امروزه استفاده از ابزارهای هوش مصنوعی و فناوری های به روز، جزو جدانشدنی هر فعالیتی است. برای استفاده ی بهینه و سودمند از تکنولوژی و ابزار های هوش مصنوعی، در وهله ی اول باید به درک و شناخت خوبی از ماهیت آن ها رسید.

یکی از سوالات اغلب فراگیران و فعالان حوزه ی کامپیوتر، تفاوت میان ماشین ‌لرنینگ و دیپ ‌لرنینگ است. در مقالات قبلی به صورت تخصصی به مباحث هوش مصنوعی، ماشین لرنینگ و دیپ لرنینگ پرداختیم. در این مقاله به صورت ساده و روان به تفاوت میان ماشین لرنینگ و دیپ لرنینگ می‌پردازیم.

ماشین لرنینگ چیست؟

ماشین لرنینگ (Machine Learning) یکی از شاخه های هوش مصنوعی است. در این حوزه، با استفاده از روش هایی مانند رگرسیون خطی، ماشین بردار پشتیبان (SVM)و … ماشین ها یاد می‌گیرند تا بدون آنکه به طور مستقیم برنامه ریزی شوند، به وظایف خود بپردازند.

یکی از ویژگی های ماشین لرنینگ، نیاز به “ویژگی سازی دستی” است. به این معنا که مهندس نرم افزار و متخصص علوم کامپیوتر باید ویژگی های کلیدی و برجسته ی داده ها (Features) را به صورت دستی مشخص کند.

استخراج این داده ها بسیار مهم است و مستقیما روی عملکرد مدل اثر می‌گذارد چون کیفیت داده های کلیدی بسیار تاثیرگدار است و الگوریتم های ماشین لرنینگ به دیتا های تفکیک شده، ساختارمند و منظم نیاز دارند.

ماشین لرنینگ در فرایندهایی که نیاز به استفاده از اطلاعات و دیتای قبلی دارند مثل تشخیص بیماری ها، پیش بینی قیمت ها و… کاربرد دارد.

دیپ لرنینگ چیست؟

دیپ لرنینگ یکی از شیرشاخه های ماشین لرنینگ است. دیپ لرنینگ از شبکه های مصنوعی عمیق (به اختصار DNN) برای یادگیری استفاده می‌کند و شبکه های عصبی یا نورون های بسیار زیادی دارد که داده ها را پردازش می‌کند.

این شبکه های عصبی بدون نیاز به ویژگی دستی سازی، ویژگی های مهم، کلیدی و برجسته ی اطلاعات و دیتا را شناسایی می‌کند و به کار می‌گیرد.

دیپ لرنینگ در فرایند های تشخیص تصویر، ترجمه خودکار، تولید صدا و تصویر و… کاربرد دارد.