ในช่วงไม่กี่ปีที่ผ่านมาคำว่าปัญญาประดิษฐ์แล้วก็การศึกษาของเครื่องได้เริ่มปรากฏขึ้นบ่อยครั้งในข่าวสารเทคโนโลยีและก็เว็บไซต์ หลายครั้งที่ทั้งสองถูกใช้เป็นคำความหมายเหมือนกัน แต่ว่าผู้ชำนาญหลายท่านการันตีว่าพวกเขามีความแตกต่างที่ลึกซึ้ง แต่แท้จริง

แล้วก็แน่นอนผู้ชำนาญบางครั้งก็ไม่เห็นด้วยคุ้นเคยเกี่ยวกับไม่เหมือนกันพวกนั้น

โดยปกติอย่างไรก็ตามสองสิ่งที่ดูเหมือนกับว่าชัดเจนประการแรกคำว่าปัญญาประดิษฐ์ (AI) นั้นเก่ากว่าการเรียนศัพท์ด้วยเครื่อง (ML) และที่สองคนส่วนมากคิดว่าการเล่าเรียนด้วยเครื่องเป็นส่วนย่อยของปัญญาประดิษฐ์

ปัญญาประดิษฐ์กับการเรียนของเครื่อง

ถึงแม้ AI จะถูกนิยามในหลายทาง แต่คำนิยามที่ยอมรับอย่างมากมายที่สุดก็คือ สาขาวิทยาการคอมพิวเตอร์ที่อุทิศให้กับการจัดการปัญหาความรู้ทั่วไปที่เกี่ยวโยงกับความฉลาดของคนเราดังเช่นว่าการศึกษาการจัดการปัญหารวมทั้งการจดจำต้นแบบ” ในสาระสำคัญมันเป็นความคิด เครื่องจักรที่สามารถมีสติปัญญา

หัวใจของระบบที่ใช้ปัญญาประดิษฐ์เป็นรูปแบบของมัน แบบเป็นอย่างไรนอกจากโปรแกรมที่ปรับปรุงความรู้ผ่านแนวทางในการศึกษาเรียนรู้โดยการสังเกตเกี่ยวกับสภาพแวดล้อม ต้นแบบการเรียนจำพวกนี้จัดอยู่ภายใต้การเรียนภายใต้การดูแล มีรูปแบบอื่นๆที่อยู่ในหมวดของรูปแบบการเรียนที่ไม่มีผู้ดูแล

วลี การเรียนด้วยเครื่อง” ยังมีอายุย้อนกลับไปถึงกึ่งกลางศตวรรษก่อนหน้านี้ที่ผ่านมา ในปี 1959 Arthur Samuel นิยาม ML เป็น ความสามารถในการศึกษาโดยไม่ต้องตั้งโปรแกรมอย่างแจ่มแจ้ง” รวมทั้งเขายังได้สร้างแอพพลิเคชั่นตัวสำรวจคอมพิวเตอร์ซึ่งยอดเยี่ยมในโปรแกรมแรกซึ่งสามารถทำความเข้าใจจากความผิดพลาดของตนและเปลี่ยนแปลงคุณภาพในช่วงเวลาหนึ่ง

เหมือนกับการศึกษาวิจัยของ AI ML ได้หลุดพ้นจากความนิยมชมชอบมาเป็นระยะเวลาที่ยาวนาน แต่มันก็ได้รับความนิยมอีกครั้งเมื่อแนวความคิดของวิธีการทำเหมืองข้อมูลเริ่มต้นขึ้นในช่วงทศวรรษ 1990 การขุดข้อมูลใช้อัลกอริทึมเพื่อค้นหาแบบอย่างในชุดข้อมูลที่ระบุ ML ทำอย่างเดียวกัน แต่แล้วต่อจากนั้นไปอีกขั้นหนึ่งมันแปลงความประพฤติของโปรแกรมตามสิ่งที่ศึกษา

แอพลิเคชั่นหนึ่งของ ML ที่เป็นที่นิยมเป็นอย่างมากคือการเขียนจำภาพ แอพลิเคชั่นเหล่านี้ต้องได้รับการอบรม – พูดอีกนัยหนึ่งมนุษย์ต้องดูรูปภาพมากไม่น้อยเลยทีเดียวและก็บอกระบบว่ามีอะไรอยู่ในรูปภาพ หลังจากกระบวนการทำซ้ำหลายพันครั้งซอฟต์แวร์จะศึกษาว่าลักษณะของพิกเซลโดยปกติเกี่ยวข้องกับม้าสุนัขแมวดอกไม้ต้นไม้บ้านรวมทั้งอื่นๆแล้วก็สามารถคาดคะเนก้าวหน้าเกี่ยวกับเนื้อหาของภาพ

บริษัท บนเว็บหลายที่ใช้ ML เพื่อขับเคลื่อนวัสดุชี้แนะ ดังเช่นเมื่อ Facebook ตัดสินใจเลือกสิ่งที่จะแสดงในฟีข่าวของคุณเมื่อ Amazon ไฮไลท์ผลิตภัณฑ์ที่คุณอาจต้องการซื้อแล้วก็เมื่อNetflix แนะนำภาพยนตร์ที่คุณอาจปรารถนามองข้อแนะนำพวกนั้นทั้งหมดทั้งปวงจะขึ้นอยู่กับการคาดเดาจากต้นแบบในข้อมูลที่มีอยู่

Facebook Comments