В чем разница между искусственным интеллектом и машинным обучением?
Искусственный интеллект (ИИ) и машинное обучение (МО) сейчас являются двумя очень популярными модными словечками, и часто кажется, что они используются взаимозаменяемо.
Это не совсем одно и то же, но понимание того, что это одно и то же, иногда может привести к некоторой путанице. Поэтому я подумал, что стоит написать статью, чтобы объяснить разницу.
Оба термина очень часто возникают, когда речь идет о больших данных, аналитике и более широких волнах технологических изменений, которые захлестывают наш мир.
Короче говоря, лучший ответ таков:
Искусственный интеллект — это более широкая концепция машин, способных выполнять задачи таким образом, который мы бы назвали «умным».
Машинное обучение — это современное приложение ИИ, основанное на идее, что мы должны просто предоставить машинам доступ к данным и позволить им учиться самостоятельно.
Первые дни
Искусственный интеллект существует уже давно — греческие мифы содержат истории о механических людях, созданных для имитации нашего собственного поведения. Очень ранние европейские компьютеры задумывались как «логические машины», и, воспроизводя такие возможности, как базовые арифметические действия и память, инженеры видели свою работу, по сути, как попытку создать механический мозг.
По мере развития технологий и, что важно, нашего понимания того, как работает наш разум, наше представление о том, что представляет собой ИИ, изменилось. Вместо все более сложных вычислений работа в области ИИ была сосредоточена на имитации процессов принятия решений человеком и выполнении задач еще более человеческим способом.
Искусственный интеллект — устройства, предназначенные для интеллектуальных действий, — часто классифицируются в одну из двух основных групп — прикладные или общие. Прикладной ИИ встречается гораздо чаще — в эту категорию попадают системы, предназначенные для интеллектуальной торговли акциями и акциями или управления автономным транспортным средством.
Нейронные сети — искусственный интеллект и машинное обучение (Источник: Shutterstock)
Обобщенные ИИ — системы или устройства, которые теоретически могут справиться с любой задачей — менее распространены, но именно здесь сегодня происходят некоторые из самых захватывающих достижений. Это также область, которая привела к развитию машинного обучения. Часто упоминаемый как подмножество ИИ, на самом деле правильнее думать о нем как о текущем состоянии дел.
Расцвет машинного обучения
Два важных прорыва привели к появлению машинного обучения как средства, которое продвигает развитие ИИ вперед с той скоростью, которой оно обладает в настоящее время.
Одним из них было осознание — приписанное Артуру Сэмюэлю в 1959 году — что вместо того, чтобы учить компьютеры всему, что им нужно знать о мире и о том, как выполнять задачи, можно было бы научить их учиться самостоятельно.
Вторым, совсем недавним, было появление Интернета и огромное увеличение объема цифровой информации, генерируемой, хранимой и доступной для анализа.
Как только эти нововведения были введены в действие, инженеры поняли, что вместо того, чтобы учить компьютеры и машины делать все, было бы гораздо эффективнее запрограммировать их так, чтобы они думали как люди, а затем подключить их к Интернету, чтобы предоставить им доступ ко всем функциям. информацию в мире.
Нейронные сети
Развитие нейронных сетей сыграло ключевую роль в обучении компьютеров думать и понимать мир так, как это делаем мы, сохраняя при этом врожденные преимущества, которыми они обладают по сравнению с нами, такие как скорость, точность и отсутствие предвзятости.
Нейронная сеть — это компьютерная система, предназначенная для работы путем классификации информации так же, как это делает человеческий мозг. Его можно научить распознавать, например, изображения и классифицировать их в соответствии с содержащимися в них элементами.
По сути, он работает на системе вероятностей — на основе поступающих к нему данных он может делать утверждения, решения или прогнозы с определенной степенью уверенности. Добавление петли обратной связи позволяет «обучаться» — ощущая или получая информацию о том, правильные или неправильные его решения, он изменяет подход, который будет применяться в будущем.
Приложения машинного обучения могут читать текст и определять, подает ли человек жалобу или поздравляет. Они также могут прослушать музыкальное произведение, решить, сделает ли оно кого-то счастливым или грустным, и найти другие музыкальные произведения, соответствующие настроению. В некоторых случаях они могут даже сочинять свою собственную музыку, выражающую те же темы, или которая, как они знают, может быть оценена поклонниками оригинального произведения.
Все эти возможности предлагают системы, основанные на машинном обучении и нейронных сетях. В немалой степени благодаря научной фантастике также появилась идея, что мы должны иметь возможность общаться и взаимодействовать с электронными устройствами и цифровой информацией так же естественно, как с другим человеком. С этой целью другая область ИИ — обработка естественного языка (NLP) — стала источником чрезвычайно интересных инноваций в последние годы, и она в значительной степени зависит от ML.
Приложения NLP пытаются понять естественное человеческое общение, будь то письменное или устное, и в ответ общаются с нами, используя аналогичный естественный язык. Машинное обучение используется здесь, чтобы помочь машинам понять огромные нюансы человеческого языка и научиться реагировать так, чтобы конкретная аудитория могла их понять.
Случай брендинга?
Искусственный интеллект — и, в частности, машинное обучение сегодня, безусловно, может многое предложить. С его обещанием автоматизировать рутинные задачи, а также предложить творческое понимание, отрасли во всех секторах, от банковского дела до здравоохранения и производства, пожинают плоды. Итак, важно иметь в виду, что AI и ML — это нечто другое… это продукты, которые продаются постоянно и прибыльно.
Машинное обучение, безусловно, было воспринято маркетологами как возможность. После того, как ИИ существует так долго, возможно, он начал рассматриваться как нечто в некотором роде «устаревшее» еще до того, как его потенциал был по-настоящему реализован. На пути к «революции ИИ» было несколько фальстартов, и термин «Машинное обучение», безусловно, дает маркетологам что-то новое, блестящее и, что важно, прочно основанное на «здесь и сейчас».
Тот факт, что мы в конечном итоге разработаем человекоподобный ИИ, часто рассматривался технологами как нечто неизбежное. Безусловно, сегодня мы ближе, чем когда-либо, и движемся к этой цели с нарастающей скоростью.Большая часть захватывающего прогресса, который мы наблюдаем в последние годы, связана с фундаментальными изменениями в том, как мы представляем себе работу ИИ, которые были вызваны машинным обучением. Я надеюсь, что эта статья помогла нескольким людям понять разницу между AI и ML. В другой статье на эту тему я иду глубже — буквально — объясняя теории, лежащие в основе другого популярного модного слова — глубокого обучения.
