В чем разница между Artificial Intelligence, Machine Learning и Data Science? Разберемся в понятии AI, ML и DS и их применении. Искусственный интеллект, машинное обучение и наука о данных объяснены простыми словами. Примеры использования AI в IDP, APM и профилактическом обслуживании.
Cодержание
В чем разница между Artificial Intelligence, Machine Learning и Data Science?
Прежде чем мы погрузимся в понятие искусственного интеллекта (AI), давайте разберемся в разнице между AI, машинным обучением (Machine Learning) и наукой о данных (Data Science).
Artificial Intelligence — AI (Искусственный Интеллект)
Искусственный интеллект (AI) - это область компьютерных технологий, которая стремится создать программы и системы, способные выполнять задачи, которые ранее считались исключительной прерогативой человека. AI включает в себя научные теории и конкретные технологические практики, которые приближают программы к интеллектуальным способностям человека.
Machine Learning — ML (Машинное обучение)
Машинное обучение (Machine Learning) - это раздел искусственного интеллекта, который активно применяется на практике. Когда мы говорим об использовании AI в бизнесе или на производстве, чаще всего мы имеем в виду именно машинное обучение. ML-алгоритмы работают по принципу обучающейся математической модели, которая анализирует большой объем данных и делает выводы без жестко заданных правил.
Наиболее распространенный тип задач в машинном обучении - это обучение с учителем, когда модель обучается на данных, где известны правильные ответы.
Data Science — DS (Наука о данных)
Наука о данных (Data Science) - это область, связанная с анализом больших объемов данных с использованием различных математических методов, включая машинное обучение. Она также включает в себя сбор, хранение и обработку данных. Специалисты по работе с данными, называемые data scientists, проводят анализ данных с использованием машинного обучения и решают различные задачи, связанные с данными.
![AI для людей: простыми словами о технологиях / Хабр](https://habrastorage.org/r/w1560/getpro/habr/post_images/f5b/ffd/d9f/f5bffdd9f2f1fcdca75516612c1f3381.png)
Как работает Machine Learning?
Давайте рассмотрим работу машинного обучения на примере задачи банковского скоринга. Представим, что у банка есть данные о своих клиентах, включающие информацию о поле, возрасте, доходе, профессии, месте проживания и других характеристиках. Банк хочет определить, будет ли новый потенциальный клиент своевременно вносить платежи по кредиту.
Машинное обучение рассматривает каждого клиента как набор признаков (например, возраст, доход, количество дорогих покупок в месяц и т. д.). ML-алгоритмы анализируют эти признаки с использованием большого объема данных и делают выводы о том, будет ли клиент вовремя вносить платежи или нет.
Примеры применения AI
Интеллектуальная обработка документов
Интеллектуальная обработка документов (IDP) - это технология, которая преобразует неструктурированные документы, такие как электронные письма, изображения и PDF-файлы, в структурированную информацию. IDP использует технологии искусственного интеллекта, такие как обработка естественного языка (NLP), глубокое обучение и машинное зрение, для извлечения, классификации и проверки данных. Примером применения IDP может быть обработка юридических документов в организации Земельного кадастра Ее Величества, где приложение с искусственным интеллектом позволяет автоматизировать сравнение документов и ускорить процесс утверждения передачи имущества.
Мониторинг производительности приложений (APM)
Мониторинг производительности приложений (APM) - это процесс использования программных инструментов и телеметрических данных для отслеживания производительности критически важных приложений. Инструменты APM на основе искусственного интеллекта используют исторические данные для прогнозирования проблем до их возникновения, а также помогают разработчикам эффективно решать проблемы в режиме реального времени. Например, компания Atlassian использует инструменты APM на основе искусственного интеллекта для непрерывного мониторинга приложений и быстрого реагирования на проблемы, связанные с производительностью.
Профилактическое обслуживание
Техническое обслуживание по текущему состоянию с помощью искусственного интеллекта - это использование больших объемов данных для выявления проблем, которые могут привести к простоям операций, систем или сервисов. Техническое обслуживание по текущему состоянию позволяет компаниям предотвращать проблемы и эффективно устранять их.
См. также
Заключение
Искусственный интеллект (AI) является широкой областью компьютерных технологий, которая включает в себя машинное обучение и науку о данных. AI применяется в различных сферах, включая обработку документов, мониторинг производительности приложений и профилактическое обслуживание. С использованием машинного обучения и анализа больших данных, AI способен решать сложные задачи и улучшать производительность бизнеса.
![Простыми словами о том, как работает AI - YouTube](https://i.ytimg.com/vi/rbfiOUuv_Ng/maxresdefault.jpg)
Что нам скажет Википедия?
Иску́сственный интелле́кт (ИИ; англ. artificial intelligence, AI) — свойство искусственных интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека (не следует путать с искусственным сознанием); наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ.
Искусственный интеллект связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.
Существующие на сегодня интеллектуальные системы имеют довольно узкие области применения. Например, программы, способные обыграть человека в шахматы, как правило, не могут отвечать на вопросы.
Процитированное в преамбуле определение искусственного интеллекта, данное Джоном Маккарти в 1956 году на семинаре в Дартмутском университете, не связано напрямую с пониманием интеллекта у человека. Согласно Маккарти, исследователи вольны использовать методы, которые не наблюдаются у людей, если это необходимо для решения конкретных проблем.
Поясняя своё определение, Джон Маккарти указывает: «Проблема состоит в том, что пока мы не можем в целом определить, какие вычислительные процедуры мы хотим называть интеллектуальными. Мы понимаем некоторые механизмы интеллекта и не понимаем остальные. Поэтому под интеллектом в пределах этой науки понимается только вычислительная составляющая способности достигать целей в мире».
В то же время существует и точка зрения, согласно которой интеллект может быть только биологическим феноменом.
В английском языке словосочетание artificial intelligence не имеет антропоморфной окраски, которую оно приобрело в традиционном русском переводе: слово intelligence в используемом контексте скорее означает «умение рассуждать разумно», а вовсе не «интеллект» (для которого есть английский аналог intellect.
Даются следующие определения искусственного интеллекта:
Одно из частных определений интеллекта, общее для человека и «машины», можно сформулировать так: «Интеллект — способность системы создавать в ходе самообучения программы (в первую очередь эвристические) для решения задач определённого класса сложности и решать эти задачи».
Подходы и направления:
Единого ответа на вопрос, чем занимается искусственный интеллект, не существует. Почти каждый автор, пишущий книгу об искусственном интеллекте, отталкивается в ней от какого-либо определения, рассматривая в его свете достижения этой науки.
Самый общий подход предполагает, что искусственный интеллект будет способен проявлять поведение, не отличающееся от человеческого, причём в нормальных ситуациях. Эта идея является обобщением подхода теста Тьюринга, который утверждает, что машина станет разумной тогда, когда будет способна поддерживать разговор с обычным человеком, и тот не сможет понять, что говорит с машиной (разговор идёт по переписке).