Spisu treści:
Uczenie maszynowe (ML) będzie dla przedsiębiorstwa zarówno dobrodziejstwem, jak i zmorą, w zależności od tego, z kim rozmawiasz. Z jednej strony zapewni szeroką gamę nowych możliwości dla procesów cyfrowych - od zautomatyzowanych przepływów pracy po infrastrukturę samozarządzającą. Z drugiej strony spowoduje to przesunięcie miejsc pracy i sprawi, że organizacje będą bezradne do wprowadzania poprawek, gdy coś pójdzie nie tak.
Prawda jest prawdopodobnie gdzieś pomiędzy tymi dwoma skrajnościami, ale aby naprawdę zrozumieć, co ML może, a czego nie może zrobić, konieczne jest rozwianie niektórych mitów, które wyrosły wokół tej technologii. (Dlaczego tak wiele do zaoferowania, dlaczego nie wszyscy używają ML? Dowiedz się w 4 blokadach na drodze, które opóźniają przyjęcie uczenia maszynowego).
Mit 1: Uczenie maszynowe i sztuczna inteligencja są jednym i tym samym.
Chociaż prawdą jest, że obaj wykorzystują tę samą podstawową technologię, AI jest terminem obejmującym szeroki zakres dyscyplin. Według dr. Michaela J. Garbade'a, CEO Education Ecosystem, AI obejmuje nie tylko ML, ale także sieci neuronowe, przetwarzanie języka naturalnego, rozpoznawanie mowy i wiele innych nowych technologii. ML wyróżnia się tym, że może modyfikować własny kod na podstawie doświadczeń, zmian w otoczeniu lub wprowadzania nowych celów - jest to zasadniczo „uczenie się” uczenia maszynowego.
