Dziedziny nauki powiązane ze sztuczną inteligencją

Oprócz sztucznej inteligencji istnieje kilka innych ściśle powiązanych obszarów, które warto znać przynajmniej z nazwy. Obejmują one uczenie maszynowe, naukę o danych i głębokie uczenie się. O definicji sztucznej inteligencji już pisaliśmy. Podaliśmy również zastosowania sztucznej inteligencji. Czas na obszary nauki związane ze sztuczną inteligencją.

Sztuczna inteligencja i powiązane z nią obszary

Uczenie maszynowe (ang. Machine Learning)

Można stwierdzić, że uczenie maszynowe jest podkategorią sztucznej inteligencji, która sama w sobie jest dziedziną informatyki (tego typu kategorie są często nieprecyzyjne, a niektóre części uczenia maszynowego mogą należeć do statystyki). Uczenie maszynowe umożliwia adaptacyjne rozwiązania SI. Zwięzłą definicję można przytoczyć w następujący sposób:

Nauczanie maszynowe – systemy, które poprawiają swoją wydajność w danym zadaniu, z coraz to większym doświadczeniem lub danymi.

Więcej o robotyce i robotach.

Głębokie uczenie (ang. Deep Learning)

Głębokie uczenie się jest podkategorią uczenia maszynowego, które samo w sobie jest podkategorią sztucznej inteligencji, a ta zaś jest znajduje swoje wsparcie w informatyce. Dogłębne uczenie się omówimy bardziej szczegółowo w kolejnych artykułach, ale na razie zauważmy, że „głębia” głębokiego uczenia się odnosi się do złożoności modelu matematycznego, a zwiększona moc obliczeniowa współczesnych komputerów pozwoliła badaczom rozszerzyć tę złożoność, aby osiągnąć poziomy, które pojawiają się nie tylko ilościowo, ale także jakościowo i różnią się od wcześniejszych. Jak możesz zauważyć, nauka często obejmuje szereg coraz bardziej specjalnych podkategorii. Umożliwia to badaczom zbliżenie się do konkretnego tematu, dzięki czemu możliwe jest nadrobienie coraz to większej ilości wiedzy gromadzonej z biegiem lat i uzyskanie nowej na ten temat lub skorygowanie wcześniejszej uzyskanej wiedzy, aby ta była bardziej dokładna.

Nauka o danych (ang. Data science)

Data science to ostatni termin ogólny (obejmujący kilka subdyscyplin), który obejmują uczenia maszynowego i statystykę, a także w niektóre aspekty informatyki, w tym algorytmy, przechowywania danych i tworzenia aplikacji internetowych. Nauka o danych to także praktyczna dyscyplina, która wymaga zrozumienia dziedziny, w której jest stosowana, na przykład w biznesie lub nauce. Rozwiązania do analizy danych często obejmują przynajmniej szczyptę sztucznej inteligencji (ale zwykle nie tak bardzo dużo, jak można by się tego spodziewać po nagłówkach w mediach).

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *