ВЕШТАЧКА ИНТЕЛИГЕНЦИА И МАШИНСКО УЧЕЊЕ – Користење на вештачката интелигенција (AI) за унапредување на родовата еднаквост во академските истражувања

Елена Рипилоска

Вовед

Вештачката интелигенција е широка гранка на компјутерската наука која се занимава со градење паметни машини способни за извршување задачи за кои обично е потребна човечка интелигенција. AI е интердисциплинарна наука со повеќе пристапи, но напредувањето во машинското учење и длабокото учење создаваат промена на парадигмата буквално во секој сектор од технолошката индустрија.

Вештачката интелигенција исто така е збир на функции кои што им овозможуваат на компјутерите извршување на најразлични функции кои што се напредни. На пр. како што се функциите препознавање на одреден напишан текст, да анализираат податоци и многу слични функции.Главната практична примена на вештачката интелигенција е обработка на огромни количини генерирани податоци дневно.Вештачката интелигенција исто така има и свои подобласти кои што што се должат културно-општествени фактори.ВИ исто така е поделена и врз основа на техничка проблематика.Имено некои од подобластите се фокусирани кон решавање на одреден проблем, додека други подобласти на вештачката интелигенција се насочени кон користење на одредена алатка.Вештачката интелигенција ние луѓето ја сретнуваме насекаде околу нас во секојдневниот живот, некои примери за тоа ни се:

Веб пребарувач. (Google)
Системи со препораки. (Netflix)
Разбирање на човечкиот говор. (Alexa и Siri)
Самоуправувачки автомобили.

КАКО ВЕШТАЧКАТА ИНТЕЛИГЕНЦИЈА ИМ КОРИСТИ НА ЛУЃЕТО?

Вештачката интелигенција може многу да им користи и да им помогни на луѓето и тоа на повеќе начини :

Вештачката интелигенција има способност да имитира, таа може да идентификува различни начини за оптимизирање и предвидување на релевантни трендови.
Вештачката интелигенција може да работи без престан, односно да обработува корисни информации постојано.
Математичките пресметки на вештачката интелигенција се без грешка, бидејќи таа работи прецизно.
Вештачката интелигенција врши рутински задачи на пониско ниво, кои се повторуваат.

Вештачката интелигенција како што кажавме може многу да им помогне на луѓето но имаме 5 причини кои што ни посочуваат зошто вештачката интелигенција неможе да ги замени луѓето и тоа:

Вештачката интелигенција нема интелект

Луѓето сакаат да засноваат врски кои што се засновани на меѓусебна доверба, кое што не би било возможно без постојана интеракција измеѓу нас луѓето.

Вештачката интелигенција не може да врши креативни задачи

Вистинскиот потенцијал на вештачката интелигенција е да ги врши работите кои што се склони на човечки грешки , односно да ги автоматизира.

Градење на врски со колеги и партнери

Градењето односи е важно, бидејќи постојано соработуваме и работиме со различни луѓе. Посветеноста на работното место покажува дека се грижиме за нашата работа и компанија.

Луѓето покажуваат емпатија

Многу работни места бараат воспоставување доверба со цел да им дозволат на луѓето да се релаксираат и да се чувствуваат слободно. Машините базирани на вештачка интелигенција се способни да имитираат човечки говор, но немаат емпатија и човечки емоции.

ВИ не размислува креативно и надвор од својот код

Вештачката интелигенција не може да создава креативни начини за решавање на проблемите бидејќи нивниот код не го дозволува тоа.

Исто така многу важно да го истакнеме е тоа што луѓето се добри во планирање, носење одлуки во некои комплицирани ситуации, но машините можат подобро и побрзо да обработат некои одредени ситуации или проблеми.

Машинско учење

Машинското учење е програмирање на машини (компјутери) кои имаат за цел да анализираат податоци врз основа на некое претходно искуство за самостојно да завршат одредена задача, без потреба од човечка интервенција. Машинското учење е гранка на вештачката интелигенција.Машинското учење функционира преку користење на податоци и алгоритми односно збир на упатства кои што му покажуваат на компјутерот како да изврши одредена задача.Алгоритмите што ги користи машинското учење складираат податоци , препознаваат обрасци и ги анализираат тие податоци за да ги прилагодат своите функции со цел поуспешно комплетирање на податоците. Се што е потребно за започнување на овој процес се списоци со чекор-по-чекор инструкции или алгоритми креирани од програмерите.

Постојат 3 видови на машинско учење:

1. Supervised Learning

Тоа е како подучување со давање на пример. На компјутерот му обезбедуваме податоци кои ги вклучуваат и влезните и посакуваните излези. На пример, во финансиите, моделот може да научи за историските цени на акциите и поврзаните економски показатели за да се предвидат идните цени на акциите. Како што компјутерот учи од овие примери, на крајот може да прави предвидувања за нови, невидени податоци.

2. Unsupervised Learning

На овој начин компјутерот станува детектив. На компјутерот му даваме податоци кои не се поврзани со ознаки, а тој сам наоѓа шеми или врски. Во маркетингот, овој метод може да се користи за сегментирање на клиентите врз основа на нивното куповно однесување, овозможувајќи им на бизнисите да ги приспособат своите маркетинг стратегии на различни групи клиенти и да го подобрат engagement-от на клиентите.

3. Reinforcement Learning

Сфатете го како учење со обиди и грешки. Компјутерот добива задача и добива повратни информации во форма на награди или казни врз основа на неговите перформанси. Во здравството, reinforcement learning може да се користи за да се оптимизираат плановите за третман на пациенти со хронични состојби, како што е дијабетес. Компјутерот учи да донесува одлуки кои ја балансираат ефективноста на третманот и удобноста на пациентот, подобрувајќи ги севкупните резултати на пациентот.

Клучни аспекти на вештачката интелигенција

-Денес вештачката интелигенција има подобласти како што се машинското учење и длабоко учење кои што вклучуваат алгоритми за вештачката интелигенција кои што прават одредени класификации.Исто така вештачката интелигенција се дели на слаба и силна вештачка интелигенција.Слабата вештачка интелигенција или уште наречена тесна е обучена да извршува специфични задачи и таа е најочигледна во секојдневниот живот која овозможува апликации како што се на пример:SIRI на apple.Силната вештачка интелиггенција се состои од вештачка општа интелигенција и вештачка супер интелигенција.

Вештачката интелигенција има различни апликации

Препознавање на говор: ВИ е клучот за многу технологии за препознавање говор. Исто така наречено компјутерско препознавање говор или говор во текст, се потпира на НЛП за да го преведе човечкиот говор во пишан формат.
Компјутерска визија: ВИ им овозможува на компјутерите да извлекуваат информации од дигитални слики, видеа и други визуелни влезови. Компјутерската визија се користи за означување фотографии, сликање на здравствената заштита, автономни автомобили и многу повеќе.
Услуги на клиентите: Вештачката интелигенција ги овластува четботите низ индустријата за услуги на клиентите, менувајќи ја врската помеѓу бизнисите и нивните клиенти.
Откривање измама: Финансиските институции користат вештачка интелигенција за да забележат сомнителни трансакции.

Клучни аспекти на машинското учење

–Алгоритмите на машинското учење се потпираат на структурирани податоци за да прават предвидувања.Стуктурирани податоци се оние податоци кои што се означени со специфични карактеристики.За машинско учење податоците треба да бидат претходно обработени и организирани.Машинското учење е вредна алатка за бизниси.Моделите на машинското учење ги обработуваат податоците и ги идентификуваат шемите кои го подобруваат донесувањето деловни одлуки на сите нивоа.

Машинското учење има различни техники:

Надгледувано учење: Обележаните податоци ги „надгледуваат“ алгоритмите и ги обучуваат да ги класифицираат податоците и да ги предвидат исходите.
Учење без надзор: Техника за машинско учење која користи неозначени податоци. Моделите за учење без надзор можат да ги анализираат податоците и да откријат обрасци без човечка интервенција.
Засилено учење: Оваа техника ги обучува моделите да донесуваат низа одлуки и се заснова на систем за награда/казнување.

AI vs ML: The Surprising Differences that Matter to Businesses

Разлика помеѓу машинско учење и вештачка интелигенција

Вештачка интелигенција е гранка на компјутерската наука која ги програмира компјутерите да извршуваат задачи на “интелигентен” и “човечки” начин. Вештачката интелигенција користејќи техники на носење одлуки моделирани по човековата интелигенција.

Од друга страна, машинското учење е гранка од вештачката интелигенција фокусирана на програмирање компјутери за да ги соберат потребните информации и автоматски да донесат интелигентни одлуки.

Вештини потребни за вештачка интелигенција:

Наука за податоци: Мултидисциплинарно поле фокусирано на користење на податоци за извлекување увиди, вештините за наука за податоци се клучни за вештачката интелигенција. Тие можат да вклучат сè, од програмирање до математика, и им помагаат на научниците за податоци да користат техники како што се статистичко моделирање и визуелизација на податоци.
Роботика: Вештачката интелигенција им обезбедува на роботите компјутерска визија за да им помогне да се движат и да ја почувствуваат нивната околина.
Етика: Секој кој се занимава со вештачка интелигенција мора да биде добро упатен во сите етички импликации на таквата технологија. Етиката е една од главните грижи во врска со распоредувањето на системи за вештачка интелигенција.
Познавање на доменот: Имајќи знаење за доменот, подобро ќе ја разберете индустријата. Исто така, ќе ви помогне да развиете иновативни технологии за справување со конкретни предизвици и ризици, подобро поддржувајќи го вашиот бизнис.
Машинско учење: За вистински да ја разберете вештачката интелигенција и да ја примените на најдобар можен начин, треба да имате солидно разбирање за машинското учење. Иако можеби нема да треба да го знаете секој технички аспект на развојот на машинското учење, треба да ги знаете основните аспекти на истиот.

Вештини потребни за машинско учење:

Програмирање: Секој професионалец за машинско учење мора да биде умешен во програмски јазици како Java, R, Python, C++ и Javascript.
Математика: Професионалците за МЛ работат интензивно со алгоритми и применета математика, поради што тие треба да имаат силни аналитички вештини и вештини за решавање проблеми, поврзани со математичко знаење.
Архитектура на невронски мрежи: Невронските мрежи се фундаментални за длабокото учење, што е подгрупа на машинското учење. Експертите за ML имаат длабоко разбирање за овие невронски мрежи и како тие можат да се применат низ секторите.
Голем податок: Главен дел од машинското учење се големите податоци, каде што овие модели анализираат масивни сетови на податоци за да ги идентификуваат шемите и да направат предвидувања. Големите податоци се однесуваат на ефикасно извлекување, управување и анализа на огромни количини на податоци.
Дистрибуирано пресметување: Филијала на компјутерската наука, дистрибуираното пресметување е уште еден главен дел од машинското учење. Се однесува на дистрибуирани системи чии компоненти се наоѓаат на различни мрежни компјутери, кои ги координираат своите дејства преку размена на комуникации.

Овие вештини за вештачка интелигенција и машинско учење се само некои кои што треба да ги стекни секој кој што сака да се вклучи во полињата.Со учењето на овие вештини секој бизнис лидер би имал корист за подобра работа.

Artificial Intelligence (AI) vs. Machine Learning (ML) - Key Differences - Future Skills Academy

Заклучок

Како вештачката интелигенција така и машинското учење кое што како што кажавме и претходно е дел од вештачката интелигенција денес се навистина премногу распространети во секојдневниот живот на луѓето.Исто така овие две работи се клучни во денешно време бидејќи ни овозможуваат да ја искористиме моќта на огромните количини на информации, поттикнувајќи ја иновативноста и подоброто одлучување.Овие технологии ни даваат можност да откриеме скриени обрасци , да донесуваме одлуки кои што се засновани на многу различни податоци.Во денешно време совладувањето на технологиите станува суштинско за луѓето за истите да имаат поголеми и подобри можности.Во текот на оваа семинарска работа научивме многу интересни факти меѓу кои и тоа дека имаме различни вештини кои што се потребни за вештачката интелигенција и за машинското учење, односно дека за вештачката интелигенција ни се потребни повеќе вештини за разлика од машинското учење.Исто така научивме дека ВИ и машинското учење имаат разлика.Можам да кажам дека вештачката интелигенција во ова така наречено ново време има многу влијание, ни овозможува подобар и полесно функционирање во секојдневниот живот.

Користена литература