Apprendimento automatico (ML) vs. Intelligenza artificiale (IA) - Qual è la differenza?
a chi interessa la differenza tra intelligenza artificiale e apprendimento automatico?
A me, francamente, interessava poco e non vedevo alcun motivo per perdere tempo a capire quella che sicuramente sarebbe stata una banalità di poco conto e inutile.
Invece, non appena ho approfondito l'argomento, la mia idea preconcetta si è rivelata molto sbagliata.
A questo punto è abbastanza chiaro che L'IA è il futuro e quindi dovrebbe essere un argomento che fa piacere avere una buona conoscenza dell'argomento. Al contrario, l'ignoranza è un male.
Per prepararci a una realtà inondata da queste tecnologie, è il momento di assicurarci di capire le le basi dell'IA
- una delle forze centrali destinate a rimodellare la nostra società.
Capire le differenze tra questi termini e, per estensione, comprendere la portata di ciò che comportano, offre una chiarezza immediata e la capacità di applicare meglio gli strumenti a nostra disposizione. In breve, l'informazione è potere.
Quindi... iniziamo!
Qual è la differenza tra ML e IA?
In linea di massima, intelligenza artificiale è una macchina in grado di esibire alcune caratteristiche o moduli dell'intelligenza umana.
Data l'ampiezza di questa definizione, è incluso tutto ciò che va dall'apprendimento automatico di base (spiegato a breve) a un vero e proprio overlord robotico senziente.
Pertanto, è prudente iniziare definendo alcune distinzioni chiave tra intelligenza artificiale e apprendimento automatico.
Poiché l'intelligenza artificiale è il termine più ampio, è ora di entrare nello specifico.
Parliamo di Machine Learning e Deep Learning.
Per prima cosa, diamo un'occhiata a una rapida visualizzazione della relazione tra tutti questi concetti.
/$$$img/ https://clickup.com/blog/wp-content/uploads/2017/06/1-ubJGYtc1jnJXwvA7rhyyOQ-300x225.jpeg
/$$$img/
In fondo, l'apprendimento automatico è solo un "modello di previsione". Ha (a) dati da cui apprende e (b) un algoritmo che fa l'apprendimento vero e proprio.
L'algoritmo è solo un insieme di regole che dicono al codice cosa aspettarsi (dati su X o Y) e da fare.
La qualità di un algoritmo di apprendimento automatico è fondamentale per determinare la sua utilità. Se le regole sono illogiche o fortemente limitanti, non è in grado di fornire informazioni utili.
È facile lasciarsi intimidire dall'eccessiva profondità tecnica di questo campo - alberi decisionali, apprendimento per rinforzo e reti bayesiane sono solo alcuni dei tanti settori - ma non avrete problemi se ricorderete questo:
**L'apprendimento automatico è, fondamentalmente, solo un insieme di regole per dare un senso ai dati in arrivo
Se volete costruire uno strumento che impari i percorsi GPS per aiutare gli automobilisti, deve conoscere le leggi sulle strade a senso unico. Altrimenti, potrebbe iniziare ad apprendere alcuni percorsi molto veloci che non sono così convenienti come sembrano all'inizio.
Tuttavia, quando le regole riflettono una comprensione profonda e sfumata di tutte le variabili in gioco, l'apprendimento automatico può Da fare l'apparentemente impossibile.
Tradizionalmente, fornire stime precise dei tempi è una delle parti più difficili del lavoro di un project manager. Tuttavia, molti sono sorpresi di scoprire che le macchine sono in grado di fornire prestazioni di livello paragonabile. ClickUp sta attualmente testando la funzione di ML con diversi utenti per prevedere le azioni che un individuo probabilmente compirà. Ciò consente di prevedere le attività che, nel tempo, sono in grado di imitare le caratteristiche umane, come la stima soggettiva delle attività, con una precisione tale da risultare estremamente utile.
Questo approccio accelera il ciclo di feedback e abbiamo visto team passare da azioni limitate semi-automatizzate a completamente automatizzate in poche settimane. Alcuni elementi che i nostri algoritmi possono realizzare sono:
- Prevedere e assegnare le attività ai membri del team corretti
- Taggare automaticamente gli utenti nei commenti che sono rilevanti per loro
- Visualizzazione di notifiche e aggiornamenti in base alla loro rilevanza per un particolare utente
- Prevedere e determinare quando le scadenze non saranno rispettate e correggere la durata stimata delle attività.
Bonus: alternative all'IA per la copia Le piattaforme di produttività e gestione dei progetti stanno cambiando rapidamente, ma l'AI è sicuramente una tendenza del project management destinata a rimanere.
Ci vorrà del tempo prima di comprendere appieno l'impatto di queste nuove tecnologie sul project management, ma quanto più velocemente la vostra azienda si adatterà, tanto più i membri del team saranno allineati per l'esito positivo dei progetti.
Riteniamo che il futuro apparterrà a coloro che saranno in grado di cogliere le opportunità disponibili, tra le quali l'ML e, di fatto, l'IA, saranno le più immediate.