هوش مصنوعی سنتی در مقابل هوش مصنوعی مولد - KDnuggets

بازنشر افلاطون

دنبال: 0

هوش مصنوعی سنتی در مقابل هوش مصنوعی مولد
تصویر توسط نویسنده

«هوش مصنوعی مولد» واژه‌ای کلیدی است که در حال حاضر مطرح است. صرف نظر از اینکه در چه بخشی کار می کنید، قطعا این کلمه را شنیده اید. تنها در 6 ماه گذشته پیشرفت های قابل توجهی در هوش مصنوعی (AI) به ما نشان داده است. این صنایع مختلف را تغییر شکل داده است و همه می خواهند به آن دست پیدا کنند.

برای برخی از شما، ممکن است واقعاً تفاوت بین زیر مجموعه های هوش مصنوعی را ندانید و نکته این مقاله همین است.

تا همه چیز برای شما روشن شود.

هوش مصنوعی سنتی – بخشی از هوش مصنوعی که اکثریت افراد غیر متمایل به فنی آن را می دانند. همچنین به عنوان هوش مصنوعی باریک یا ضعیف شناخته می شود، شکل سنتی هوش مصنوعی بر انجام یک کار خاص به شیوه ای هوشمند متمرکز است.

بنابراین آنچه ما از هوش مصنوعی سنتی می دانیم دستیارهای صوتی مانند سیری و الکسا هستند که برای پاسخ به یک ورودی و تولید یک خروجی طراحی شده اند. روشی که از طریق آن انجام می شود این است که این سیستم های هوش مصنوعی از داده ها، ویژگی ها و موارد دیگر برای تصمیم گیری و پیش بینی یاد می گیرند.

به زمانی که در حال بازی شطرنج کامپیوتری هستید فکر کنید. رایانه فقط قوانینی را که پیش می‌رود تنظیم نمی‌کند، بلکه همه قوانین را می‌داند و از آن برای انجام حرکت بعدی خود استفاده می‌کند. این یک استراتژی از پیش تعریف شده است.

استراتژی. این همان چیزی است که هوش مصنوعی سنتی بر آن استوار است. تصمیمات خود را با استفاده از مجموعه ای از قوانین خاص می گیرد که هر بار از آنها عقب نشینی می کند.

این یک ورودی دریافت می کند و یک خروجی تولید می کند - بر اساس قوانین، نه با ایجاد قوانین.

اکنون، روی کلمه کلیدی «هوش مصنوعی مولد» بروید. همانطور که می توانید تصور کنید، من تاکید کرده ام که هوش مصنوعی سنتی بر اساس قوانین است و نمی تواند چیز جدیدی ایجاد کند. بنابراین، این موضوع از کجا می‌رود که AI Generative را ترک کند؟

بله حق با شماست. هوش مصنوعی مولد توانایی ایجاد چیزی جدید را دارد. درست مانند هوش مصنوعی سنتی، هوش مصنوعی مولد داده های زیادی را یاد گرفته است و از آن برای تصمیم گیری و پیش بینی استفاده می کند. اما به جای اینکه یک فرآیند ورودی و خروجی ساده باشد.

هوش مصنوعی مولد ورودی را می گیرد، آن را درک می کند و با استفاده از اطلاعات ورودی چیز جدیدی ایجاد می کند. بر روی داده ها آموزش می بیند و الگوهای اساسی را می آموزد تا بتواند داده های جدیدی را بر اساس اطلاعات ورودی که مشابه داده های آموزشی است تولید کند.

تا به امروز، می‌توانید از هوش مصنوعی Generative برای ایجاد خروجی به اشکال مختلف مانند متن، تصویر و موسیقی استفاده کنید و همچنین از آن برای کمک به شما در کارهایی مانند تکمیل کد استفاده کنید.

نمونه هایی از هوش مصنوعی مولد عبارتند از GPT، Soundful، Synthesia و DALL-E 2.

بنابراین، تفاوت بین هوش مصنوعی سنتی و هوش مصنوعی مولد چیست؟

قابلیت ها و برنامه ها تفاوت اصلی هستند.

همانطور که قبلاً اشاره کردم، هوش مصنوعی سنتی مبتنی بر دریافت ورودی و تولید یک خروجی است. داده های ورودی تجزیه و تحلیل می شوند و برای تصمیم گیری و پیش بینی استفاده می شوند. اگر به دنبال تشخیص الگو هستید، هوش مصنوعی سنتی گزینه شماست. هوش مصنوعی سنتی هنوز هم بسیار محبوب است و برای تقویت بسیاری از سیستم‌های هوش مصنوعی فعلی، مانند ربات‌های چت و تجزیه و تحلیل پیش‌بینی، استفاده می‌شود. این برنامه بر روی برنامه های کاربردی خاص تمرکز دارد که بسیاری از افراد برای کارهای روزمره خود از آنها استفاده می کنند.

از سوی دیگر، هوش مصنوعی مولد فراتر رفته و داده های جدیدی ایجاد می کند که مشابه داده های آموزشی است. اگر به دنبال ایجاد الگو هستید، هوش مصنوعی مولد گزینه شماست. هوش مصنوعی مولد درهای جدیدی را به روی شرکت‌ها می‌گشاید تا خلاق‌تر و نوآورتر باشند. این می تواند زمان صرف شده برای کارهایی مانند فرآیند ایده پردازی را به شدت کاهش دهد. می تواند متن آهنگ بنویسد، مقاله بنویسد و دیپ فیک ایجاد کند. در جایی که خلق و نوآوری مهم است، هوش مصنوعی مولد پتانسیل بالایی برای ارتقاء آن به سطح بعدی دارد.

برای پایان دادن به این مقاله کلی در مورد هوش مصنوعی سنتی و هوش مصنوعی مولد، باید بدانید که عملکرد آنها هنوز نمی تواند در هم تنیده شود. به عنوان مثال، هوش مصنوعی مولد می تواند با هوش مصنوعی سنتی برای ارائه راه حل های موثرتر استفاده شود. از سوی دیگر، هوش مصنوعی سنتی می‌تواند خروجی خاصی ارائه دهد که می‌تواند برای ایجاد محتوای شخصی‌سازی شده با استفاده از هوش مصنوعی مولد تجزیه و تحلیل شود.

درک تفاوت بین این دو و نقش خاص آنها در دنیای هوش مصنوعی مهم است. آنها هر دو در حال شکل دادن به آینده ما هستند و هر دو در جامعه امروزی بسیار مورد استقبال قرار گرفته اند.

شما می دانید که توانایی های منحصر به فرد این دو را درک می کنید و با ادامه نوآوری آنها از سواری لذت خواهید برد.

نیشا آریا دانشمند داده، نویسنده فنی آزاد و مدیر انجمن در KDnuggets است. او به ویژه علاقه مند به ارائه مشاوره شغلی یا آموزش های علم داده و دانش مبتنی بر نظریه در مورد علم داده است. او همچنین مایل است راه‌های مختلفی را که هوش مصنوعی می‌تواند به طول عمر انسان کمک کند، کشف کند. یک یادگیرنده مشتاق که به دنبال گسترش دانش فنی و مهارت های نوشتاری خود است و در عین حال به راهنمایی دیگران کمک می کند.