Что такое Искусственный Интеллект? И при чем тут Машинное обучение. Перевод статьи от Google

В последнее время ажиотаж вокруг Искусственного Интеллекта растет в геометрической прогрессии - самое время разобраться, что же такое этот ваш Искусственный интеллект?! И при чем тут Машинное обучение?
(Перевод статьи от Google "AI vs. ML")

В последнее время ажиотаж вокруг Искусственного Интеллекта растет в геометрической прогрессии: сначала Lensa и кайфовые аватарки, затем DALL-E и кислотные проекции воображения, а теперь и вовсе - ChatGPT feat. MidJourney изо дня в день занимают первые строчки всех международных хайп чартов! Самое время разобраться, что же такое этот ваш Искусственный интеллект. И при чем тут Машинное обучение?

Если вы варитесь в индустрии стартапов - вы наверняка замечали, что при обсуждении тем, типа больших данных или прогнозной аналитики - часто звучат слова “Искусственный интеллект” и “Машинное обучение”. И еще чаще - их используют как взаимозаменяемые понятия. Запутаться в этих терминах очень легко, ведь они действительно тесно связаны между собой.

Продукты искусственного интеллекта и машинного обучения становятся все более популярными, поскольку компании используют их для обработки и анализа огромных объемов данных, повышения эффективности принятия решений, выработки рекомендаций и выводов в режиме онлайн, а также для создания точных прогнозов и предсказаний.

Так в чем же разница между Искусственным Интеллектом и Машинным Обучением, как они связаны и что эти термины означают на практике для компаний?

Мы разделим ИИ и МО и рассмотрим, как эти две инновационные концепции связаны между собой и в чем заключаются их различия.

Искусственный интеллект - это обширная область, которая использует технологии для создания устройств, способных имитировать когнитивные способности, связанные с человеческим интеллектом. То есть - способность видеть, понимать и отвечать на устную или письменную речь, анализировать данные, давать рекомендации и многое другое.

Хотя искусственный интеллект часто рассматривается как система сам по себе, на самом же деле он представляет собой набор технологий, внедренных в какую-либо систему, чтобы она могла учиться наиболее эффективно действовать для решения сложной задачи.

Машинное обучение - это подмножество искусственного интеллекта, которое автоматически позволяет системе обучаться и совершенствоваться на основе накопленного опыта. Вместо явного программирования машинное обучение использует алгоритмы для анализа больших объемов данных, извлечения уроков из полученных знаний и принятия аргументированных решений.

Алгоритмы машинного обучения со временем улучшают свою производительность, поскольку они обучаются и подвергаются воздействию огромного количества данных. Модель машинного обучения - это результат на выходе. Другими словами - это то, что программа узнает в результате работы алгоритма на обучающих данных. Чем больше данных используется - тем лучше становится модель.

Хотя искусственный интеллект и машинное обучение - это не совсем одно и то же, они тесно связаны между собой.

• Искусственный Интеллект (AI) - это более широкая концепция, позволяющая машине или системе понимать, рассуждать, действовать или адаптироваться подобно человеку.
• Машинное Обучение (ML) - это конкретное приложение ИИ, позволяющее машинам извлекать знания из данных и обучаться на их основе автономно.
  

Один из легких способов запомнить разницу между машинным обучением и искусственным интеллектом - представить все это в виде пирога с малиной:

Искусственный интеллект - это сам пирог, в нем есть и тесто (алгоритмы), и малина (ML), и сахар (робототехника), и может быть даже шоколад (обработка естественного языка).

Машинное обучение - вкуснейшая малинка, без нее можно обойтись при работе над Пирогом, но “пирога с малиной” без нее - никак не выйдет.

Теперь, когда понятно, как они связаны между собой - в чем же их основное различие?

Если искусственный интеллект работает над идеей создания устройства, способного имитировать человеческий интеллект, то машинное обучение - нет.

Машинное обучение направлено на обучение устройства выполнять определенную задачу и предоставлять точные результаты путем выявления закономерностей.

Допустим, вы спрашиваете у любимой Алисы: "Сколько мне сегодня ехать на работу?".

В этом случае вы задаете вопрос тому самому устройству, и получаете ответ о предполагаемом времени, которое вам понадобится, чтобы доехать до офиса. Основная цель очевидна - успешное выполнение задачи и правильный результат.

Вы можете обучить алгоритмы анализу данных о трафике в вашем городе, плотности транспортного потока - однако область применения будет ограничена выявлением закономерностей и повышения эффективности в рамках достижения этой конкретной цели.

Надеюсь, после прочтения данной статьи, слышать эти бесконечные "ИИ-МЛ-АИ" будет чуть менее больно. Но для надежности закрепим пройденный материал:

• ИИ позволяет машине имитировать человеческий интеллект для решения проблем
• Цель - разработать интеллектуальную систему, способную выполнять сложные задачи
  
• Создаем системы, способные решать сложные задачи подобно человеку
  
• ИИ имеет широкую сферу применения
  
• ИИ использует технологии в системе таким образом, что она имитирует принятие решений человеком
  
• ИИ работает со всеми типами данных: структурированными, полуструктурированными и неструктурированными.
  
• Системы ИИ используют логику и древо решений для обучения, рассуждения и самокоррекции.
  

• ML позволяет машине автономно обучаться на основе прошлых данных
• Цель заключается в создании машин, которые могут учиться на основе данных, чтобы повысить точность выходных данных
  
• Обучаем машины с помощью данных выполнять конкретные задачи и выдавать точные результаты
  
• Машинное обучение имеет ограниченную сферу применения
  
• Использует самообучающиеся алгоритмы для создания прогнозирующих моделей
  
• ML может использовать только структурированные и полуструктурированные данные
  
• Системы ML полагаются на статистические модели для обучения и могут самокорректироваться при получении новых данных

Искусственный интеллект и Машинное обучение приносят огромные преимущества компаниям любых сфер и размеров, и с каждым днем эффективный инструментарий только растет. В частности, по мере роста объема и сложности данных, системы с использованием ИИ становятся жизненно важными, помогая компаниям автоматизировать задачи, раскрывать ценность и генерировать практические выводы для достижения лучших результатов.

В завершение статьи выделил конкретные преимущества использования искусственного интеллекта и машинного обучения для некоторых сфер бизнеса:

Здравоохранение

Анализ и анализ медицинских карт пациентов, прогнозирование и моделирование результатов, ускоренная разработка лекарств, расширенная диагностика, мониторинг пациентов и извлечение информации из клинических записей.

Производство

Мониторинг производственного оборудования, предиктивное обслуживание, аналитика IoT и повышение операционной эффективности.

E-commerce

Оптимизация складов и цепочек поставок, прогнозирование спроса, визуальный поиск, персонализированные предложения, а также рекомендательные системы.

Финансы

Оценка и анализ рисков, выявление мошенничества, автоматизированная торговля и оптимизация обработки запросов.

Телекоммуникации

Интеллектуальные сети и оптимизация сетей, предиктивное обслуживание, автоматизация бизнес-процессов, планирование модернизации и прогнозирование пропускной способности.

Этой статьей я открываю безымянное Медиа, где буду разбирать генеративные ИИ, стартапы на их основе, и просто погружать Тебя, мой любопытный читатель, в мир Искусственного Интеллекта.

Если Ты дочитал до конца - жми лайк, чтобы каждый ВиСишник разбирался в теме и мог аргументированно кашлять кровью в комментах.

И подписывайся, или не подписывайся - сам разберешься.

💜