Sztuczna inteligencja, a machine learning – różnice i podobieństwa

Sztuczna inteligencja, a machine learning - różnice i podobieństwa_quatraco

Sztuczna inteligencja, jeszcze nie tak dawno kojarzona wyłącznie z filmami science-fiction, obecnie jest jedną z najważniejszych rozwijanych technologii. Z wielu rozwiązań opartych o sztuczną inteligencję korzystamy od lat, często nieświadomie. Niektóre z nich wykorzystują machine learning (czyli zdolność systemu do autonomicznego uczenia się). Czym jest sztuczna inteligencja, a czym machine learning? Co je łączy, a co dzieli?

Czym jest AI (sztuczna inteligencja)

Sztuczna inteligencja (AI, artificial intelligence) to dziedzina nauki, która skupia się na tworzeniu i wdrażaniu systemów naśladujących ludzką inteligencję. Współcześnie zastosowania z zakresu AI obejmują coraz więcej obszarów naszego życia, by docelowo nauczyć się naszego sposobu myślenia i wyręczać nas w codziennych obowiązkach.

Termin “sztuczna inteligencja” nie powstał w obecnej, ani nawet w poprzedniej dekadzie. Pierwsze rozważania na temat AI znamy już z XVII wieku, kiedy to Kartezjusz, francuski uczony, jeden z najwybitniejszych inteleków minionych lat, przewidział rozwój takiej technologii. Opracowane przez niego założenia stanowiły wstępne ramy koncepcyjne testu Turinga, który sprawdza, w jakim stopniu dana maszyna potrafi naśladować myślenie ludzkie.

Warto dodać, że test Turinga opracowano w latach 50. ubiegłego wieku, a jego zaliczenie udało się dopiero w 2014 przez program Eugene Goostman. Kryterium zaliczenia było przekonanie co najmniej 30% sędziów, że rozmawiają z człowiekiem, a nie z maszyną. Eugene Goostman postawił poprzeczkę 3 punkty procentowe ponad minimalną granicę.

AI w drugiej dekadzie XXI wieku

Współcześnie rozwiązania z zakresu sztucznej inteligencji są stosowane na szeroką skalę. Każdy, kto korzystał z asystenta Google lub Siri, może z czystym sumieniem przyznać, że korzystał z rozwiązań opartych o AI. Wirtualni asystenci analizują dane dostarczone przez użytkownika i starają się dostarczyć wynik, który z największym prawdopodobieństwem będzie trafny. Dzięki temu wyręczają nas w planowaniu kalendarza, wykonują połączenie telefoniczne zgodnie z naszym życzeniem, a nawet opowiadają dowcipy.

Wymiernych korzyści z zastosowania AI warto doszukiwać się przede wszystkim w biznesie. Ogólną korzyścią z zastosowania AI jest możliwość zastąpienia miejsc pracy systemami wykorzystującymi tę technologię. Według Stuarta Armstronga, naukowca z Uniwersytetu Oksfordzkiego, do 2040 roku sztuczna inteligencja dorówna poziomowi intelektu naturalnego – wówczas pomiędzy człowiekiem a systemem będzie można postawić znak równości.

Walka z naturą może okazać się mieczem obosiecznym – tak przynajmniej twierdzą sceptycy, którzy z niepokojem obserwują rozwój technologii przyswajającej wiedzę w tempie błyskawicznym. Należy pamiętać, że technologia sama w sobie nie stanowi zagrożenia. Wykorzystanie jej zgodnie z określonymi normami etycznymi i prawnymi będzie dawać nam przede wszystkim korzyści. AI to szansa na intensywny wzrost gospodarczy.

Sztuczna inteligencja w praktyce

Ciekawym przykładem zastosowania AI w biznesie są systemy rekomendacji. Systemy rekomendacji obejmuje szeroki zakres narzędzi, które przetwarzają informacje o użytkownikach i na tej podstawie doradzają mu treści, które najprawdopodobniej zainteresują go. W zależności od profilu działalności biznesu może chodzić o między innymi o polecanie produktów (e-commerce) czy seriali, filmów (platformy streamingowe).

Systemy rekomendacji są zaimplementowane w takich usługach jak Netflix, YouTube, Spotify. Wspomniane platformy skupiają ogromne, trudne do zobrazowania ilości materiałów. W 2019 roku na platformie YouTube co minutę pojawiało się 500 godzin filmów – konieczność ręcznej selekcji znacząco pogarszałaby doświadczenie użytkownika.

Z jednej strony – świadomość tego, że inni wiedzą o nas tak wiele, może być nieco przytłaczająca. Mając jednak na względzie korzyści, trudno obecnie wyobrazić sobie funkcjonowanie w internecie bez systemów rekomendacji, wykorzystujących AI.

Warto wspomnieć, że systemy rekomendacji (i nie tylko) wykorzystują rozwiązania z zakresu uczenia maszynowego, które… czym tak naprawdę jest? Czy określeń “artificial intelligence” i “machine learning” można używać zamiennie?

Czym jest machine learning?

Machine learning (uczenie maszynowe) to zdolność maszyn do autonomicznego opracowywania rozwiązań na bazie dostarczonych danych. Systemy uczenia maszynowego są programowane jedynie w ograniczonym zakresie – docelowo same mają wyciągać wnioski i się doskonalić. Sztuczna inteligencja wykorzystująca machine learning jest bardzo zbliżona do tego, w jaki sposób uczy się człowiek.

Rodzaje uczenia maszynowego

Uczenie maszynowe to odpowiedź na potrzeby wynikające z konieczności przetworzenia dużej ilości danych. To zagadnienie jest na tyle złożone, że można je podzielić na trzy różne rodzaje.

Pierwszym z nich jest uczenie nadzorowane (supervised learning), które polega na dostarczaniu zbioru danych i oczekiwanych odpowiedzi. Przykładowo – jeśli chcemy nauczyć maszynę rozpoznawania konkretnej osoby, trzeba dostarczyć dane (w tym przypadku zdjęcia) i informację, że na danych zdjęciach znajduje się konkretna osoba.

Przeciwieństwem uczenia nadzorowanego jest unsupervised learning, czyli uczenie nienadzorowane. Wówczas jedynym obowiązkiem użytkownika jest dostarczenie maszynie danych, która sama ma znaleźć pewne wzorce i na ich podstawie dokonać kategoryzacji.

Trzecim i zarazem ostatnim rodzajem uczenia maszynowego jest uczenie przez wzmacnianie, w którym wyróżnia się trzy podstawowe elementy – środowiska (najczęściej dwa – do trenowania i sprawdzania), agent i bufor. Jak łatwo zauważyć, uczenie przez wzmacnianie nie wykorzystuje przygotowanego zbioru danych – zadaniem tego systemu jest automatyczne zbieranie danych i wyciąganie wniosków na bazie sygnału – pozytywnego lub negatywnego.

Uczenie przez wzmacnianie można porównać do metody prób i błędów. W tej metodzie kluczowym elementem jest opracowanie wzorców reagowania na pewne bodźce. Maszyna, która dysponuje pewnym zestawem działań możliwych do podjęcia, z czasem sama uczy się, co należy zrobić w danej sytuacji.

Zastosowanie nauczania maszynowego

Machine learning ma coraz większy wpływ na świat biznesu. Z czasem to od niego może zależeć konkurencyjność przedsiębiorstwa na rynku. Zastosowanie tej technologii umożliwia automatyzację zadań, na które trudno byłoby znaleźć czas.

Popularnym zastosowaniem uczenia maszynowego jest opracowywanie modeli. W zależności od dostarczonych danych algorytm jest w stanie oszacować prawdopodobieństwo wywiązania się klienta z zobowiązań kredytowych czy skłonność do dokonania zakupu.

Przykładem aplikacji, która wykorzystuje uczenie maszynowe, są mapy Google. Na bazie otrzymanych danych aplikacja dobiera optymalną trasę, informuje o wzmożonym ruchu ulicznym, a czasami, drogą dedukcji, sama doradza, gdzie powinniśmy się wybrać.

Podobieństwa i różnice między AI a nauczaniem maszynowym

Uczenie maszynowe to jedno z podstawowych pojęć z zakresu sztucznej inteligencji. Obecnie jest to jeden z kluczowych trendów technologicznych w obszarze AI. Sztuczna inteligencja i uczenie maszynowe są ze sobą ściśle powiązane, jednak tych określeń nie można stosować zamiennie. ML to “zaledwie” poddziedzina sztucznej inteligencji, która swoją objętością obejmuje dużo szerszy zakres.

Podstawy sztucznej inteligencji z Quatraco!

Z AI wiążą się wielkie nadzieje. Postępujący rozwój tej technologii sprawi, że jako społeczeństwo zyskamy możliwość uwolnienia się od wielu zadań, w szczególności wymagających analizowanie dużych zbiorów danych. Jedynym ograniczeniem jest moc obliczeniowa, co z kolei stwarza pole do popisu w zakresie optymalizacji algorytmów.

Nie bez powodu giganci z branży IT inwestują w ten sektor miliardy dolarów. W perspektywie kilku lat AI będzie miało ogromny wpływ na to, w jaki sposób firma odnajduje się na rynku. Warto skorzystać z możliwości rozwoju w kierunku sztucznej inteligencji – w szczególności, że w obecnych czasach szkolenia w tym zakresie są realizowane w wirtualnych klasach.

Zdalna forma nauczania sprzyja osobom, które ze względu na ograniczone możliwości czasowe nie są w stanie pojawić się w sali szkoleniowej. Nierzadko szkolenie w formie offline wiąże się z dodatkowymi kosztami, które mogą stanowić kolejną barierę uniemożliwiającą zdobycie cennej wiedzy. W przypadku zainteresowania ofertą szkoleniową z zakresu sztucznej inteligencji – zapraszamy do kontaktu. Szkolenia AI oferowane przez Quatraco pomogą osobom na każdym etapie zaznajomienia z tematyką, także początkującym.

 

Udostępnij

Share on facebook
Facebook
Share on twitter
Twitter
Share on pinterest
Pinterest
Share on linkedin
LinkedIn

Rekomendowane artykuły

doradztwo i consulting IT_quatraco

Doradztwo i consulting IT

Dynamicznie zmieniający się rynek IT wymaga szybkich reakcji na rozwój technologii. Czasami pogodzenie tego z podstawową działalnością firmy – zwłaszcza, gdy rozwiązania IT są jedynie