Что такое ИИ?
Искусственный интеллект (ИИ) — это область создания компьютерных систем, которые выполняют такие задачи, как распознавание закономерностей, понимание языка, планирование и прогнозирование.
Обзор
ИИ — это общий термин: машинное обучение — это один из его подходов, а генеративный ИИ — это тип системы, которая производит новый контент.
Ключевые выводы
- ИИ, машинное обучение и генеративный ИИ — связанные, но разные термины.
- Убедительные результаты не являются доказательством понимания или правильности.
- Судите о системе по задаче, которую она должна выполнить, и по последствиям ее ошибок.
Глубокое погружение
Система ИИ принимает входные данные, обрабатывает их с использованием правил или изученной модели и выдает выходные данные. Планировщик маршрута может искать возможные поездки, используя явные правила. Модель машинного обучения может оценить время доставки на основе примеров более ранних поставок. И то, и другое может быть полезно, не задумываясь и не понимая в человеческом смысле. Разница заключается в том, как система достигает результата, а не в том, выглядит ли ее интерфейс интеллектуальным. Машинное обучение заменяет некоторые написанные вручную правила принятия решений шаблонами, полученными на основе данных. Генеративные системы используют изученные шаблоны для создания текста, изображений, аудио или других результатов. Таким образом, чат-бот может дать беглое объяснение, не проверяя, верно ли каждое утверждение. Его способность генерировать ответ отличается от доказательства того, что ответ правильный. Чтобы оценить заявление об ИИ, определите задачу, входные данные, выходные данные и доказательства, используемые для оценки успеха. Хорошего результата на знакомых примерах недостаточно: спросите, что происходит с незнакомыми данными, неоднозначными запросами и дорогостоящими ошибками. Человеческий анализ, четкие ограничения и способ оспорить результат имеют такое же значение, как и возможности модели в заголовке.
Техническая информация
ИИ не требует нейронной сети, а машинное обучение не требует диалогового интерфейса. Алгоритмы поиска, деревья решений, линейные модели и нейронные сети решают различные виды задач. Самый простой подходящий подход может быть легче тестировать и поддерживать, чем более крупную модель.
Сравните два способа сортировки входящих сообщений службы поддержки
- Сортировщик на основе правил отправляет каждое сообщение, содержащее слово «возврат», в очередь выставления счетов.
- Обученный классификатор обучается на сообщениях, которые люди уже пометили как выставление счетов, техническую поддержку или общие вопросы.
- Проверьте оба варианта на свежих сообщениях, в том числе «Я не хочу возврата средств»; Мне нужна помощь со входом.' Подсчитайте неправильные маршруты и просмотрите дорогостоящие ошибки.
Правило и классификатор могут давать сбой по-разному. Это наглядное сравнение показывает, почему один только ярлык «ИИ» не может сказать вам, какая система более полезна.
Стратегическое воздействие
Более четкие решения
Это поможет вам отделить четкие технические заявления от маркетингового языка.
Стоимость и бюджет
Вы можете задать более эффективные вопросы по реализации, прежде чем тратить деньги или время.
Команда и рабочий процесс
Команды с общим пониманием принимают более эффективные решения по продуктам, политике и обучению.
Реальная реализация
Служба доставки оценивает время прибытия на основе данных о маршруте и пробках; результат — это прогноз, а не гарантия.
A photo organizer groups similar images; you still check important labels before relying on them.
A writing assistant drafts a paragraph; the author verifies names, dates, and supporting sources before publishing.
Риски и ограничения
Разные команды могут использовать один и тот же термин по-разному, поэтому заранее определите масштаб.
Тесты могут выглядеть сильными, в то время как реальная производительность неравномерна.
Игнорирование качества данных и планов оценки часто приводит к нестабильным результатам.
Дорожная карта реализации
Начните с простого определения желаемого результата.
Перед тестированием выберите один показатель успеха и одно условие отказа.
Запустите небольшой пилотный проект с репрезентативными данными, а не отточенный демонстрационный набор.
Документ, где «Что такое ИИ?» помогает и где более простые методы лучше.
Источники и дальнейшее чтение
Продолжайте исследовать
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the What is AI? quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next in AI Foundations
Основы машинного обучения
Часто задаваемые вопросы
Весь ли искусственный интеллект является машинным обучением?
Нет. ИИ включает в себя подходы, основанные на явных правилах и поиске, а также подходы, изучающие закономерности на основе данных. Машинное обучение — это разновидность ИИ.
Доказывает ли ответ ИИ, что система понимает тему?
Нет. Система может генерировать правдоподобный ответ, допуская при этом фактические ошибки или ошибки в рассуждениях. Оцените ответ по доказательствам и требованиям задачи.