MAŠINSKO UČENJE (ML) VS VEŠTAČKA INTELIGENCIJA (AI)

Mašinsko učenje i veštačka inteligencija su u poslednjih nekoliko godina zainteresovali javnost širom sveta. Iako veoma slična, ova dva pojma se bitno razlikuju. S’ obzirom da su one često zanemarene, u ovom tekstu ćemo pokriti ključne razlike između mašinskog učenja (ML) i veštačke inteligencije (AI).

RAZUMEVANJE MAŠINSKOG UČENJA (ML)

ML je deo AI koji automatizuje analizu i predviđanje podataka koristeći algoritme i statističke modele. Omogućava sistemima da prepoznaju obrasce i korelacije u ogromnoj količini podataka i mogu se primeniti na niz aplikacija kao što su prepoznavanje slika, obrada prirodnog jezika i druge.

Radi se o učenju iz podataka. To je kontinuirani metod razvoja algoritama koji može da uči iz prošlih podataka i predviđa buduće podatke. Na taj način, ML algoritmi vremenom mogu neprekidno da poboljšavaju svoje performanse otkrivanjem prethodno nepoznatih ili neprimetnih obrazaca.

PRIMERI MAŠINSKOG UČENJA

Ovi primeri iz stvarnog života će nam pomoći da bolje shvatimo ML.

1. Prepoznavanje slika – Mašinsko učenje se primenjuje na fotografijama i video zapisima da bi se prepoznali objekti, osobe, znamenitosti i drugi vizuelni elementi. Google Photos koristi ML za razumevanje lica, lokacija i drugih elemenata na slikama kako bi mogli da se lakše pretražuju i kategorizuju.

2. Natural Language Processing (NLP) – omogućava mašinama da tumače jezik kao ljudi. Automatizovani chatbotovi korisničkog servisa koriste ML algoritme za pouzdano odgovaranje na upite razumevanjem teksta i prepoznavanjem svrhe koja stoji iza njega.

3. Prepoznavanje govora – ML omogućava računarima da razumeju obrasce govora. Ova tehnologija se koristi kod aplikacija za prepoznavanje glasa kao što su Amazonov Alexa ili Apple-ov Siri.

4. Mašina za preporuku – Algoritmi mašinskog učenja identifikuju obrasce u podacima i daju predloge na osnovu tih obrazaca. Npr. Netfliks primenjuje algoritme mašinskog učenja kako bi gledaocima predložio filmove ili TV emisije.

5. Automobili koji voze bez pomoći vozača – Mašinsko učenje je u srcu ovakvih automobila. Koristi se za otkrivanje objekata i navigaciju, omogućavajući automobilima da identifikuju i kreću se oko prepreka u svom okruženju.

RAZUMEVANJE VEŠTAČKE INTELIGENCIJE (AI)

Veštačka inteligencija (AI) je vrsta tehnologije koja pokušava da replicira sposobnosti ljudske inteligencije kao što su rešavanje problema, pravljenje izbora i prepoznavanje obrazaca. U iščekivanju razvoja okolnosti i novih znanja, AI sistemi su dizajnirani da uče, rezonuju i ispravljaju sami sebe.

Algoritmi u AI sistemima koriste skupove podataka da bi dobili informacije, rešili probleme i došli do strategija donošenja odluka. Ove informacije mogu da potiču iz širokog spektra izvora, uključujući senzore, kamere i povratne informacije korisnika.

AI postoji već nekoliko decenija i vremenom je dobio na sofisticiranosti. Koristi se u raznim industrijama, uključujući bankarstvo, zdravstvenu zaštitu, proizvodnju, maloprodaju, pa čak i zabavu. AI ubrzano transformiše način funkcionisanja preduzeća i interakciju sa klijentima, što ga čini nezamenljivim alatom za mnoga preduzeća.

PRIMERI VEŠTAČKE INTELIGENCIJE

Neki od primera veštačke inteligencije iz svakodnevnog života su:

1. Video analitika – Video analitika je AI aplikacija koja analizira video snimke i izvlači vredne podatke iz nje koristeći algoritme kompjuterskog vida. Može se koristiti za otkrivanje neobičnog ponašanja ili prepoznavanje lica iz bezbednosnih razloga.

2. Automobili koji voze bez pomoći vozača – Samovozeći automobili postaju rasprostranjeniji i smatraju se važnim primerom veštačke inteligencije. Oni koriste senzore, kamere i algoritme mašinskog učenja za otkrivanje prepreka, planiranje ruta i promenu brzine vozila na osnovu spoljnih faktora.

3. Robotika – Još jedna važna implementacija AI je robotika. Roboti mogu da koriste algoritme mašinskog učenja da nauče kako da obavljaju razne zadatke kao što su sklapanje robe ili istraživanje opasnih sredina. Takođe mogu biti dizajnirani da reaguju na glasovna ili fizička uputstva.

4. Glasovni asistenti – Veštačku inteligenciju koriste virtuelni glasovni asistenti kao što su Siri, Alexa i Google Home da bi razumeli komande prirodnog jezika i odgovorili na odgovarajući način. Ove glasovne asistente koristi obrada prirodnog jezika (NLP) da bi razumela korisničke komande i odgovorila važnim informacijama.

5. Prepoznavanje slika – Prepoznavanje slike je tip aplikacije veštačke inteligencije (AI) koja koristi neuronske mreže kao način za prepoznavanje objekata u slici ili video okviru. Može se koristiti u realnom vremenu za identifikaciju objekata, emocija, pa čak i gestova.

TRI KLJUČNE RAZLIKE

1. PRISTUP – Jedna od glavnih razlika između ML i AI je njihov pristup. Mašinsko učenje se fokusira na razvoj sistema koji mogu da uče iz podataka i prave predviđanja o budućim ishodima. Ovo zahteva algoritme koji mogu da obrade veliku količinu podataka, identifikuju obrasce i generišu uvide iz njih. AI, sa druge strane, podrazumeva stvaranje sistema koji mogu sami da misle, rezonuju i donose odluke. U tom smislu, AI sistemi imaju sposobnost da “razmišljaju” mimo podataka koji su im dati i dolaze do rešenja koja su kreativnija i efikasnija od onih izvedenih iz ML modela.

2. TIPOVI PROBLEMA KOJE REŠAVAJU – Druga razlika između ML i AI su tipovi problema koje rešavaju. ML modeli se obično koriste za rešavanje prediktivnih problema, kao što su predviđanje cena akcija ili otkrivanje prevare. AI se, međutim, može koristiti za rešavanje složenijih problema kao što su obrada prirodnog jezika i zadaci kompjuterskog vida.

3. POTROŠNJA RAČUNARSKE ENERGIJE – Konačno, ML modeli imaju tendenciju da zahtevaju manje računarske snage nego AI algoritmi. To čini ML modele pogodnijim za aplikacije u kojima je potrošnja energije važna, kao što je na primer kod mobilnih uređaja ili IoT uređaja. Odnosno, Mašinsko učenje i veštačka inteligencija su povezana, ali različita polja. I AI i ML se mogu koristiti za kreiranje moćnih računarskih rešenja, ali imaju različite pristupe, kao i vrste problema koje rešavaju, i zahtevaju različite nivoe računarske snage.