هوش مصنوعی (Artificial Intelligence)، یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) اصطلاحاتی هستند که در سال‌های اخیر و با رواج علوم کامپیوتر، در محافل مختلف بسیار مورد استفاده قرار می‌گیرند. شاید یکی از مهم‌ترین سوالاتی که برای افرادی که آشنایی زیادی با این اصطلاحات ندارند، پیش می‌آید این است که تفاوت این‌ها چیست؟ آیا اصلاً تفاوتی دارند؟ چرا که گاهی به نظر می‌رسد این مفاهیم به هم خیلی نزدیک هستند و از این اصطلاحات به جای یکدیگر نیز استفاده می‌شود.
در این مقاله دقیقاً می‌خواهیم به همین مسائل بپردازیم. ابتدا بررسی می‌کنیم که تعریف این مفاهیم چیست و تفاوت‌های آن‌ها با هم را روشن می‌کنیم. با تعریف این مفاهیم، شباهت‌ها و تفاوت‌های آن‌ها مشخص می‌شود و متوجه خواهید شد که چرا این اصطلاحات گاهی با هم اشتباه گرفته می‌شوند.
هوش مصنوعی، یادگیری ماشین و یادگیری عمیق چیست؟
گاهی اوقات استفاده از تصویر بهتر از هر جمله‌ای می‌تواند ارتباط بین اصطلاحات و مفاهیم را نشان دهد. برای همین در ابتدای کار تصمیم گرفتیم تا با شکل زیر، ارتباط میان هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را نشان دهیم.
همان طور که از تصویر می‌توان فهمید، ارتباط میان این سه، در واقع زیرمجموعه‌ای است. یادگیری عمیق زیرمجموعه‌ای از یادگیری ماشین محسوب می‌شود و به همین ترتیب، یادگیری ماشین نیز زیرمجموعه‌ای از هوش مصنوعی است.
تعریف رسمی هوش مصنوعی (AI)، یادگیری ماشین (ML) و یادگیری عمیق (DL)
تعریف هوش مصنوعی (Artificial Intelligence) چیست؟
هوش مصنوعی طیف گسترده‌ای از مفاهیم و اصطلاحات را پوشش می‌دهد و همان طور که پیش از این نیز گفتیم، یادگیری ماشین (ML) و یادگیری عمیق (DL) نیز در واقع از زیرمجموعه‌های هوش مصنوعی هستند.
تعاریف رسمی مربوط به هوش مصنوعی نیز زیاد است. دیکشنری آکسفورد، هوش مصنوعی را این گونه تعریف می‌کند: «نظریات و توسعه مربوط به علوم کامپیوتر که سیستم‌ها را قادر می‌سازد تا وظایفی که در حالت عادی باید توسط انسان‌ها انجام شوند را انجام دهند.»
دیکشنری مریام-وبستر نیز از طرف دیگر هوش مصنوعی را این گونه تعریف می‌کند: «شاخه‌ای از علوم کامپیوتر که با شبیه‌سازی هوش در کامپیوترها سر و کار دارد.»
اما این‌ها تعاریف خیلی رسمی هستند و شاید بهتر باشد برای درک بهتر هوش مصنوعی، به سراغ فردی برویم که در این زمینه فعال است. فرانسوا شالت (François Chollet) که یک مهندس کامپیوتر و فعال در حوزه هوش مصنوعی است، این مفهوم را این گونه تعریف می‌کند: «تلاشی برای خودکارسازی کارهای ذهنی که معمولاً توسط انسان انجام می‌شوند.»
تعریف یادگیری ماشین (Machine Learning) چیست؟
آرتور ساموئل (Arthur Samuel) یکی از پایه‌گذاران یادگیری ماشین (ML) است، این مفهوم را این گونه تعریف می‌کند: «یک حوزه مطالعاتی که در آن به کامپیوترها توانایی یادگیری اعطا می‌شود، بدون آن که احتیاجی به برنامه‌نویسی خاصی داشته باشند.»
در واقع در این حوزه تلاش می‌شود تا کامپیوترها توانایی یادگیری موضوعات جدید را داشته باشند، بدون آن که به صورت خاص برای آن حوزه برنامه‌نویسی شده باشند.
در دیاگرام بالا نیز دیدیم که یادگیری ماشین زیرمجموعه‌ای از هوش مصنوعی است. در واقع تمامی الگوریتم‌های یادگیری ماشین را می‌توان هوش مصنوعی نیز به حساب آورد. اما برعکسش صدق نمی‌کند. یعنی تمامی الگوریتم‌های هوش مصنوعی مربوط به یادگیری ماشین نیستند.
تفاوت یادگیری ماشین و هوش مصنوعی چیست؟
در یادگیری ماشین تلاش می‌شود تا کامپیوترها به صورت خودکار قابلیت یادگیری داشته باشند و بتوانند از طریق دیتا و تجارب جدید، موضوعات جدید را بیاموزند. یادگیری ماشین زیرمجموعه‌ای از هوش مصنوعی است. یکی از کاربردهای مهم یادگیری ماشین و هوش مصنوعی، استفاده از آن‌ها برای تحلیل داده‌های پلتفرم داده مشتریان (CDP) است.
تعریف یادگیری عمیق (Deep Learning) چیست؟
در یادگیری عمیق در واقع یادگیری ماشین وارد سطح جدیدی می‌شود. یادگیری عمیق زیرمجموعه‌ای از یادگیری ماشین است و با الهام‌بخشی از نحوه کارکرد مغز انسان کار می‌کند. معمولاً وقتی از یادگیری عمیق صحبت می‌شود، منظور شبکه‌های عصبی مصنوعی عمیق هستند. یادگیری عمیق به کامپیوترها می‌آموزد تا مانند انسان باشند و یکی از ویژگی‌های انسان یادگیری است.
تفاوت یادگیری عمیق و یادگیری ماشین چیست؟
تفاوت‌های میان یادگیری عمیق و یادگیری ماشین در جدول زیر خلاصه شده است:
| یادگیری ماشین | یادگیری عمیق | |
| دیتا | در دیتاست‌های کوچک تا متوسط خوب عمل می‌کند | در دیتاست‌های بزرگ خوب عمل می‌کند |
| سخت‌افزار | قابلیت اجرا بر روی سی‌پی‌یو را دارد | به منابع کامپیوتری بسیار قوی مثل GPU نیاز دارد |
| ویژگی‌ها | ویژگی‌ها باید به صورت دستی تعیین شوند | ویژگی‌ها را به صورت خودکار می‌آموزد |
| زمان یادگیری | بسیار سریع | از نظر کامپیوتری بسیار سنگین |
تعاریف رسمی و غیر رسمی تا حدی می‌توانند برای درک این مفاهیم کمک کننده باشند، اما تا زمانی که از مثال عینی استفاده نکنیم، بسیاری از مطالب آن جا نمی‌افتد. بنابراین در ادامه تلاش می‌کنیم تا با مثال‌هایی که می‌زنیم، این مفاهیم را بهتر درک کنیم.
مثال‌های استفاده از هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
فرض کنید ما یک کسب‌وکار کوچک داریم که در زمینه مرتب‌سازی میوه‌ها فعالیت می‌کند. میوه‌ها به صورت مخلوط وارد کارگاه می‌شوند و توسط نیروی انسانی جدا می‌شوند و در دسته‌های مربوط به خود (مثلاً موز، سیب، پرتقال و غیره) قرار می‌گیرند.
در ابتدا همان طور که اشاره شد، این جداسازی توسط نیروی انسانی صورت می‌گیرد. انسان‌ها با استفاده از دانش خود این جداسازی را انجام می‌دهند. اما کسب‌وکار در حال گسترش است و جداسازی باید با سرعت بیشتری صورت بگیرد و انسان‌ها در این زمینه محدودیت دارند. برای این که این مشکل را حل کنیم، از یک سیستم خودکار که بر پایه هوش مصنوعی (AI) ساخته شده کمک می‌گیریم.
هوش مصنوعی:
این سیستم با استفاده از یک الگوریتم هوش مصنوعی که بر پایه منطق تصمیم‌گیری نوشته شده، کار می‌کند. میوه‌ها توسط سیستم اسکن می‌شوند و بعد از تشخیص نوع آن لیبل به سمت جایگاه مخصوص خود هدایت می‌شوند.
در اینجا می‌بینیم که هوش مصنوعی می‌تواند با استفاده از لیبل روی میوه‌ها، آن‌ها را تشخیص دهد و کار جداسازی که توسط انسان انجام می‌شد را به خوبی انجام دهد.
اما اگر میوه‌ها لیبل نداشتند چه؟ در این حالت سیستم ما باید پیشرفته‌تر باشد تا بتواند نوع میوه را تشخیص دهد.
یادگیری ماشین:
با استفاده از یک الگوریتم یادگیری ماشین می‌توان این مشکل را حل کرد. برای ساخت مدل یادگیری ماشین ابتدا باید تعریف هر نوع میوه را مشخص کنیم. ویژگی‌های ظاهری میوه مثل اندازه، رنگ، شکل و غیره باید مشخص شوند تا الگوریتم بتوانند بر اساس آن تصمیم بگیرد.
در اینجا سیستم هر چه میوه‌های بیشتری ببیند، تشخیصش نیز بهتر می‌شود. در واقع به مرور یاد می‌گیرد که شکل هر میوه چگونه است.
کسب‌وکار به خوبی رشد می‌کند و رقیبانش را کنار می‌زند و حالا وارد مرحله جدیدی شده. مرحله‌ای که میوه‌هایی وارد سیستم می‌شود که قبل از آن دیده نشده. برای همین سیستم به یک الگوریتم دسته‌بندی دقیق‌تری نیاز دارد.
یادگیری عمیق:
در اینجاست که به سراغ یادگیری عمیق می‌رویم. یک الگوریتم یادگیری عمیق می‌تواند بدون نیاز به تعریف شکل هر میوه، کار دسته‌بندی آن‌ها را انجام بدهد.
الگوریتم یادگیری عمیق به مرور یک الگو برای خود می‌سازد و شکل میوه‌ها را تشخیص می‌دهد. تصاویر میوه‌ها در لایه‌های مختلف و توسط شبکه‌های عصبی مصنوعی در مدل یادگیری عمیق تحلیل می‌شود. تقریباً مغز انسان نیز همین گونه کار می‌کنند و برای همین است که نام آن را شبکه‌های عصبی گذاشته‌اند.
جمع‌بندی
امیدواریم که با استفاده از این مثال‌ها متوجه تفاوت‌های هوش مصنوعی، یادگیری ماشین و یادگیری عمیق شده باشید. به صورت خلاصه می‌توان تفاوت‌های آن‌ها را یک بار دیگر این گونه تعریف کرد: هوش مصنوعی طیف گسترده‌ای از الگوریتم‌ها و کارهای مختلف را پوشش می‌دهد که در آن تلاش می‌شود تا کارهایی که نیاز به هوش انسانی دارند، توسط کامپیوتر انجام شوند. یادگیری ماشین زیرمجموعه‌ای از هوش مصنوعی است و یادگیری عمیق نیز زیرمجموعه‌ای از یادگیری ماشین محسوب می‌شود.