מה ההבדל בין למידת מכונה (ML) ללמידה עמוקה (DL)?
גם למידת מכונה (ML) וגם למידה עמוקה (DL) הן ביטויים של אינטליגנציה מלאכותית (AI).
אך בעוד למידת מכונה היא גישה ותיקה מאוד (במושגי תחום המחשוב) שעקרונותיה גובשו בראשית שנות החמישים
והיישום הראשון התרחש באותו עשור (שהיה למעשה מחשב IBM אימתני שהצליח ללמוד לשחק דמקה).
מנגד, ‘למידה עמוקה’ זה קונספט הרבה יותר חדש, למעשה רבים מתייחסים ל’למידה עמוקה’ כאל הדור של ‘למידת מכונה’,
אך מאחר ששתי הגישות מתקיימות במקביל ומאוד נוכחות גם היום כדאי לעמוד על ההבדלים ביניהן.
ההבדל הבסיסי הוא בטכנולוגיה. בעוד למידת מכונה מתבססת על הזנת המחשב בתחזיות צפויות,
למידה עמוקה מבוססת על רשת מלאכותית של נוירונים שמדמה את האופן בו עובד המוח האנושי.
בפועל, ההבדלים באים לידי ביטוי בצורך בהתערבות אנושית, בעוד בלמידת מכונה העלאת הדאטה היא באחריות
הגורם האנושי שגם מגדיר את גבולות החיזוי.
בלמידה עמוקה המערכת יודעת לשפר את עצמה ולקצר תהליכים והרבה חיסכון בזמן (באמצעות בנייה של תוצאות צפיות לפי הניסיון שנצבר).
יש לעובדה הזו גם נגזרות שמשפיעות על סוג החומרה, בשל העובדה שלמידה עמוקה דורשת ביצוע חישובים
מאוד מורכבים היא חייבת מעבדים עוצמתיים כמו למשל מחשבי קוואנטום.
חשוב לזכור שתהליך הטמעה של מערכת ‘למידה עמוקה’ ארוך יותר מזה של למידת מכונה.
בעוד שבלמידת מכונה פשוט מכניסים את הדאטה למערכת והיא רצה, בלמידת עומק, המערכת עצמה נדרשת ללמוד
ולהפיק לקחים מהאופן בו היא פועלת, כך שכדי שהיא תגיע למצב פעולה אופטימלי צריך זמן.