Strojové učení a umělá inteligence – v čem je rozdíl?

V dnešní době se s pojmy „strojové učení“ a „umělá inteligence“ setkáváme dnes a denně. Nejrůznější fotografie vytvořené AI zaplavují naše sociální sítě, na možnosti využití umělé inteligence v práci se pořádají workshopy… Technologický pokrok nelze zastavit. Laik se ale může v novém názvosloví snadno ztratit a my si všimli, že se často smývá rozdíl mezi umělou inteligencí a strojovým učení. Tyto pojmy jsou mnohdy zaměňovány nebo spojovány v jednu entitu. V tomto článku se podíváme na rozdíl mezi strojovým učením a umělou inteligencí, abychom lépe porozuměli, jakým způsobem přispívají k moderní digitální době.

Umělá inteligence tvoří nástroje schopné uvažovat i učit se
Umělá inteligence je širší koncept. Představte si pod ní vytváření systémů nebo programů, které provádí činnosti jinak vyžadující lidskou inteligenci. Cílem umělé inteligence je vytvořit nástroje, které mají schopnost uvažovat, rozhodovat, učit se a vykonávat úkoly podobným způsobem, jakým to dělají lidé.

Odborníci rozlišují silnou a slabou umělou inteligenci. Silná je o něco „chytřejší“. Vytváří nástroje, které se mohou učit novým úkolům, adaptovat se na nové situace a rozumět různým konceptům. Slabá umělá inteligence tvoří nástroje specializované na konkrétní úkoly. Umí například rozpoznat obraz, pracovat s jazykem a vzorci v něm, řídit autonomní vozidla apod. Rozdíl je tedy v tom, že tyto nástroje se neumí učit a přizpůsobovat novým situacím.

V čem tkví podstata strojového učení?
Disciplínou umělé inteligence je strojové učení. V čem tkví jeho podstata a čím se liší od výše zmíněného? Strojové učení se zaměřuje na vytváření algoritmů a modelů, které umožňují AI nástrojům učit se z dat a zlepšovat postupně svoji výkonnost. Díky strojovému učení jsou stroje a nástroje schopny identifikovat vzory a pravidla ve velkých datových sadách, aniž by byly explicitně programovány. Rozlišujeme přitom tři základní typy strojového učení:

• Učení s učitelem: Model se učí na základě tréninkových dat, kde jsou vstupy spárovány s příslušnými výstupy. Cílem je, aby model predikoval výstupy na základě nových vstupů.
• Učení bez učitele: Model je trénován na neoznačkovaných datech a snaží se najít vzory, shluky nebo struktury v datech. Takto cvičená nástroj postupně získává vhled do dat a vytváří si vzorce a kategorie.
• Učení s částečným dohledem: A samozřejmě existuje i kombinace učení s učitelem a učení bez učitele. Model je trénován na datech, která jsou částečně označkovaná, což umožňuje učit se s menším množstvím označkovaných dat.

Hlavním přínosem strojového učení pro moderní společnost je to, že dokáže zpracovat množství dat, které by člověk nikdy nedokázal. Není to zkrátka v našich silách – fyzických ani psychických. Díky tomu získáváme se strojovým učením zcela nový pohled na nejrůznější firemní procesy, výrobní procesy, chování zákazníků, vývoj trhu apod.

Jaký je rozdíl mezi strojovým učením a umělou inteligencí?
Základní rozdíl mezi strojovým učením a umělou inteligencí tkví v jejich obecnosti. Strojové učení je konkrétní disciplínou uvnitř množiny umělé inteligence. Strojové učení se zabývá vytvářením algoritmů a modelů. Umělá inteligence je proti tomu širší koncept, který zahrnuje vytváření nástrojů s inteligencí na úrovni lidského myšlení a rozhodování.

Umělá inteligence a strojové učení formují moderní digitální svět. Pro to, abychom mohli plně využívat jejich potenciál, je důležité jim porozumět. Věříme, že naše krátká exkurze do světa AI vám celou problematiku osvětlila. V E LINKX pro vás budeme samozřejmě trendy ze světa digitálních technologií dále sledovat a přinášet vám na našem blogu články zajímavé i poučné.