Sztuczna inteligencja a uczenie maszynowe – czym te technologie się różnią?

Wokół sztucznej inteligencji narosło wiele mitów i mylnych koncepcji. Dla wielu osób ta technologia wciąż jest mało zrozumiała, a pojęcia takie jak sztuczna inteligencja, uczenie maszynowe (ML) czy uczenie głębokie (DL) często się ze sobą mieszają. Aby rozjaśnić, o co w tym wszystkim chodzi, przygotowaliśmy artykuł, który wyjaśnia różnice między AI i ML.

Chociaż sztuczna inteligencja towarzyszy nam tak naprawdę na każdym kroku (żeby wspomnieć tylko o rekomendacjach filmów na Netflixie czy inteligentnym Asystencie Google, którego w kieszeni ma każdy użytkownik smartfona z Androidem), to tak naprawdę wciąż zadajemy sobie pytania o prawdziwą istotę AI. A jeśli dodać do tego jeszcze uczenie maszynowe, to już w ogóle to wszystko robi się skomplikowane. Dlatego dzisiaj same podstawy. Zacznijmy od AI.

Czym tak naprawdę jest sztuczna inteligencja?

Aby odpowiedzieć na to pytanie, posłużmy się definicją zaproponowaną przez Andrew Moora[1], dziekana Computer Science na Uniwersytecie Carnegie Mellon w stanie Pensylwania:

„Sztuczna inteligencja to nauka i inżynieria umożliwiająca zachowanie komputerów w sposób, który do niedawna uważaliśmy za wymagający ludzkiej inteligencji.”

I faktycznie, szeroko rozumiana dziedzina AI zajmuje się tworzeniem algorytmów i maszyn, które pozwalają realizować „inteligentne” zadania bez konieczności udziału człowieka. W efekcie, mamy do czynienia z aplikacjami i innymi rozwiązaniami, które w sposób automatyczny:

  • Podpowiadają nam co może się nam spodobać
  • Prowadzą z nami rozmowę i odpowiadają na pytania
  • Pomagają w pracach badawczych (np. nad nowymi lekami)
  • Realizują pracę, która do niedawna wymagała udziału człowieka (np. w fabrykach i przedsiębiorstwach produkcyjnych)

Sztuczna inteligencja jest technologią, która nieustannie się rozwija, jednak nadal ma swoje ograniczenia. Spodziewamy się, że niedalekiej przyszłości uda się osiągnąć coś, co jest określane mianem sztucznej superinteligencji (z ang. ASI – Artificial SuperIntelligence), czyli rozwiązań, które inteligencją dorównują człowiekowi. Jednak póki co jest to sfera przyszłości. Obecnie algorytmy AI pracują raczej nad czynnościami, które:

  1. Nie są zanadto złożone
  2. Zajmują dużo czasu
  3. Są powtarzalne

SZTUCZNA INTELIGENCJA W CZASACH INDUSTRY 4.0

Nie oznacza to w żadnym razie, że AI jest technologią, która nie ma większego wpływu na nasze funkcjonowanie. Jest wręcz przeciwnie, a AI stanowi główny nurt rewolucji industry 4.0. To właśnie dzięki AI współczesne firmy mogą pracować szybciej i wydajniej, automatyzując wiele procesów i minimalizując koszty.

Obecnie najczęściej mamy do czynienia z następującymi zastosowaniami AI:

  • Inteligentni asystenci (Siri, Alexa, wspomniany już Asystent Google)
  • Wsparcie kierowcy (w jednym z wcześniejszych tekstów pokazywaliśmy, jak radzą sobie samochody Tesli z wbudowanym autopilotem. Tacy inteligentni asystenci kierowcy mogą też wykrywać pieszych czy przeszkody i alarmować kierowcę o niebezpieczeństwach)
  • Komunikacja i edukacja online (przede wszystkim chatboty i voiceboty, ale też rozpoznawanie mowy i systemy oceniające postępy uczniów)
  • Rekomendacje i wyszukiwanie produktów (personalizowane rekomendacje produktowe, wyszukiwanie produktów na podstawie zdjęć, a nie zapytań, wyszukiwanie produktów podobnych wizualnie do naszego)
  • Wirtualna i rozszerzona rzeczywistość (ten temat omówiliśmy w poprzednim tekście[link])
  • Autonomiczne urządzenia i roboty (pracujące w fabrykach, zakładach produkcyjnych, na magazynach)
  • ·  Zarządzanie łańcuchami dostaw i pracą flot pojazdów (tutaj przede wszystkim z wykorzystaniem Internetu Rzeczy).

Tak naprawdę ze sztucznej inteligencji korzysta obecnie prawie każdy sektor i branża. Inteligentne rozwiązania znajdziemy w firmach produkcyjnych, logistycznych, medycznych, doradczych, marketingowych, HR i wielu innych.

Jak zatem widzisz sztuczna inteligencja to nie jakaś pojedyncza technologia lub rozwiązanie. To całościowe podejście do sposobu działania urządzeń, maszyn i algorytmów, którego zadaniem jest odciążenie człowieka z wykonywania prostych powtarzalnych czynności.

I teraz pojawia się pytanie, czym zatem jest uczenie maszynowe (ang. ML – Machine Learning)?

Czym jest uczenie maszynowe (Machine Learning)?

Podstawowa trudność wynikająca z próby wyjaśnienia różnicy między sztuczną inteligencją i uczeniem maszynowym, wynika z faktu, że to nie są dwie oddzielne technologie. Przeciwnie, są to ściśle powiązane ze sobą technologie, które pracują na podobnej zasadzie. Podczas gdy AI jest szerokim pojęciem, ML stanowi rozwiązanie w pełni bazujące na AI. Możemy powiedzieć, że to poddział sztucznej inteligencji. Bardzo dobrze ilustruje to poniższa grafika:

Źródło grafiki: https://medium.com/ai-in-plain-english/data-science-vs-artificial-intelligence-vs-machine-learning-vs-deep-learning-50d3718d51e5

I tak, możemy powiedzieć, że uczenie maszynowe to technologia, która pozwala programom, algorytmom i aplikacjom uczyć się na bazie wcześniejszych danych i doświadczeń bez pomocy człowieka. Stąd też wzięła się nazwa, chodzi o samodzielne uczenie się maszyn.

O ile sztuczna inteligencja może mieć masę różnych zastosowań, o tyle ML jest nieco węższym pojęciem i na ogół sprowadza się do:

  • Wyszukiwania wzorów, korelacji i prawidłowości w danych
  • Klasyfikowania elementów
  • Przewidywania przyszłości i skutków określonych działań
  • Analizowania prawdopodobieństwa zaistnienia danego zdarzenia

Algorytmy i rozwiązania bazujące na machine learning na ogół są „wytrenowane” do wykonywania jednej określonej czynności. W ten sposób działają na przykład nowoczesne systemy antyspamowe. Algorytmy ML klasyfikują każdy e-mail jako bezpieczny albo szkodliwy. Te szkodliwe automatycznie trafiają do działu SPAM.

ML W MEDYCYNIE

Machine learning to technologia powszechnie wykorzystywana w medycynie. Weźmy za przykład analizę obrazów RTG/CT (tomograf). W normalnych warunkach potrzebny jest lekarz radiolog, który przeanalizuje każdy obraz i go opisze. Istnieją natomiast już rozwiązania bazujące na uczeniu maszynowym, które wykonują tę pracę automatycznie. Algorytm analizuje każdy obraz, wyszukuje potencjalnych symptomów choroby i opisuje przeanalizowany obraz. W ten sposób działa na przykład rozwiązanie oferowane przez amerykańską firmę VIZ.ai.

DO CZEGO WYKORZYSTYWANE JEST UCZENIE MASZYNOWE?

O dwóch przykładach już wspomnieliśmy, ale zastosowań ML jest znacznie więcej! W tym miejscu należy wspomnieć o takich elementach, jak:

  • Rekomendacje produktowe (algorytm, na bazie Twoich wcześniejszych zakupów lub wyborów uczy się, jakie produkty/materiały powinny Ci się spodobać)
  • Klasyfikacja obrazów (po wytrenowaniu algorytmu, jest on w stanie samodzielnie określać czy na danym obrazku jest pies, czy kot, choć to oczywiście uproszczony przykład)
  • Analiza danych (na tej podstawie algorytmy mogą prezentować rekomendacje co do dalszych działań lub predykcje co do przyszłych zdarzeń/scenariuszy)
  • Wykrywanie oszustw (z tego rozwiązania korzystają instytucje finansowe. Algorytmy ML mogą automatycznie wykryć podejrzaną aktywność na danym koncie bankowym i poinformować odpowiedniego konsultanta)
  • Monitoring video (często algorytmy widzenia komputerowego są zasilane dodatkową pomocą w postaci ML i pomagają wykrywać podejrzaną aktywność lub niepowołane osoby w danej przestrzeni)

Oczywiście zastosowań jest dużo więcej i będziemy o nich mówić w jeszcze niejednym poście na naszym blogu, dlatego już teraz zachęcamy Cię do regularnego śledzenia DIH4.ai! 🙂

 

[1] https://www.forbes.com/sites/peterhigh/2017/10/30/carnegie-mellon-dean-of-computer-science-on-the-future-of-ai/?sh=76ecefa92197