Различия между машинным обучением и ИИ

Чем ИИ отличается от машинного обучения

ИИ относят к устройствам, которое в той или иной форме имитирует интеллект человека. Существует множество методов искусственного интеллекта, и машинное обучение можно назвать одним из них. Также не стоит забывать о глубоком обучении, которое является подмножеством ML и использует многослойные нейронные сети для сложных задач.

Сегодня ИИ символизируется интерактивными интерфейсами Google Home, Siri и Alexa; системами прогнозирования для видео у Netflix, Amazon и YouTube; алгоритмами хедж-фондов, используемых для совершения микротранзакций. Эти технологические достижения постепенно становятся важными в нашей повседневной жизни. Фактически, они являются умными помощниками, которые делают нас более продуктивными.

Искусственный интеллект будет использовать другой подход для решения поставленной задачи. Ему не потребуется маркировать изображения, так как он самостоятельно определит специфические особенности каждой картинки. После обработки данных ИИ найдет соответствующие идентификаторы на изображениях и сможет их классифицировать.

Если чат-бот имеет ИИ, то он без труда сможет понять общий контекст фразы, сравнив ее с похожими запросами и проанализировав лексику. Он сможет подобрать ответ на фразу с ошибками и т. д. Плюс такого чат-бота и в том, что со временем он сможет все лучше понимать пользователя и более точно отвечать на запросы.

Сегодня технологии применяются для проблем, которые невозможно решить при помощи классического программирования. Поэтому многие сферы, такие как распознавание лиц, классификация изображений, обработка естественных языков, долгое время остававшиеся в стагнации, получили огромный скачок в развитии. Это привело к новой популярности искусственного интеллекта в последние годы, а вместе с ним востребовано стало и машинное обучение.

«Обучение с подкреплением» («reinforcement learning»), третий популярный способ машинного обучения, направлен на использование наблюдений, собранных в результате взаимодействия с окружающей средой, для принятия мер, которые максимизируют выигрыш. В этом случае алгоритм обучения подкрепления (называемый агентом) непрерывно учится из своей среды на протяжении многих итераций. В конце каждой итерации в модели обновляются значения весов – вероятность лучших исходов на каждом шаге.

Почему современные компании постоянно используют эти термины как будто они значат одно и то же?

Все вышеперечисленное привело к возрождению шумихи вокруг искусственного интеллекта. Поэтому многие организации считают более выгодным использовать абстрактный термин «ИИ», который источает мистическую ауру, а не рассказывать более конкретно о том, какие технологии они используют. Это помогает им лучше продавать свои продукты.

Например, если предоставить программе машинного обучения много рентгеновских снимков с соответствующими симптомами, она сможет упростить или даже автоматизировать анализ рентгеновских изображений в будущем. Алгоритм будет сравнивать все эти разные изображения и находить общие шаблоны на изображениях, которые были помечены аналогичными симптомами. Кроме того, если добавить еще изображений, алгоритм будет сравнивать содержимое с установленными шаблонами, и сможет определять вероятность наличия симптомов, которые он выучил.

Особенность искусственного интеллекта в том, что он может анализировать данные, сравнивать похожие запросы и т. д. Кроме этого, ИИ способен учиться, то есть со временем все лучше и быстрее «понимать» данные. Это ярко видно на примере чат-ботов. При использовании чат-бота без AI программист записывает все реплики и триггеры, на которые будет отвечать программа. Поэтому такой чат-бот поймет только однозначные реплики, а нетипичные фразы введут его в ступор.

Существует множество задач, с которыми под силу справиться только AI. Например, распознавание голоса и лица, сортировка изображений и т. д. Если говорить о том, какие задачи решает искусственный интеллект, то он обучается и оперирует знаниями для того, чтобы заменить людей-экспертов. Основная задача – научить ИИ думать как живой человек и по аналогии находить способы решения задач.

«Обучение без учителя» («unsupervised learning»), еще один метод машинного обучения – это семейство алгоритмов машинного обучения, которые в основном используются для поиска шаблонов и описательного моделирования («descriptive modeling»). Эти алгоритмы не имеют выходных категорий или меток данных (модель обучается с немаркированными данными).

Получается, что определение ИИ сильно зависит от прогресса в технологиях. Машинное обучение лишь один из примеров. В прошлом для создания ИИ использовались совершенно другие методы. Например, Deep Blue, ИИ который победил чемпиона мира по шахматам в 1997 году, использовал алгоритмы поиска по дереву для оценки миллионов ходов на каждом шагу.

Термин «искусственный интеллект» был введен в 1956 году группой исследователей, включая Аллена Ньюэлла и Герберта Саймона. После этого индустрия ИИ пережила множество колебаний. В первые десятилетия вокруг индустрии было много шумихи, и многие ученые согласились с тем, что искусственный интеллект человеческого уровня не за горами. Однако этого так и не произошло, поэтому для области наступили грустные времена: финансирование и интерес к ИИ значительно сократились.

Согласно статистике, использование искусственного интеллекта за последние 5 лет выросло практически на 270%. А к концу прошлого года рынок ИИ составил рекордные 157 млрд долларов – и это несмотря на начинающийся кризис и пандемию. Эти цифры означают, что все больше компаний внедряют искусственный интеллект или машинное обучение в свои программы, приложения и утилиты. Требуется это для повышения удобства пользователей и упрощения многих процедур.