Я не против, что термины «ИИ» и «машинное обучение» используются в промышленности для обозначения того же самого. Но правильно ли это технически ? Возможно это небрежно? Возможно кто-то действительно использует термин «AI» неправильно.

Индустриальный «ИИ» технически можно было бы назвать «глубоким обучением».

Академия не считает, что искусственный интеллект (AI) и машинное обучение (ML) взаимозаменяемы, и как бывший академик я сочувствую их определениям и соглашаюсь с тем, что технически AI является надлежащим надмножеством ML, которое является надлежащим дополнением к глубокому обучению. Глубокое обучение (DL) - это ML, который использует определенный класс алгоритмов (нейронных сетей), и это то, что промышленность обычно имеет в виду, когда говорит AI. Насколько это правильно?

Но я также думаю, что большинство людей (и промышленность) не особо заботятся об этом различии и будут использовать язык менее формальным образом. Язык развивается, нравится нам это или нет. Первоначально используемый в науке, термин «ИИ» вырвался в народное использование, как и многое другое.

Язык развивается, нравится нам это или нет.

Рискуя оскорблять исследователей, я чувствую, что наиболее полезно признать новый способ, которым индустрия использует этот термин, и объяснить модальное использование для читателей, которые не интересуются нюансом. Это нормально, что язык развивается вместе с технологиями. Приведенный в 1956 году, термин ИИ никогда не определялся так строго. (Правда, ученые? Помните дни, когда ИИ был смущающим термином для использования в ваших приложениях для грантов ... так что вы просто заменили все экземпляры его машинным обучением?) С плохо определенными терминами на самом деле не так уж и так, как правильно использовать их. Мы все можем быть победителями. Слова перемещаются.

И будьте осторожны при определении терминов: не было бы неловко, если то, что вы называете ИИ, на самом деле технически называется стимулированным обучением (RL), и вы также злоупотребляете своими словами? Здесь, мы все можем быть друзьями. Если ваше определение зависит от последовательности действий, планирования, сбора информации из среды, выяснения политик поведения в будущем - классический пример - это компьютер, который учится выполнять маневры с игрушечными вертолетами - тогда вы можете подумать о RL.

Человекоподобный интеллект (HLI) - лучший термин для научно-фантастической версии.

Если вы утонули во всем этом алфавитном супе AI, ML, DL, RL, отчаянно глядя на объекты робота sci-fi, тогда вам может понравиться термин HLI. Человекоподобный интеллект. Если вы собираетесь ссылаться на «ИИ» таким образом, чтобы вызвать индивидуальность, лучше всего назвать его «HLI». Те из вас, кто обеспокоен тем, что HLI скрывается в каждом шкафу, может дышать легко; все эти промышленные приложения ИИ не являются HLI и не связаны с созданием реальных умов. Все слишком заняты с использованием ИИ для решения реальных бизнес-задач, которые связаны с какой-то прочной негласной маркировкой.

Подведем итог. Закрой ваши уши, профессора. Все остальные: когда вы слышите, как они говорят в промышленности, ИИ и машинное обучение могут также быть синонимами, и они имеют мало общего с HLI.

На практике вам не нужно классифицировать свою проблему как AI или ML, прежде чем начать.

Вот еще одна причина, почему практичный человек, подобный мне, может жить с этим: с точки зрения прикладного процесса, вам не нужно классифицировать свою бизнес-проблему как AI / ML / DL, прежде чем вы начнете. Просто попробуйте все алгоритмы, которые вы можете составить. Если DL является неправильным подходом, вы быстро узнаете и исправьте курс. Но обычно лучше попробовать более простой вариант, даже если вы сомневаетесь, что он сработает. Это займет всего лишь несколько минут. Если вы можете поместить нейронную сеть, значит вы можете попробовать проложить линию через нее. (Это что, 2-5 строк кода? Даже если вы не используете пакет и не реализуете его с нуля, это легко.) В качестве бонуса, если простая вещь работает хорошо, это означает, что вы получили решение, которое будет легче поддерживать в производстве. Удачи, получайте удовольствие, и пусть победит лучший алгоритм!

Кэсси Козырьков

Chief Decision Intelligence Engineer, Google

No Comments