17 Dec Що таке AI, ML та Data Science? Машинне Навчання (ML). Частина 2
Отже, ми продовжуємо цикл статей про AI та ML. Для початку розглянемо ключові терміни.
Що таке Штучний інтелект (AI), ML та Data Science?
Давайте спробуємо відповісти на питання: що таке Штучний інтелект, ML, Data Science та яка різниця між ними?
Найчастіше під терміном Штучний інтелект ми маємо на увазі, що це якась система (абстракція), що має властивості інтелекту людини та яка може мислити, вирішувати завдання (у тому числі творчі), для виконання яких використовується розумовий процес. Мабуть, найважливіше, що треба знати – штучного інтелекту, описаного вище, на даний момент не існує. Занадто складні наші мізки і свідомість, загалом, для того, щоб їх оцифрувати чи зробити математичну модель, яка копіює роботу нашої свідомості. Проте, є спроби (зокрема досить вдалі) імітації діяльності нашого мозку для вирішення тих чи інших завдань. Одним із напрямків Штучного інтелекту, що підпадає під таке формулювання, є Machine Learning (ML).
Перш ніж перейти до ML, дамо строгіше визначення Штучного інтелекту.
Штучний інтелект, (Artificial Intelligence, AI) – інженерно-математична дисципліна, що займається створенням програм та пристроїв, що імітують когнітивні (інтелектуальні) функції людини, що включають, у тому числі, аналіз даних та прийняття рішень.
Сильний ШІ / Людиноподібний ШІ (Strong AI, Super‑AI) — інтелектуальний алгоритм, здатний вирішувати широкий спектр інтелектуальних завдань, як мінімум, в рівень з людським розумом.
Слабкий ШІ / Спеціальний ШІ (Narrow AI, Weak AI) — інтелектуальний алгоритм, що імітує людський розум для вирішення конкретних вузькоспеціалізованих завдань (гра в шахи, розпізнавання осіб, спілкування людською мовою, пошук інформації тощо).
Машинне навчання – клас методів штучного інтелекту, характерною рисою яких є не пряме розв’язання задачі, а навчання за рахунок досвіду розв’язків безлічі подібних завдань. Для побудови таких методів використовуються засоби математичної статистики, чисельних методів оптимізації, математичного аналізу, теорії ймовірностей, теорії графів, а також різні техніки роботи з даними в цифровій формі.
Припустимо, ми маємо алгоритм, за допомогою якого можна торгувати на біржі. Він не знає про існування біржі, трейдерів, брокерів тощо, — це просто математична модель, яка навчена торгувати на сотнях тисяч прикладів. Аналогічно, алгоритм, який керує безпілотним автомобілем, не має уявлення про те, що таке автомобіль, дорога, двигун, як він працює, і так далі. Алгоритм навчений на великій кількості прикладів як вирішувати ту чи іншу задачу, але не має здатності виходити за рамки сформульованої заздалегідь задачі.
Алгоритми машинного навчання – це програмна реалізація тієї чи іншої математичної моделі. Ця модель, на підставі великої кількості даних, “навчається” вирішувати те чи інше завдання, знаходячи потрібні закономірності в даних. Саме машинному навчанню та принципам роботи, реалізації його у проектах і буде присвячена основна частина серії статей.
Data science – це узагальнена назва сфери діяльності, професії, в якій основний акцент робиться на роботі з даними. Дата Саєнтистом може бути людина, яка працює з базами даних, або яка розробляє алгоритми машинного навчання, так і спеціаліст, який обслуговує інфраструктуру, призначену для роботи з даними.
Data science – це таке ж узагальнене визначення, як і Сomputer science.
Тепер, розібравшись у термінах, залишається питання: “А навіщо потрібен ML?”
Продовження та відповідь на це питання читайте у наступній статті (частина 3) …