Gépes tanulás (ML) és mesterséges intelligencia (AI) – Mi a különbség?
Kit érdekel a mesterséges intelligencia és a gépi tanulás közötti különbség?
Őszintén szólva, nem nagyon érdekelt a dolog, és nem láttam értelmét annak, hogy időmet pazaroljam egy biztosan jelentéktelen és haszontalan apróság kiderítésére.
Amint részletesebben utánajártam a témának, kiderült, hogy előzetes elképzelésem nagyon téves volt.
Jelenleg teljesen egyértelmű, hogy a mesterséges intelligencia a jövő, ezért logikus, hogy érdemes jól ismerni ezt a témát. Ezzel szemben a tudatlanság hátrányos.
Ahhoz, hogy felkészüljünk egy ilyen technológiákkal teli valóságra, ideje megbizonyosodnunk arról, hogy megértjük a mesterséges intelligencia alapjait – az egyik központi erőt, amely átalakíthatja társadalmunkat.
Ezeknek a fogalmaknak a megértése, és ezáltal azok hatókörének megértése azonnali tisztánlátást és jobb alkalmazási lehetőségeket biztosít a rendelkezésünkre álló eszközökkel kapcsolatban. Röviden: az információ hatalom.
Akkor... kezdjük is!
Mi a különbség az ML és az AI között?
Általánosságban elmondható, hogy a mesterséges intelligencia olyan gép, amely képes az emberi intelligencia bizonyos jellemzőinek vagy formáinak megnyilvánulására.
A definíció széles körű volta miatt minden benne van, az alapvető gépi tanulástól (amelyet röviden elmagyarázunk) a teljes értékű, érző robotokig.
Ezért célszerű először meghatároznunk néhány alapvető különbséget a mesterséges intelligencia és a gépi tanulás között.
Mivel a mesterséges intelligencia a legszélesebb értelemben vett kifejezés, ideje pontosítani.
Beszéljünk a gépi tanulásról és a mélytanulásról.
Először is, vessünk egy pillantást ezeknek a fogalmaknak a kapcsolatára.
Lényegében a gépi tanulás csak egy „előrejelzési modell”. Van (a) adat, amelyből tanul, és (b) algoritmus, amely elvégzi a tényleges tanulást.
Az algoritmus csak egy szabálykészlet, amely megmondja a kódnak, mire számíthat (adatok X-ről vagy Y-ról), és mit kell tennie velük.
A gépi tanulási algoritmus minősége mindent meghatároz abban, hogy mennyire hasznos. Ha a szabályok logikátlanok vagy súlyosan korlátozóak, akkor nem képes hasznos információkat szolgáltatni.
Könnyű megijedni ennek a területnek a nyomasztó technikai mélységétől – a döntési fák, a megerősítő tanulás és a bayesi hálózatok csak néhány a sok terület közül –, de ha csak ezt egy dolgot megjegyez, akkor nem lesz gond:
A gépi tanulás alapvetően csak egy szabályrendszer, amely meghatározza, hogyan kell értelmezni a beérkező adatokat.
Ha olyan eszközt szeretne létrehozni, amely GPS-útvonalakat tanul meg a járművezetők segítésére, akkor annak ismernie kell az egyirányú utakra vonatkozó szabályokat. Ellenkező esetben olyan nagyon gyors útvonalakat tanulhat meg, amelyek nem annyira kényelmesek, mint elsőre látszik.
Ha azonban a szabályok minden változó mély és árnyalt megértését tükrözik, a gépi tanulás látszólag lehetetlen feladatokat is képes megoldani.
Hagyományosan a pontos időbecslések megadása volt az egyik legnehezebb része a projektmenedzser munkájának. Sokan azonban meglepődnek, amikor rájönnek, hogy a gépek is képesek hasonló teljesítményre.
A ClickUp jelenleg több felhasználónkkal teszteli az ML funkciót, hogy megjósolja, melyik személy milyen lépéseket fog valószínűleg tenni. Ez lehetővé teszi a feladatok előrejelzését, amely idővel képes utánozni az emberi jellemzőket, például a szubjektív feladatbecslést, olyan pontossággal, hogy rendkívül hasznos legyen.
Ez a megközelítés felgyorsítja a visszacsatolási ciklust, és láttuk, hogy a csapatok néhány hét alatt a félig automatizáltról a teljesen automatizált korlátozott műveletekre tértek át. Algoritmusaink többek között a következőket tudják elvégezni:
- Feladatok előrejelzése és a megfelelő csapattagokhoz való hozzárendelése
- A felhasználók automatikus megjelölése a számukra releváns megjegyzésekben
- Az értesítések és frissítések megjelenítése az adott felhasználó számára való relevanciájuk alapján
- A határidők be nem tartásának előrejelzése és meghatározása, valamint a feladatok időbecslésének korrekciója.
Bónusz: Copy AI alternatívák
A projektmenedzsment és a termelékenységi platformok gyorsan változnak, de az ML/AI határozottan egy olyan projektmenedzsment trend, amely maradni fog.
Csak idő kérdése, hogy teljes mértékben megértsük, hogyan fogják ezek az új technológiák befolyásolni a projektmenedzsmentet, de minél gyorsabban alkalmazkodik vállalkozása, annál jobban összehangoltabb lesz csapata a projekt sikerének érdekében.
Hisszük, hogy a jövő azoké lesz, akik a legjobban képesek megragadni a rendelkezésre álló lehetőségeket, amelyek közül a gépi tanulás és a mesterséges intelligencia a legkézenfekvőbbek.