Две наиболее популярные тенденции в области технологий в настоящее время — это машинное обучение и искусственный интеллект. Эти два термина часто используются как взаимозаменяемые, однако между ними существуют тонкие, но важные различия.
Во многих отношениях машинное обучение является разновидностью искусственного интеллекта. Кроме того, термин "искусственный интеллект" появился раньше, чем "машинное обучение", пишет ITPro.
В чем разница?
По сути, искусственный интеллект включает в себя попытки научить машины думать как человек. Согласно известному тесту Тьюринга, систему можно было бы назвать умной, если бы человек-эксперт не мог отличить поведение системы от поведения человека. Тем не менее современным технологиям еще далеко от достижения этой цели, так что, на данный момент, искусственный интеллект просто означает создание систем, которые хорошо делают то же, что и люди.
Машинное обучение также восходит к середине двадцатого века. Артур Самуэль определяет машинное обучение как "способность устройства к обучению, не будучи явно запрограммированным".
Машинное обучение
Дисциплина машинного обучения "пребывала в немилости" несколько десятилетий (так же, как искусственный интеллект), но после того как в конце прошлого века начал развиваться поиск закономерностей в базах данных, возникла необходимость в алгоритмах для поиска образцов в каждом наборе данных. Машинное обучение делает это и даже чуть больше — учится в процессе, постепенно повышая производительность.
Кроме того, машинное обучение используется для распознавания изображений. Эти приложения изначально обучались людьми — посмотреть на изображение и описать увиденное. Использовав в процессе обучения тысячи или миллионы изображений, система машинного обучения может посмотреть на пиксели и решить, что изображено на картинке: собака, дом, цветы или человек.
Машинное обучение также используется в рекомендательных движках. Алгоритмы помогают Facebook решить, что показать в новостной ленте, или определить, какие продукты будет рекламировать вам Amazon.
Компании в настоящее время обращаются к машинному обучению, чтобы провести прогнозный анализ, поскольку анализ больших объемов данных становится все более распространенным. Связь со статистикой, извлечение данных и прогнозный анализ стали достаточно влиятельными, чтобы некоторые смогли утверждать, что машинное обучение — отдельная от искусственного интеллекта область.
Причина этого заключается в том, что такую интеллектуальную технологию, как обработка естественного языка или автоматизированное формирование рассуждений, можно сделать без машинного обучения. Системам машинного обучения не всегда нужно обладать другими особенностями искусственного интеллекта.
Искусственный интеллект
Существуют сотни вариантов использования искусственного интеллекта, и продолжают появляться еще больше, т.к. компании используют технологию для решения бизнес-задач.
Один из самых популярных вариантов использования искусственного интеллекта сегодня — голосовые помощники. Microsoft Cortana, Siri, Google Assistant и Amazon Alexa занимают ключевое место в "умном доме" и смартфонах, где пользователи могут заказать обед через виртуального собеседника или контролировать домашнее освещение с помощью голосового помощника. Но Alexa теперь является лишь внешним интерфейсом для другого отраслевого виртуального собеседника, davis, который позволяет ИТ-администраторам выявлять и устранять проблемы в ИТ-инфраструктуре, задавая davis вопросы.
Есть вполне обоснованные опасения, что искусственный интеллект заменит на работе человека, например, в вводе данных. Оксфордский университет прогнозирует, что около 35% рабочих мест в Великобритании могут быть автоматизированы в ближайшие 20 лет.
Путаница
Есть и другие термины, связанные с предметом. Искусственные нейронные сети предназначены для обработки информации максимально приближенным к действию мозга образом. Но здесь все усложняется тем, что искусственные нейронные сети также весьма хороши в машинном обучении.
Такие нейронные сети формируют основу глубинного обучения, которое само по себе является формой машинного обучения. Эти базовые наборы алгоритмов машинного обучения используют сотни или тысячи графических процессоров для обработки большого количества данных одновременно.
Не беспокойтесь, если все это кажется вам запутанным — ученые в этой сфере до сих пор спорят о точных определениях машинного обучения и искусственного интеллекта и, вероятно, этот спор затянется еще надолго.