در حال خواندن: تفاوت AI، Machine Learning و Deep Learning چیست؟ سادهترین توضیحی که بالاخره قاطیشان نکنید!
-
01
تفاوت AI، Machine Learning و Deep Learning چیست؟ سادهترین توضیحی که بالاخره قاطیشان نکنید!
تفاوت AI، Machine Learning و Deep Learning چیست؟ سادهترین توضیحی که بالاخره قاطیشان نکنید!
اگر تازه وارد دنیای تکنولوژی، طراحی، برنامهنویسی یا هوش مصنوعی شده باشید، احتمالاً با این سه تا اصطلاح بارها برخورد کردهاید:
بعضی جاها انگار یکی هستند، بعضی جاها کاملاً جدا معرفی میشوند و بعضی وقتها هم همهچیز قاطی میشود.
حقیقت این است که این سه مفهوم به هم مرتبطاند، اما یکی نیستند. اگر فرقشان را درست بفهمید، هم اخبار تکنولوژی را بهتر درک میکنید، هم موقع یادگیری یا انتخاب مسیر شغلی سردرگم نمیشوید.
در این مقاله، بدون تعریفهای خشک دانشگاهی، خیلی خودمونی و کاربردی میگوییم: AI چیست، ML چیست، DL چیست و دقیقاً فرقشان کجاست.
اول از همه: هوش مصنوعی (Artificial Intelligence | AI) یعنی چی؟
هوش مصنوعی یا همان AI، یک مفهوم خیلی کلی است.
در واقع AI یک «چتر بزرگ» است که هر سیستمی را شامل میشود که سعی میکند رفتاری شبیه انسان داشته باشد.
یعنی چی شبیه انسان؟ یعنی بتواند: تصمیم بگیرد، تحلیل کند، پیشنهاد بدهد، تشخیص بدهد یا حتی گفتگو کند.
نکتهی مهمی که خیلیها نمیدانند این است که همهی سیستمهای هوش مصنوعی یاد نمیگیرند.
بعضی از آنها فقط طبق قوانین از پیش تعریفشده کار میکنند.
مثلاً: یک سیستم قدیمی که اگر گفتی «هوا بارانی است» جواب بدهد «چتر بردار»، از نظر فنی هنوز AI حساب میشود، چون دارد رفتار شبهانسانی نشان میدهد، اما یادگیرنده نیست.
پس AI بیشتر دربارهی «هدف» است: اینکه ماشین باهوش به نظر برسد.
پس AI همیشه باهوش واقعی نیست؟
دقیقاً!
خیلی از سیستمهای AI قدیمی یا ساده، فقط مجموعهای از قوانین بودند: اگر این اتفاق افتاد، آن کار را بکن.
این نوع هوش مصنوعی به آن Rule-based AI میگویند.
نه داده میخواهد، نه تجربه، نه یادگیری.
اما وقتی داده زیاد شد و مسائل پیچیدهتر شدند، این مدل دیگر جواب نمیداد. اینجا بود که پای یادگیری ماشین وسط آمد.
یادگیری ماشین (Machine Learning | ML) یعنی چی؟
Machine Learning یا ML زیرمجموعهی AI است.
اینجا دیگر به ماشین نمیگوییم «اگر این شد، آن کار را بکن».
بهجایش میگوییم:
«این دادهها را ببین، خودت الگو را پیدا کن.»
یعنی ماشین: با دیدن مثالها یاد میگیرد
با تجربه بهتر میشود
و بدون اینکه قوانین دقیق به او داده شود، تصمیم میگیرد
مثلاً در تشخیص اسپم ایمیل: به سیستم هزاران ایمیل اسپم و سالم میدهند
الگوهای مشترک را خودش یاد میگیرد
و بعد، ایمیل جدید را قضاوت میکند
فرق اصلی ML با AI سنتی همین است: AI سنتی = قانون ثابت
ML = یادگیری از داده
آیا ML خودش فکر میکند؟
نه دقیقاً مثل انسان، اما تصمیمگیریاش از داده میآید نه از قانون دستی.
این خیلی تفاوت بزرگی است.
به همین دلیل است که سیستمهای ML: ممکن است اشتباه کنند
ممکن است با دادهی بد، بد یاد بگیرند
و ممکن است نتایجشان قابل پیشبینی صددرصد نباشد
ولی در عوض، خیلی منعطفتر و قدرتمندتر هستند.
حالا Deep Learning (DL) از کجا آمد؟
Deep Learning یا یادگیری عمیق، زیرمجموعهی ML است.
یعنی: هر DL، یک ML است
ولی هر ML، DL نیست
DL از ساختار مغز انسان الهام گرفته و با چیزی به نام شبکههای عصبی مصنوعی کار میکند.
بهجای یک مدل ساده، از لایههای متعدد استفاده میکند؛ به همین دلیل به آن «عمیق» میگویند.
وقتی مسئله خیلی پیچیده میشود، مثل: تشخیص تصویر
درک زبان طبیعی
پردازش صدا
ساخت تصویر یا ویدیو
مدلهای ML ساده دیگر جواب نمیدهند و اینجاست که DL وارد میشود.
چرا ChatGPT، Midjourney و تشخیص چهره با DL کار میکنند؟
چون این نوع مسائل: دادهی بسیار زیادی دارند
الگوهایشان پیچیده است
و قوانین ساده برایشان وجود ندارد
مثلاً تشخیص چهره: هیچ قانون سادهای وجود ندارد که بگوید «اگر بینی اینطوری بود و چشم آنطوری بود، این شخص فلانی است».
سیستم باید هزاران ویژگی ظریف را همزمان ببیند و تحلیل کند.
این دقیقاً کاری است که Deep Learning در آن فوقالعاده است.
ولی DL بینقص نیست
یادگیری عمیق با همهی قدرتش، مشکلات خودش را دارد: به دادهی خیلی زیاد نیاز دارد
سختافزار قوی میخواهد
آموزش آن گران و زمانبر است
و مهمتر از همه: شفاف نیست
به این موضوع میگویند Black Box. یعنی سیستم جواب میدهد، اما دقیقاً نمیدانیم چرا به این جواب رسیده.
در بعضی حوزهها مثل پزشکی یا حقوق، این موضوع میتواند چالشبرانگیز باشد.
حالا بیایید همهچیز را کنار هم بگذاریم
اگر بخواهیم خیلی ساده نگاه کنیم:
AI میگوید: «ماشین باید باهوش باشد»
ML میگوید: «ماشین با داده یاد بگیرد»
DL میگوید: «ماشین با شبکههای عصبی و دادهی عظیم، مسائل خیلی پیچیده را حل کند»
یا بهشکل سلسلهمراتبی: Deep Learning داخل Machine Learning است
Machine Learning داخل Artificial Intelligence است
چرا دانستن این تفاوت مهم است؟
اگر بخواهم یادگیری را شروع کنم، از کجا؟
اگر تازهکار هستید: اول مفاهیم AI را بفهمید
بعد سراغ ML بروید
و اگر علاقه داشتید، وارد DL شوید
پرش مستقیم به Deep Learning بدون درک ML، معمولاً باعث سردرگمی میشود.
اگر بخواهیم در یک جمله بگوییم: AI هدف است
ML روش یادگیری است
DL ابزار قدرتمند برای مسائل سخت است
و اگر این سه تا را قاطی نکنید، نصف راه فهم دنیای هوش مصنوعی را رفتهاید
پستهای مرتبط
با آخرین و مهمترین اخبار بهروز بمانید
You need to configure your Mailchimp API key for this form to work properly.
