هوش مصنوعی، یادگیری ماشین و یادگیری عمیق: تفاوت

عروسک‌های روسی

اون عروسک‌های چوبی روسی رو دیدید؟ بازش که می‌کنی، یه عروسک کوچیک‌تر توشه؛ اونم باز کنی، یکی کوچیک‌تر.

• هوش مصنوعی، عروسک بزرگ: هر ماشینی که کاری بکنه که به نظر هوشمند میاد. حتی اگه همه‌ی قاعده‌هاش رو آدم نوشته باشه، مثل برنامه‌هایی که با قاعده‌های کارشناس‌ها کار می‌کنن.
• یادگیری ماشین، عروسک وسط: اون بخش از هوش مصنوعی که قاعده رو خودش از مثال‌ها یاد می‌گیره. درس اول.
• یادگیری عمیق، عروسک کوچیک: یادگیری ماشین با شبکه‌ی عصبی چندلایه. «عمیق» یعنی لایه‌ها زیادن؛ از سه تا تا چند صد یا حتی چند هزار.

پس هر یادگیری عمیقی، یادگیری ماشینه؛ و هر یادگیری ماشینی، هوش مصنوعیه. ولی برعکسش نه.

یه مسئله، سه راه

فرض کنید می‌خوایم کامپیوتر عددهای دست‌نویس روی پاکت نامه رو بخونه. مثلا این «۷». سه راه داریم:

1. قاعده‌ی دستی. می‌نویسیم «اگه دو تا خط کج داشت که پایین به هم رسیدن، هفته». ولی هر کی یه جور می‌نویسه؛ یکی بالاش رو باز می‌نویسه، یکی تهش رو گرد. تازه «۸» هم همینه، فقط برعکس. قاعده‌ها تموم نمی‌شن.
2. یادگیری ماشین معمولی. ما می‌گیم به چی نگاه کن: «تهش تیزه یا گرد، کدوم طرفش بازه، چقدر پهنه». به این‌ها می‌گن ویژگی. ماشین از هزاران مثال یاد می‌گیره هر ویژگی چقدر مهمه.
3. یادگیری عمیق. فقط خود عکس رو می‌دیم، خونه به خونه (پیکسل‌ها). ماشین خودش پیدا می‌کنه به چی نگاه کنه.

کی ویژگی رو پیدا می‌کنه

فرق اصلی یادگیری ماشین معمولی و عمیق همینه: ویژگی‌ها رو کی پیدا می‌کنه؟

پیش از یادگیری عمیق، آدم‌ها باید خودشون ویژگی می‌ساختن. اسم این کار «مهندسی ویژگی»ه و خیلی وقت می‌برد؛ یه کارشناس باید فکر می‌کرد برای تشخیص عدد، یا صدا، یا بیماری، به چی نگاه کنیم. درس مهندسی ویژگی.

توی یادگیری عمیق، ویژگی‌ها رو دستی نمی‌سازیم؛ مدل خودش از داده‌ی خام پیداشون می‌کنه. برای همین برای عکس و صدا و متن، که ویژگی نوشتن براشون خیلی سخته، این‌قدر خوب جواب داده.

لایه‌ها

«خودش پیدا می‌کنه» یعنی چی؟ یه مدل که صورت آدم رو توی عکس تشخیص می‌ده رو در نظر بگیرید. لایه‌هاش تقریبا این‌طوری کار می‌کنن:

1. لایه‌ی اول خط‌ها و دایره‌های ساده رو پیدا می‌کنه.
2. لایه‌ی دوم لبه‌ها رو کنار هم می‌ذاره.
3. لایه‌ی سوم چشم و دماغ رو می‌سازه.
4. لایه‌ی چهارم می‌فهمه که این یه صورته.

کسی به لایه‌ها نگفته «تو چشم رو پیدا کن». خودشون، توی آموزش، یاد گرفتن کدوم ویژگی کجا باشه. شبکه‌ی عصبی رو کامل توی ایستگاه شبکه‌ی عصبی می‌بینیم.

کدوم کِی

یادگیری عمیق همیشه بهتر نیست. داده‌ی خیلی بیشتر و کامپیوتر قوی‌تری می‌خواد، و فهمیدن اینکه چرا یه جواب رو داده، سخت‌تره.

اکتبر ۲۰۱۲ یه شبکه‌ی عمیق، توی یه مسابقه‌ی بزرگ تشخیص عکس، با فاصله‌ی زیاد از روش‌های قدیمی‌تر برد؛ از اون موقع یادگیری عمیق همه‌جا پیدا شد. ولی برای خیلی از کارهای روزمره، روی جدول، روش‌های معمولی هنوز عالی کار می‌کنن. سه جور یاد گرفتن هم هست که درس بعد می‌گه: نظارت‌شده، بی‌نظارت، تقویتی.