Изкуственият интелект (AI) и машинното обучение са термини, които много често се споменават през последните няколко години в технологичната индустрия, но какво точно означават те? Всеки, който е поне малко запознат с научно-фантастичните визии, вероятно има представа за изкуствения интелект.
Двата термина често се смесват и неправилно се използват взаимозаменяемо, особено от маркетинговите отдели, които искат да продадат нещо на по-висока цена от реалната му. Всъщност изкуствената интелигентност и машинното обучение са много различни неща, с много различни последици за това какво могат да правят компютрите и как те взаимодействат с нас, споделят от android authority.
Всичко започва с невронните мрежи
Машинното обучение е компютърната парадигма, която води до растежа на „големите данни“ и изкуствения интелект. То се основава на развитието на невронни мрежи и дълбокото обучение. Обикновено това се описано като имитация на начина, по който хората се учат, но това е малко погрешно определение. Машинното обучение всъщност се отнася до статистически анализ и итеративно обучение.
Вместо да се изгражда традиционна програма, състояща се от логически твърдения и дървета за вземане на решения (ако…, то…), невронната мрежа е изградена специално за обучение и учене посредством паралелна мрежа от неврони, всяка от които е създадена за конкретна цел.
Естеството на всяка конкретна невронна мрежа може да бъде много сложно, но ключът към начина, по който те функционират, е чрез прилагане на тежести (или важни фактори) на някакъв атрибут на входа. Използвайки мрежи от различни тежести и слоеве, възможно е да се получи вероятност или оценка, че вашият вход съвпада с един или повече от определените изходи.
Проблемът с този тип изчисления, както и редовното програмиране, е зависимостта му от начина, по който човешкият програмист го задава. Пренастройването на всички тези тежести, за да прецизирате точността на изхода, може да отнеме прекалено много часове усилена работа, за да бъде осъществимо. Невронната мрежа преминава в областта на машинното обучение, след като се въведе коригираща обратна връзка.
Машинно обучение
Чрез мониторинг на изхода, сравнявайки го с входа и постепенно променяйки теглото на невроните, мрежата може да се обучи за подобряване на точността. Важната част тук е, че алгоритъмът за машинно обучение е способен да се учи и действа без програмисти, като уточнява всяка възможност в рамките на набор от данни. Не е необходимо предварително да дефинирате всички възможни начини. Обучението на мрежата може да се извърши по много различни начини, но всички са свързани с груба сила – сортират се много големи количества данни за много кратко време.
Веднъж обучен, алгоритъмът за машинно обучение е в състояние да сортира чисто нови входове през мрежата с голяма скорост и точност в реално време. Това го прави основна технология за компютърно виждане, гласово разпознаване, езикова обработка, както и научноизследователски проекти. Невронните мрежи понастоящем са най-популярният начин да се направи Deep Learning, но съществуват и други начини за постигане на машинно обучение.
Изкуствен интелект
Изкуственият интелект е машина, която може да изпълнява задачи, характерни за човешката интелигентност, като учене, планиране и вземане на решения. Изкуственият интелект може да бъде разделен на две основни групи – приложен и общ. Приложният изкуствен интелект е много по-възможен в момента. Той е проектирана да изпълнява конкретни задачи. Това може да бъде търговия с акции, управление на трафика в един град или помага за диагностициране на пациентите. Задачата или областта на разузнаването е ограничена, но все още има възможности за приложно учене за подобряване ефективността на изкуствения интелект.
Общият изкуствен интелект, както подсказва и името, е с по-широк обхват и е по-способен. Той може да се справи с по-широк кръг от задачи, да разбере почти всички данни и следователно може да мисли по-добре, точно като хората. Общият AI теоретично би могъл да се научи извън оригиналния набор от знания, което потенциално би довело до невероятен ръста на неговите способности.
Машинното обучение, като част от една по-сложна система, е от съществено значение за постигането на софтуер и машини, способни да изпълняват задачи, характерни за и сравними с човешката интелигентност.
Настояще и бъдеще
Вече има приложения за машинно обучение и изкуствен интелект. Все още сме далеч от общ AI, но ако сте използвали Google Assistant или Amazon Alexa, вече сте взаимодействали с форма на приложен AI. Машинното обучение, използвано за езикова обработка, е един от ключовите фактори за съвременните интелигентни устройства, макар че те със сигурност не са достатъчно интелигентни, за да отговорят на всичките ви въпроси.
Интелигентните домове са друг пример за използване на изкуствен интелект. Машинното обучение се използваше известно време в областта на големите данни и тези случаи на употреба все повече навлизат в територията на AI. Google го използва за своите инструменти за търсене. Facebook го използва за рекламна оптимизация. Вашата банка вероятно го използва за предотвратяване на измами.
Има голяма разлика между машинното обучение и изкуствения интелект, макар че първото е много важен компонент на второто. Със сигурност в бъдеще все повече ще чуваме да се споменават тези два термина, и това може би ще помогне на хората по-добре да ги разберат.
Вижте защо процесорите за смартфони вече използват изкуствен интелект
Discussion about this post