С растущими возможностями в области искусственного интеллекта все, кажется, жужжат вокруг трех слов: «ИИ», «Наука о данных» и «Машинное обучение». Для всех, кто работает в этой области, кажется, что все три слова означают одно и то же, но на самом деле это не так. Названия должностей, такие как специалист по данным, инженер по машинному обучению или инженер по искусственному интеллекту, очень прибыльны в 2020 году. Но люди, которые жаждут перейти в эту область, путаются на начальном этапе своего перехода, поскольку все три слова в основном используются в одном и том же месте, но они не понимают, что все три профиля работы — Data Scientist, Machine Learning Engineer и AI Engineer или Expert — имеют разные обязанности.

Что такое искусственный интеллект?

В общем, ИИ дает машине возможность работать как человеческий мозг. Некоторые черты человеческого разума включают логическое мышление, обучение и самокоррекцию. Обычно машины делают то, что им говорят. Они не знают ничего, кроме того, на что они запрограммированы, и задачи, которую они должны выполнить. Разрешить машинам думать как человеческий мозг — это большой технологический скачок, потому что теперь они могут совершенствоваться сами по себе посредством обучения.

Искусственный интеллект можно разделить на две части:

  1. Узкий ИИ: он имеет дело с конкретной реализацией ИИ, позволяя ИИ улучшаться и хорошо выполнять только конкретную задачу с множеством ограничений.
  2. Искусственный общий интеллект: это то, о чем мечтают ученые, то есть реализация интеллектуального ИИ на уровне человека, где компьютер или машина могут решать проблемы без каких-либо ограничений, как человеческий мозг.

Что такое наука о данных?

Наука о данных, как следует из названия, должна многое делать с данными. Наука о данных — это область, которая занимается получением информации из доступных данных. С увеличением использования Интернета и всего, что становится цифровым, от электронной коммерции до бронирования ресторанов. Сейчас наблюдается экспоненциальный рост количества доступных данных.

Ниже показана тенденция роста данных с 2010 по 2025 год, где один зеттабайт (ZB) равен триллиону гигабайт (gb).

Этот большой блок данных включает в себя количество товаров, купленных в день на Amazon, самые продаваемые товары за месяц, подробности о товарах, проданных в определенной части мира, а также данные новостей, независимо от того, останавливаются ли данные и список.

Для предприятий и исследователей этот огромный объем данных очень полезен. Так как это может помочь ответить на многие вопросы. Именно здесь вступает наука о данных. Она помогает нам получить представление о доступных данных. Мы получаем понимание после обработки, распознавания образов, очистки и визуализации данных. Наука о данных не занимается обучением модели, работа которой выполняется инженером по машинному обучению на основе данных, которые они получают от специалистов по данным.

Что такое машинное обучение?

Машинное обучение (ML) — это способность машины учиться в своей среде. Он имеет дело больше с алгоритмами, чем с данными. Инженеры по машинному обучению прилагают усилия для создания этих алгоритмов, настройки уже построенных алгоритмов и использования их на данных, предоставленных специалистами по данным, для обучения модели. С точки зрения непрофессионала, под обучением модели мы подразумеваем использование данных для обучения машины и указания ей, что делать, а чего не делать. Например, Machine Learning Engineer показывает машине 100 фотографий собаки и 100 фотографий кошки и с помощью алгоритмов обучает ее тому, как выглядят кошка и собака.

Затем они показывают машине совершенно новую фотографию собаки, которую она никогда раньше не видела, и просят определить, собака это или кошка. Основываясь на ответе, инженер по машинному обучению оценивает машину и алгоритм, насколько хорошо машина способна обучаться, что называется скоростью обучения.

Как эти три взаимосвязаны и заключение

Ниже приведен график, показывающий, как все три взаимосвязаны. Машинное обучение — это полное подмножество ИИ, а наука о данных — лишь частичное подмножество ИИ и машинного обучения.

ИИ рассматривает всю технологию в общих чертах. Машинное обучение является частью всей технологии, которая позволяет машинам учиться с помощью алгоритмов, а наука о данных, с другой стороны, помогает инженерам по машинному обучению выполнять свои задачи.

Надеюсь, мне удалось провести понятную границу между тремя понятиями: искусственный интеллект, наука о данных и машинное обучение.