Stručná odpověď
Každé strojové učení je AI, ale ne každá AI využívá strojové učení. AI popisuje, co systém dělá (chová se inteligentně). Strojové učení popisuje, jak toho mnoho AI systémů dosahuje (učením z dat).
Vnořené kategorie: Umělá inteligence ⊃ Strojové učení ⊃ Hluboké učení ⊃ Velké jazykové modely a většina generativní AI.
Co je umělá inteligence?
Umělá inteligence je obor, který se zabývá vytvářením počítačových systémů schopných plnit úkoly spojené s lidskou inteligencí: rozumět jazyku, rozpoznávat obrazy, uvažovat, plánovat a rozhodovat se. Tento pojem vznikl v roce 1956 na konferenci v Dartmouthu.
AI zahrnuje mnoho přístupů: logiku a pravidla, vyhledávací a plánovací algoritmy, pravděpodobnostní modely i strojové učení. Přečtěte si úplnou definici AI
Co je strojové učení?
Strojové učení je odvětví AI, v němž se algoritmy zlepšují v určité úloze tím, že se učí z příkladů. Místo aby programátor napsal pravidlo „pokud e-mail obsahuje tato slova, označ ho jako spam“, model prozkoumá tisíce označených e-mailů a sám se naučí rozpoznávat vzorce.
Hlavní typy strojového učení
- Učení s učitelem: učí se z označených příkladů (spam, nebo ne).
- Učení bez učitele: hledá skupiny a vzorce v neoznačených datech.
- Samoučení: vytváří si vlastní signál pro trénování ze surových dat, stejně jako velké jazykové modely.
- Posilované učení: učí se na základě odměn metodou pokusů a omylů.
Klasické algoritmy strojového učení
Lineární a logistická regrese, rozhodovací stromy, náhodné lesy, gradientní boosting, podpůrné vektory a shlukování metodou k-means. Stále se hojně používají pro strukturovaná firemní data, protože jsou rychlé a jejich výsledky se snáze interpretují.
Hluboké učení a generativní AI
Hluboké učení je strojové učení využívající umělé neuronové sítě s mnoha vrstvami. Přibližně od roku 2012 stojí za většinou průlomů v AI v oblasti obrazu, řeči a jazyka.
Generativní AI využívá hluboké učení k tvorbě nového obsahu. Velké jazykové modely, například ty, na kterých fungují ChatGPT, Claude a Gemini, jsou modely hlubokého učení založené na architektuře Transformer a trénované na obrovském množství textu a kódu.
AI vs. strojové učení vs. hluboké učení: srovnávací tabulka
| Umělá inteligence | Strojové učení | Hluboké učení | |
|---|---|---|---|
| Rozsah | Nejširší oblast | Podoblast AI | Podoblast strojového učení |
| Cíl | Inteligentní chování | Učit se z dat | Učit se složité vzorce ze surových dat |
| Metody | Pravidla, vyhledávání, logika, strojové učení | Statistické algoritmy | Vícevrstvé neuronové sítě |
| Nároky na data | Liší se | Střední | Velmi vysoké |
| Výpočetní nároky | Liší se | Nízké až střední | Vysoké, specializované čipy |
| Vysvětlitelnost | Vysoká u systémů založených na pravidlech | Často střední | Nízká, černá skříňka |
| Příklad | Šachový program, expertní systém | Model pro hodnocení úvěruschopnosti | ChatGPT, generátory obrázků |
Příklady vedle sebe
- AI založená na pravidlech: daňový program, který se řídí pevně danými pravidly, nebo plánovač tras využívající vyhledávací algoritmus.
- Strojové učení: bankovní model, který odhaduje riziko nesplácení na základě dřívějších úvěrů.
- Hluboké učení: odemykání telefonu obličejem, rozpoznávání řeči, analýza lékařských snímků.
- Generativní AI: chatbot píšící e-mail, aplikace vytvářející obrázek podle textu.
Proč je důležité znát rozdíl
Když víte, že moderní AI stojí na strojovém učení, dokážete ji používat rozumněji. Modely strojového učení odrážejí svá trénovací data. Různé modely, trénované různými způsoby, mohou na stejnou otázku odpovědět různě. Není to chyba, kterou byste měli přehlížet, ale užitečný signál.
Debatly z toho dělá přednost: AI postavy využívající přední modely diskutují o vaší otázce z různých úhlů pohledu a AI soudce hodnotí jejich argumenty. Ve stejné aplikaci si také můžete přímo povídat s modely od OpenAI, Anthropic a Google.