В духе музыкальной звезды с одним именем AI и его близкий компаньон, ML, функционируют в сфере, недоступной для большинства технологий, в месте, где их простые инициалы несут волшебную атмосферу. Но искусственный интеллект и машинное обучение иногда оказываются в тени собственной шумихи, реальность сияет не так ярко, как пылающие гиперболы.
Загвоздка частично заключается в понимании терминов. AI и ML иногда рассматриваются как взаимозаменяемые или синонимичные, когда на самом деле последний является подмножеством первого. ИИ охватывает гораздо больше территории, хотя и не так много, как иногда представляют, а машинное обучение, несмотря на быстрое развитие, все еще должно пройти еще много миль.
Начните тогда с определения терминов. Искусственный интеллект относится к машинам, воспроизводящим когнитивную работу человеческого разума. Машинное обучение относится к тому, что машины обучаются сами, а не программируются для выполнения работы.
Начиная с этого момента, различия становятся более ясными, более яркими. Чат-бот отвечает на вопросы, а затем звонит людям после обнаружения повышения уровня агитации клиента и вполне подходит под категорию искусственного интеллекта. Эти системы уже широко используются. Они вполне подходят под категорию искусственного интеллекта. Машина, которая может научиться обнаруживать волнение, а не быть запрограммирована на это, гораздо сложнее и намного более далека от текущей реальности, хотя эти достижения уже идут.
Понимание того, как автоматизация может повлиять на жизнь как дома, так и на рабочем месте, требует понимания того, где она находится сейчас, в то время, когда развитие технологий происходит с головокружительной скоростью, а ее потенциал остается огромным и все еще в значительной степени нереализованным.
В другом смысле такая ветвь ИИ, как роботизированная автоматизация процессов, хотя и далека от полного развития, значительно продвинулась в процессе созревания по сравнению с машинным обучением, чье будущее блестит, но чье появление еще не наступило.
Как объяснил Хайрам Андерсон, технический директор по науке о данных в Endgame: Может потребоваться еще несколько лет, чтобы перейти от «крутого исследования к полезному продукту.
Некоторые мощные примеры ИИ уже преобладают в американской жизни: Siri, Alexa и Google Assistant становятся повсеместными, и концепция расширяется в геометрической прогрессии. Amazon и Netflix — лишь самые заметные из растущего числа компаний, которые сильно зависят от ИИ в своей повседневной работе.
Google, конечно же, внес наибольший вклад в машинное обучение, развернув свою систему, способную идентифицировать кошек среди множества других объектов, а затем классифицировать предметы. Это была демонстрация многообещающих возможностей машинного обучения, которое, как предполагается, однажды станет центральным игроком дома и на работе, сейчас учится у людей, а позже возьмет на себя управление самостоятельно.
Инвестиции в технологии такого рода будут только увеличиваться по мере того, как в прошедшие годы потенциал переходит от теории к реальности. Но для малых предприятий, стремящихся принимать трудные решения о том, как разумно тратить на фоне нарастающего шума по поводу молниеносного роста ИИ и машинного обучения, умные деньги по-прежнему находятся на технологии, уже проверенной и надежной под прежним зонтиком, с твердым взглядом на быстрое развитие. эволюция последнего, чей день обязательно придет.
