Apprendimento

Poiché l'apprendimento profondo e l'apprendimento automatico tendono a essere usati in modo intercambiabile, vale la pena di notare le sfumature che li differenziano.Come accennato in precedenza, sia l'apprendimento profondo che l'apprendimento automatico sono sottoinsiemi dell’intelligenza artificiale e l'apprendimento profondo è in realtà un sottoinsieme dell'apprendimento automatico.

L'apprendimento profondo è in realtà composto da reti neurali.Il termine "profondo" si riferisce a una rete neurale composta da più di tre strati, che comprenderebbero input e output, e può essere considerata un algoritmo di apprendimento profondo.Questo è generalmente rappresentato utilizzando il diagramma seguente.

La differenza tra apprendimento profondo e apprendimento automatico riguarda il modo in cui ciascun algoritmo apprende.L'apprendimento profondo automatizza gran parte del processo di estrazione delle caratteristiche, eliminando parte dell'intervento umano manuale richiesto e consentendo l'uso di set di dati più grandi.Si può pensare all'apprendimento profondo come "apprendimento automatico scalabile" come ha notato Lex Fridman nella stessa conferenza del MIT di cui sopra.L’apprendimento automatico classico, o “non profondo”, dipende maggiormente dall’intervento umano.Gli esperti umani determinano la gerarchia delle caratteristiche per comprendere le differenze tra gli input di dati, che in genere richiedono dati più strutturati per l'apprendimento.

L'apprendimento automatico "profondo" può sfruttare i dataset etichettati, noti anche come apprendimento controllato, per informarne l'algoritmo, ma non richiede necessariamente un dataset etichettato.Può acquisire dati non strutturati nella loro forma grezza (ad es.testo, immagini) e può determinare automaticamente la gerarchia delle caratteristiche che distinguono le diverse categorie di dati l'una dall'altra.A differenza dell'apprendimento automatico, non richiede l'intervento umano per elaborare i dati, consentendoci di scalare l'apprendimento automatico in modi più interessanti.