Эти два термина «искусственный интеллект» и «машинное обучение» стали в наши дни повсеместными. Они часто используются взаимозаменяемо, однако с технической точки зрения эти два термина различны.

Искусственный интеллект (ИИ) — это отрасль информатики, которая фокусируется на том, чтобы заставить машины учиться и выполнять интеллектуальные задачи, как люди.

ИИ не обязательно означает, что роботы выполняют задачи за нас. Скорее, это уже часть нашей повседневной жизни в виде алгоритмов и моделей, используемых в различных продуктах, которые мы используем.

Всякий раз, когда кто-то использует переводчик Google для перевода текста с одного языка на другой или выбирает оптимальный путь, предложенный картами Google, этот человек взаимодействует с системой искусственного интеллекта.

Машинное обучение (ML) — это набор методов, которые машины используют для обучения на основе данных без специального программирования в предметной области. ML — это подмножество ИИ, которое помогает ему реализовать свое видение интеллектуальных машин.

Сегодня машинное обучение находит целый ряд вариантов использования, и ожидается, что в будущем его использование многократно увеличится.

Google и Yahoo используют машинное обучение для фильтрации спама и вредоносных программ в электронной почте. Их модели не просто состоят из набора правил для классификации электронной почты как спама, они сами генерируют новые правила на основе новых данных, с которыми имеют дело. Точно так же всякий раз, когда кто-то смотрит фильм на Netflix, рекомендованный им, этот человек взаимодействует с системой искусственного интеллекта на основе машинного обучения.

Помимо машинного обучения, у ИИ есть много других областей. Обучение с подкреплением (RL) — это одна из таких областей, которая не требует от системы изучения базовых концепций перед принятием решения. Он фокусируется на подходе кнута и пряника, когда алгоритм поощряет определенный тип ответа и наказывает за неблагоприятный ответ. Обработка естественного языка (NLP) — это еще одна область ИИ, которая фокусируется на разработке языковых моделей для различных вариантов использования. Обобщение текста, преобразование голоса в текст и языковой перевод — вот некоторые из вариантов использования НЛП. НЛП включает модели, основанные как на машинном обучении, так и на основе статистики (не на основе машинного обучения).

Сегодня все основные отрасли используют ИИ и машинное обучение для повышения операционной эффективности. Ключевые отраслевые варианты использования ИИ включают:

  1. Здравоохранение: ИИ и машинное обучение используются в здравоохранении для прогнозирования лекарств. Основываясь на истории болезни пациента, эти технологии предсказывают вероятность развития у пациента серьезного заболевания задолго до того, как проявятся какие-либо реальные симптомы. Это может спасти миллионы жизней по всему миру.
  2. Банки и финансовые учреждения: AI и ML помогают банкирам разрабатывать модели, позволяющие лучше оценивать кредитоспособность и риск дефолта человека. Это может значительно повысить прибыльность банков.
  3. Защита: AI и ML помогают исследователям разрабатывать автономные системы защиты. Машины могут взять на себя роль людей в чувствительных операциях.

Мы движемся в будущее, окруженное интеллектуальными машинами. Только время может сказать, какие возможности это откроет для нас.