هوش مصنوعی یک مبحث با پیچیدگی های خاص خود است. اما عموما تفاوت میان یادگیری ماشینی با یادگیری عمیق،
شبکه های عصبــی و… برای مردم مشخص نیســت امـــا می توانیم گفت که تمامی راهکار های هوش مصنوعی در
یادگیری ماشین و یادگیری عمیق خلاصه می شود. اما بـــرای درک بهتر هــوش مصنوعی باید تفاوت میــان این دو
را دانست. مثال های این فناوری ها در همه جا دیده می شود . این فناوری ها باعث می شود کــــه نتفلیکس برنامه
مورد علاقه بعدی شما را می داند و یا اینکه فیس بوک چطور می داند که چه کسانی در عکــس حضور دارند و …
راحت ترین راه برای درک این تفاوت این است که بدانید یادگیری عمیق در واقع نوعی از یادگیری ماشین است.
اگر بخواهیم دقیق تر بگیم یادگیری عمیق در واقع یادگیری ماشین تکامل یافته است که از یک شبکه عصبی قابل
برنامه ریزی استفاده می کند تا ماشین ها را قادر بسازد بدون کمک انسانها تصمیم گیری دقیقی بکنند. اما اگر هیچ
اطلاعاتی در این زمینه ندارید اوا یادگیری ماشینی را توضیح می دهیم.
اگر بخواهیم یک تعریف پایه از یادگیری ماشینی انجام بدهیم می توانیم بگوییم : یادگیری ماشینی الگوریتم هایی
هستند که داده ها را تجزیــه می کنند ، از آن داده ها درس مـی گیـــرند و سپــس آنچـه را که یاد گرفته اند برای
تصمیم گیری آگاهانه استفاده می کنند” برای مثال سرویس های موسیقی های در خواستی است که با توجه به سلیقه
مخاطب موزیک هایی که تازه منتشر شده را معرفی می کند این تکنیک که اغلب به عنـــوان هوش مصنوعی مورد
استفاده قرار می گیرد ، در بسیاری از سرویس هایی که توصیه های خودکار ارائه می دهنـــد ، استفاده می شود.
یادگیری ماشینی در انواع مختلفی از کسب و کار ها حضور دارد از موسســـات امنیت داده کــه بد افزار ها را
شکار می کند گرفته تا بازار بورس. الگوریتم های هوش مصنوعی برنامه ریـــزی شده انــد که به طــور مداوم
در حال یادگیری به روشی باشند که به عنوان دستیار شخصی مجازی شبیه سازی می شوند ، کــاری که آنها به
خوبی انجام می دهند. وقتی پای یادگیری عمیق و شبکه های عصبی عمیق به میان می آید این فرایند یــــادگیری
جالب تر می شود.
همانطور که قبلا اشاره کردیم یادگیری عمیق در واقع نوعی از یادگیری ماشین است و بــه روشی ومشابه
عمل می کند، اما برخی اوقات عملکرد آنها متفاوت است. با اینکه یادگیری ماشیـــن یا توجه به عملکرد آنها
روز به روز بهتر می شود اما هنوز نیاز به راهنمایی انسانی دارد. یعنی اگــــر الگوریتم هوش مصنوعی
یک محاسبه نادرست انجام دهد، نیاز به یک مهندس برای مداخله و تصحیــح آن وجود دارد اما در مورد
الگوریتم های یادگیری عمیق اینگونه نیست و خود هوش مصنوعی از طــریق شبکه عصبی عمیق می تواند
خود را اصلاح کند. برای مثال اگر ما یک چراغ قوه هوشمند داشتـــه باشیم که با یادگیری ماشین کار کند
در نهایت می تواند هر عبارتی را که در آن کلمه تاریک وجــود دارد را شناسایی کند و خود را روشن کند
اما اگر همان چراغ قوه با یادگیری عمیق طراحــی شده باشد به عباراتی مانند “پریز کار نمی کند” و یا
“من نمی توانم ببینم” هم واکنش نشان می دهد و خــود را روشن می کند . بنابراین یک مدل یادگیری عمیق
قادر است از طریق روش محاسبــات خود بیــاموزد ( تکنیکی که به نظر می رسد که دستگاه مغز خودش
را دارد.)
یک مدل یادگیری عمیق برای تجزیه و تحلیل مداوم داده ها با یک ساختار منطقی شبیه به چگونگی
تجزیه و تحلیل و نتیجه گیری یک انسان طراحی شده است.برای دستیابی به این هدف ، برنامه های
یادگیری عمیق از یــک ساختـــار لایه ای از الگوریتــــم ها،طراحی یک شبکه عصبی مصنوعی از
شبکه عصبی بیولوژیکی مغز انسان الهام می گیرد و منجــــر به فراینـــدی از یادگیری می شود که
به مراتب از مدلهای یادگیری ماشین استاندارد تواناتر است.که به نام شبکه عصبـــی مصنوعی استفاده
معروف می باشد. فرایند اینکه این مدل ها نتیجه گیری های اشتباه نکنند بسیار دشوار است و بایـــد ماننــد سایر
نمونه های هوش مصنوعی تمرین زیادی داده شوند. اما هنگامی که عملکرد صحیحی از خـــود نشان
می دهند، به عنوان یک شگفتی در دنیای علم شناخته می شود که در واقع ستون و پایه هوش مصنوعی
واقعی می باشد.یک نمونه بارز از یادگیری عمیق AlphaGo Google است که یاد گرفته تا بازی
GO را انجام دهد، این بــــازی که نیـــاز به استدلال و منطق بالایی دارد .مدل یادگیری عمیق
Alpha Go با بازی در مقابل بازیکنان حرفه ای یاد گرفت که سطح بازی خود را ارتقاع دهد و حرکاتی
را انجام دهد که در تمرین اولیه برای آن تعریف نشده. این امر باعث شد تا Alpha Go چندین استاد
این بازی را شکست دهد .
پس در اختصار تفاوت یادگیری ماشینی با یادگیری عمیق را می توان اینگونه بیان کرد:
-یادگیری ماشین از الگوریتم هایی استفاده می کند تا داده هایی را یاد بگیرد، تجزیه تحلیل انجام دهد و بر اساس تعالیم، نصمیم گیری آگاهانه انجام دهد.
-یادگیری عمیق ساختاری از لایه های الگوریتم ایجاد می کند که یک “شبکه عصبی مصنوعی” ایجاد کند که می تواند به تنهایی یادگیری و تصمیم گیری هوشمندانه داشته باشد.
-یادگیری عمیق زیر مجموعه ای از یادگیری ماشینی است که هر دوی آنها زیر مجموعه وسیعی از هوش مصنوعی هستند. یادگیری عمیق فناوری هوش مصنوعی ایجاد می کند که بیشترین شباهت را به هوش انسانی دارد.
با وجود حجم عظیم داده هایی که توسط داده های بزرگ در حال حاضر در حال جمع آوری است
ما تحول های عظیمی را طی ده سال آینده شاهد خواهیم بود که هنوز به آنها دست نیافته ایم.
بنا به تحلیل افراد متخصص در این زمینه این یادگیری عمیق بیشترین سهم را در این فرایند خواهد
داشت.اندرو نگ ، دانشمند ارشد موتور جستجوی بزرگ چین “بایدو” و یکی از رهبران پروژه
Google Brain ، یک قیاس عالی برای یادگیری عمیق با مجله Wired به اشتراک گذاشت. او گفت:
من هوش مصنوعی را به یک فضا پیما تشبیه می کنم که هم به موتور قدرتمندی نیاز دارد و هم
به سوخت زیاد. اگر سوخت کم و موتور قدرتمند داشته باشید نمی توانید به مدار برسید و اگرشوخت
زیاد و موتور ضعیف داشته باشید حتی نمی توانید سفینه را از زمین بلند کنید بنابراین هر دو عامل
باید به اندازه کافی قوی باشد.
