Technologinių naujovių srityje du terminai dažnai susimaišo ir kartais netgi vartojami pakaitomis: mašininis mokymasis (ML) ir dirbtinis intelektas (AI). Nors šios sąvokos neabejotinai yra susijusios ir tarpusavyje susijusios, jos atspindi skirtingus platesnio technologijų ir kompiuterių mokslo kraštovaizdžio aspektus.
Mašininio mokymosi apibrėžimas
Mašinų mokymasis iš esmės yra dirbtinio intelekto pogrupis. Tai apima sistemas ir algoritmus, leidžiančius kompiuteriams mokytis iš duomenų ir pagerinti jų našumą atliekant konkrečias užduotis be aiškaus programavimo. Iš esmės ML algoritmai naudoja šablonus ir statistinius metodus, kad mašinos galėtų palaipsniui didinti savo galimybes.
Yra trys pagrindiniai mašininio mokymosi tipai:
– Prižiūrimas mokymasis: tai apima modelio mokymą naudojant pažymėtus duomenis, kai algoritmas mokosi iš įvesties ir išvesties porų ir numato rezultatus, kai gaunamas naujas įvestis.
– Neprižiūrimas mokymasis: pagal šį scenarijų modelis veikia su nepažymėtais duomenimis ir bando duomenų rinkinyje rasti šablonus ar struktūras be konkrečių išvesties nurodymų.
- Mokymasis sustiprintas: šis tipas apima algoritmų mokymąsi bandymų ir klaidų būdu sąveikaujant su aplinka. Sistema gauna grįžtamąjį ryšį kaip atlygį arba nuobaudas, pagrįstas jos veiksmais.
Dirbtinio intelekto supratimas
Kita vertus, dirbtinis intelektas yra platesnė sąvoka, apimanti mašinas ar sistemas, kurios gali atlikti užduotis, kurioms paprastai reikia žmogaus intelekto. AI siekia imituoti žmogaus intelekto procesus, tokius kaip mokymasis, samprotavimas, problemų sprendimas, suvokimas ir kalbos supratimas.
AI apima įvairias technologijas, įskaitant mašininį mokymąsi, bet apima ne tik jas. AI apima, pavyzdžiui, ekspertų sistemas, kurios yra taisyklėmis pagrįstos sistemos, imituojančios žmogaus eksperto gebėjimą priimti sprendimus konkrečioje srityje.
Pagrindiniai skirtumai
Nors mašininis mokymasis yra esminis AI komponentas, skiriasi jų taikymo sritis ir taikymas:
-
Taikymo sritis: Mašininis mokymasis yra AI pogrupis, daugiausia dėmesio skiriant įrenginiams mokytis iš duomenų. Kita vertus, dirbtinis intelektas apima platesnį technologijų ir metodikų spektrą, ne tik mokymąsi iš duomenų.
-
Taikymas: mašininio mokymosi algoritmai taikomi atliekant daugybę užduočių – nuo vaizdo atpažinimo iki natūralios kalbos apdorojimo ir rekomendacijų sistemų. Tačiau AI apima šias programas kartu su ekspertų sistemomis, robotika ir kitomis žmogaus intelektą imituojančiomis sritimis.
