 원하는 출력의 속성을 기계에 수동으로 공급해야 합니다. 예를 들어 일부 동물의 간단한 그림을 인식하는 것일 수 있습니다. 그러나 딥 러닝은 신경망 아키텍처와 함께 엄청난 양의 레이블이 지정된 데이터를 사용하여 자가 학습합니다. 이를 통해 입력을 다양한 척도의 기능으로 받은 다음 더 높은 기능 표현으로 병합하여 출력 변수를 생성할 수 있습니다.