В чём разница?
Ищем и находим разницу во всём

Разница между Искусственным интеллектом и Машинным обучением

От компьютерной фотографии в наших приложениях для смартфонов до современных чат-ботов, таких как ChatGPT, искусственный интеллект присутствует практически везде. Но если вы посмотрите немного глубже, то заметите, что термины «Искусственный Интеллект» и «Машинное Обучение» часто используются как взаимозаменяемые. Однако, несмотря на это запутанное повествование, ИИ по-прежнему является отличной концепцией от МО.

Разница между ИИ и МО становится все более важной в эпоху таких достижений, как GPT-4. Это потому, что некоторые исследователи считают, что мы сделали первые шаги к созданию компьютеров, почти таких же интеллектуальных, как интеллект у обычного человека. Такие задачи, как творческое рисование, написание стихов и логическое рассуждение, когда-то были недоступны машинам, и все же теперь эта грань стала размытой.

Итак, имея все это в виду, давайте разберемся, чем ИИ отличается от МО, особенно в контексте реальных примеров.

БЫСТРЫЙ ОТВЕТ

Искусственный интеллект может использоваться для широкого описания любой системы, которая может принимать решения, подобные человеческим. С другой стороны, Машинное обучение — это подтип ИИ, который использует алгоритмы для анализа большого, но специфичного набора данных. Затем он может использовать это обучение, чтобы делать прогнозы в будущем. Машинное обучение обладает некоторой автономией, когда дело доходит до изучения новых концепций, но это не гарантируется одним только ИИ.

Что такое Искусственный Интеллект (ИИ)?

Искусственный интеллект — это очень широкий термин, который описывает способность машины выполнять сложные интеллектуальные задачи. Определение ИИ эволюционировало с годами, возможно, вы рассматриваете научные калькуляторы как форму ИИ. Но в наши дни нам нужна система искусственного интеллекта для выполнения более сложных задач.

Искусственный Интеллект (ИИ) может имитировать способность людей принимать решения, но это не значит, что он учится на собственном опыте.
Искусственный Интеллект (ИИ) может имитировать способность людей принимать решения, но это не значит, что он учится на собственном опыте.

Вообще говоря, все, что может имитировать способности человека принимать решения, может быть классифицировано как ИИ. Банки, например, используют ИИ для анализа рынков и выполнения анализа рисков на основе набора правил. Аналогичным образом, поставщики услуг электронной почты также используют ИИ для обнаружения спама в вашем почтовом ящике. И, наконец, навигационные приложения, такие как Яндекс навигатор, Apple Maps и Google Maps, используют систему искусственного интеллекта, чтобы предложить самый быстрый маршрут к месту назначения в зависимости от трафика и других факторов.

Однако все эти примеры подпадают под сферу действия «узкого ИИ». Проще говоря, они преуспевают только в одной или двух задачах и не могут многого добиться за пределами своих областей знаний. Представьте, что вы просите беспилотный автомобиль выиграть партию в шахматы у гроссмейстера. У него просто не было никакой подготовки для выполнения последней задачи, в то время как для специализированного ИИ, такого как AlphaZero, верно обратное.

Что такое Общий Искусственный Интеллект (ОИИ)?

Действительно, большинство приложений реального мира, которые мы видели до сих пор, были примерами узкого ИИ. Но изображения ИИ, которые вы, вероятно, видели в фильмах, известны как общий ИИ или общий искусственный интеллект (ОИИ ). В двух словах, общий ИИ может имитировать человеческий разум для обучения и выполнения широкого спектра задач. Некоторые примеры включают критику эссе, создание произведений искусства, обсуждение психологических концепций и решение логических задач.

В последнее время некоторые исследователи считают, что мы добились успехов в создании первой системы ОИИ с GPT-4. Он может использовать логические рассуждения для ответа на гипотетические вопросы, даже без специального обучения. Более того, он в первую очередь предназначен для функционирования в качестве большой языковой модели, но может решать математические задачи, писать код и многое другое.

Однако стоит отметить, что ИИ не может полностью заменить человека. Несмотря на то, что вы, возможно, слышали, даже продвинутые системы, такие как GPT-4, не являются разумными или сознательными. Хотя GPT-4 может замечательно генерировать текст и изображения, у неё нет чувств или способности делать что-либо без инструкций. Таким образом, несмотря на то, что чат-боты, такие как Bing Chat, печально известны тем, что генерируют предложения типа «Я хочу быть живым», они не находятся на том же уровне, что и люди.

Что такое Машинное Обучение (МО)?

Машинное обучение сужает область применения ИИ, поскольку оно сосредоточено исключительно на обучении компьютера тому, как отслеживать закономерности в данных, извлекать их особенности и делать прогнозы на основе совершенно новых входных данных. Вы можете думать об этом как о подмножестве ИИ – одном из многих путей, которые вы можете использовать для создания ИИ.

Машинное обучение — один из самых популярных способов создания ИИ в наши дни.
Машинное обучение — один из самых популярных способов создания ИИ в наши дни.

Чтобы понять, как работает машинное обучение, давайте возьмем Google Lens в качестве примера. Это приложение, которое вы можете использовать для идентификации объектов в реальном мире с помощью камеры вашего смартфона. Если вы укажете на птицу, она определит правильный вид и даже покажет вам похожие картинки.

Итак, как это работает? Google запустил алгоритмы машинного обучения на большом наборе данных помеченных изображений. Большое количество из них включало различные типы птиц, которые анализировал алгоритм. Затем он обнаружил такие закономерности, как цвет, форма головы и даже такие факторы, как клюв, чтобы отличать одну птицу от другой. После обучения он может делать прогнозы, анализируя будущие изображения, в том числе те, которые вы загружаете со своего смартфона.

Отличие методов Машинного Обучения

Как вы, возможно, уже догадались, точность машинного обучения повышается по мере увеличения объема обучающих данных. Однако обработка больших объемов данных — не единственный критерий для создания хорошей модели машинного обучения. Это потому, что существует много разных типов машинного обучения, которые влияют на то, как они работают:

  1. Контролируемое обучение: при контролируемом обучении алгоритм машинного обучения получает помеченные обучающие данные, которые направляют его к конечному результату. Представьте, что в одной папке полно изображений собак, а в другой — кошек. Этот подход требует изрядной доли человеческого контроля, но может привести к более точным прогнозам при том же объеме данных.
  2. Неконтролируемое обучение: как следует из названия, в неконтролируемом обучении используется немаркированный набор данных. Это означает, что алгоритм машинного обучения должен находить закономерности и делать свои собственные выводы. При достаточно большом наборе данных это не проблема.
  3. Обучение с подкреплением: с помощью обучения с подкреплением машина учится делать правильные прогнозы на основе вознаграждения, которое она получает за это. Например, она может научиться играть в шахматы, совершая случайные действия на доске, прежде чем осознает последствия неудачного хода. В конце концов, машина научится играть без проигрыша.
  4. Трансферное обучение: этот метод машинного обучения использует предварительно обученную модель и улучшает ее возможности для решения различных задач. Например, трансферное обучение может помочь модели, которая уже знает, как выглядит человек, идентифицировать конкретные лица. Последнее может пригодиться в таких случаях, как распознавание лиц на смартфонах.

В наши дни алгоритмы машинного обучения могут обрабатывать чрезвычайно большие объемы данных. ChatGPT, например, был обучен почти на половине терабайта текста.

Искусственный Интеллект (ИИ) и Машинное Обучение (МО): в чем разница?

До сих пор мы обсуждали, что представляет собой искусственный интеллект и машинное обучение. Но чем они отличаются?

Давайте возьмем чат-бота, такого как Bing Chat или Google Assistant, в качестве примера. В широком смысле, это примеры ИИ, поскольку они могут выполнять множество задач, которые когда-то были под силу только людям. Однако каждая из их базовых функций зависит от алгоритмов МО. Например, оба могут понимать естественный язык, распознавать ваш голос и преобразовывать его в текст, и даже убедительно отвечать. Все это требовало интенсивного обучения, как контролируемого, так и неконтролируемого, так что вопрос не в МО против ИИ, а в том, как одно дополняет другое.

Искусственный интеллект (ИИ)Машинное обучение (МО)
Сфера примененияИИ - это широкий термин, охватывающий множество интеллектуальных задач, подобных человеческим.МО - это подмножество ИИ, это подмножество ИИ, которое конкретно относится к машинам, обучающимся делать точные прогнозы.
Принятие решенийИИ может использовать правила для принятия решений, что означает, что он следуют установленным критериям для решения проблем. Но он также может включать МО и другие методы.Алгоритмы МО всегда используют большие наборы данных для извлечения функций, поиска шаблонов и построения модели прогнозирования.
Человеческий вкладМожет потребовать изрядного человеческого контроля, особенно для систем, основанных на правилах.Может работать автономно, как только алгоритмы закончат обучение на наборе данных.
Варианты использованияАнализ финансовых рисков, навигация, робототехника.Чат-боты, такие как Google Bard, распознавание изображений, беспилотные автомобили.

Оставьте комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *