Sissejuhatus
Viimastel aastatel on tehisintellekt ja masinõpe tehnoloogiauudistes ja veebisaitidel sageli ilmuma hakanud. Sageli kasutatakse neid kahte sünonüümidena, kuid paljud eksperdid väidavad, et neil on peen, kuid tegelik erinevus.
Ja loomulikult on eksperdid mõnikord eriarvamusel nende erinevuste osas.
Üldiselt tundub aga selge olevat kaks asja: esiteks on termin tehisintellekt (AI) vanem kui termin masinõpe (ML) ja teiseks peab enamik inimesi masinõpet tehisintellekti alamhulgaks.
Tehisintellekt vs. Masinõpe
Kuigi tehisintellekti määratletakse mitmeti, on kõige laialdasemalt aktsepteeritud määratlus “arvutiteaduse valdkond, mis on pühendatud inimese intelligentsusega tavaliselt seotud kognitiivsete probleemide lahendamisele, nagu õppimine, probleemide lahendamine ja mustrite tuvastamine”, sisuliselt on see idee. et masinad võivad omada intelligentsust.
Tehisintellektil põhineva süsteemi süda on selle mudel. Mudel pole midagi muud kui programm, mis täiustab oma teadmisi läbi õppeprotsessi, tehes oma keskkonna kohta tähelepanekuid. Seda tüüpi õppepõhine mudel on rühmitatud juhendatud õppe alla. On ka teisi mudeleid, mis kuuluvad järelevalveta õppemudelite kategooriasse.
Ka väljend “masinõpe” pärineb eelmise sajandi keskpaigast. 1959. aastal Arthur Samuel defineeris ML-i kui “võimet õppida ilma selgesõnaliselt programmeerimata”. Seejärel lõi ta arvuti kaberakenduse, mis oli üks esimesi programme, mis suutis oma vigadest õppida ja aja jooksul jõudlust parandada.
Nagu AI-uuringud, langes ka ML pikka aega moest, kuid sai taas populaarseks, kui andmekaeve kontseptsioon hakkas 1990ndate paiku tuultema. Andmekaevandamine kasutab antud teabekogumi mustrite otsimiseks algoritme. ML teeb sama asja, kuid läheb siis sammu edasi – muudab oma programmi käitumist õpitu põhjal.
Üks viimasel ajal väga populaarseks saanud ML-i rakendus on pildituvastus. Neid rakendusi tuleb kõigepealt koolitada – teisisõnu peavad inimesed vaatama hunnikut pilte ja ütlema süsteemile, mis pildil on. Pärast tuhandeid ja tuhandeid kordusi õpib tarkvara selgeks, millised pikslite mustrid on üldiselt seotud hobuste, koerte, kasside, lillede, puude, majadega jne, ning suudab piltide sisu kohta päris hästi arvata.
Paljud veebipõhised ettevõtted kasutavad ML-i ka oma soovitusmootorite käivitamiseks. Näiteks kui Facebook otsustab, mida teie uudistevoos kuvada, kui Amazon tõstab esile tooted, mida võiksite osta, ja kui Netflix soovitab filme, mida võiksite vaadata, põhinevad kõik need soovitused prognoosidel, mis tulenevad nende olemasolevate andmete mustritest.
Tehisintellekt ja masinõppe piirid: süvaõpe, närvivõrgud ja kognitiivne andmetöötlus
Muidugi pole “ML” ja “AI” ainsad terminid, mida selle arvutiteaduse valdkonnaga seostatakse. IBM kasutab sageli terminit “kognitiivne andmetöötlus”, mis on enam-vähem AI sünonüüm.
Mõnel muul terminil on aga väga unikaalne tähendus. Näiteks tehisnärvivõrk või närvivõrk on süsteem, mis on loodud teabe töötlemiseks viisil, mis sarnaneb bioloogiliste ajude tööviisidega. Asjad võivad segadusse ajada, kuna närvivõrgud kipuvad olema masinõppes eriti head, nii et need kaks mõistet on mõnikord segamini.
Lisaks loovad närvivõrgud aluse sügavale õppimisele, mis on teatud tüüpi masinõpe. Süvaõpe kasutab teatud komplekti masinõppe algoritme, mis töötavad mitmes kihis. See on osaliselt võimalik tänu süsteemidele, mis kasutavad GPU-sid suure hulga andmete korraga töötlemiseks.
Kui kõik need erinevad terminid ajavad teid segadusse, pole te üksi. Arvutiteadlased vaidlevad oma täpsete määratluste üle jätkuvalt ja arvatavasti veel mõnda aega. Ja kuna ettevõtted jätkavad raha kallamist tehisintellekti ja masinõppega seotud teadusuuringutesse, on tõenäoline, et tekib veel mõni termin, mis muudab küsimused veelgi keerukamaks.