Universitatea Titu Maiorescu

Master Psihologia Resurselor Umane

Anul 1, Semestrul 2

Referat

Inteligența Artificială vs. Machine Learning

vs. Deep Learning

Student : Birleanu Encarnacao Daniela

Materia : Informatica Managementului Resurselor Umane

-2020-
 Inteligența Artificială vs. Machine Learning vs. Deep Learning

Inteligența Artificială (AI) este unul dintre vârfurile de lance din domeniul științei
calculatoarelor datorită inovațiilor care permit programelor de calculator să învețe și să
interpreteze informații într-un mod tot mai puțin dependent de intervenția umană. ”Deep
learning” și ”machine learning” sunt în egală măsură capabile să revoluționeze modul în care se
desfășoară viața noastră de zi cu zi.

Inteligența artificială se luptă pentru supremație, gata să detroneze fantezii de orice altă natură, în
imaginația celor pasionați de tehnologie. Indiferent de domeniu, din ce în ce mai des vine vorba
și despre rolul inteligenței artificiale. Însă atunci când în schemă intră și machine learning-ul,
lucrurile se complică.

Inteligența artificială este un concept care se referă la capacitatea unui sistem de a acționa într-un
mod “inteligent”: adică să învețe singur, să se adapteze, să reacționeze în situații total noi.
Practic, inteligența artificială ar ieși din limitele în care a fost programată de cineva și ar acționa
independent – ceea ce poate fi minunat sau horror, depinde cum privești lucrurile. În acest
moment nu există un astfel de sistem în realitate. Foarte probabil, va exista peste 30, 40, 50, 100
de ani, dar acum este doar SF.

Sistemele de învățare automatizată sau machine learning-ul reprezintă varianta de AI aplicabilă

în prezent: în baza unor algoritmi matematici, sunt capabile să opereze cu un volum foarte mare
de date, să învețe singure și să își perfecționeze acțiunile. Diferența esențială față de inteligența
artificială pură, care ar trebui să acționeze complet independent, este aceea că sistemele bazate pe
machine learning își desfășoară activitatea sub control uman și în cadrul parametrilor stabiliți de
cercetători.

Machine learning-ul este un concept din anul 1950, introdus de Alan Turing, cel care a creat și
celebrul test cu același nume. Bazat pe jocul imitației, testul își propune să răspundă la întrebarea
dacă un sistem se poate comporta ca un om care gândește. Fără să vadă despre cine e vorba, o
persoană decide dacă entitatea cu care comunică este umană sau nu. În 2014, un program
numit Eugene Goostman, care imită un băiat de 13 ani, se pare că a convins, în premieră, 33,3%
dintre membrii unui juriu că este uman, trecând testul Turing.

Sistemele de învățare automatizată ne-au adus o serie de inovații ale lumii de azi: mașinilie
autonome, căutarea pe Internet sau progresele în domeniul cercetării genomului uman. Medicina
modernă, traducerile automate, bioinformatica – toate au în spate astfel de sisteme. Li se creează
niște algoritmi pe baza cărora pot să funcționeze și apoi chiar să își îmbunătățească activitatea –
sub coordonarea oamenilor, dar și singure.

Ce sunt, cum se diferențiază și unde le găsim?

Când vorbim de inteligență artificială, nu vorbim automat de algoritmi de tipul ”deep learning”
sau ”machine learning”. Inteligența artificială poate cuprinde sisteme simple, care se bazează pe
o gândire construită în jurul raționamentului ”dacă X, atunci Z”. Aceste ”motoare cu reguli”, nu
constituie neapărat o formă de inteligență, cât un set de reguli programate de către om.

În esență, un calculator capabil să urmeze un set de instrucțiuni date nu poate fi numit cu

adevărat inteligent, întrucât acesta nu poate să extragă singur informațiile, în baza datelor la care
este expus programul și nici nu poate discerne dacă acestea îi sunt utile sau dacă sunt corecte.

Machine Learning: o subcategorie AI și un pas înainte

Astfel, intervine o primă diferență între conceptul de ”inteligență artificială” și cel ”machine
learning” (ML). Machine learning este o formă de inteligență artificială care implică un algoritm
mult mai capabil de a interpreta și de a ”înțelege” datele pe care acesta le primește. Machine
learning sunt ”algoritmi care procesează datele, învață din ele și apoi aplică ce au învățat pentru a
lua decizii informate”. De aceea, procesul de ML poate fi găsit în softurile care urmăresc
conținutul consumat de un utilizator (muzică, filme, clipuri video, cărți etc.) și reprezintă și
procesul prin care programul îi recomandă aceluiași utilizator mai multe materiale similare, în
baza comportamentului său și al celor care au un profil asemănător acestuia.
Scopul programelor bazate pe machine learning este de a eficientiza calea spre un rezultat dorit,
prin încercări repetate și prin verificarea fiecărui rezultat obținut față de cel dezirabil. ML
”învață” într-un sens restrâns al cuvântului, întrucât acesta nu caută să înțeleagă un concept, ci
doar cea mai eficientă soluție spre îndeplinirea unui obiectiv.

Totuși, ML nu este un program independent, nu în totalitate. Întregul proces se bazează pe

încercări repetate ale programului, iar intervenția omului este necesară în momentul în care
software-ul returnează predicții eronate.

Deeplearning: cum se diferențiază și la ce este folosit?

O variantă mult mai avansată a procesului de ML este cel de „deep learning” (DL). Spre
deosebire de ML, procesele de ”învățare în profunzime” sunt construite cu scopul de a analiza
date în mod continuu, pe baza unei structuri logice, similare cu modul în care funcționează
conștiința umană. Deep learning apelează la o rețea de algoritmuri stratificată și care formează
ceea ce se numește o rețea neuronală artificială (ANN), al cărei design este puternic inspirat din
rețeaua neuronală a creierului uman.

Diferența între cele două procese (deep learning și machine learning) apare în momentul în
care observăm modul în care acestea funcționează. Deep learning nu caută să eficientizeze, cât să
”înțeleagă” informațiile pe care le primește și să ”învețe” să ia decizii în mod independent. Prin
contrast, machine learning are un obiectiv mult mai bine definit și caută calea cea mai eficientă
spre îndeplinirea lui.

DL a stat la baza baza progamului Alpha Go, realizat de laboratorul DeepMind și de către
Google, cel care în 2017 a devenit campion mondial la Go, după ce i-a înfrânt pe cei mai buni
jucător umani, conform NewScientist. Complexitatea jocului și îndemânarea oponenților au fost
elementele care au încoronat victoria unui calculator într-un domeniu atât de complex cum este
un sport al minții.

DeepMind și sistemele asemnătătoare au nevoie mai puțin de intervenția unui inginer uman, dar
depind foarte mult de accesul la o colecție vastă de date, asemenea programelor bazate pe ML,
date pe care altgoritmul le sortează și din care învață.
În momentul de față, deeplearning are o serie de aplicații în domeniul recunoașterii emoțiilor
umane. DL este folosit pentru a identifica emoțiile pe care le poate transmite un text cititorului
său (fie el tweet, comentariu, email etc.) sau sentimentele pe care le trăiesc clienții care ascultă
jingle-ul unei reclame. Printre alte astfel de aplicații, prezentate de Forbes, se numără și
utilizarea proceselor de învățare în profunzime pentru a transpune în culoare cadrele din filmele
alb-negru sau în utilizarea unui grup de programe DL pentru software-ul mașinilor autonome.

Pâna la urmă, diferența între cele trei procese ține de nuanțe, întrucât deep learning este o formă
mai avansată de machine learning, ambele fiind considerate forme de inteligență artificială. 
Deeplearning este modul prin care o mașinărie poate să ia propriile decizii, fără să fie nevoie de
un programator care să-i spună ce să facă.

Bibliografie

1. Elemente de Inteligenta artficiala, Volumul 1, Principii si Modele, Adian Magdan

Dlorea,1993
2. Dumitrescu D., Principiile Inteligentei Artificiale, Editura Albastra, Cluj-Napoca, 2002
3. Ruxandra Stoean, Catalin Stoean, Evolutie si inteligenta artificiala. Paradigme moderne
si aplicatii, Editura Albastra - Grupul MicroInformatica, 2010
4. Alte referinte pe web: http://en.wikipedia.org/wiki/Artificial_intelligence